Chương trình tập huấn phân tích dữ liệu bằng ngôn ngữ R - BV SIS Cần Thơ (2-6/1/2025)

Ngày 1: Giới thiệu ngôn ngữ R

Việc 2. Cài dặt các gói phân tích (packages)

#install.packages(c("table1", "lessR",  "ggplot2", "gridExtra", "GGally", "ggfortify", "DescTools", "simpleboot", "relaimpo", "carData", "rms", "caret", "BMA",  "lme4", "epiDisplay"), dependencies = T)

Việc 3. Đọc dữ liệu vào R

# Đọc trực tiếp:
  # Tìm đường dẫn với file.choose()
  # t = file.choose()
  # t

bw = read.csv("C:\\Thach\\VN trips\\2024_4Dec\\SIS Can Tho\\Datasets\\birthwt.csv")

# Đọc từ "Import Dataset"

Việc 4. Thông tin về dữ liệu bw

4.1 Có bao nhiêu biến số và quan sát

dim(bw)
## [1] 189  11

4.2 Liệt kê 6 quan sát đầu tiên

head(bw)
##   id low age lwt race smoke ptl ht ui ftv  bwt
## 1 85   0  19 182    2     0   0  0  1   0 2523
## 2 86   0  33 155    3     0   0  0  0   3 2551
## 3 87   0  20 105    1     1   0  0  0   1 2557
## 4 88   0  21 108    1     1   0  0  1   2 2594
## 5 89   0  18 107    1     1   0  0  1   0 2600
## 6 91   0  21 124    3     0   0  0  0   0 2622

4.3 Liệt kê 6 quan sát cuối cùng

tail(bw)
##     id low age lwt race smoke ptl ht ui ftv  bwt
## 184 78   1  14 101    3     1   1  0  0   0 2466
## 185 79   1  28  95    1     1   0  0  0   2 2466
## 186 81   1  14 100    3     0   0  0  0   2 2495
## 187 82   1  23  94    3     1   0  0  0   0 2495
## 188 83   1  17 142    2     0   0  1  0   0 2495
## 189 84   1  21 130    1     1   0  1  0   3 2495

Việc 5. Biên tập dữ liệu:

5.1 Tạo biến số mới mwt

bw$mwt = bw$lwt*0.453592
head(bw)
##   id low age lwt race smoke ptl ht ui ftv  bwt      mwt
## 1 85   0  19 182    2     0   0  0  1   0 2523 82.55374
## 2 86   0  33 155    3     0   0  0  0   3 2551 70.30676
## 3 87   0  20 105    1     1   0  0  0   1 2557 47.62716
## 4 88   0  21 108    1     1   0  0  1   2 2594 48.98794
## 5 89   0  18 107    1     1   0  0  1   0 2600 48.53434
## 6 91   0  21 124    3     0   0  0  0   0 2622 56.24541

5.2 Tạo biến số mới ethnicity

bw$ethnicity[bw$race == 1] = "White"
bw$ethnicity[bw$race == 2] = "Black"
bw$ethnicity[bw$race == 3] = "Other"
head(bw)
##   id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity
## 1 85   0  19 182    2     0   0  0  1   0 2523 82.55374     Black
## 2 86   0  33 155    3     0   0  0  0   3 2551 70.30676     Other
## 3 87   0  20 105    1     1   0  0  0   1 2557 47.62716     White
## 4 88   0  21 108    1     1   0  0  1   2 2594 48.98794     White
## 5 89   0  18 107    1     1   0  0  1   0 2600 48.53434     White
## 6 91   0  21 124    3     0   0  0  0   0 2622 56.24541     Other

5.3 Tạo biến số mới smoking

bw$smokig = ifelse(bw$smoke == "Yes", 1, 0)
head(bw)
##   id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity smokig
## 1 85   0  19 182    2     0   0  0  1   0 2523 82.55374     Black      0
## 2 86   0  33 155    3     0   0  0  0   3 2551 70.30676     Other      0
## 3 87   0  20 105    1     1   0  0  0   1 2557 47.62716     White      0
## 4 88   0  21 108    1     1   0  0  1   2 2594 48.98794     White      0
## 5 89   0  18 107    1     1   0  0  1   0 2600 48.53434     White      0
## 6 91   0  21 124    3     0   0  0  0   0 2622 56.24541     Other      0

5.4 Tạo tập dữ liệu bw1

bw1 = bw[, c("id", "low", "bwt")]
dim(bw1)
## [1] 189   3
head(bw1)
##   id low  bwt
## 1 85   0 2523
## 2 86   0 2551
## 3 87   0 2557
## 4 88   0 2594
## 5 89   0 2600
## 6 91   0 2622

5.5 Tạo tập dữ liệu bw2

bw2 = subset(bw, low == 1)
dim(bw2)
## [1] 59 14
head(bw2)
##     id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity smokig
## 131  4   1  28 120    3     1   1  0  1   0  709 54.43104     Other      0
## 132 10   1  29 130    1     0   0  0  1   2 1021 58.96696     White      0
## 133 11   1  34 187    2     1   0  1  0   0 1135 84.82170     Black      0
## 134 13   1  25 105    3     0   1  1  0   0 1330 47.62716     Other      0
## 135 15   1  25  85    3     0   0  0  1   0 1474 38.55532     Other      0
## 136 16   1  27 150    3     0   0  0  0   0 1588 68.03880     Other      0

5.6 Tạo tập dữ liệu bw3

bw3 = subset(bw, low == 1 & smoke == 1)
dim(bw3)
## [1] 30 14
head(bw3)
##     id low age lwt race smoke ptl ht ui ftv  bwt      mwt ethnicity smokig
## 131  4   1  28 120    3     1   1  0  1   0  709 54.43104     Other      0
## 133 11   1  34 187    2     1   0  1  0   0 1135 84.82170     Black      0
## 140 20   1  21 165    1     1   0  1  0   1 1790 74.84268     White      0
## 141 22   1  32 105    1     1   0  0  0   0 1818 47.62716     White      0
## 142 23   1  19  91    1     1   2  0  1   0 1885 41.27687     White      0
## 145 26   1  25  92    1     1   0  0  0   0 1928 41.73046     White      0

việc 6. Phân tích mô tả

6.1 Mô tả đặc điểm tuổi mẹ, cân nặng mẹ và cân nặng con

library(table1)
## 
## Attaching package: 'table1'
## The following objects are masked from 'package:base':
## 
##     units, units<-
table1(~ age + lwt + bwt, data = bw)
Overall
(N=189)
age
Mean (SD) 23.2 (5.30)
Median [Min, Max] 23.0 [14.0, 45.0]
lwt
Mean (SD) 130 (30.6)
Median [Min, Max] 121 [80.0, 250]
bwt
Mean (SD) 2940 (729)
Median [Min, Max] 2980 [709, 4990]

6.2 Mô tả đặc điểm tuổi mẹ, cân nặng mẹ và cân nặng con theo tình trạng trẻ sanh thiếu cân

table1(~ age + lwt + bwt | low, data = bw)
## Warning in table1.formula(~age + lwt + bwt | low, data = bw): Terms to the
## right of '|' in formula 'x' define table columns and are expected to be factors
## with meaningful labels.
0
(N=130)		 1
(N=59)		 Overall
(N=189)
age
Mean (SD) 23.7 (5.58) 22.3 (4.51) 23.2 (5.30)
Median [Min, Max] 23.0 [14.0, 45.0] 22.0 [14.0, 34.0] 23.0 [14.0, 45.0]
lwt
Mean (SD) 133 (31.7) 122 (26.6) 130 (30.6)
Median [Min, Max] 124 [85.0, 250] 120 [80.0, 200] 121 [80.0, 250]
bwt
Mean (SD) 3330 (478) 2100 (391) 2940 (729)
Median [Min, Max] 3270 [2520, 4990] 2210 [709, 2500] 2980 [709, 4990]

6.3 Mô tả tình trạng tr3 sanh nhẹ cân, hút thuốc trong thai kỳ và chủng tộc

table1(~ low + smoke + race, data = bw)
Overall
(N=189)
low
Mean (SD) 0.312 (0.465)
Median [Min, Max] 0 [0, 1.00]
smoke
Mean (SD) 0.392 (0.489)
Median [Min, Max] 0 [0, 1.00]
race
Mean (SD) 1.85 (0.918)
Median [Min, Max] 1.00 [1.00, 3.00]

Cách làm tốt hơn

table1(~ factor(low) + factor(smoke) + factor(race), data = bw)
Overall
(N=189)
factor(low)
0 130 (68.8%)
1 59 (31.2%)
factor(smoke)
0 115 (60.8%)
1 74 (39.2%)
factor(race)
1 96 (50.8%)
2 26 (13.8%)
3 67 (35.4%)

Việc 7. Sử dụng gói lessR

7.1 Vẽ biễu đồ phân bố histogram cân nặng của con

library(lessR)
## Warning: package 'lessR' was built under R version 4.3.3
## 
## lessR 4.3.9                         feedback: gerbing@pdx.edu 
## --------------------------------------------------------------
## > d <- Read("")   Read text, Excel, SPSS, SAS, or R data file
##   d is default data frame, data= in analysis routines optional
## 
## Many examples of reading, writing, and manipulating data, 
## graphics, testing means and proportions, regression, factor analysis,
## customization, and descriptive statistics from pivot tables
##   Enter: browseVignettes("lessR")
## 
## View lessR updates, now including time series forecasting
##   Enter: news(package="lessR")
## 
## Interactive data analysis
##   Enter: interact()
## 
## Attaching package: 'lessR'
## The following object is masked from 'package:table1':
## 
##     label
Histogram(bwt, fill = "blue", xlab = "Birthweight (g)", ylab = "Frequency",  data = bw)

## >>> Suggestions 
## bin_width: set the width of each bin 
## bin_start: set the start of the first bin 
## bin_end: set the end of the last bin 
## Histogram(bwt, density=TRUE)  # smoothed curve + histogram 
## Plot(bwt)  # Violin/Box/Scatterplot (VBS) plot 
## 
## --- bwt --- 
##  
##       n   miss       mean         sd        min        mdn        max 
##      189      0    2944.59     729.21     709.00    2977.00    4990.00 
## 
##   
## --- Outliers ---     from the box plot: 1 
##  
## Small        Large 
## -----        ----- 
##  709.0            
## 
## 
## Bin Width: 500 
## Number of Bins: 9 
##  
##          Bin  Midpnt  Count    Prop  Cumul.c  Cumul.p 
## ----------------------------------------------------- 
##   500 > 1000     750      1    0.01        1     0.01 
##  1000 > 1500    1250      4    0.02        5     0.03 
##  1500 > 2000    1750     14    0.07       19     0.10 
##  2000 > 2500    2250     40    0.21       59     0.31 
##  2500 > 3000    2750     38    0.20       97     0.51 
##  3000 > 3500    3250     45    0.24      142     0.75 
##  3500 > 4000    3750     38    0.20      180     0.95 
##  4000 > 4500    4250      7    0.04      187     0.99 
##  4500 > 5000    4750      2    0.01      189     1.00

7.2 Vẽ biểu đồ thanh chủng tộc

BarChart(ethnicity, data = bw)

## >>> Suggestions
## BarChart(ethnicity, horiz=TRUE)  # horizontal bar chart
## BarChart(ethnicity, fill="reds")  # red bars of varying lightness
## PieChart(ethnicity)  # doughnut (ring) chart
## Plot(ethnicity)  # bubble plot
## Plot(ethnicity, stat="count")  # lollipop plot 
## 
## --- ethnicity --- 
## 
## Missing Values: 0 
## 
##                Black  Other  White     Total 
## Frequencies:      26     67     96       189 
## Proportions:   0.138  0.354  0.508     1.000 
## 
## Chi-squared test of null hypothesis of equal probabilities 
##   Chisq = 39.270, df = 2, p-value = 0.000

7.3 Vẽ biểu đồ tương quan giữa cân nặng mẹ và cân nặng con

Plot(lwt, bwt, fit = "lm", data = bw)

## 
## >>> Suggestions  or  enter: style(suggest=FALSE)
## Plot(lwt, bwt, enhance=TRUE)  # many options
## Plot(lwt, bwt, fill="skyblue")  # interior fill color of points
## Plot(lwt, bwt, MD_cut=6)  # Mahalanobis distance from center > 6 is an outlier 
## 
## 
## >>> Pearson's product-moment correlation 
##  
## Number of paired values with neither missing, n = 189 
## Sample Correlation of lwt and bwt: r = 0.186 
##   
## Hypothesis Test of 0 Correlation:  t = 2.585,  df = 187,  p-value = 0.011 
## 95% Confidence Interval for Correlation:  0.044 to 0.320 
##   
## 
##  Line: b0 = 2369.62   b1 = 4.43    Fit: MSE = 516,155   Rsq = 0.034
##

7.4 Vẽ biểu đồ tương quan giữa cân nặng mẹ và cân nặng con theo chủng tộc

Plot(lwt, bwt, by = ethnicity, fit = "lm", data = bw)

## 
## >>> Suggestions  or  enter: style(suggest=FALSE)
## Plot(lwt, bwt, enhance=TRUE)  # many options
## Plot(lwt, bwt, color="red")  # exterior edge color of points
## Plot(lwt, bwt, MD_cut=6)  # Mahalanobis distance from center > 6 is an outlier 
## 
## ethnicity: Black   Line: b0 = 2363.2    b1 = 2.4    Fit: MSE = 415,264   Rsq = 0.023
##  
## ethnicity: Other   Line: b0 = 2070.8    b1 = 6.1    Fit: MSE = 505,570   Rsq = 0.045
##  
## ethnicity: White   Line: b0 = 2442.4    b1 = 5.0    Fit: MSE = 514,066   Rsq = 0.040
##

Việc 8. Ghi lại tất cả các hàm/lệnh trên và chia sẻ lên tài khoản rpubs