探索性数据分析与R软件的结合应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇探索性数据分析与R软件的结合应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】探索性数据分析在统计分析中有不可磨灭的作用，提供丰富的详细考究数据的方法，侧重于灵活研究数据。本文拟针对各大城市降雨量相关数据，将R软件应用于其中，进行相关分析，得出结论。

【关键词】箱线图；幂变换；展布水平图；降水量

一、研究背景及发展

数据分析分为两大阶段，探索阶段和实证阶段。探索性数据分析可以分离出数据的模式和特点，把它们有力地给分析者。探索性数据分析（exploratory data analysis，简称EDA）于上世纪六十年代被提出，并逐步发展，现今已经应用非常广泛。具体来说，是对调查者观察得到的原始数据直接进行预处理净化，做出箱线图、茎叶图等等，直观展现出数据的结构等。并没有先做出相关的假定或者在部分假定条件下进行分析。即在对数据的基本特点还没有认识的情况下，无法选取相应的统计方法进行相关分析，此时可以应用探索性数据分析，挖掘数据之间的相关特征，给出之后实证分析的大致方向，此时再运用统计方法则会显得更加合理，更科学有效。为后来的数据实证分析做铺垫。

二、实例研究

如下，选取数据为中国16个大城市三月到10月的降水量，数据显示如下，可知，若直接运用统计方法，如大海捞针，不知何种假定下，选取何种统计方法较为合理。则先运用探索性数据分析中的相关方法。为使结果直观显示，运用箱线图作图，结合R软件编写代码。

（一）未作幂变换前的箱线图

箱线图是一批数据的五数总括的图示，展现了这个批的数据结构要点。从箱线图我们可以发掘出一个批的某些特性：位置、展布、偏度、尾长、边远数据点（离群点）。

但是初始箱线图也有缺点，如远离原点的批可能比靠近原点的批，有更大的展布，体现在图形上则会出现有些箱线图挤在一起，较为扁平，不利于数据分析。因此，若用同一尺度来绘图，将难以看出靠近远点的批的细节。

为了改善箱线图的这个缺点，我们可以做一些适当的变换，使得这些批的变异性更加一致。我们要从数据本身得到关于数据变换的一些指导，一个比较适合的标准就是“展布对水平图”，它能够建议一个幂变换，有助于把跨越这些批的不同水平的展布变成相等。

用箱线图比较几个批的数据，三搜集中国16大城市3月到10月的降水量数据，单位为毫米，由于数据庞大，不在此列出。数据来源于2012年统计年鉴。

构造出的箱线图可以看出位置，展布，尾长和离群值截断点。图中四分数相对于中位数的位置，可以看出偏度，若中位数离下四分数，比离上四分数近得多，则表明这个批是正偏的，反之则为负偏。由以上箱线图可知，效果不是很好，有较多的离群值截断点，不便于我们对数据的分析。

由上图可知，第13个箱线图（广州），距离远点较远，其降水量不仅有较大的展布，且分布较均匀。第16个箱线图（乌鲁木齐），其降水量展布较小，距离远点较近。由此可见，箱线图的局限性，为了解决展布对水平的依赖，以及离群值对数据分析的干扰，下面将对其进行改进。做相应的幂变换。

（二）幂变换（改善箱线图）

用R对所有数据进行平方根变换，得到新的展布对水平图。

则与前一个展布对水平图比较得知，此图没有明显的趋势，展布对水平不再有依赖性，则说明变换有效，达到了目的。

改善之后的展布水平图与箱线图如下。

可知，这个变换确实在几个重要方面改善了数据。我们可以知道，第13个箱线图（广州）的降水量普遍较高，其最小值都高于第2个箱线图（天津），我们得出，即使是在雨季，天津降水量都比广州要小，地域差异使得降水量有如此大的差异。第11个箱线图（武汉）的降水量有一个离群点，是在7月，降水量为389.7，可见武汉的雨水集中在7月，在夏天是一个降水量较大的城市。

三、结论分析

通过运用探索性数据分析和R软件结合的方法，数据被有效地处理与改善了。可见，探索性数据分析技术能帮助我们正确的处理数据，与R软件结合以后，拥有更加强大的功能，通过幂变换，箱线图得到了明显的改善，减少了离群值，展布也不再依赖于水平。总之，探索性数据分析在当今软件计算机如此发达的时代，其作用得到了越来越充分的体现，没有探索性分析，证实性分析往往是盲目的， 缺乏根据的； 没有证实性分析， 探索性分析则永远是一次不完整的的统计分析。正确运用探索性数据分析与R软件结合的方法，对数据进行处理与分析，可以带来很大的便利。

参考文献：

[1] David C Hoaglin Frederick Monsteller.John W.Tukey著，链、郭德媛、杨振海翻译校订.探索性数据分析[M].中国统计出版社，1983.

[2]李世勇，胡建军，熊 燕，欧阳虹.2004年我国卷烟焦油量的探索性数据分析[J].2005年第7期.

[3]乔云霞.国际竞争力要素贡献度的实证研究———基于面板数据的探索性分析[J].Number3 （General Serial No145） May， 2006.

[4]杨军，刘俊卿，强德厚.探索性数据分析在气候变化趋势研究中的应用[J]. 2007年7月第16卷第4期.