1. 数据分析基于R语言
语言中的五种常用统计分析方法
1、分组分析aggregation
2、分布分析cut
3、交叉分析tapply（相当于excel里的数据透视表）
4、结构分析prop.table
5、相关分析prop.table
补充：R中基本统计分析方法整理
面对一大堆的数据，往往会让人眼花缭乱。但是只要使用一些简单图形和运算，就可以了解数据更多的特征。R提供了很多关于数据描述的函数，通过这些函数可以对数据进行一个简单地初步分析。
2. 数据分析与r语言基础
SAS和R是统计软件，更偏向于统计分析，MATLAB是数学软件，应用区域更广，但在统计方面没有那么专业。
R语言和SAS语言在统计方面的比较：
1.R语言上手比较容易，SAS语言较为晦涩
2.R针对行与行之间的运算比SAS容易
3.SAS比R要成熟，很多分析都可以直接用，而不用自己写函数
4.SAS处理大数据更有优势
你可以根据自己的情况选择
3. r语言如何分析数据
temp = lm(y~x) residuals(temp) 得到回归的残差
4. 数据分析基于r语言分析
可以做描述性分析，差异性分析等，包括信度效度
5. r语言分析数据处理
你可以利用dplyr包进行计算，假设你的数据名为：yourdata
data
library(dplyr)
by_siteNO_USER
need
mean =mean(check),
median=median(check))
6. 数据分析基于r语言吗
在R数据分析的时候，我们常常会用到Excel格式数据的读取，但是在读取数据的时候，需要加载xlsx包。值得注意的是xlsx包需要依赖Java环境，如果Java环境没有配置正确或则是环境有问题的话，也是无法正常读取的，因此这点非常重要，如果出现无法读取请认真看看是否是环境出现了错误，如果不是的话，就具体问题具体分析即可。
#R读取Excel数据是，首先要安装xlsx包，安装完install.packages("xlsx")#进行加载包library("xlsx")
#制作input测试数据
# Read the first worksheet in the file input.xlsx.data <- read.xlsx("input.xlsx", sheetIndex = 1)#实现数据的输出print(data)
7. r语言数据分析案例附数据
非线性回归 nonlinear regression 所谓回归分析法，是在掌握大量观察数据的基础上，利用数理统计方法建立因变量与自变量之间的回归关系函数表达式（称回归方程式）。
回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析；当研究的因果关系涉及因变量和两个或两个以上自变量时，叫做多元回归分析。
此外，回归分析中，又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析。
通常线性回归分析法是最基本的分析方法，遇到非线性回归问题可以借助数学手段化为线性回归问题处理。 对具有非线性关系的因变量与自变量的数据进行的回归分析。
处理非线性回归的基本方法是，通过变量变换，将非线性回归化为线性回归，然后用线性回归方法处理。
假定根据理论或经验，已获得输出变量与输入变量之间的非线性表达式，但表达式的系数是未知的，要根据输入输出的n次观察结果来确定系数的值。
按最小二乘法原理来求出系数值，所得到的模型为非线性回归模型(nonlinear regression model)。
8. R语言分析数据
1、打开R软件，输入数据，生成距离结构。这里设样本数据为1,2,3,7,8,9,15。输入代码：x=c(1,2,3,7,8,9,15);dim(x)=c(7,1);d=dist(x)其中x是生成向量，dim表示定义向量的维数，dist表示生成距离矩阵。
2、生成系统聚类。输入代码:hc1=hclust(d,"single");hc2=hclust(d,"complete");hc3=hclust(d,"median");hc4=hclust(d,"average");其中hclust表示系统聚类计算函数，single、complete、median、average分别表示最短距离法、最长距离法、中间距离法、类平均法这四类计算方法。
3、绘制出聚类图形。利用plot函数绘制出最短距离法计算的聚类图。代码：plot(hc1)
4、为了方便比较各聚类方法的效果，可以将不同方法的图绘制在一张图上。输入代码：opar=par(mfrow=c(2,2))plot(hc1,hang=-1);plot(hc2,hang=-1);plot(hc3,hang=-1);plot(hc4,hang=-1);par(opar)其中par为绘图参数函数。mfrow为设置小图数量的参数，mfrow=c(2,2)表示把图按行排列成2×2个小图。画出的图形见下图。
5、从图中可以看出聚类的结果为第1,2,3个值为一类，4,5,6个值为一类，第七个值为一类。共分为三类。如果想自动设置分类个数，可以利用函数rect.hclust。plot(hc1);re=rect.hclust(hc1,k=2)表示将聚类图分为两类。