for (i in (2:ncol(ceshi))){ newdat<-ceshi[,i] ceshi.data <- data.frame(newdat, ceshi$Disease) kuangzi=table(ceshi.data) kuangzi mydata1<-matrix(data=NA,ncol=ncol(kuangzi),nrow=nrow(kuangzi)) #创建一个和一样的空白矩阵。 #采用循环结果和as.character函数，修改中的数据格式。 for(j in 1:length(kuangzi)/nrow(kuangzi) ){ mydata1[,j]<-as.character(kuangzi[,j]) #修改mydata1的格式。 mydata1<-as.data.frame(mydata1) colnames(mydata1)<-colnames(kuangzi)#重新给赋值 rownames(mydata1)<-rownames(kuangzi) qq<-chisq.test(kuangzi) 先放个图，虽然还不是很好看，需要加工，但我觉得总比SPSS那种一组一组的复制粘贴要方便的多#某人从晚上10点 写到凌晨3点。。。。。。。rm(list = ls())library(openxlsx)ceshi<-read.xlsx("nrsj.xlsx", sheet =1) laoli<-NULLfor (i in (2:ncol(ceshi))){ ... 先做单位根 检验 ，看变量序列是否平稳序列，若平稳，可构造回归模型等经典计量经济学模型；若非平稳，进行差分 当进行到第i次差分时序列平稳，则服从i阶单整（注意趋势、截距不同情况选择，根据P值和原假设判定）。 若所有 检验 序列均服从同阶单整，可构造VAR模型，做协整 检验 （注意滞后期的选择），判断模型内部变量间是否存在协整 关系 ，即是否存在长期均衡 关系 。 如果有，则可以构造VEC模型或者进行Granger 因果 检验 ， 检验 变量之间“谁引起谁变化”，即 因果 关系 。 一、平稳性问题 1、单位根 检验 是序列的平稳性 检验 ，如 3-sample test for equality of proportions without continuity correction data: ns out of nt X-squared = 21.038, df = 2, p-value = 2.702e-05 alternative hypothesis: 在计算好相 关系 数以后，如何对它们进行统计显著性 检验 呢？ 常用的原假设为变量间不相关（即总体的相 关系 数为0）。可以使用cor.test()函数对单个的Pearson、Spearman和Kendall相 关系 数进行 检验 。 简化后的使用 格 式为： cor.test(x,y,alternative="……",method="……") 其中x和y为要 检验 相关性的变量，alternative则用来指定进行单侧 检验 或双侧 检验 ，取值为two.side、less、greater，而met 这段 代码 需要先安装 `grf` 包，然后使用 `read.csv()` 函数读取数据，接着使用 `CausalModel()` 函数建立 因果 模型，最后使用 `estimate_ate()` 函数进行 因果 推断，并使用 `print()` 函数输出结果。 注意，这只是一个简单的示例 代码 ，在实际使用中可能还需要进行更多的数据处理和模型调整。