如何按分类变量分组生成含多变量的清晰描述性统计表格？

问题说明 #

需要基于分类变量ResJobLocationChoice（4个取值）分组，在一张表格中展示多个分类、连续变量的观测数n、均值、标准差、最值，此前尝试的tapply和stargazer代码无法适配多变量需求。

解决方案 #

使用dplyr批量处理连续变量的分组统计，结合tidyr整理分类变量的交叉计数，最后合并结果并输出表格。

1. 处理连续变量统计 #

针对Wage、CommuteTime、HousingPrice这类连续变量，一次性计算每个分组下的观测数、均值、标准差、最值：

library(dplyr)

# 连续变量分组统计
continuous_stats <- data_df %>%
  group_by(ResJobLocationChoice) %>%
  summarise(
    across(
      c(Wage, CommuteTime, HousingPrice), # 指定需要统计的连续变量
      list(
        n = ~n(),
        mean = ~mean(., na.rm = TRUE),
        sd = ~sd(., na.rm = TRUE),
        min = ~min(., na.rm = TRUE),
        max = ~max(., na.rm = TRUE)
      ),
      .names = "{.col}_{.fn}" # 生成带变量名和统计量的列名
    )
  )

2. 处理分类变量统计 #

针对Female这类分类变量，生成每个分组下各分类水平的观测数：

library(tidyr)

# 分类变量分组计数
categorical_stats <- data_df %>%
  group_by(ResJobLocationChoice, Female) %>%
  count(name = "count") %>%
  pivot_wider(
    names_from = Female,
    values_from = count,
    names_prefix = "Female_" # 列名前缀区分分类变量
  )

3. 合并统计结果并输出 #

将连续变量和分类变量的统计结果合并，再用stargazer或gt输出表格：

# 合并结果
final_table <- continuous_stats %>%
  left_join(categorical_stats, by = "ResJobLocationChoice")

# 用stargazer输出文本格式表格
stargazer(final_table, type = "text", digits = 2, title = "居住-工作地点选择分组统计")

# 用gt生成美观的可视化表格（可选）
library(gt)
final_table %>%
  gt() %>%
  tab_header(title = "居住-工作地点选择分组统计") %>%
  fmt_number(columns = contains(c("mean", "sd", "min", "max")), decimals = 2)

关键说明 #

• across()函数实现了多变量的批量统计，避免重复编写代码
• pivot_wider()将分类变量的长格式计数转换为宽格式，方便和连续变量结果合并
• stargazer需传入最终的统计结果表而非原始分组数据，这是此前代码失败的核心原因

内容的提问来源于stack exchange，提问作者Ricardo Gomez