R 4编程入门与数据科学实战

第1章 R语言的安装 1
1.1 技术栈 2
1.2 操作系统升级 2
1.2.1 Windows 2
1.2.2 macOS 2
1.3 从CRAN下载并安装R语言 3
1.3.1 Windows 3
1.3.2 macOS 3
1.4 下载并安装RStudio软件 4
1.4.1 Windows 4
1.4.2 macOS 5
1.5 RStudio的使用方法 5
1.6 R语言脚本的编写 9
1.7 总结 13
1.8 练习与融会贯通 13
1.8.1 理论核查 13
1.8.2 练习题 14
第2章 程序包的安装与使用 15
2.1 程序包的安装 16
2.2.1 haven程序包 17
2.2.2 readxl程序包 17
2.2.3 writexl程序包 18
2.2.4 data.table程序包 18
2.2.5 extraoperators程序包 19
2.2.6 JWileymisc程序包 19
2.2.7 ggplot2程序包 19
2.2.8 visreg程序包 20
2.2.9 emmeans程序包 20
2.2.10 ez程序包 21
2.2.11 palmerpenguins程序包 21
2.2 程序包的使用说明 21
2.3 总结 22
2.4 练习与融会贯通 22
2.4.1 理论核查 23
2.4.2 练习题 23
第3章 数据的输入与输出 25
3.1 设置R语言 25
3.2 输入 26
3.2.1 手动输入 26
3.2.2 CSV格式文件：.csv 27
3.2.3 Excel格式文件：.xlsx或.xls 29
3.2.4 RDS格式文件：.rds 30
3.2.5 其他专有格式 31
3.3 输出 33
3.3.1 CSV格式文件 33
3.3.2 Excel 格式文件 33
3.3.3 RDS格式文件 34
3.4 总结 34
3.5 练习与融会贯通 34
3.5.1 理论核查 35
3.5.2 练习题 35
第4章 数据的处理 37
4.1 设置R语言 37
4.2 数据样式 39
4.3 data.table的工作方式 41
4.3.1 行操作的工作方式 41
4.3.2 列操作的工作方式 51
4.3.3 组操作的工作方式 57
4.4 示例 58
4.4.1 示例一：市区计数 58
4.4.2 示例二：都市统计区 59
4.4.3 示例三 60
4.5 总结 60
4.6 练习与融会贯通 62
4.6.1 理论核查 62
4.6.2 练习题 62
第5章 数据与样本 63
5.1 设置R语言 63
5.2 总体与样本 64
5.3 变量与数据 65
5.3.1 示例一 66
5.3.2 示例二 68
5.3.3 示例三 69
5.3.4 关于变量与数据的思考 69
5.4 统计思维 70
5.5 研究评估 70
5.6 样本评估 71
5.6.1 便利抽样 72
5.6.2 K抽样 74
5.6.3 分群抽样 77
5.6.4 分层抽样 80
5.6.5 随机抽样 84
5.6.6 样本知识回顾 86
5.7 频数表 87
5.7.1 示例一 87
5.7.2 示例二 89
5.7.3 示例三 90
5.8 总结 93
5.9 练习与融会贯通 95
5.9.1 理论核查 95
5.9.2 练习题 95
第6章 描述性统计 97
6.1 设置R语言 97
6.2 可视化 98
6.2.1 柱状图 98
6.2.2 点图/图表 103
6.2.3 ggplot2绘图包 105
6.3 集中趋势 112
6.3.1 算术平均值 112
6.3.2 中位数 116
6.4 数据的分布 119
6.4.1 示例一 120
6.4.2 示例二 123
6.4.3 示例三 125
6.5 数据湍流(方差) 126
6.5.1 示例一 129
6.5.2 示例二 131
6.6 总结 132
6.7 练习与融会贯通 133
6.7.1 理论核查 134
6.7.2 练习题 134
第7章 概率与分布 137
7.1 设置R语言 137
7.2 概率 138
7.2.1 示例一：独立性 140
7.2.2 示例二：补集 141
7.2.3 概率思维总结 142
7.3 正态分布 143
7.3.1 示例一 145
7.3.2 示例二 147
7.3.3 示例三 148
7.3.4 示例四 150
7.4 概率分布 154
7.4.1 示例一 156
7.4.2 示例二 158
7.5 中心极限定理 159
7.5.1 示例一 161
7.5.2 示例二 165
7.5.3 示例三 169
7.6 总结 172
7.7 练习与融会贯通 173
7.7.1 理论核查 173
7.7.2 练习题 174
第8章 相关与回归 175
8.1 设置R语言 175
8.2 相关性 177
8.2.1 参数化 179
8.2.2 非参数化：斯皮尔曼 181
8.2.3 非参数化：肯德尔 183
8.2.4 相关性选择 185
8.3 简单的线性回归关系 185
8.3.1 介绍 185
8.3.2 假设 189
8.3.3 方差R2的定义 193
8.3.4 R语言中的线性回归 193
8.4 总结 202
8.5 练习与融会贯通 203
8.5.1 理论核查 203
8.5.2 练习题 204
第9章 置信区间 205
9.1 设置R语言 206
9.2 可视化置信区间 207
9.2.1 示例一：Sigma已知 210
9.2.2 示例二：Sigma未知 216
9.2.3 示例三 218
9.2.4 示例四 219
9.3 相似与不同数据的比较与理解 221
9.3.1 示例一 221
9.3.2 示例二 223
9.4 总结 224
9.5 练习与融会贯通 224
9.5.1 理论核查 225
9.5.2 练习题 225
第10章 假设检验 227
10.1 设置R语言 227
10.2 H0与H1的对比 228
10.2.1 示例一 229
10.2.2 示例二 229
10.3 类错误与第二类错误 230
10.3.1 示例一 231
10.3.2 示例二 232
10.3.3 示例三 232
10.4 Alpha与Beta的概念 232
10.5 假设 235
10.6 零假设显著性检验 236
10.6.1 示例一 237
10.6.2 示例二 239
10.6.3 示例三 241
10.7 总结 243
10.8 练习与融会贯通 244
10.8.1 理论核查 244
10.8.2 练习题 244
第11章 多元回归 245
11.1 设置R语言 245
11.2 线性回归的Redux架构 247
11.3 多元回归 254
11.3.1 多元预测模型的意义 254
11.3.2 R语言中的多元回归 256
11.3.3 效应的范围与格式 263
11.3.4 假设与清除 274
11.4 分类预测 279
11.4.1 示例一 282
11.4.2 示例二 285
11.5 总结 288
11.6 练习与融会贯通 289
11.6.1 理论核查 289
11.6.2 练习题 289
第12章 调节回归 291
12.1 设置R语言 291
12.2 调节回归理论 292
12.3 R语言中分类变量与连续变量的调节回归 296
12.4 R语言中存在两个连续变量的调节回归 305
12.5 总结 313
12.6 练习与融会贯通 313
12.6.1 理论核查 313
12.6.2 练习题 313
第13章 方差分析 317
13.1 设置R语言 317
13.2 方差分析的背景 318
13.3 单因素方差分析 324
13.3.1 示例一 324
13.3.2 示例二 329
13.4 多因素方差分析 332
13.4.1 示例一 332
13.4.2 示例二 343
13.5 总结 347
13.6 练习与融会贯通 348
13.6.1 理论核查 348
13.6.2 练习题 348
参考文献 351