R數(shù)據(jù)分析：方法與案例詳解（雙色）

第 1 章　初識(shí)R語言 11．1　什么是R語言 11．2　為什么用R語言 21．3　安裝R 41．4　R擴(kuò)展包 41．4．1　R擴(kuò)展包的安裝與載入 51．4．2　R包的使用 61．5　R編輯器 71．6　工作空間 11第 2 章　數(shù)據(jù)結(jié)構(gòu)與基本運(yùn)算 132．1　數(shù)據(jù)類型 132．2　數(shù)據(jù)對(duì)象 142．2．1　向量 152．2．2　矩陣 212．2．3　數(shù)組 312．2．4　因子 322．2．5　列表 332．2．6　數(shù)據(jù)框 342．3　習(xí)題 36第 3 章　函數(shù)與優(yōu)化 383．1　常用的R內(nèi)置函數(shù) 383．2　條件控制語句 383．2．1　if/else語句 383．2．2　ifelse 語句 393．2．3　switch語句 393．3　循環(huán)語句 403．3．1　for循環(huán) 403．3．2　while循環(huán) 403．3．3　repeat語句 413．4　編寫自己的函數(shù) 413．4．1　函數(shù)名 423．4．2　關(guān)鍵詞function 423．4．3　參數(shù) 423．4．4　函數(shù)體和函數(shù)返回值 443．5　程序調(diào)試 453．6　程序運(yùn)行時(shí)間與效率 463．7　用R做優(yōu)化求解 473．7．1　一元函數(shù)優(yōu)化求解 483．7．2 多元函數(shù)優(yōu)化求解 483．7．3　約束條件下的優(yōu)化求解 503．8　習(xí)題 52第 4 章　隨機(jī)數(shù)與抽樣模擬 544．1　一元隨機(jī)數(shù)的產(chǎn)生 544．1．1　均勻分布隨機(jī)數(shù) 544．1．2　正態(tài)分布隨機(jī)數(shù) 564．1．3　指數(shù)分布隨機(jī)數(shù) 574．1．4　離散分布隨機(jī)數(shù)的生成 584．1．5　常見分布函數(shù)表 594．2　多元隨機(jī)數(shù)的生成 614．2．1　多元正態(tài)分布隨機(jī)數(shù) 614．2．2　多元正態(tài)分布密度函數(shù)、分位數(shù)與累積概率 634．2．3　多元t分布隨機(jī)數(shù) 644．3　隨機(jī)抽樣 654．3．1　放回與放回抽樣 654．3．2　bootstrap重抽樣 664．4　統(tǒng)計(jì)模擬 674．4．1　幾種常見的模擬方法 674．4．2　模擬函數(shù)的建立方法 704．5　習(xí)題 73第 5 章　數(shù)據(jù)讀寫與預(yù)處理 745．1　數(shù)據(jù)的讀入 745．1．1　直接輸入數(shù)據(jù) 745．1．2　讀R包中的數(shù)據(jù) 755．1．3　從外部文件讀入數(shù)據(jù) 755．2　寫出數(shù)據(jù) 795．3　數(shù)據(jù)預(yù)處理 805．3．1　變量預(yù)處理 815．3．2　變量重編碼 825．3．3　變量重命名 845．3．4　變量類型的轉(zhuǎn)換 855．3．5　日期變量的變換 865．4　缺失數(shù)據(jù)處理 875．4．1　缺失數(shù)據(jù)的識(shí)別 875．4．2　缺失數(shù)據(jù)的探索與檢驗(yàn) 885．4．3　缺失數(shù)據(jù)的處理 895．5　數(shù)據(jù)集的合并與拆分 905．5．1　數(shù)據(jù)框的合并與拆分 905．5．2　數(shù)據(jù)集的合并 925．5．3　數(shù)據(jù)集的抽取 925．6　習(xí)題 93第 6 章　探索性數(shù)據(jù)分析 946．1　主要分析工具 946．1．1　探索性數(shù)據(jù)分析的工具 946．1．2　數(shù)據(jù)的類型 986．2　單變量數(shù)據(jù)分析 996．2．1　分類型數(shù)據(jù) 996．2．2　數(shù)值型數(shù)據(jù) 1016．2．3　離群值探索 1066．3　雙變量數(shù)據(jù)分析 1096．3．1　分類數(shù)據(jù)對(duì)分類數(shù)據(jù) 1096．3．2　分類數(shù)據(jù)對(duì)數(shù)值型數(shù)據(jù) 1116．3．3　數(shù)值型數(shù)據(jù)對(duì)數(shù)值型數(shù)據(jù) 1126．4　多變量數(shù)據(jù)分析 1156．4．1　訪問數(shù)據(jù)框數(shù)據(jù) 1156．4．2　多變量數(shù)據(jù)的分析． 1186．5　習(xí)題 124第 7 章　參數(shù)假設(shè)檢驗(yàn) 1267．1　假設(shè)檢驗(yàn)的思想與步驟 1267．1．1　假設(shè)檢驗(yàn)的基本思想 1267．1．2　假設(shè)檢驗(yàn)的基本步驟 1287．2　正態(tài)總體單樣本參數(shù)假設(shè)檢驗(yàn) 1297．2．1　均值的檢驗(yàn) 1307．2．2　方差檢驗(yàn) 1327．3　正態(tài)總體雙樣本參數(shù)假設(shè)檢驗(yàn) 1347．3．1　雙樣本方差的檢驗(yàn)（方差齊性檢驗(yàn)）． 1347．3．2　兩樣本均值檢驗(yàn) 1357．4　比例假設(shè)檢驗(yàn) 1397．4．1　單樣本比例檢驗(yàn) 1397．4．2　兩樣本比例檢驗(yàn) 1417．5　習(xí)題 142第 8 章　非參數(shù)假設(shè)檢驗(yàn) 1448．1　圖示法 1448．2　卡方檢驗(yàn) 1468．2．1　卡方分布(χ 2 distribution) 1478．2．2　卡方擬合優(yōu)度檢驗(yàn)． 1488．2．3　卡方獨(dú)立性檢驗(yàn) 1518．2．4　卡方兩樣本同質(zhì)性檢驗(yàn) 1518．3　秩和檢驗(yàn) 1528．3．1　秩的概念 1538．3．2　單樣本符號(hào)秩檢驗(yàn)． 1538．3．3　兩獨(dú)立秩和檢驗(yàn) 1548．3．4　多個(gè)獨(dú)立樣本的秩和檢驗(yàn) 1558．3．5　多個(gè)相關(guān)樣本的秩和檢驗(yàn) 1588．4　K-S檢驗(yàn) 1608．4．1　K-S單樣本總體分布驗(yàn)證 1608．4．2　K-S兩獨(dú)立樣本同質(zhì)檢驗(yàn) 1608．5　常用正態(tài)性檢驗(yàn) 1628．5．1　偏度、峰度檢驗(yàn)法． 1628．5．2　Shapiro-Wilk（W檢驗(yàn)） 1638．5．3　其他常用正態(tài)檢驗(yàn)． 1658．6　習(xí)題 167第 9 章　方差分析 1699．1　單因素方差分析 1709．2　雙因素方差分析 1749．2．1　不考慮交互作用的雙因素方差分析 1749．2．2　考慮交互作用的雙因素分析 1789．3　習(xí)題 183第 10 章　線性回歸模型 18410．1　問題提出 18410．2　一元線性回歸 18510．2．1　一元線性回歸概述 18610．2．2　一元線性回歸的參數(shù)估計(jì) 18810．2．3　一元線性回歸模型的檢驗(yàn) 19510．2．4　一元線性回歸的預(yù)測(cè) 19710．2．5　一元線性回歸綜合案例 20110．3　多元線性回歸分析 20510．3．1　多元線性回歸模型及假定 20610．3．2　參數(shù)估計(jì) 20710．3．3　模型檢驗(yàn) 20910．3．4　預(yù)測(cè) 21110．3．5　多元線性回歸綜合案例 21310．4　習(xí)題 218第 11 章　線性回歸模型的擴(kuò)展 22011．1　多重共線性 22011．1．1　問題的提出 22011．1．2　多重共線性定義及后果 22211．1．3　多重共線性檢驗(yàn) 22211．1．4　多重共線性克服 22511．2　異方差性 22911．2．1　問題的提出 22911．2．2　異方差性定義及后果 23111．2．3　異方差性檢驗(yàn) 23211．2．4　異方差性克服 23611．3　序列相關(guān)性 24011．3．1　問題的提出 24111．3．2　序列相關(guān)性定義及后果 24311．3．3 序列相關(guān)性檢驗(yàn) 24511．3．4　序列相關(guān)性克服 24811．4　習(xí)題 251第 12 章　非線性回歸分析 25412．1　問題的提出 25412．2　可線性化的非線性回歸 25512．2．1　Cobb-Douglas生產(chǎn)函數(shù) 25512．2．2　多項(xiàng)式方程模型 25712．2．3　指數(shù)函數(shù)模型 25912．3　不可線性化的非線性回歸 26012．3．1　非線性模型的參數(shù)估計(jì)與迭代算法 26212．3．2　初始值選取 26912．3．3　收斂性 27012．4　非線性回歸評(píng)價(jià)和假設(shè)檢驗(yàn) 27112．4．1　可決系數(shù) 27112．4．2　參數(shù)顯著性的F 檢驗(yàn) 27112．4．3　似然比檢驗(yàn) 27212．5　習(xí)題 274第 13 章　二元選擇模型 27513．1　問題的提出 27613．2　線性概率（LP）模型原理 27713．3　Probit模型原理 27913．4　Logit模型原理 28013．5　邊際效應(yīng)分析 28113．6　最大似然估計(jì)（MLE） 28213．7　似然比檢驗(yàn)和擬合優(yōu)度 28213．8　案例分析：經(jīng)濟(jì)學(xué)教學(xué)新方法的效果 28413．9　擴(kuò)展案例：信用卡違約預(yù)測(cè)分析 28913．9．1　描述性統(tǒng)計(jì) 29013．9．2　模型建立與參數(shù)估計(jì) 29113．9．3　系數(shù)意義與邊際分析 29513．9．4　擬合與預(yù)測(cè) 29613．9．5　結(jié)論與建議 29713．10　習(xí)題 297第 14 章　多元選擇模型 29914．1　有序選擇模型 29914．1．1　問題的提出：本科生申請(qǐng)研究生的影響因素 30014．1．2　有序選擇模型 30014．1．3　案例分析：本科生申請(qǐng)研究生的影響因素 30214．2　多元序Logit模型 30414．2．1　問題的提出：關(guān)于釣魚模式的選擇 30414．2．2　多元序Logit模型 30514．2．3　案例分析：關(guān)于釣魚模式的選擇 30714．3　嵌套Logit模型 30914．3．1　問題的提出：旅行交通方式選擇 30914．3．2　嵌套Logit模型原理 31014．3．3　案例分析：旅行交通方式選擇 31114．4　習(xí)題 313第 15 章　計(jì)數(shù)模型與受限因變量模型 31415．1　計(jì)數(shù)模型 31415．1．1　問題的提出：輪船事故的計(jì)數(shù)數(shù)據(jù)模型 31415．1．2　計(jì)數(shù)數(shù)據(jù)模型的設(shè)定 31615．1．3　計(jì)數(shù)數(shù)據(jù)模型的估計(jì) 31715．2　受限因變量模型 31915．2．1　截?cái)嗄Ｐ偷膯栴}提出 31915．2．2　截?cái)嗄Ｐ驮? 31915．2．3　審查模型問題的提出 32115．2．4　審查模型原理 32215．2．5　最大似然估計(jì)（MLE） 32315．3　習(xí)題 328第 16 章　分位數(shù)回歸 33016．1　問題的提出 33016．2　總體分位數(shù)和總體中位數(shù) 33216．3　經(jīng)驗(yàn)分位數(shù)估計(jì) 33316．4　分位數(shù)回歸原理 33416．5　擴(kuò)展案例：社會(huì)保障與城鄉(xiāng)家庭消費(fèi) 33916．5．1　問題的提出 33916．5．2　數(shù)據(jù)說明 33916．5．3　實(shí)證分析 34216．5．4　結(jié)論與建議 34516．6　習(xí)題 345第 17 章　高級(jí)統(tǒng)計(jì)繪圖 34617．1　繪制地圖 34617．2　高階繪圖工具――ggplot2 35517．2．1　散點(diǎn)圖 35517．2．2　散點(diǎn)圖上添加平滑曲線 35817．2．3　條形圖和箱線圖 36017．2．4　直方圖和密度曲線圖 36217．2．5　時(shí)間序列圖 36417．2．6　圖形標(biāo)注 36517．3　三維圖形與等高線圖 36617．3．1　三維圖形 36617．3．2　等高圖/等高線 36817．4　詞云 36917．5　散點(diǎn)圖矩陣與關(guān)系矩陣圖 37017．6　馬賽克圖 37217．7　習(xí)題 374第 18 章　如何制作自己的R包 37518．1　R包基礎(chǔ) 37618．2　在Windows中制作R包 37718．3　在RStudio中制作R包 38118．4　習(xí)題 383參考文獻(xiàn) 384