《R速成：統計分析和科研數據分析快速上手》是電子工業出版社出版的圖書。
《R速成：統計分析和科研數據分析快速上手》的特色在於結合實際案例來展現 R 在數據科學領域的靈活性，不僅能讓讀者學習統計 知識，也能提升代碼編寫能力。
基本介紹
- 書名：R速成：統計分析和科研數據分析快速上手
- 作者：Mehmet Mehmetoglu 、Matthias Mittner
- 譯者：莊亮亮、趙子茜
- 出版社：電子工業出版社
- 出版時間：2023年4月
- 頁數：426 頁
- 定價：99.00 元
- 開本：16 開
- ISBN：9787121451881
內容簡介,圖書目錄,作者簡介,
內容簡介
全書共 15 章，第 1 章詳細介紹了 R 和 RStudio 的安裝方法；第 2 章至第 3 章介紹了導入數據的方法，以及 R 的基本工作原理；第 4 章介紹了 R 中重要的數據 管理方法；第 5 章講解數據可視化的知識；第 6 章至第 15 章介紹了統計知識點，如描述性統計、 簡單線性回歸、多元線性回歸、虛擬變數回歸等。
圖書目錄
第1 章 R 簡介 . 1
1.1 R 是什麼？為什麼要使用R？ . 2
1.2 RStudio 是什麼？ . 5
1.3 如何安裝R 和RStudio？ . 6
1.3.1 在Windows 上使用R 6
1.3.2 在Mac 上使用R . 7
1.3.3 在Linux 上使用R . 7
1.3.4 在 Windows、macOS 和Linux 上使用RStudio . 8
1.4 了解 RStudio . 9
1.4.1 腳本視窗 . 9
1.4.2 控制台視窗 11
1.4.3 環境視窗 11
1.4.4 圖形視窗 . 12
1.5 R 的線上資源 . 13
1.6 R 包的作用 . 15
1.7 更新R、RStudio 和R 包 . 17
1.8 本章小結 18
第2 章在R 中導入和處理數據 21
2.1 如何在R 中表示數據集？ . 22
2.2 在R 中導入數據 23
2.3 在R 中輸入數據 29
2.4 如何在R 中使用數據集？ . 33
2.5 數據類型 35
2.6 本章小結 39
第3 章 R 是怎樣工作的？ . 42
3.1 R 的工作方式 . 43
3.2 函式是什麼？ . 44
3.3 對象是什麼？ . 47
3.3.1 向量 . 48
3.3.2 數據框 . 51
3.3.3 矩陣 . 57
3.3.4 列表 . 58
3.4 本章小結 60
第4 章數據管理 . 63
4.1 變數的數據管理 . 64
4.1.1 創建新變數 . 64
4.1.2 重新編碼變數 67
4.1.3 替換變數值 . 69
4.1.4 重命名變數 . 72
4.1.5 探索缺失值 . 73
4.1.6 生成虛擬變數 77
4.1.7 修改變數的數據類型 79
4.1.8 標籤變數 . 80
4.1.9 整理分類變數 81
4.2 對數據集進行數據管理 82
4.2.1 變數的選擇和排除 82
4.2.2 選擇觀察值 . 85
4.2.3 根據變數合併數據集 87
4.2.4 根據觀察值合併數據集. 89
4.2.5 對數據集排序 90
4.2.6 重塑數據集 . 91
4.2.7 給變數排序 . 92
4.2.8 從數據集中隨機抽取樣本 . 94
4.2.9 管道 . 95
4.3 本章小結 96
第5 章用ggplot2 實現數據可視化 100
5.1 數據可視化在數據分析中的作用 101
5.2 了解ggplot2 103
5.2.1 層的結構 104
5.2.2 影響所有層的附加組件 114
5.3 R 示例圖 .122
5.3.1 單變數圖 123
5.3.2 二元圖 129
5.3.3 多元圖 132
5.4 本章小結 .133
第6 章描述性統計 136
6.1 單變數分析 .138
6.1.1 集中趨勢的度量 .139
6.1.2 散布的度量 142
6.1.3 偏度和峰度 146
6.1.4 離散分布 148
6.1.5 快速描述性分析 .151
6.2 描述變數之間的關係 156
6.2.1 相關係數 156
6.2.2 交叉表 160
6.3 分析組間變數 161
6.4 本章小結 .165
第7 章簡單線性回歸 167
7.1 什麼是回歸分析？ 168
7.2 簡單線性回歸分析 169
7.2.1 普通最小二乘法 .171
7.2.2 擬合優度 173
7.2.3 回歸係數的假設檢驗 .176
7.2.4 線性回歸預測 .179
7.3 R 語言實例 180
7.4 本章小結 .184
第8 章多元線性回歸 186
8.1 多元線性回歸分析 187
8.1.1 參數估計 187
8.1.2 擬合優度和F 檢驗 .188
8.1.3 調整的R2 .189
8.1.4 偏斜係數 190
8.1.5 使用多元線性回歸進行預測 191
8.1.6 標準化和相對重要程度192
8.1.7 回歸假設和診斷 .193
8.2 R 語言實例 194
8.3 本章小結 .206
第9 章虛擬變數回歸 209
9.1 為什麼要進行虛擬變數回歸？ .210
9.1.1 創建虛擬變數 .210
9.1.2 虛擬變數回歸背後的邏輯 212
9.2 單一虛擬變數回歸 212
9.3 一個虛擬變數和一個協變數的回歸 215
9.4 多虛擬變數回歸 218
9.4.1 R 語言實例 .220
9.4.2 比較組間差異 .222
9.4.3 成對多重比較調整 .226
9.5 有一個以上虛擬變數和一個協變數的回歸.228
9.6 兩組獨立虛擬變數的回歸 .230
9.7 本章小結 .235
第10 章使用回歸法進行互動、調節分析 . 238
10.1 互動作用/調節效應 .239
10.2 乘積-項方法 240
10.3 連續預測變數與虛擬調節變數的互動作用 .242
10.4 連續預測變數和連續調節變數之間的互動作用 .246
10.5 虛擬預測變數與虛擬調節變數的互動作用 .251
10.6 連續預測變數與多分類調節變數的互動作用 .254
10.7 其他注意事項 259
10.7.1 顯著與不顯著的互動作用 259
10.7.2 中心化和標準化 .259
10.8 本章小結 .260
第11 章 Logistic 回歸 263
11.1 R 實現簡單Logistic 回歸 267
11.1.1 Logistic 回歸中係數的含義 270
11.1.2 擬合優度和模型選擇 274
11.2 多重邏輯回歸 276
11.3 Logistic 回歸進行分類 285
11.4 本章小結 .291
第12 章多層次和縱向分析 . 294
12.1 嵌套數據結構的表示 296
12.2 完全、部分和無聚集 301
12.3 線性混合模型的顯著性檢驗 .308
12.4 縱向混合模型的模型比較 .315
12.5 本章小結 .319
第13 章因子分析 . 322
13.1 什麼是因子分析? 323
13.2 因子分析過程 325
13.2.1 確定因子的數量 .326
13.2.2 因子提取 327
13.2.3 因子旋轉 330
13.2.4 提煉和解釋因子 .332
13.3 綜合評分和信度檢驗 333
13.4 R 語言實例 335
13.4.1 確定因子的數量 .335
13.4.2 用旋轉法提取因子 .337
13.5 本章小結 .341
第14 章結構方程模型 344
14.1 什麼是結構方程模型？ .345
14.2 確認性因子分析 347
14.2.1 模型設定 348
14.2.2 模型識別 349
14.2.3 參數估計 351
14.2.4 模型評估 352
14.2.5 模型修正 359
14.3 潛在路徑分析 362
14.3.1 LPA 模型的定義 .363
14.3.2 測量部分 363
14.3.3 結構部分 367
14.4 本章小結 .369
第15 章貝葉斯統計 373
15.1 貝葉斯數據分析 376
15.2 用R 實現貝葉斯數據分析 377
15.3 R 語言實例 379
15.3.1 模型診斷 380
15.3.2 回歸係數的貝葉斯估計 382
15.3.3 貝葉斯模型的選擇 .387
15.3.4 模型檢驗 391
15.3.5 先驗分布的選擇 .393
15.4 本章小結 .396
作者簡介
邁赫邁特·邁赫梅托格魯（Mehmet Mehmetoglu）是挪威科技大學心理學系的研 究方法教授。他的研究方向包括消費者心理學，進化心理學和統計方法。他在大約 35 種不同的國際期刊上發表過相關論文，其中包括Personality and Individual Differences、 Evolutionary Psychology 和 Journal of Statistical Software。
馬蒂亞斯·米特納（Matthias Mittner）是挪威北極大學認知神經科學教授和認知 神經科學研究小組組長。他的研究方向包括神經科學、認知心理學和統計方法。他是幾個神經科學領域 R 包和 Python 軟體包的作者。
譯者簡介
莊亮亮，在讀理學統計博士生，R語言愛好者。
趙子茜，在讀統計研究生，統計學習熱衷者。
