R数据分析——方法与案例详解（双色）

图书标准信息

• 作者 方匡南、朱建平、姜叶飞 著
• 出版社 电子工业出版社
• 出版时间 2015-02
• 版次 1
• ISBN 9787121252907
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 392页
• 字数 583千字
• 正文语种 简体中文

【内容简介】

　　《R数据分析：方法与案例详解（双色）》是一本R语言和数据分析的入门教材，循序渐进、深入浅出，每个知识点尽量从实际的应用案例出发，以问题为导向，在解决问题中学习统计方法、R语言的基本使用以及编程技巧。

　　《R数据分析：方法与案例详解（双色）》内容涵盖R数据结构、函数与优化、抽样模拟、统计分析、假设检验、回归分析、统计绘图和R包制作等内容。

　　《R数据分析：方法与案例详解（双色）》的定位是为业界数据分析人员、经济管理类、医学的学生提供方法和程序上的参考，在写作过程中尽量删去比较理论的数学原理，这样能够帮助读者轻松上手学习。

【作者简介】

　　方匡南，厦门大学经济学院统计系副教授、博士生导师、美国耶鲁大学博士后。主要研究大数据与数据挖掘、计量经济学等。主持过多项国家自然科学基金、国家社会科学基金以及企业横向课题。精通R语言并编写过多个R软件包。

　　朱建平，厦门大学经济学院统计系教授、博士生导师、教育部新世纪优秀人才、国家社科基金重大项目首席专家，福建省哲学社会科学领军人才。现任厦门大学数据挖掘研究中心主任，中国统计学会副会长、国务院学位办统计专业学位研究生教育指导委员会委员、教育部高等学校统计学类专业教学指导委员会秘书长。

　　姜叶飞，厦门大学统计学硕士，现任某软件公司资深数据分析师。精通R语言、数据库、统计图形、数据挖掘等，具有多年移动互联网、金融数据分析等经验。

【目录】

第 1 章　初识R语言       1
1．1　什么是R语言       1
1．2　为什么用R语言     2
1．3　安装R    4
1．4　R扩展包  4
1．4．1　R扩展包的安装与载入  5
1．4．2　R包的使用    6
1．5　R编辑器  7
1．6　工作空间    11

第 2 章　数据结构与基本运算     13
2．1　数据类型    13
2．2　数据对象    14
2．2．1　向量  15
2．2．2　矩阵  21
2．2．3　数组  31
2．2．4　因子  32
2．2．5　列表  33
2．2．6　数据框       34
2．3　习题    36

第 3 章　函数与优化     38
3．1　常用的R内置函数    38
3．2　条件控制语句       38
3．2．1　if/else语句   38
3．2．2　ifelse 语句   39
3．2．3　switch语句   39
3．3　循环语句    40
3．3．1　for循环     40
3．3．2　while循环    40
3．3．3　repeat语句   41
3．4　编写自己的函数      41
3．4．1　函数名       42
3．4．2　关键词function    42
3．4．3　参数  42
3．4．4　函数体和函数返回值  44
3．5　程序调试    45
3．6　程序运行时间与效率     46
3．7　用R做优化求解     47
3．7．1　一元函数优化求解    48
3．7．2 多元函数优化求解    48
3．7．3　约束条件下的优化求解   50
3．8　习题    52

第 4 章　随机数与抽样模拟    54
4．1　一元随机数的产生    54
4．1．1　均匀分布随机数     54
4．1．2　正态分布随机数     56
4．1．3　指数分布随机数     57
4．1．4　离散分布随机数的生成   58
4．1．5　常见分布函数表     59
4．2　多元随机数的生成    61
4．2．1　多元正态分布随机数  61
4．2．2　多元正态分布密度函数、分位数与累积概率    63
4．2．3　多元t分布随机数   64
4．3　随机抽样    65
4．3．1　放回与放回抽样    65
4．3．2　bootstrap重抽样     66
4．4　统计模拟    67
4．4．1　几种常见的模拟方法  67
4．4．2　模拟函数的建立方法  70
4．5　习题    73

第 5 章　数据读写与预处理    74
5．1　数据的读入  74
5．1．1　直接输入数据    74
5．1．2　读R包中的数据     75
5．1．3　从外部文件读入数据  75
5．2　写出数据    79
5．3　数据预处理  80
5．3．1　变量预处理       81
5．3．2　变量重编码       82
5．3．3　变量重命名       84
5．3．4　变量类型的转换     85
5．3．5　日期变量的变换     86
5．4　缺失数据处理       87
5．4．1　缺失数据的识别     87
5．4．2　缺失数据的探索与检验   88
5．4．3　缺失数据的处理     89
5．5　数据集的合并与拆分     90
5．5．1　数据框的合并与拆分  90
5．5．2　数据集的合并    92
5．5．3　数据集的抽取    92
5．6　习题    93

第 6 章　探索性数据分析     94
6．1　主要分析工具       94
6．1．1　探索性数据分析的工具   94
6．1．2　数据的类型       98
6．2　单变量数据分析      99
6．2．1　分类型数据       99
6．2．2　数值型数据    101
6．2．3　离群值探索    106
6．3　双变量数据分析   109
6．3．1　分类数据对分类数据   109
6．3．2　分类数据对数值型数据   111
6．3．3　数值型数据对数值型数据   112
6．4　多变量数据分析   115
6．4．1　访问数据框数据  115
6．4．2　多变量数据的分析．  118
6．5　习题  124

第 7 章　参数假设检验    126
7．1　假设检验的思想与步骤   126
7．1．1　假设检验的基本思想   126
7．1．2　假设检验的基本步骤   128
7．2　正态总体单样本参数假设检验  129
7．2．1　均值的检验    130
7．2．2　方差检验   132
7．3　正态总体双样本参数假设检验  134
7．3．1　双样本方差的检验（方差齐性检验）．  134
7．3．2　两样本均值检验  135
7．4　比例假设检验    139
7．4．1　单样本比例检验  139
7．4．2　两样本比例检验  141
7．5　习题  142

第 8 章　非参数假设检验     144
8．1　图示法    144
8．2　卡方检验  146
8．2．1　卡方分布(χ 2 distribution)   147
8．2．2　卡方拟合优度检验．  148
8．2．3　卡方独立性检验  151
8．2．4　卡方两样本同质性检验   151
8．3　秩和检验  152
8．3．1　秩的概念   153
8．3．2　单样本符号秩检验．  153
8．3．3　两独立秩和检验  154
8．3．4　多个独立样本的秩和检验   155
8．3．5　多个相关样本的秩和检验   158
8．4　K-S检验    160
8．4．1　K-S单样本总体分布验证   160
8．4．2　K-S两独立样本同质检验   160
8．5　常用正态性检验   162
8．5．1　偏度、峰度检验法．  162
8．5．2　Shapiro-Wilk（W检验）   163
8．5．3　其他常用正态检验．  165
8．6　习题  167

第9 章　方差分析     169
9．1　单因素方差分析   170
9．2　双因素方差分析   174
9．2．1　不考虑交互作用的双因素方差分析    174
9．2．2　考虑交互作用的双因素分析       178
9．3　习题  183

第 10 章　线性回归模型     184
10．1　问题提出  184
10．2　一元线性回归      185
10．2．1　一元线性回归概述  186
10．2．2　一元线性回归的参数估计   188
10．2．3　一元线性回归模型的检验   195
10．2．4　一元线性回归的预测   197
10．2．5　一元线性回归综合案例   201
10．3　多元线性回归分析     205
10．3．1　多元线性回归模型及假定   206
10．3．2　参数估计    207
10．3．3　模型检验    209
10．3．4　预测       211
10．3．5　多元线性回归综合案例   213
10．4　习题  218

第 11 章　线性回归模型的扩展    220
11．1　多重共线性       220
11．1．1　问题的提出    220
11．1．2　多重共线性定义及后果   222
11．1．3　多重共线性检验    222
11．1．4　多重共线性克服    225
11．2　异方差性  229
11．2．1　问题的提出    229
11．2．2　异方差性定义及后果   231
11．2．3　异方差性检验     232
11．2．4　异方差性克服     236
11．3　序列相关性       240
11．3．1　问题的提出    241
11．3．2　序列相关性定义及后果   243
11．3．3 序列相关性检验    245
11．3．4　序列相关性克服    248
11．4　习题  251

第 12 章　非线性回归分析     254
12．1　问题的提出       254
12．2　可线性化的非线性回归   255
12．2．1　Cobb-Douglas生产函数   255
12．2．2　多项式方程模型    257
12．2．3　指数函数模型     259
12．3　不可线性化的非线性回归  260
12．3．1　非线性模型的参数估计与迭代算法     262
12．3．2　初始值选取    269
12．3．3　收敛性      270
12．4　非线性回归评价和假设检验  271
12．4．1　可决系数    271
12．4．2　参数显著性的F 检验  271
12．4．3　似然比检验    272
12．5　习题  274

第 13 章　二元选择模型     275
13．1　问题的提出       276
13．2　线性概率（LP）模型原理  277
13．3　Probit模型原理    279
13．4　Logit模型原理      280
13．5　边际效应分析      281
13．6　最大似然估计（MLE）   282
13．7　似然比检验和拟合优度   282
13．8　案例分析：经济学教学新方法的效果    284
13．9　扩展案例：信用卡违约预测分析   289
13．9．1　描述性统计    290
13．9．2　模型建立与参数估计   291
13．9．3　系数意义与边际分析   295
13．9．4　拟合与预测    296
13．9．5　结论与建议    297
13．10　习题    297

第 14 章　多元选择模型     299
14．1　有序选择模型      299
14．1．1　问题的提出：本科生申请研究生的影响因素   300
14．1．2　有序选择模型     300
14．1．3　案例分析：本科生申请研究生的影响因素  302
14．2　多元序Logit模型     304
14．2．1　问题的提出：关于钓鱼模式的选择     304
14．2．2　多元序Logit模型  305
14．2．3　案例分析：关于钓鱼模式的选择    307
14．3　嵌套Logit模型      309
14．3．1　问题的提出：旅行交通方式选择    309
14．3．2　嵌套Logit模型原理  310
14．3．3　案例分析：旅行交通方式选择      311
14．4　习题  313

第 15 章　计数模型与受限因变量模型   314
15．1　计数模型  314
15．1．1　问题的提出：轮船事故的计数数据模型    314
15．1．2　计数数据模型的设定   316
15．1．3　计数数据模型的估计   317
15．2　受限因变量模型    319
15．2．1　截断模型的问题提出   319
15．2．2　截断模型原理     319
15．2．3　审查模型问题的提出   321
15．2．4　审查模型原理     322
15．2．5　最大似然估计（MLE）   323
15．3　习题  328

第 16 章　分位数回归    330
16．1　问题的提出       330
16．2　总体分位数和总体中位数  332
16．3　经验分位数估计    333
16．4　分位数回归原理    334
16．5　扩展案例：社会保障与城乡家庭消费  339
16．5．1　问题的提出    339
16．5．2　数据说明    339
16．5．3　实证分析    342
16．5．4　结论与建议    345
16．6　习题  345

第 17 章　高级统计绘图     346
17．1　绘制地图  346
17．2　高阶绘图工具――ggplot2  355
17．2．1　散点图      355
17．2．2　散点图上添加平滑曲线   358
17．2．3　条形图和箱线图    360
17．2．4　直方图和密度曲线图   362
17．2．5　时间序列图    364
17．2．6　图形标注    365
17．3　三维图形与等高线图     366
17．3．1　三维图形    366
17．3．2　等高图/等高线   368
17．4　词云  369
17．5　散点图矩阵与关系矩阵图  370
17．6　马赛克图  372
17．7　习题  374

第 18 章　如何制作自己的R包   375
18．1　R包基础  376
18．2　在Windows中制作R包     377
18．3　在RStudio中制作R包     381
18．4　习题  383
参考文献  384