第1 章 R 简介 . 1 1.1 R 是什么？为什么要使用R？ . 2 1.2 RStudio 是什么？ . 5 1.3 如何安装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 脚本窗口 . 9 1.4.2 控制台窗口 11 1.4.3 环境窗口 11 1.4.4 图形窗口 . 12 1.5 R 的线上资源 . 13 1.6 R 包的作用 . 15 1.7 更新R、RStudio 和R 包 . 17 1.8 本章小结 18 第2 章 在R 中导入和处理数据 21 2.1 如何在R 中表示数据集？ . 22 2.2 在R 中导入数据 23 2.3 在R 中输入数据 29 2.4 如何在R 中使用数据集？ . 33 2.5 数据类型 35 2.6 本章小结 39 第3 章 R 是怎样工作的？ . 42 3.1 R 的工作方式 . 43 3.2 函数是什么？ . 44 3.3 对象是什么？ . 47 3.3.1 向量 . 48 3.3.2 数据框 . 51 3.3.3 矩阵 . 57 3.3.4 列表 . 58 3.4 本章小结 60 第4 章 数据管理 . 63 4.1 变量的数据管理 . 64 4.1.1 创建新变量 . 64 4.1.2 重新编码变量 67 4.1.3 替换变量值 . 69 4.1.4 重命名变量 . 72 4.1.5 探索缺失值 . 73 4.1.6 生成虚拟变量 77 4.1.7 修改变量的数据类型 79 4.1.8 标签变量 . 80 4.1.9 整理分类变量 81 4.2 对数据集进行数据管理 82 4.2.1 变量的选择和排除 82 4.2.2 选择观察值 . 85 4.2.3 根据变量合并数据集 87 4.2.4 根据观察值合并数据集. 89 4.2.5 对数据集排序 90 4.2.6 重塑数据集 . 91 4.2.7 给变量排序 . 92 4.2.8 从数据集中随机抽取样本 . 94 4.2.9 管道 . 95 4.3 本章小结 96 第5 章 用ggplot2 实现数据可视化 100 5.1 可视化在数据分析中的作用 .101 5.2 了解ggplot2 103 5.2.1 层的结构 104 5.2.2 影响所有层的附加组件 114 5.3 R 示例图 .122 5.3.1 单变量图 123 5.3.2 二元图 129 5.3.3 多元图 132 5.4 本章小结 .133 第6 章 描述性统计 137 6.1 单变量分析 .139 6.1.1 集中趋势的度量 .140 6.1.2 散布的度量 143 6.1.3 偏度和峰度 147 6.1.4 离散分布 149 6.1.5 快速描述性分析 .152 6.2 描述变量之间的关系 157 6.2.1 相关系数 157 6.2.2 交叉表 161 6.3 分析组间变量 162 6.4 本章小结 .166 第7 章 简单线性回归 169 7.1 什么是回归分析 170 7.2 简单线性回归分析 171 7.2.1 普通最小二乘法 .173 7.2.2 拟合优度 175 7.2.3 回归系数的假设检验 .178 7.2.4 线性回归预测 .181 7.3 R 语言实例 181 7.4 本章小结 .185 第8 章 多元线性回归 188 8.1 多元线性回归分析 189 8.1.1 参数估计 189 8.1.2 拟合优度和F 检验 .190 8.1.3 调整的R2 .191 8.1.4 偏斜系数 192 8.1.5 使用多元线性回归进行预测 193 8.1.6 标准化和相对重要程度194 8.1.7 回归假设和诊断 .195 8.2 R 语言实例 196 8.3 本章小结 .208 第9 章 虚拟变量回归 . 211 9.1 为什么要进行虚拟变量回归？ .212 9.1.1 创建虚拟变量 .212 9.1.2 虚拟变量回归背后的逻辑 214 9.2 单一虚拟变量回归 214 9.3 一个虚拟变量和一个协变量的回归 217 9.4 多虚拟变量回归 220 9.4.1 R 语言实例 .222 9.4.2 比较组间差异 .224 9.4.3 成对多重比较调整 .228 9.5 有一个以上虚拟变量和一个协变量的回归.230 9.6 两组独立虚拟变量的回归 .232 9.7 本章小结 .237 第10 章 使用回归法进行调节/交互分析 . 240 10.1 交互作用/调节效应 .241 10.2 乘积-项方法 242 10.3 连续预测变量与虚拟调节变量的交互作用 .244 10.4 连续预测变量和连续调节变量之间的交互作用 .248 10.5 虚拟预测变量与虚拟调节变量的交互作用 .253 10.6 连续预测变量与多分类调节变量的交互作用 .256 10.7 其他注意事项 261 10.7.1 显著与不显著的交互作用 261 10.7.2 中心化和标准化 .261 10.8 本章小结 .262 第11 章 Logistic 回归 265 11.1 R 实现简单Logistic 回归 269 11.1.1 Logistic 回归中系数的含义 272 11.1.2 拟合优度和模型选择 276 11.2 多重逻辑回归 278 11.3 Logistic 回归进行分类 287 11.4 本章小结 .293 第12 章 多层次和纵向分析 . 296 12.1 嵌套数据结构的表示 298 12.2 完全、部分和无聚集 303 12.3 线性混合模型的显著性检验 .310 12.4 纵向混合模型的模型比较 .317 12.5 本章小结 .321 第13 章 因子分析 . 324 13.1 什么是因子分析? 325 13.2 因子分析过程 327 13.2.1 确定因子的数量 .328 13.2.2 因子提取 329 13.2.3 因子旋转 332 13.2.4 提炼和解释因子 .334 13.3 综合评分和信度检验 335 13.4 R 语言实例 337 13.4.1 确定因子的数量 .337 13.4.2 用旋转法提取因子 .339 13.5 本章小结 .343 第14 章 结构方程模型 347 14.1 什么是结构方程模型？ .348 14.2 确认性因子分析 350 14.2.1 模型设定 351 14.2.2 模型识别 352 14.2.3 参数估计 354 14.2.4 模型评估 355 14.2.5 模型修正 362 14.3 潜在路径分析 365 14.3.1 LPA 模型的定义 .366 14.3.2 测量部分 366 14.3.3 结构部分 370 14.4 本章小结 .372 第15 章 贝叶斯统计 377 15.1 贝叶斯数据分析 380 15.2 用R 实现贝叶斯数据分析 381 15.3 R 语言实例 383 15.3.1 模型诊断 384 15.3.2 回归系数的贝叶斯估计 386 15.3.3 贝叶斯模型的选择 .391 15.3.4 模型检验 395 15.3.5 先验分布的选择 .397 15.4 本章小结 .400