目录__eol__第1 章 R 简介 . 1__eol__1.1 R 是什么？为什么要使用R？ . 2__eol__1.2 RStudio 是什么？ . 5__eol__1.3 如何安装R 和RStudio？ . 6__eol__1.3.1 在Windows 上使用R 6__eol__1.3.2 在Mac 上使用R . 7__eol__1.3.3 在Linux 上使用R . 7__eol__1.3.4 在Windows、macOS 和Linux 上使用RStudio 8__eol__1.4 了解 RStudio . 9__eol__1.4.1 脚本窗口 . 9__eol__1.4.2 控制台窗口 11__eol__1.4.3 环境窗口 11__eol__1.4.4 图形窗口 . 12__eol__1.5 R 的线上资源 . 13__eol__1.6 R 包的作用 . 15__eol__1.7 更新R、RStudio 和R 包 . 17__eol__1.8 本章小结 18__eol____eol__第2 章 在R 中导入和处理数据 21__eol__2.1 如何在R 中表示数据集？ . 22__eol__2.2 在R 中导入数据 23__eol__2.3 在R 中输入数据 29__eol__2.4 如何在R 中使用数据集？ . 33__eol__2.5 数据类型 35__eol__2.6 本章小结 39__eol____eol__第3 章 R 是怎样工作的？ . 42__eol__3.1 R 的工作方式 . 43__eol__3.2 函数是什么？ . 44__eol__3.3 对象是什么？ . 47__eol__3.3.1 向量 . 48__eol__3.3.2 数据框 . 51__eol__3.3.3 矩阵 . 57__eol__3.3.4 列表 . 58__eol__3.4 本章小结 60__eol____eol__第4 章 数据管理 . 63__eol__4.1 变量的数据管理 . 64__eol__4.1.1 创建新变量 . 64__eol__4.1.2 重新编码变量 67__eol__4.1.3 替换变量值 . 69__eol__4.1.4 重命名变量 . 72__eol__4.1.5 探索缺失值 . 73__eol__4.1.6 生成虚拟变量 77__eol__4.1.7 修改变量的数据类型 79__eol__4.1.8 标签变量 . 80__eol__4.1.9 整理分类变量 81__eol__4.2 对数据集进行数据管理 82__eol__4.2.1 变量的选择和排除 82__eol__4.2.2 选择观察值 . 85__eol__4.2.3 根据变量合并数据集 87__eol__4.2.4 根据观察值合并数据集. 89__eol__4.2.5 对数据集排序 90__eol__4.2.6 重塑数据集 . 91__eol__4.2.7 给变量排序 . 92__eol__4.2.8 从数据集中随机抽取样本 . 94__eol__4.2.9 管道 . 95__eol__4.3 本章小结 96__eol____eol__第5 章 用ggplot2 实现数据可视化 100__eol__5.1 可视化在数据分析中的作用 .101__eol__5.2 了解ggplot2 103__eol__5.2.1 层的结构 104__eol__5.2.2 影响所有层的附加组件 114__eol__5.3 R 示例图 .122__eol__5.3.1 单变量图 123__eol__5.3.2 二元图 129__eol__5.3.3 多元图 132__eol__5.4 本章小结 .133__eol____eol__第6 章 描述性统计 137__eol__6.1 单变量分析 .139__eol__6.1.1 集中趋势的度量 .140__eol__6.1.2 散布的度量 143__eol__6.1.3 偏度和峰度 147__eol__6.1.4 离散分布 149__eol__6.1.5 快速描述性分析 .152__eol__6.2 描述变量之间的关系 157__eol__6.2.1 相关系数 157__eol__6.2.2 交叉表 161__eol__6.3 分析组间变量 162__eol__6.4 本章小结 .166__eol____eol__第7 章 简单线性回归 169__eol__7.1 什么是回归分析 170__eol__7.2 简单线性回归分析 171__eol__7.2.1 普通最小二乘法 .173__eol__7.2.2 拟合优度 175__eol__7.2.3 回归系数的假设检验 .178__eol__7.2.4 线性回归预测 .181__eol__7.3 R 语言实例 181__eol__7.4 本章小结 .185__eol____eol__第8 章 多元线性回归 188__eol__8.1 多元线性回归分析 189__eol__8.1.1 参数估计 189__eol__8.1.2 拟合优度和F 检验 .190__eol__8.1.3 调整的R2 .191__eol__8.1.4 偏斜系数 192__eol__8.1.5 使用多元线性回归进行预测 193__eol__8.1.6 标准化和相对重要程度194__eol__8.1.7 回归假设和诊断 .195__eol__8.2 R 语言实例 196__eol__8.3 本章小结 .208__eol____eol__第9 章 虚拟变量回归 . 211__eol__9.1 为什么要进行虚拟变量回归？ .212__eol__9.1.1 创建虚拟变量 .212__eol__9.1.2 虚拟变量回归背后的逻辑 214__eol__9.2 单一虚拟变量回归 214__eol__9.3 一个虚拟变量和一个协变量的回归 217__eol__9.4 多虚拟变量回归 220__eol__9.4.1 R 语言实例 .222__eol__9.4.2 比较组间差异 .224__eol__9.4.3 成对多重比较调整 .228__eol__9.5 有一个以上虚拟变量和一个协变量的回归.230__eol__9.6 两组独立虚拟变量的回归 .232__eol__9.7 本章小结 .237__eol____eol__第10 章 使用回归法进行调节/交互分析 . 240__eol__10.1 交互作用/调节效应 .241__eol__10.2 乘积-项方法 242__eol__10.3 连续预测变量与虚拟调节变量的交互作用 .244__eol__10.4 连续预测变量和连续调节变量之间的交互作用 .248__eol__10.5 虚拟预测变量与虚拟调节变量的交互作用 .253__eol__10.6 连续预测变量与多分类调节变量的交互作用 .256__eol__10.7 其他注意事项 261__eol__10.7.1 显著与不显著的交互作用 261__eol__10.7.2 中心化和标准化 .261__eol__10.8 本章小结 .262__eol____eol__第11 章 Logistic 回归 265__eol__11.1 R 实现简单Logistic 回归 269__eol__11.1.1 Logistic 回归中系数的含义 272__eol__11.1.2 拟合优度和模型选择 276__eol__11.2 多重逻辑回归 278__eol__11.3 Logistic 回归进行分类 287__eol__11.4 本章小结 .293__eol____eol__第12 章 多层次和纵向分析 . 296__eol__12.1 嵌套数据结构的表示 298__eol__12.2 完全、部分和无聚集 303__eol__12.3 线性混合模型的显著性检验 .310__eol__12.4 纵向混合模型的模型比较 .317__eol__12.5 本章小结 .321__eol____eol__第13 章 因子分析 . 324__eol__13.1 什么是因子分析? 325__eol__13.2 因子分析过程 327__eol__13.2.1 确定因子的数量 .328__eol__13.2.2 因子提取 329__eol__13.2.3 因子旋转 332__eol__13.2.4 提炼和解释因子 .334__eol__13.3 综合评分和信度检验 335__eol__13.4 R 语言实例 337__eol__13.4.1 确定因子的数量 .337__eol__13.4.2 用旋转法提取因子 .339__eol__13.5 本章小结 .343__eol____eol__第14 章 结构方程模型 347__eol__14.1 什么是结构方程模型？ .348__eol__14.2 确认性因子分析 350__eol__14.2.1 模型设定 351__eol__14.2.2 模型识别 352__eol__14.2.3 参数估计 354__eol__14.2.4 模型评估 355__eol__14.2.5 模型修正 362__eol__14.3 潜在路径分析 365__eol__14.3.1 LPA 模型的定义 .366__eol__14.3.2 测量部分 366__eol__14.3.3 结构部分 370__eol__14.4 本章小结 .372__eol____eol__第15 章 贝叶斯统计 3