- TA的作品
- 作品笔记(0)
- 作品书评(0)
-
R语言与社会科学调查数据分析 收藏
简 介：作者运用R语言，分析中国综合社会调查数据，涵盖了初级的描述性统计、简单的回归模型、中阶的广义线性回归、二值型回归、泊松回归模型、高阶的匹配模型、主成分分析、机器学习等内容。本书通过可复制的代码、模型原理解读和丰富的图表，展现了如何将R语言应用在社会科学的研究中。
¥ 17.7 试读
-
R语言与社会科学调查数据分析 收藏
简 介：作者运用R语言，分析中国综合社会调查数据，涵盖了初级的描述性统计、简单的回归模型、中阶的广义线性回归、二值型回归、泊松回归模型、高阶的匹配模型、主成分分析、机器学习等内容。本书通过可复制的代码、模型原理解读和丰富的图表，展现了如何将R语言应用在社会科学的研究中。
¥ 17.7 试读
-
结语 收藏
关键词：
出处： R语言与社会科学调查数据分析
简 介：至此，我们完成了如何从零开始，利用R读入网上下载的中国综合社会调查数据（2015）的Stata 14版本数据（与SPSS数据类似），进行数据清理，描述性统计、含交互项的回归分析、广义回归模型、匹配模型和简单机器学习模型的建模。统计学习最重要的是不断实践，在实践中发现问题、解决问题、解释发现。读者运行书中的代码，即可重复书中的分析过程；把代码稍加改写，就可以用于分析自己感兴趣的问题，发现更有意义的研究结论。
¥ 0.68 试读
-
机器学习 收藏
关键词：
出处： R语言与社会科学调查数据分析
简 介：机器学习现在炙手可热，我们可以将其应用在社会科学调查数据分析中。利用CGSS数据，我们演示两种机器学习算法：决策树和神经网络。
¥ 5.6 试读
-
主成分与因子分析 收藏
关键词：
出处： R语言与社会科学调查数据分析
简 介：在社会调查中，为了全面分析某问题，往往罗列多个因素，每个因素反映特定维度的信息。主成分分析和因子分析可以降维，用处理后的少量变量来代表多个原始变量的信息。
¥ 7.26 试读
-
匹配模型 收藏
关键词：
出处： R语言与社会科学调查数据分析
简 介：匹配模型试图在社会科学研究中模拟实验的方法，分成“对照组”和“实验组”，来研究某个因素对结果的影响。比如要估算高等教育对个人收入的影响，不能简单地对比大学毕业群体与只有高中学历群体的收入。一个合适的做法是，寻找条件类似的两组学生，比如同中学、成绩接近、同性别、同家庭背景等，一组读了大学，而另外一组没读大学，然后再对比较结果进行解读。 换而言之，当研究群体中的每个大学生“A”都找到了匹配的非大学生“B”，我们便能对这两组样本进行比较研究。
¥ 2.9 试读
-
有序因变量回归 收藏
关键词：
出处： R语言与社会科学调查数据分析
简 介：在社会科学研究中，我们会经常碰到可以分出“高低”或者给出次序的分类变量或离散变量，这类变量称为定序变量（ordinal variable），比如职业声望、阶层高低、政治态度、满意度（很满意、满意、不满意、很不满意）等。这类问题的不同类别之间有相对的大小或高低程度，然而并非类似薪水之类的连续变量。我们可以采用有序结果变量回归（Ordinal Regression）来处理此类问题，该模型提供高低不同层次之间的两两比较和累计概率，能为研究者提供更丰富的信息。一般而言，回归系数β＞0，表明对照组（或者连续数值型自变量的增加）选择较高等级的可能性增加，选择较低等级的可能性下降；回归系数β＜0，表明对照组（或者连续数值型自变量的增加）选择较高等级的可能性降低，选择较低等级的可能性增加。
¥ 4.51 试读
