- 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