首页 > 图书详情

R语言与社会科学调查数据分析 专著;统计学 VIP

售价:¥44.25 ¥59
3人在读 |
0 评分
丛书名:
谢颖   社会科学文献出版社  2018-08 出版
ISBN:978-7-5201-3119-3

*温馨提示:此类商品不支持退换货,不支持下载

图书简介 目录 参考文献 音频 视频
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。
[展开]
  • 前言
  • 第一章 R语言简介
  • 第二章 数据读入与清理
    1. 一 下载和导入数据
    2. 二 包的获取和使用
    3. 三 数据读入
    4. 四 截取CGSS 2015数据集
  • 第三章 描述性统计分析
    1. 一 描述性统计命令示例
    2. 二 创建表格和图示
    3. 三 双变量描述性统计
    4. 四 描述性统计结果可视化
  • 第四章 简单线性回归
    1. 一 简单线性回归介绍
    2. 二 解读简单线性回归模型参数
    3. 三 其他线性回归模型
    4. 四 高阶拟合示例
  • 第五章 多元线性回归
    1. 一 多元线性回归模型拟合
    2. 二 变量重编码
    3. 三 模型汇总
    4. 四 交互效应模型
    5. 五 可视化工具
  • 第六章 二分变量回归
    1. 一 二值型回归模型
    2. 二 更多的解决方案
    3. 三 交互效应与可视化
  • 第七章 广义线性模型扩展:泊松回归
    1. 一 泊松回归案例:幸福感分析
    2. 二 参数解读及模型诊断
    3. 三 模型扩展与可视化
  • 第八章 有序因变量回归
    1. 一 模型构建和解读
    2. 二 模型扩展
    3. 三 模型结果可视化
  • 第九章 匹配模型
    1. 一 匹配模型案例
    2. 二 模型可视化解读
  • 第十章 主成分与因子分析
    1. 一 主成分分析数据准备
    2. 二 主成分分析结果
    3. 三 因子分析
  • 第十一章 机器学习
    1. 一 非平衡数据处理
    2. 二 决策树建模
    3. 三 决策树可视化
    4. 四 神经网络
  • 结语
  • 附录 参考R包
[1]Robert I. Kabacoff:《R语言实战》(第2版),王小宁等译,人民邮电出版社,2016。 [2]R语言变量的基本操作——https://www.douban.com/note/294226439/。 [3]R语言定义多维数组——http://blog.csdn.net/lin_angel/article/details/50754628。 [4]R语言|基本函数、统计量、常用操作函数——http://blog.csdn. net/sinat_26917383/article/details/51182358。 [5]R语言分析中的异常值点介绍——http://blog.csdn.net/u011955252/article/details/50722362。 [6]R中的高效批量处理函数(apply族函数)——http://blog.csdn. net/wa2003/article/details/45887055。 [7]主成分分析PCA工作原理和简单介绍——http://blog.csdn.net/suibianshen2012/article/details/51353484。 [8]混淆矩阵——http://blog.csdn.net/lichao_ustc/article/details/52702964。 [9]决策树和R语言——http://blog.csdn.net/tarim/article/details/41293193。 [10]神经网络——http://blog.csdn.net/c1z2w3456789/article/details/52582478?locationNum=5&fps=1。 [11]Ggbiplot介绍——http://blog.csdn.net/woodcorpse/article/details/78863454。 [12]回归模型预测绘图plot,predict,回归诊断,模型评价——http://blog.csdn.net/skyonefly/article/details/52040261。 [13]可视化篇:R可视化——迁徙/通勤图——http://blog.csdn.net/yc_1993/article/details/51407981。 [14]logistic回归报错问题——http://blog.csdn.net/csqazwsxedc/article/details/52033506。 [15]如何使用R语言中的names函数给变量修改元素名称——https://jingyan.baidu.com/article/22fe7cedc8813f3003617f5c.html。 [16]R语言常用统计方法实现——https://wenku.baidu.com/view/1bd7e4ec172ded630b1cb61d.html。 [17]残差分析初步—残差图——https://wenku.baidu.com/view/056560b869dc5022aaea00a2.html。 [18]回归中异常值的残差诊断探讨——https://wenku.baidu.com/view/5b2894fa580216fc710afd6f.html。 [19]独家|手把手教线性回归分析(附R语言实例)——https://baijiahao.baidu.com/s?id=1570175214573614&wfr=spider&for=pc。 [20]有序多分类逻辑斯蒂回归模型——https://wenku.baidu.com/view/0bd6370854270722192e453610661ed9ad5155a2.html。 [21]有序多分类Logistic回归模型——https://wenku.baidu.com/view/d9f2769383d049649b6658fc.html。 [22]PCA主成分分析应用举例——https://wenku.baidu.com/view/98fd23ca3968011ca20091c1.html。 [23]机器学习与R语言学习笔记——https://wenku.baidu.com/view/cc60e0077f1922791788e85f.html。 [24]R语言的数学基础——https://wenku.baidu.com/view/b8a42d6efad6195f312ba6c1.html。 [25]回归分析诊断——https://wenku.baidu.com/view/2298268d50e79b89680203d8ce2f0066f4336453.html。 [26]R语言正则表达式——https://wenku.baidu.com/view/0c7cade0ccbff121dc36839b.html。 [27]R语言Data Frame数据框常用操作——https://www.cnblogs.com/studyzy/p/4316118.html。 [28]机器学习之线性回归和多项式回归——https://www.cnblogs.com/steed/p/7434738.html。 [29]R语言代码输出(stargazer包)——https://www.cnblogs.com/nxld/p/6380470.html。 [30]R语言中使用Logistic回归模型——http://www.cnblogs.com/nxld/p/6170690.html。 [31]R语言回归分析笔记——https://www.cnblogs.com/luckyfang/p/5480959.html。 [32]因子分析——https://www.cnblogs.com/Bfrican/p/4442663.html。 [33]Factoextra R Package:Easy Multivariate Data Analyses and Elegant Visualization——https://www.cnblogs.com/payton/p/6418755.html。 [34]主成分分析入门——https://www.cnblogs.com/SCUJIN/p/5965946.html。 [35]如何理解统计学假设检验中p值?——https://www.zhihu.com/question/21429785。 [36]线性回归中ANOVA的作用是什么?——https://www.zhihu.com/question/22935472。 [37]在统计学中为什么要对变量取对数?——https://www.zhihu.com/question/22012482。 [38]【译文】R语言中的离群值检测和处理——https://zhuanlan.zhihu.com/p/24577989。 [39]最大似然估计和最小二乘法怎么理解?——https://www.zhihu.com/question/20447622。 [40]R语言如何做COX回归分析和nomogram?——https://www.zhihu.com/question/39883941。
[展开]

相关推荐

发表评论

同步转发到先晓茶馆

发表评论

手机可扫码阅读