目 　 　录 第一部分 　入 　 　门 第1章 　R语言介绍　　3 1.1 　为何要使用R？　　4 1.2 　R的获取和安装　　6 1.3 　R的使用　　7 1.3.1 　新手上路　　7 1.3.2 　获取帮助　　10 1.3.3 　工作空间　　10 1.3.4 　输入和输出　　12 1.4 　包　　14 1.4.1 　什么是包　　14 1.4.2 　包的安装　　14 1.4.3 　包的载入　　14 1.4.4 　包的使用方法　　15 1.5 　批处理　　15 1.6 　将输出用为输入——结果的重用　　16 1.7 　处理大数据集　　16 1.8 　示例实践　　17 1.9 　小结　　18 第2章 　创建数据集　　19 2.1 　数据集的概念　　19 2.2 　数据结构　　20 2.2.1 　向量　　21 2.2.2 　矩阵　　22 2.2.3 　数组　　23 2.2.4 　数据框　　24 2.2.5 　因子　　27 2.2.6 　列表　　29 2.3 　数据的输入　　30 2.3.1 　使用键盘输入数据　　31 2.3.2 　从带分隔符的文本文件导入数据　　32 2.3.3 　导入Excel数据　　33 2.3.4 　导入XML数据　　34 2.3.5 　从网页抓取数据　　34 2.3.6 　导入SPSS数据　　34 2.3.7 　导入SAS数据　　34 2.3.8 　导入Stata数据　　35 2.3.9 　导入netCDF数据　　35 2.3.10 　导入HDF5数据　　35 2.3.11 　访问数据库管理系统　　36 2.3.12 　通过Stat/Transfer导入数据　　37 2.4 　数据集的标注　　37 2.4.1 　变量标签　　38 2.4.2 　值标签　　38 2.5 　处理数据对象的实用函数　　38 2.6 　小结　　39 第3章 　图形初阶　　40 3.1 　使用图形　　40 3.2 　一个简单的例子　　42 3.3 　图形参数　　43 3.3.1 　符号和线条　　45 3.3.2 　颜色　　46 3.3.3 　文本属性　　47 3.3.4 　图形尺寸与边界尺寸　　49 3.4 　添加文本、自定义坐标轴和图例　　50 3.4.1 　标题　　51 3.4.2 　坐标轴　　52 3.4.3 　参考线　　54 3.4.4 　图例　　54 3.4.5 　文本标注　　56 3.5 　图形的组合　　58 3.6 　小结　　64 第4章 　基本数据管理　　65 4.1 　一个示例　　65 4.2 　创建新变量　　67 4.3 　变量的重编码　　68 4.4 　变量的重命名　　69 4.5 　缺失值　　70 4.5.1 　重编码某些值为缺失值　　71 4.5.2 　在分析中排除缺失值　　72 4.6 　日期值　　73 4.6.1 　将日期转换为字符型变量　　74 4.6.2 　更进一步　　74 4.7 　类型转换　　74 4.8 　数据排序　　75 4.9 　数据集的合并　　76 4.9.1 　添加列　　76 4.9.2 　添加行　　76 4.10 　数据集取子集　　77 4.10.1 　选入（保留）变量　　77 4.10.2 　剔除（丢弃）变量　　77 4.10.3 　选入观测　　78 4.10.4 　subset()函数　　79 4.10.5 　随机抽样　　79 4.11 　使用SQL语句操作数据框　　80 4.12 　小结　　81 第5章 　高级数据管理　　82 5.1 　一个数据处理难题　　82 5.2 　数值和字符处理函数　　83 5.2.1 　数学函数　　83 5.2.2 　统计函数　　84 5.2.3 　概率函数　　86 5.2.4 　字符处理函数　　89 5.2.5 　其他实用函数　　90 5.2.6 　将函数应用于矩阵和数据框　　91 5.3 　数据处理难题的一套解决方案　　93 5.4 　控制流　　96 5.4.1 　重复和循环　　97 5.4.2 　条件执行　　97 5.5 　用户自编函数　　99 5.6 　整合与重构　　101 5.6.1 　转置　　101 5.6.2 　整合数据　　101 5.6.3 　reshape包　　102 5.7 　小结　　105 第二部分 　基本方法 第6章 　基本图形　　108 6.1 　条形图　　108 6.1.1 　简单的条形图　　109 6.1.2 　堆砌条形图和分组条形图　　110 6.1.3 　均值条形图　　111 6.1.4 　条形图的微调　　112 6.1.5 　棘状图　　113 6.2 　饼图　　114 6.3 　直方图　　116 6.4 　核密度图　　118 6.5 　箱线图　　120 6.5.1 　使用并列箱线图进行跨组比较　　121 6.5.2 　小提琴图　　124 6.6 　点图　　125 6.7 　小结　　128 第7章 　基本统计分析　　129 7.1 　描述性统计分析　　130 7.1.1 　方法云集　　130 7.1.2 　分组计算描述性统计量　　133 7.1.3 　结果的可视化　　136 7.2 　频数表和列联表　　136 7.2.1 　生成频数表　　137 7.2.2 　独立性检验　　142 7.2.3 　相关性的度量　　144 7.2.4 　结果的可视化　　144 7.2.5 　将表转换为扁平格式　　144 7.3 　相关　　146 7.3.1 　相关的类型　　146 7.3.2 　相关性的显著性检验　　148 7.3.3 　相关关系的可视化　　150 7.4 　t检验　　150 7.4.1 　独立样本的t检验　　150 7.4.2 　非独立样本的t检验　　151 7.4.3 　多于两组的情况　　152 7.5 　组间差异的非参数检验　　152 7.5.1 　两组的比较　　152 7.5.2 　多于两组的比较　　153 7.6 　组间差异的可视化　　155 7.7 　小结　　155 第三部分 　中级方法 第8章 　回归　　158 8.1 　回归的多面性　　159 8.1.1 　OLS回归的适用情境　　159 8.1.2 　基础回顾　　160 8.2 　OLS回归　　160 8.2.1 　用lm()拟合回归模型　　161 8.2.2 　简单线性回归　　162 8.2.3 　多项式回归　　164 8.2.4 　多元线性回归　　167 8.2.5 　有交互项的多元线性回归　　169 8.3 　回归诊断　　171 8.3.1 　标准方法　　171 8.3.2 　改进的方法　　175 8.3.3 　线性模型假设的综合验证　　180 8.3.4 　多重共线性　　181 8.4 　异常观测值　　181 8.4.1 　离群点　　182 8.4.2 　高杠杆值点　　182 8.4.3 　强影响点　　183 8.5 　改进措施　　186 8.5.1 　删除观测点　　186 8.5.2 　变量变换　　186 8.5.3 　增删变量　　187 8.5.4 　尝试其他方法　　188 8.6 　选择“最佳”的回归模型　　188 8.6.1 　模型比较　　188 8.6.2 　变量选择　　189 8.7 　深层次分析　　193 8.7.1 　交叉验证　　193 8.7.2 　相对重要性　　194 8.8 　小结　　197 第9章 　方差分析　　198 9.1 　术语速成　　198 9.2 　ANOVA模型拟合　　201 9.2.1 　aov()函数　　201 9.2.2 　表达式中各项的顺序　　201 9.3 　单因素方差分析　　202 9.3.1 　多重比较　　204 9.3.2 　评估检验的假设条件　　206 9.4 　单因素协方差分析　　208 9.4.1 　评估检验的假设条件　　209 9.4.2 　结果可视化　　210 9.5 　双因素方差分析　　211 9.6 　重复测量方差分析　　214 9.7 　多元方差分析　　216 9.7.1 　评估假设检验　　217 9.7.2 　稳健多元方差分析　　219 9.8 　用回归来做ANOVA　　219 9.9 　小结　　221 第10章 　功效分析　　222 10.1 　假设检验速览　　222 10.2 　用pwr包做功效分析　　225 10.2.1 　t检验　　225 10.2.2 　方差分析　　227 10.2.3 　相关性　　227 10.2.4 　线性模型　　228 10.2.5 　比例检验　　229 10.2.6 　卡方检验　　229 10.2.7 　在新情况中选择合适的效应值　　230 10.3 　绘制功效分析图形　　232 10.4 　其他软件包　　234 10.5 　小结　　235 第11章 　中级绘图　　236 11.1 　散点图　　237 11.1.1 　散点图矩阵　　239 11.1.2 　高密度散点图　　244 11.1.3 　三维散点图　　247 11.1.4 　气泡图　　250 11.2 　折线图　　252 11.3 　相关图　　255 11.4 　马赛克图　　259 11.5 　小结　　261 第12章 　重抽样与自助法　　263 12.1 　置换检验　　263 12.2 　用coin包做置换检验　　265 12.2.1 　独立两样本和K样本检验　　266 12.2.2 　列联表中的独立性　　267 12.2.3 　数值变量间的独立性　　268 12.2.4 　两样本和K样本相关性检验　　268 12.2.5 　深入探究　　269 12.3 　lmPerm包的置换检验　　269 12.3.1 　简单回归和多项式回归　　269 12.3.2 　多元回归　　271 12.3.3 　单因素方差分析和协方差分析　　271 12.3.4 　双因素方差分析　　272 12.4 　置换检验点评　　273 12.5 　自助法　　273 12.6 　boot包中的自助法　　274 12.6.1 　对单个统计量使用自助法　　275 12.6.2 　多个统计量的自助法　　277 12.7 　小结　　279 第四部分 　高级方法 第13章 　广义线性模型　　282 13.1 　广义线性模型和glm()函数　　282 13.1.1 　glm()函数　　283 13.1.2 　连用的函数　　284 13.1.3 　模型拟合和回归诊断　　285 13.2 　Logistic回归　　285 13.2.1 　解释模型参数　　288 13.2.2 　评价预测变量对结果概率的影响　　289 13.2.3 　过度离势　　290 13.2.4 　扩展　　291 13.3 　泊松回归　　291 13.3.1 　解释模型参数　　293 13.3.2 　过度离势　　294 13.3.3 　扩展　　295 13.4 　小结　　297 第14章 　主成分和因子分析　　298 14.1 　R中的主成分和因子分析　　299 14.2 　主成分分析　　300 14.2.1 　判断主成分的个数　　300 14.2.2 　提取主成分　　302 14.2.3 　主成分旋转　　305 14.2.4 　获取主成分得分　　306 14.3 　探索性因子分析　　307 14.3.1 　判断需提取的公共因子数　　308 14.3.2 　提取公共因子　　309 14.3.3 　因子旋转　　310 14.3.4 　因子得分　　313 14.3.5 　其他与EFA相关的包　　313 14.4 　其他潜变量模型　　314 14.5 　小结　　314 第15章 　处理缺失数据的高级方法　　316 15.1 　处理缺失值的步骤　　317 15.2 　识别缺失值　　318 15.3 　探索缺失值模式　　319 15.3.1 　列表显示缺失值　　319 15.3.2 　图形探究缺失数据　　320 15.3.3 　用相关性探索缺失值　　322 15.4 　理解缺失数据的来由和影响　　324 15.5 　理性处理不完整数据　　325 15.6 　完整实例分析（行删除）　　326 15.7 　多重插补　　327 15.8 　处理缺失值的其他方法　　331 15.8.1 　成对删除　　331 15.8.2 　简单（非随机）插补　　332 15.9 　小结　　332 第16章 　高级图形进阶　　333 16.1 　R中的四种图形系统　　333 16.2 　lattice包　　334 16.2.1 　条件变量　　338 16.2.2 　面板函数　　339 16.2.3 　分组变量　　342 16.2.4 　图形参数　　345 16.2.5 　页面摆放　　346 16.3 　ggplot2包　　347 16.4 　交互式图形　　351 16.4.1 　与图形交互：鉴别点　　351 16.4.2 　playwith　　352 16.4.3 　latticist　　353 16.4.4 　iplots包的交互图形　　354 16.4.5 　rggobi　　355 16.5 　小结　　356 后记：探索R的世界　　357 附录A 　图形用户界面　　359 附录B 　自定义启动环境　　362 附录C 　从R中导出数据　　364 附录D 　制作出版级品质的输出　　366 附录E 　R中的矩阵运算　　374 附录F 　本书中用到的扩展包　　376 附录G 　处理大数据　　381 附录H 　更新R　　383 参考文献　　385