第 1 章初识R语言1

1．1什么是R语言1

1．2为什么用R语言2

1．3安装R 4

1．4R扩展包 4

1．4．1R扩展包的安装与载入 5

1．4．2R包的使用 6

1．5R编辑器 7

1．6工作空间 11

第 2 章数据结构与基本运算13

2．1数据类型 13

2．2数据对象 14

2．2．1向量 15

2．2．2矩阵 21

2．2．3数组 31

2．2．4因子 32

2．2．5列表 33

2．2．6数据框34

2．3习题 36

第 3 章函数与优化38

3．1常用的R内置函数 38

3．2条件控制语句38

3．2．1if/else语句 38

3．2．2ifelse 语句 39

3．2．3switch语句 39

3．3循环语句 40

3．3．1for循环40

3．3．2while循环 40

3．3．3repeat语句 41

3．4编写自己的函数41

3．4．1函数名42

3．4．2关键词function 42

3．4．3参数 42

3．4．4函数体和函数返回值 44

3．5程序调试 45

3．6程序运行时间与效率46

3．7用R做优化求解47

3．7．1一元函数优化求解 48

3．7．2 多元函数优化求解 48

3．7．3约束条件下的优化求解 50

3．8习题 52

第 4 章随机数与抽样模拟 54

4．1一元随机数的产生 54

4．1．1均匀分布随机数54

4．1．2正态分布随机数56

4．1．3指数分布随机数57

4．1．4离散分布随机数的生成 58

4．1．5常见分布函数表59

4．2多元随机数的生成 61

4．2．1多元正态分布随机数 61

4．2．2多元正态分布密度函数、分位数与累积概率 63

4．2．3多元t分布随机数 64

4．3随机抽样 65

4．3．1放回与放回抽样 65

4．3．2bootstrap重抽样66

4．4统计模拟 67

4．4．1几种常见的模拟方法 67

4．4．2模拟函数的建立方法 70

4．5习题 73

第 5 章数据读写与预处理 74

5．1数据的读入 74

5．1．1直接输入数据 74

5．1．2读R包中的数据75

5．1．3从外部文件读入数据 75

5．2写出数据 79

5．3数据预处理 80

5．3．1变量预处理81

5．3．2变量重编码82

5．3．3变量重命名84

5．3．4变量类型的转换85

5．3．5日期变量的变换86

5．4缺失数据处理87

5．4．1缺失数据的识别87

5．4．2缺失数据的探索与检验 88

5．4．3缺失数据的处理89

5．5数据集的合并与拆分90

5．5．1数据框的合并与拆分 90

5．5．2数据集的合并 92

5．5．3数据集的抽取 92

5．6习题 93

第 6 章探索性数据分析94

6．1主要分析工具94

6．1．1探索性数据分析的工具 94

6．1．2数据的类型98

6．2单变量数据分析99

6．2．1分类型数据99

6．2．2数值型数据 101

6．2．3离群值探索 106

6．3双变量数据分析 109

6．3．1分类数据对分类数据 109

6．3．2分类数据对数值型数据 111

6．3．3数值型数据对数值型数据 112

6．4多变量数据分析 115

6．4．1访问数据框数据 115

6．4．2多变量数据的分析． 118

6．5习题 124

第 7 章参数假设检验 126

7．1假设检验的思想与步骤 126

7．1．1假设检验的基本思想 126

7．1．2假设检验的基本步骤 128

7．2正态总体单样本参数假设检验 129

7．2．1均值的检验 130

7．2．2方差检验 132

7．3正态总体双样本参数假设检验 134

7．3．1双样本方差的检验（方差齐性检验）． 134

7．3．2两样本均值检验 135

7．4比例假设检验 139

7．4．1单样本比例检验 139

7．4．2两样本比例检验 141

7．5习题 142

第 8 章非参数假设检验144

8．1图示法 144

8．2卡方检验 146

8．2．1卡方分布(χ 2 distribution) 147

8．2．2卡方拟合优度检验． 148

8．2．3卡方独立性检验 151

8．2．4卡方两样本同质性检验 151

8．3秩和检验 152

8．3．1秩的概念 153

8．3．2单样本符号秩检验． 153

8．3．3两独立秩和检验 154

8．3．4多个独立样本的秩和检验 155

8．3．5多个相关样本的秩和检验 158

8．4K-S检验 160

8．4．1K-S单样本总体分布验证 160

8．4．2K-S两独立样本同质检验 160

8．5常用正态性检验 162

8．5．1偏度、峰度检验法． 162

8．5．2Shapiro-Wilk（W检验） 163

8．5．3其他常用正态检验． 165

8．6习题 167

第9 章方差分析169

9．1单因素方差分析 170

9．2双因素方差分析 174

9．2．1不考虑交互作用的双因素方差分析 174

9．2．2考虑交互作用的双因素分析178

9．3习题 183

第 10 章线性回归模型184

10．1问题提出 184

10．2一元线性回归185

10．2．1一元线性回归概述 186

10．2．2一元线性回归的参数估计 188

10．2．3一元线性回归模型的检验 195

10．2．4一元线性回归的预测 197

10．2．5一元线性回归综合案例 201

10．3多元线性回归分析205

10．3．1多元线性回归模型及假定 206

10．3．2参数估计 207

10．3．3模型检验 209

10．3．4预测211

10．3．5多元线性回归综合案例 213

10．4习题 218

第 11 章线性回归模型的扩展 220

11．1多重共线性220

11．1．1问题的提出 220

11．1．2多重共线性定义及后果 222

11．1．3多重共线性检验 222

11．1．4多重共线性克服 225

11．2异方差性 229

11．2．1问题的提出 229

11．2．2异方差性定义及后果 231

11．2．3异方差性检验232

11．2．4异方差性克服236

11．3序列相关性240

11．3．1问题的提出 241

11．3．2序列相关性定义及后果 243

11．3．3 序列相关性检验 245

11．3．4序列相关性克服 248

11．4习题 251

第 12 章非线性回归分析254

12．1问题的提出254

12．2可线性化的非线性回归 255

12．2．1Cobb-Douglas生产函数 255

12．2．2多项式方程模型 257

12．2．3指数函数模型259

12．3不可线性化的非线性回归 260

12．3．1非线性模型的参数估计与迭代算法262

12．3．2初始值选取 269

12．3．3收敛性270

12．4非线性回归评价和假设检验 271

12．4．1可决系数 271

12．4．2参数显著性的F 检验 271

12．4．3似然比检验 272

12．5习题 274

第 13 章二元选择模型275

13．1问题的提出276

13．2线性概率（LP）模型原理 277

13．3Probit模型原理 279

13．4Logit模型原理280

13．5边际效应分析281

13．6最大似然估计（MLE） 282

13．7似然比检验和拟合优度 282

13．8案例分析：经济学教学新方法的效果 284

13．9扩展案例：信用卡违约预测分析 289

13．9．1描述性统计 290

13．9．2模型建立与参数估计 291

13．9．3系数意义与边际分析 295

13．9．4拟合与预测 296

13．9．5结论与建议 297

13．10习题 297

第 14 章多元选择模型299

14．1有序选择模型299

14．1．1问题的提出：本科生申请研究生的影响因素 300

14．1．2有序选择模型300

14．1．3案例分析ggplot2:数据分析与图形艺术 pdfggplot2:数据分析与图形艺术 pdf：本科生申请研究生的影响因素 302

14．2多元序Logit模型304

14．2．1问题的提出：关于钓鱼模式的选择304

14．2．2多元序Logit模型 305

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！