幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

R速成(統計分析和科研數據分析快速上手)

  • 作者：(美)邁赫邁特·邁赫梅托格魯//馬蒂亞斯·米特納|責編:張慧敏|譯者:庄亮亮//趙子茜
  • 出版社：電子工業
  • ISBN：9787121451881
  • 出版日期：2023/04/01
  • 裝幀：平裝
  • 頁數：398
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書的特色在於結合實際案例來展現R在數據科學領域的靈活性，不僅能讓讀者學習統計知識，也能提升代碼編寫能力。全書共15章，第1章詳細介紹了R和RStudio的安裝方法；第2章至第3章介紹了導入數據的方法，以及R的基本工作原理；第4章介紹了R中重要的數據管理方法；第5章講解數據可視化的知識；第6章至第15章介紹了統計知識點，如描述性統計、簡單線性回歸、多元線性回歸、虛擬變數回歸等。
    為方便讀者學習，本書提供了astatur包，這個工具包涵蓋了本書中使用的所有數據集，以及相關章節中提到的一些補充函數。此外，本書沒有過多地介紹複雜的數學公式，對於必備知識點使用了盡可能通俗的語言進行講解，因此本書適合作為R統計分析課程的教科書，也適合數據分析的初學者參考學習。
作者介紹
(美)邁赫邁特·邁赫梅托格魯//馬蒂亞斯·米特納|責編:張慧敏|譯者:庄亮亮//趙子茜
目錄
第1章  R簡介
  1.1  R是什麼？為什麼要使用R？
  1.2  RStudio是什麼？
  1.3  如何安裝R和RStudio？
    1.3.1  在Windows上使用R
    1.3.2  在Mac上使用R
    1.3.3  在Linux上使用R
    1.3.4  在Windows、macOS和Linux上使用RStudio
  1.4  了解RStudio
    1.4.1  腳本窗口
    1.4.2  控制台窗口
    1.4.3  環境窗口
    1.4.4  圖形窗口
  1.5  R的線上資源
  1.6  R包的作用
  1.7  更新R、RStudio和R包
  1.8  本章小結
第2章  在R中導入和處理數據
  2.1  如何在R中表示數據集？
  2.2  在R中導入數據
  2.3  在R中輸入數據
  2.4  如何在R中使用數據集？
  2.5  數據類型
  2.6  本章小結
第3章  R是怎樣工作的？
  3.1  R的工作方式
  3.2  函數是什麼？
  3.3  對象是什麼？
    3.3.1  向量
    3.3.2  數據框
    3.3.3  矩陣
    3.3.4  列表
  3.4  本章小結
第4章  數據管理
  4.1  變數的數據管理
    4.1.1  創建新變數
    4.1.2  重新編碼變數
    4.1.3  替換變數值
    4.1.4  重命名變數
    4.1.5  探索缺失值
    4.1.6  生成虛擬變數
    4.1.7  修改變數的數據類型
    4.1.8  標籤變數
    4.1.9  整理分類變數
  4.2  對數據集進行數據管理
    4.2.1  變數的選擇和排除
    4.2.2  選擇觀察值
    4.2.3  根據變數合併數據集
    4.2.4  根據觀察值合併數據集
    4.2.5  對數據集排序

    4.2.6  重塑數據集
    4.2.7  給變數排序
    4.2.8  從數據集中隨機抽取樣本
    4.2.9  管道
  4.3  本章小結
第5章  用ggplot2實現數據可視化
  5.1  數據可視化在數據分析中的作用
  5.2  了解ggplot
    5.2.1  層的結構
    5.2.2  影響所有層的附加組件
  5.3  R示例圖
    5.3.1  單變數圖
    5.3.2  二元圖
    5.3.3  多元圖
  5.4  本章小結
第6章  描述性統計
  6.1  單變數分析
    6.1.1  集中趨勢的度量
    6.1.2  散布的度量
    6.1.3  偏度和峰度
    6.1.4  離散分佈
    6.1.5  快速描述性分析
  6.2  描述變數之間的關係
    6.2.1  相關係數
    6.2.2  交叉表
  6.3  分析組間變數
  6.4  本章小結
第7章  簡單線性回歸
  7.1  什麼是回歸分析？
  7.2  簡單線性回歸分析
    7.2.1  普通最小二乘法
    7.2.2  擬合優度
    7.2.3  回歸係數的假設檢驗
    7.2.4  線性回歸預測
  7.3  R語言實例
  7.4  本章小結
第8章  多元線性回歸
  8.1  多元線性回歸分析
    8.1.1  參數估計
    8.1.2  擬合優度和F檢驗
    8.1.3  調整的R2
    8.1.4  偏斜係數
    8.1.5  使用多元線性回歸進行預測
    8.1.6  標準化和相對重要程度
    8.1.7  回歸假設和診斷
  8.2  R語言實例
  8.3  本章小結
第9章  虛擬變數回歸
  9.1  為什麼要進行虛擬變數回歸？
    9.1.1  創建虛擬變數

    9.1.2  虛擬變數回歸背後的邏輯
  9.2  單一虛擬變數回歸
  9.3  一個虛擬變數和一個協變數的回歸
  9.4  多虛擬變數回歸
    9.4.1  R語言實例
    9.4.2  比較組間差異
    9.4.3  成對多重比較調整
  9.5  有一個以上虛擬變數和一個協變數的回歸
  9.6  兩組獨立虛擬變數的回歸
  9.7  本章小結
第10章  使用回歸法進行交互、調節分析
  10.1  交互作用/調節效應
  10.2  乘積-項方法
  10.3  連續預測變數與虛擬調節變數的交互作用
  10.4  連續預測變數和連續調節變數之間的交互作用
  10.5  虛擬預測變數與虛擬調節變數的交互作用
  10.6  連續預測變數與多分類調節變數的交互作用
  10.7  其他注意事項
    10.7.1  顯著與不顯著的交互作用
    10.7.2  中心化和標準化
  10.8  本章小結
第11章  Logistic回歸
  11.1  R實現簡單Logistic回歸
    11.1.1  Logistic回歸中係數的含義
    11.1.2  擬合優度和模型選擇
  11.2  多重邏輯回歸
  11.3  Logistic回歸進行分類
  11.4  本章小結
第12章  多層次和縱向分析
  12.1  嵌套數據結構的表示
  12.2  完全、部分和無聚集
  12.3  線性混合模型的顯著性檢驗
  12.4  縱向混合模型的模型比較
  12.5  本章小結
第13章  因子分析
  13.1  什麼是因子分析
  13.2  因子分析過程
    13.2.1  確定因子的數量
    13.2.2  因子提取
    13.2.3  因子旋轉
    13.2.4  提煉和解釋因子
  13.3  綜合評分和信度檢驗
  13.4  R語言實例
    13.4.1  確定因子的數量
    13.4.2  用旋轉法提取因子
  13.5  本章小結
第14章  結構方程模型
  14.1  什麼是結構方程模型？
  14.2  確認性因子分析
    14.2.1  模型設定

    14.2.2  模型識別
    14.2.3  參數估計
    14.2.4  模型評估
    14.2.5  模型修正
  14.3  潛在路徑分析
    14.3.1  LPA模型的定義
    14.3.2  測量部分
    14.3.3  結構部分
  14.4  本章小結
第15章  貝葉斯統計
  15.1  貝葉斯數據分析
  15.2  用R實現貝葉斯數據分析
  15.3  R語言實例
    15.3.1  模型診斷
    15.3.2  回歸係數的貝葉斯估計
    15.3.3  貝葉斯模型的選擇
    15.3.4  模型檢驗
    15.3.5  先驗分佈的選擇
  15.4  本章小結

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032