/author/%E6%9D%8E%E5%98%89%E5%B9%B3%E8%AF%91/ 李嘉平（译） Wowchemy (https://wowchemy.com)zh-cn广西心脑血管疾病防治精准医学重点实验室 © 2021Fri, 08 Sep 2023 00:00:00 +0000 /media/logo_hu867a43662d372d3dade86915eb7920c3_31199_300x300_fit_lanczos_3.png /author/%E6%9D%8E%E5%98%89%E5%B9%B3%E8%AF%91/ /publication/li-2023-sdvr/ Fri, 08 Sep 2023 00:00:00 +0000 /publication/li-2023-sdvr/ <p>这本书旨在鼓励、启发和激发学生对社会科学数据分析的兴趣。其根本前提是学生通过<em>做</em>数据分析来<em>学</em>数据分析。为此，本书从简单的图形工具开始，探索数据并对数据提出有意义的问题。用于发现深埋于回归表整洁外表之下的问题的那些方法是重点。最后，读者会熟悉基本的数据分析技能，形成数据分析方法，理解所做的概念、分析乃至哲学选择。在我看来，一个重要的目标是激发读者对这个过程的兴趣。这些材料旨在让我们用真实的数据来面对现实世界的议题和问题。我们建议读者下载<a href="brown_1e_codedatasets_0.zip">配套数据文件</a>，把玩本书所基于的数据。数据下载完成后，确保在开始前执行<code>installD()</code>和<code>libraries()</code>指令。第一个指令安装所有需要用到的包，而第二个指令加载这些包。<code>installD()</code>指令只需要执行一次；<code>libraries()</code>需要在每次重新启动R后执行。</p> <h2 id="本书为谁而写">本书为谁而写？</h2> <p>本书面向多种读者。但主要还是为初学者准备的。本书假设读者事先没有统计学或微积分的相关知识，而扎实的统计学或微积分背景也不会让这些操练毫无收获。这本书源于我在科罗拉多大学教授的大型课程，“定量方法导论（Introduction to Quantitative Methods）”。这是政治学专业必修课，他们需要阅读、理解并审慎地考察越来越多的定量证据。我们真诚的希望在课堂上用一套技能武装学生，帮他们解决问题。</p> <p>数据分析师使用R就像生物学家使用电子显微镜一样，这种面向对象的统计语言，已经在民营企业，主要是在数据科学家中间站稳了脚跟。虽然从教学的角度讲，用纸笔学习统计学令人赞赏且有好处，但在这个大数据时代，学生必须配备最先进的工具。本书设计为读者下载<a href="brown_1e_codedatasets_0.zip">配套数据</a>并跟着一起做。这套代码根据我的经验提供了一组优秀的指令，各初级、中级和高级分析师都能用上。</p> <p>对于那些经验更丰富的人来说，本书提出了一种方法，强调简单的分析如何通过描述、理论和证据之间的来回往复迭代产生更好的议题。本书的建议是提出假设，查看证据，然后由这些证据产生新的假设。在我看来，为了提出下一个议题而构建假设时，读者就会展现出对材料的深刻理解。比起学习代码，比起理解概率论，本书设法形成永无止境的发现循环，体现在描述我们之所见，提出假设，根据经验检验它，然后产生下一个议题或假设。从这个意义上讲，即使是技术能力较高的人也能从中受益。</p> <details class="spoiler " id="spoiler-0"> <summary><strong>目录</strong></summary> <p><ul> <li> <p>第1章 入门指南 001</p> <ul> <li>概述 001</li> <li>R、RStudio 和R Markdown 002</li> <li>对象与函数 004</li> <li>RStudio 入门 006</li> <li>RStudio 的R Markdown 导览 012</li> <li>R Markdown 文件与R 脚本 017</li> <li>小练习 019</li> </ul> </li> <li> <p>第2章 数据分析导论 027</p> <ul> <li>概述 027</li> <li>数据分析的动机 028</li> <li>数据分析的构成要素 031</li> <li>描述数据并形成假设 033</li> <li>模型的构建与估计 052</li> <li>诊断 054</li> <li>提出下一个问题 059</li> </ul> </li> <li> <p>第3章 描述数据 064</p> <ul> <li>概述 064</li> <li>数据集和变量 066</li> <li>不同类型的变量 068</li> <li>描述数据可以节省时间和精力 073</li> <li>辨识困惑、问题、假设和线索 079</li> <li>度量 086</li> </ul> </li> <li> <p>第4章 集中趋势和离散程度 093</p> <ul> <li>概述 093</li> <li>集中趋势的度量：众数、平均数和中位数 094</li> <li>平均数与中位数 103</li> <li>离散程度的度量：极差、四分位距和标准差 106</li> <li>四分位距与标准差 116</li> </ul> </li> <li> <p>第5章 数据的单变量和双变量描述 123</p> <ul> <li>概述 123</li> <li>好的、差的和离群值 124</li> <li>单变量数据的5 种视图 125</li> <li>变量间是否相关 138</li> </ul> </li> <li> <p>第6章 数据变换 157</p> <ul> <li>概述 157</li> <li>数据变换的理论原因 158</li> <li>数据变换的实际原因 160</li> <li>数据变换——从连续变量到分类变量 164</li> <li>数据变换——改变类别 169</li> <li>Box-Cox 变换 175</li> </ul> </li> <li> <p>第7章 数据展示的一些原则 186</p> <ul> <li>概述 186</li> <li>一些风格要素 187</li> <li>故事的基本要素 208</li> <li>文档（树立讲述者的可信度） 209</li> <li>建立直觉（设定背景） 211</li> <li>展示因果关系（旅程） 211</li> <li>从因果到行动（决议） 213</li> </ul> </li> <li> <p>第8章 概率论精要 218</p> <ul> <li>概述 218</li> <li>总体和样本 219</li> <li>样本偏差与随机样本 220</li> <li>大数定律 222</li> <li>中心极限定理 227</li> <li>标准正态分布 239</li> </ul> </li> <li> <p>第9章 置信区间与假设检验 250</p> <ul> <li>概述 250</li> <li>大样本的置信区间 251</li> <li>小样本与t- 分布 260</li> <li>比较两个样本的平均数 272</li> <li>置信水平 277</li> <li>关于统计推断和因果关系的简要说明 280</li> </ul> </li> <li> <p>第10章 进行比较 285</p> <ul> <li>概述 285</li> <li>为什么要进行比较 286</li> <li>需要比较的问题 287</li> <li>比较两个分类变量 289</li> <li>比较连续变量和分类变量 294</li> <li>比较两个连续变量 297</li> <li>探索性数据分析：调查美国的堕胎率 301</li> <li>好的分析引出新的问题 308</li> </ul> </li> <li> <p>第11章 受控比较 312</p> <ul> <li>概述 312</li> <li>什么是受控比较 313</li> <li>比较两个分类变量，同时控制第三个变量 314</li> <li>比较两个连续变量，同时控制第三个变量 327</li> <li>论点与受控比较 334</li> </ul> </li> <li> <p>第12章  线性回归 340</p> <ul> <li>概述 340</li> <li>线性回归的优点 341</li> <li>线性回归中的斜率和截距 342</li> <li>拟合优度（R2 统计量） 348</li> <li>统计显著性 352</li> <li>二元回归的例子 355</li> </ul> </li> <li> <p>第13章 多元回归 368</p> <ul> <li>概述 368</li> <li>回归模型和论点 371</li> <li>回归模型、理论和证据 372</li> <li>解读多元回归中的估计值 376</li> <li>例子：凶杀率与教育 379</li> </ul> </li> <li> <p>第14章 虚拟变量和交互作用 394</p> <ul> <li>概述 394</li> <li>什么是虚拟变量 395</li> <li>加性模型与交互作用模型 396</li> <li>二元虚拟变量回归 397</li> <li>多元回归与虚拟变量 398</li> <li>多元回归中的交互作用 398</li> </ul> </li> <li> <p>第15章 诊断1 ：普通最小二乘法是否适用 412</p> <ul> <li>概述 412</li> <li>回归分析中的诊断 413</li> <li>统计量与估计量的性质 414</li> <li>高斯- 马尔可夫假设 419</li> <li>残差图 425</li> </ul> </li> <li> <p>第16章 诊断2 ：残差、杠杆值与影响力的度量 438</p> <ul> <li>概述 438</li> <li>离群值 439</li> <li>杠杆值 442</li> <li>影响力的度量 448</li> <li>增加变量图 454</li> </ul> </li> <li> <p>第17章 逻辑回归 461</p> <ul> <li>概述 461</li> <li>需要逻辑回归解决的议题与难题 462</li> <li>逻辑回归违反了高斯- 马尔可夫假设 463</li> <li>使用对数发生比 466</li> <li>使用预测概率 469</li> <li>逻辑回归模型拟合 475</li> </ul> </li> <li> <p>附录A 形成经验蕴涵 488</p> </li> </ul> </p> </details> <h2 id="购书渠道">购书渠道</h2> <p><a href="https://item.jd.com/14141366.html" target="_blank" rel="noopener">https://item.jd.com/14141366.html</a></p> <h2 id="资源下载">资源下载</h2> <ul> <li><a href="brown_1e_codedatasets_0.zip">配套案例数据（Art_and_Practice.RData与Getting Started with R.Rmd）</a></li> <li><a href="%e6%af%8f%e7%ab%a0%e4%b9%a0%e9%a2%98%e7%ad%94%e6%a1%88.pdf">习题答案</a></li> <li><a href="%e7%ba%bf%e4%b8%8a%e5%ad%a6%e4%b9%a0%e6%a1%88%e4%be%8b.pdf">补充案例</a></li> <li><a href="code_script_0.zip">正文所有R代码</a></li> </ul> <hr> <ul> <li><a href="https://edge.sagepub.com/brownstats1e" target="_blank" rel="noopener">原版资源下载</a></li> <li><a href="https://www.r-project.org" target="_blank" rel="noopener">R</a></li> <li><a href="https://posit.co/downloads/" target="_blank" rel="noopener">RStudio</a></li> </ul>