14527707

1 (p1): 第一章 R语言简介
4 (p2): 第二章 数据读入与清理
4 (p2-1): 一 下载和导入数据
5 (p2-2): 二 包的获取和使用
6 (p2-3): 三 数据读入
8 (p2-4): 四 截取CGSS 2015数据集
10 (p3): 第三章 描述性统计分析
10 (p3-1): 一 描述性统计命令示例
12 (p3-2): 二 创建表格和图示
15 (p3-3): 三 双变量描述性统计
17 (p3-4): 四 描述性统计结果可视化
21 (p4): 第四章 简单线性回归
21 (p4-1): 一 简单线性回归介绍
23 (p4-2): 二 解读简单线性回归模型参数
25 (p4-3): 三 其他线性回归模型
26 (p4-4): 四 高阶拟合示例
30 (p5): 第五章 多元线性回归
30 (p5-1): 一 多元线性回归模型拟合
32 (p5-2): 二 变量重编码
35 (p5-3): 三 模型汇总
37 (p5-4): 四 交互效应模型
39 (p5-5): 五 可视化工具
43 (p6): 第六章 二分变量回归
43 (p6-1): 一 二值型回归模型
46 (p6-2): 二 更多的解决方案
48 (p6-3): 三 交互效应与可视化
56 (p7): 第七章 广义线性模型扩展：泊松回归
56 (p7-1): 一 泊松回归案例：幸福感分析
60 (p7-2): 二 参数解读及模型诊断
62 (p7-3): 三 模型扩展与可视化
65 (p8): 第八章 有序因变量回归
65 (p8-1): 一 模型构建和解读
67 (p8-2): 二 模型扩展
68 (p8-3): 三 模型结果可视化
71 (p9): 第九章 匹配模型
71 (p9-1): 一 匹配模型案例
72 (p9-2): 二 模型可视化解读
74 (p10): 第十章 主成分与因子分析
74 (p10-1): 一 主成分分析数据准备
76 (p10-2): 二 主成分分析结果
78 (p10-3): 三 因子分析
86 (p11): 第十一章 机器学习
86 (p11-1): 一 非平衡数据处理
88 (p11-2): 二 决策树建模
90 (p11-3): 三 决策树可视化
91 (p11-4): 四 神经网络
94 (p12): 结语
95 (p13): 参考文献
99 (p14): 附录 参考R包 Ben shu zuo zhe yun yong R yu yan,Fen xi zhong guo zong he she hui diao cha shu ju,Han gai le chu ji de miao shu xing tong ji,Jian dan de hui gui mo xing,Zhong jie de guang yi xian xing hui gui,Er zhi xing hui gui,Bo song hui gui mo xing,Gao jie de pi pei mo xing,Zhu cheng fen fen xi,Ji qi xue xi deng nei rong 本书作者运用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