R统计与数据可视化：社会科学数据分析实践（全彩）

书籍作者：David S. Brown	ISBN：9787121461910
书籍语言：简体中文	连载状态：全集
电子书格式：pdf,txt,epub,mobi,azw3	下载次数：5469
创建日期：2024-04-20	发布日期：2024-04-20
运行环境：PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板

内容简介

《R统计与数据可视化：社会科学数据分析实践（全彩）》讲解了数据分析的方法、逻辑、艺术与实践。全书共17章，第1章介绍了R、RStudio、R Markdown 的安装和使用；第2章介绍了数据分析的动机和四个构成要素：①描述数据并形成假设，②模型的构建与估计，③诊断，④提出下一个问题，后续章节将按照数据分析构成要素的顺序来组织；对数据了解得越多，我们就越能够提出更好的问题，形成更好的假设，描述与数据相关的概念和所需的工具，这些内容将在第3~9章中详述；模型的构建与估计是一个应该在理论和证据之间来回往复迭代的过程，关于构建模型的练习将在第10~14章中进行；诊断既能帮助我们发现问题，又能帮助我们发掘有意义的关联，形成额外的解释或假设，关于诊断将会在第15章和第16章中详述；第17章将讨论许多涉及二元因变量的问题；附录A将提供创建其他新假设的技巧和窍门。

《R统计与数据可视化：社会科学数据分析实践（全彩）》的基本理念是通过上手操作来学习。学习统计学以及数据分析的艺术与实践的最好方式，就是进行数据分析。本书用大量案例辅以数据可视化，将统计学知识融汇其中，循循善诱，帮助读者避坑排雷，培养正确的数据分析思维方式。本书适合数据分析初学者，也适合有经验的数据分析人员。

作者简介

David S. Brown（戴维·S.布朗）：科罗拉多大学博尔德分校政治学教授和社会科学系主任。获得了加利福尼亚大学洛杉矶分校的政治学博士学位，并且是科罗拉多大学博尔德分校行为科学研究所肯尼斯·博尔丁（他开辟了多个经济学和社会科学研究领域）的首届博士后研究员。在加入科罗拉多大学政治学系之前，他曾在莱斯大学担任助理教授。他研究的是比较政治学，侧重于体制及其对经济发展的影响。他的研究成果已发表在《美国政治科学评论》（American Political Science Review）、《美国政治学期刊》（American Journal of Political Science）、《英国政治学期刊》（British Journal of Political Science）和《美国地理学家协会年鉴》（Annals of the Association of American Geographers）上。

译者简介

李嘉平：曾在华大基因从事生物信息分析相关工作，目前就职于广西医科大学第一附属医院（广西心脑血管疾病防治精准医学重点实验室）。他是R布道师，希望能够通过翻译传播和推广R的应用与价值；亦是R铁杆用户，具有丰富的生物信息分析经验，擅长使用R和Python进行各类数据处理以及数据可视化。曾负责生物信息培训中所有R相关课程的设计与授课。对新技术始终抱有极大的热情，喜欢去体验那些目前仍不完善但有前景的新技术，并享受这个过程带来的乐趣与启发。

编辑推荐

适读人群：入门读者数据分析师高级R用户

学习统计学及数据分析的艺术与实践的最好方式，就是进行数据分析

本书用大量案例辅以数据可视化，将统计学知识融汇其中，循循善诱，帮助读者避坑排雷，培养正确的数据分析思维方式

本书适合数据分析初学者，也适合有经验的数据分析人员

前言

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做数据分析来学数据分析。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。重点是用于发现深埋于回归表整洁外表之下的问题的那些方法。最后，读者会熟悉基本的数据分析技术，并形成数据分析方法，理解所做出的概念、分析乃至哲学的选择。在我看来，一个重要的目标是激发读者对所做事情的兴趣。本书的案例旨在让我们用真实的数据来面对现实世界的议题和问题。数据下载完成后，确保在开始前执行installD() 和libraries() 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。installD() 指令只需要执行一次；libraries() 指令需要在每次重新启动R 后都执行。

本书为谁而写

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并不会使这些练习毫无收获。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 toQuantitative Methods）”。这是政治学专业学生的必修课，学生需要阅读、理解并审慎地考察越来越多的定量证据。我们真诚地希望在课堂上用一套技能武装学生，帮助他们解决问题。

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被广泛使用，主要是在数据科学家中间站稳了脚跟。虽然从教学的角度来讲，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，学生必须掌握最先进的工具。本书充分为读者考虑，读者可下载配套数据并跟着一起做。这套代码根据我的经验提供了一组优秀的指令，初级、中级和高级的分析师都能用上。

对于那些经验更丰富的读者来说，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。本书鼓励提出假设，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，读者就会展现出对案例的深刻理解。比起学习代码，比起理解概率论，本书设法形成一个永无止境的发现循环，体现为描述我们之所见，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读者，也能从中受益。

组织

大多数统计学教材都是从概率论的基础知识开始的，然后是抽样和假设检验，最后是相关性和回归分析。虽然概念上是连贯的，但学生首先要在学期之初克服对概率论的恐惧，必须解读标准正态分布表或t-分布表，然后在最后两周掌握二元或多元回归分析。这里存在两种思想流派，本书兼顾两者。一些人坚持认为，支撑回归理论的概率基础必须出现在首条数据拟合线之前。另一些人喜欢一开始就拟合曲线，构建模型。他们认为，学生只有在面对构建模型、生成估计以及评估模型拟合的挑战之后，才会有强烈的动机去理解用于生成t-比率、R2 统计量和置信区间的概率机制。

本书的设计是：在描述数据和进行比较之后，可以跳过第8章和第9章，直接进行回

归分析。关于诊断的章节，为支撑线性回归的高斯- 马尔可夫假设提供了直观的感受。还有一章专门介绍数据的展示（第7章）。如何向受众展示发现，往往连这样最基本的原则我们都不肯花时间。我将爱德华·塔夫特（Edward Tufte）的开创性工作与一些侧重于叙事过程的资料结合起来。

在掌握了多元回归分析的机制后，本书以逻辑回归作为结束——社会科学中的许多问题都涉及二元选择（是否投票）、所处的二元状态（是否大学毕业）以及二元环境（是否住在某个城市）。鉴于社会科学中这些问题的重要性和普遍性，本书会向学生介绍逻辑回归，如何分析以及报告其结果。

基本理念

在学术生涯的早期，我受到了我非常敬重的两位资深学者之间的争论的影响。我不记得主题了，但那是在两位教授的研究生研讨会上。当我们着手评估和审查一篇指定的文章时，其中一位教授显然介意其缺乏理论的严谨性。论文的论点似乎在随着每个新证据的出现而改变。面对论文中一个相当明显的事后推理的实例，两位教授开始争论这篇文章到底有没有做出什么贡献。虽然两人关系很好，但争论非常激烈，当其中一人强调“我不相信为了符合事实而不断改变理论的工作！”的时候，争论达到了顶点。我们等待着回应，房间里变得鸦雀无声。沉默片刻后，另一位教授笑着反讽道：“我不相信为了符合理论而不断改变事实的工作！”

正是如此。那天，关于如何打磨我的技艺，我的脑海中画出了清晰的线路。意识到“事实”从来都不是独立于我们的理解、背景和生活经历之外的，对我而言，这比用来解释它们的理论更为坚实。

话虽如此，我们还是得从某个地方开始，在我看来，最好的数据集是用有意义的、强效且重要的理论和问题构建的。因此，就像警察队长（《龙虎少年队》中由艾斯·库伯饰演）告诫下属（查宁·塔图姆和乔纳·希尔饰演）先打入毒品贩内部，然后找出供货商一样，本书鼓励学生先提出一个假设，然后根据经验去检验它。最后，关于社会科学是一种推演过程还是数据挖掘工作，本书不参与这场论战（毕竟，查宁·塔图姆确实问过他的队长，他们能否直接先找到供货商）。介于推演过程和数据挖掘工作之间，我希望能证明最好的实证研究有赖于二者之间开诚布公的讨论。

译者序

2021年底，机缘巧合下，了解到有一本R可视化方面的书需要翻译。看过目录之后，发现主要是介绍统计学的。虽然自诩是R十余年的老用户，也有过相关培训班的教学经验，但统计学并不是我的强项。不过，觉得趁这个机会把统计学知识再捋一捋也不错。回想起当年学习R 的时候，几乎没有什么中文资料，只能边啃官方文档，边被R 与众不同的诡谲语法蹂躏。好在后来觅得丁国徽前辈翻译的《R导论》，以及他和王学枫、谢益辉、李军焘翻译的R for beginners，仿佛在黑暗中摸索寻得一个火种，照亮了前路。想到这里，就决定应承下来，希望把优秀的R 内容传播给更多的人，将火种传递下去。于是便请好友牵线搭桥，几番辗转找到了张慧敏编辑。读了原版书，更加确信这是一本值得翻译的好书。

本书对初学者十分友好，作者提供了大量社会科学领域的实际案例，并仔细地将这些案例的分析思路拆解，逐步列出了所需要用到的R 代码。读者只需要利用本书提供的数据跟着代码同步练习，便能看到作者思考的过程，无痛掌握统计学知识。包装在典雅文笔之下的，是不断提问、反复迭代、持续获得新发现的思维模式——探索性数据分析。而可视化在这个过程中扮演了极其重要的角色。人脑在图形模式识别方面具有得天独厚的优势，作者利用这个优势，将数据可视化贯穿全书，引导读者从图中发现数据的各种模式，并将其与议题结合起来以获得洞见。干巴巴的统计量，其说服力远比不上恰到好处的数据可视化。至于怎样算恰到好处，作者也给出了十分具有操作性的建议和原则，劝谏读者不要过犹不及。

本书并不完美，存在一些小问题。但瑕不掩瑜，本书用大量案例辅以数据可视化，将统计学知识融汇其中，循循善诱，帮助读者避坑排雷，培养正确的数据分析思维方式，是一本不可多得的好书。希望读者能在本书的指引下，以探索性数据分析为道，以统计学知识为术，以R 为器，解决实际问题。

平时看惯了平铺直叙的软件文档，面对作者雅致的文风，想要原汁原味地翻译出来着实有难度。加上文章引经据典，大量使用了俚语，以及担心文化差异会带来理解偏差，我不得不花大力气查阅书中提及的文化典故，力求还原作者的本意。在这个过程中了解到不少地道的俚语表达和文化典故，还挺有意思的。

在翻译过程中，有些优秀的工具值得称道。首先是非常优秀的老牌译文管理软件OmegaT，大大提高了翻译的效率。其次是清华出品，能够据意查词的WantWords反向词典。此外，为了提高翻译的准确性和效率，我边译边开发了一款配合OmegaTBrower 插件使用的小工具，作用是快速同时查询多个在线词典并以最简洁的方式呈现出来（感兴趣的同行及读者可以自行到GitHub 搜索minimalist_browser_for_omegat获取）。本书如有翻译不当、疏漏之处，还请邮件联系指正：[email protected]。

在完美主义和拖延症的双重夹击下，本书的翻译时间大大超出预期。感谢我最喜欢的出版社之一，电子工业出版社和张慧敏编辑将这本好书交给我翻译，包容了我这个“拖稿大魔王”。感谢好友杨锦徐荣牵线搭桥提供了这个机会。感谢家人的陪伴与支持。最后，愿世界和平。

李嘉平

广西医科大学第一附属医院

广西心脑血管疾病防治精准医学重点实验室

短评

物流很快，包装完好，质量不错！

2023-09-19 23:45:45

书的包装很好，快递一如既往的给力，书的印刷质量也不错

2023-09-17 23:49:49

当今社会科学研究日益依赖于大规模数据的分析和可视化，以揭示有关社会现象和人类行为的洞察。在这个信息时代，数据是珍贵的资源，但要从中获取有用的信息，需要强大的工具和技能。R统计和数据可视化是社会科学研究中不可或缺的工具，本文将探讨它们在社会科学数据分析实践中的关键作用。 ### R统计：数据分析的核心 R是一种免费的、开源的统计计算和数据可视化软件，它提供了丰富的工具和包，用于处理、分析和可视化各种类型的数据。R的强大之处在于它的灵活性和可扩展性，使得研究人员能够根据他们的具体需求进行定制化的数据分析。 #### 数据清理与准备在社会科学研究中，数据通常是杂乱无章的，包含缺失值、异常值和不一致的数据点。R提供了丰富的数据清理和准备工具，使研究人员能够清除无效数据、填补缺失值，并确保数据的一致性。这对于建立可靠的分析基础非常重要。 #### 统计分析 R具有广泛的统计分析功能，包括描述性统计、回归分析、假设检验、聚类分析等。研究人员可以使用R来探索数据、识别趋势和关联，以及测试假设。这有助于回答社会科学研究中的重要问题。 ### 数据可视化：传达洞察的力量数据可视化是将复杂数据转化为易于理解和传达的图形形式的过程。在社会科学研究中，数据可视化是一种强大的工具，可以帮助研究人员向公众、政策制定者和同行传达研究发现。 #### 散点图和折线图 R提供了丰富的绘图功能，包括散点图和折线图，这些图形可用于展示变量之间的关系和趋势。例如，社会科学家可以使用折线图来显示时间序列数据中的趋势，或使用散点图来探索两个变量之间的相关性。 #### 条形图和饼图除了连续数据的可视化，R还支持离散数据的可视化。条形图和饼图是常用的图表类型，用于展示分类数据的分布和比例。这对于展示社会科学研究中的调查结果和统计数据非常有用。 ### 社会科学数据分析实践：案例研究为了更好地理解R统计和数据可视化在社会科学中的应用，让我们考虑一个案例研究。假设一个社会科学家正在研究教育水平与收入之间的关系。通过使用R，他可以对调查数据进行清理、计算相关系数，并创建散点图来可视化这一关系。此外，他还可以使用R绘制条形图，比较不同教育水平群体的平均收入。这个案例研究突显了R统计和数据可视化的重要性，它们不仅可以帮助研究人员理解数据，还可以帮助他们有效地传达研究发现。 ### 结论 R统计和数据可视化是社会科学数据分析的强大工具，它们提供了处理和分析数据的能力，以及将研究发现传达给其他人的方式。在当今信息时代，社会科学研究需要不断进化，以适应不断增长的数据量和复杂性。因此，掌握R统计和数据可视化技能对于社会科学研究人员来说至关重要，它们将继续在社会科学领域的进步中发挥关键作用。

2023-09-26 10:10:37

R统计与数据可视化：社会科学数据分析实践（全彩）

内容简介

作者简介

编辑推荐

前言

目录

短评

产品特色