电子工业出版社-网上书店

书的目的是讲解数据分析的方法、逻辑、艺术与实践。全书共17章，第1章介绍了R、RStudio和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，描述数据相关的概念和所需的工具，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，附录将提供创建其他新假设的技巧和窍门。

第1 章 ? 入门指南 001
概述 001
R、RStudio 和R Markdown 002
对象与函数 004
RStudio 入门 006
RStudio 的R Markdown 导览 012
R Markdown 文件与R 脚本 017
小练习 019
第2 章 ? 数据分析导论 027
概述 027
数据分析的动机 028
大数据越来越大 028
数据分析是一项有市场需求的技能 029
数据分析是一种公益 030
数据分析的构成要素 031
描述数据并形成假设 033
假设一：民族语言碎片化 034
假设二：女性选举权 040
假设三：人力资本 046
假设四：政治稳定 048
模型的构建与估计 052
诊断 054
结果的稳定性 054
残差图 056
提出下一个问题 059
目录
X R统计与数据可视化：社会科学数据分析实践
第3 章 ? 描述数据 065
概述 065
数据集和变量 067
不同类型的变量 069
连续变量 070
分类变量 070
有序分类变量 071
描述数据可以节省时间和精力 074
数据的形状 074
数据的极差 078
辨识困惑、问题、假设和线索 080
困惑和问题：重要的区别 080
描述数据以改进问题 082
描述数据披露了更多线索 085
度量 087
有效性 087
可靠性 089
第4 章 ? 集中趋势和离散程度 095
概述 095
集中趋势的度量：众数、平均数和中位数 096
众数 097
平均数 098
中位数 102
平均数与中位数 105
离散程度的度量：极差、四分位距和标准差 108
极差 109
四分位距 111
标准差 112
四__________分位距与标准差 118
关于方差的说明 119
第5 章 ? 数据的单变量和双变量描述 125
概述 125
好的、差的和离群值 126
目录　_目录 XI
单变量数据的5 种视图 127
频率表 128
条形图 129
箱线图（或盒须图） 130
直方图 133
茎叶图 137
变量间是否相关 140
散点图 141
箱线图（双变量） 147
马赛克图 147
交叉表 150
气泡图 150
第6 章 ? 数据变换 159
概述 159
数据变换的理论原因 160
变换数据确保符合理论 160
数据和问题都要变换以相互匹配 161
数据变换的实际原因 162
数据变换——从连续变量到分类变量 166
数据变换——改变类别 171
Box-Cox 变换 177
第7 章 ? 数据展示的一些原则 189
概述 189
一些风格要素 190
消除杂乱 191
聚焦 193
整合图文 195
一图应该胜千言 198
了解你的受众 204
了解你的目的：解释性、探索性或信息性 206
故事的基本要素 211
文档（树立讲述者的可信度） 212
建立直觉（设定背景） 214
XII R统计与数据可视化：社会科学数据分析实践
展示因果关系（旅程） 214
从因果到行动（决议） 216
第8 章 ? 概率论精要 221
概述 221
总体和样本 222
样本偏差与随机样本 223
大数定律 225
大数定律的可视化 226
中心极限定理 230
平均数的抽样分布随着n 的增加而接近正态分布 231
和的抽样分布是正态的 233
从正态分布中抽取时的观测数量 234
中心极限定理的一个有用性质 235
从不同的分布中抽样 236
标准正态分布 242
标准正态分布与临界z 分数 245
第9 章 ? 置信区间与假设检验 253
概述 253
大样本的置信区间 254
求总体比例 254
求总体平均数 259
小样本与t- 分布 263
自由度 266
小样本的样本标准差 267
用小样本构建置信区间 272
例子：女性薪酬与男性薪酬 273
比较两个样本的平均数 275
例子：两个群体和两种收入 276
例子：种族和对警察的看法 278
例子：收入和对特朗普的支持 278
置信水平 280
关于统计推断和因果关系的简要说明 283
目录　_目录 XIII
第10 章 ? 进行比较 289
概述 289
为什么要进行比较 290
需要比较的问题 291
比较两个分类变量 293
例子：对警察的看法 293
例子：哪些人去教堂 296
比较连续变量和分类变量 298
例子：奥巴马情感量表 298
比较两个连续变量 301
例子：性别与教育 301
例子：性别与政策制定 302
探索性数据分析：调查美国的堕胎率 305
重述要点 307
好的分析引出新的问题 312
第11 章 ? 受控比较 317
概述 317
什么是受控比较 318
比较两个分类变量，同时控制第三个变量 319
例子：对警察的看法 319
例子：对移民的看法 325
比较两个连续变量，同时控制第三个变量 332
例子：婴儿死亡率 333
例子：凶杀率 336
论点与受控比较 339
第12 章 ? 线性回归 345
概述 345
线性回归的优点 346
线性回归中的斜率和截距 347
对斜率和截距的解读 348
例子：选民投票率和教育 348
拟合优度（R2 统计量） 353
XIV R统计与数据可视化：社会科学数据分析实践
统计显著性 357
计算t- 比率 358
二元回归的例子 360
一个州的宗教信仰水平是否会影响堕胎率 361
宗教信仰是否会影响枪支法案 363
暴力会导致政治不稳定吗 364
收入（人均 GDP）与投票率有关吗 366
第13 章 ? 多元回归 373
概述 373
什么是多元回归 374
为什么要使用多元回归 375
回归模型和论点 376
回归模型、理论和证据 377
解读多元回归中的估计值 381
实质显著性 381
统计显著性 382
拟合优度：R2 383
例子：凶杀率与教育 384
理论 384
描述数据 385
估计 389
经验蕴涵 391
讨论 394
第14 章 ? 虚拟变量和交互作用 399
概述 399
什么是虚拟变量 400
加性模型与交互作用模型 401
二元虚拟变量回归 402
多元回归与虚拟变量 403
多元回归中的交互作用 403
例子：伯尼.桑德斯，教育和收入 405
例子：外援，人均GDP 和民主 410
目录　_目录 XV
第15 章 ? 诊断1 ：普通最小二乘法是否适用 419
概述 417
回归分析中的诊断 417
统计量与估计量的性质 420
高斯- 马尔可夫假设 425
残差图 431
第16 章 ? 诊断2 ：残差、杠杆值与影响力的度量 445
概述 445
离群值 446
杠杆值 449
影响力的度量 455
库克距离 455
dfbeta 456
增加变量图 461
第17 章 ? 逻辑回归 469
概述 469
需要逻辑回归解决的议题与难题 470
逻辑回归违反了高斯- 马尔可夫假设 471
使用对数发生比 474
使用预测概率 477
二元逻辑回归 477
多元逻辑回归 479
例子：2012 年奥巴马赢得的选举人团 480
逻辑回归模型拟合 483
例子：奥巴马，收入和教育 483
接收者操作特征曲线和曲线下面积 484
附录A ? 形成经验蕴涵

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 to
Quantitative 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。
本书组织结构
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）。介于它们之间，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。

本书配套资源下载

对不起，暂无音视频资源！

R统计与数据可视化：社会科学数据分析实践（全彩）