数据分析

大数据时代，数据成为决策很为重要的参考之一，数据分析行业迈入了一个全新的阶段。R是一款很好很好的统计分析软件，本书侧重于使用R进行数据的处理、整理和分析，重点讲述了R的数据分析流程、算法包的使用以及相关工具的应用，同时结合大量精选的数据分析问题对R软件进行科学、准确和全面的介绍，以便使读者能深刻理解R的精髓和灵活、高效的使用技巧。
通过本书，读者不仅能掌握使用R及相关的算法包来快速解决实际问题，而且能学会从实际问题分析入手，到利用R进行求解，以及对结果进行分析。

上篇：数据预处理
第0章  致敬，R！  1
致敬，肩膀！  1
致敬，时代！  3
致敬，人才！  3
致敬，R瑟！  5
第1章  数据分析导引  8
1.1  数据分析概述  8
1.1.1  数据分析的原则  8
1.1.2  数据分析的步骤  9
1.1.3  数据分析的过程  10
1.1.4  数据分析的对象  11
1.2  大数据分析  11
1.2.1  大数据分析的流程  11
1.2.2  大数据分析的基本方面  12
1.2.3  大数据分析的应用  13
1.3  数据分析常用工具  13
1.4  R在数据分析中的优势  14
第2章  数据的读取与保存  16
2.1  数据读取  16
2.1.1  读取内置数据集  16
2.1.2  读取文本文件  17
2.1.3  读取固定宽度格式的文件  20
2.1.4  读取Excel数据  21
2.1.5  读取数据库文件  22
2.1.6  读取网页数据  26
2.1.7  读入R格式的文件  28
2.1.8  从其他统计软件读入数据  28
2.2  数据保存  31
2.2.1  使用函数cat()  31
2.2.2  保存为文本文件  32
2.2.3  保存R格式文件  33
2.2.4  保存为其他类型文件  33
第3章  数据预处理  34
3.1  基本函数  34
3.2  数据修改  38
3.2.1  修改数据标签  38
3.2.2  行列删除  38
3.3  缺失值处理  38
3.3.1  判断缺失数据  39
3.3.2  判断缺失模式  39
3.3.3  处理缺失数据  41
3.4  数据整理  44
3.4.1  数据合并  44
3.4.2  选取数据的子集  46
3.4.3  数据排序  47
3.5  长宽格式的转换  48
3.5.1  揉数据函数  48
3.5.2  揉数据的最佳伴侣  49

中篇：基本分析及应用
第4章  数据的图形描述  54
4.1  R绘图概述  54
4.2  绘图区域分割  55
4.2.1  函数par()  55
4.2.2  函数layout()  56
4.2.3  函数split.screen()  57
4.3  二维图形  58
4.3.1  高级绘图函数  58
4.3.2  多元数据绘图  61
4.3.3  低级绘图函数  63
4.3.4  图形美化  64
4.3.5  交互式绘图命令  65
4.4  三维图形  67
4.5  LATTICE程序包  69
4.6  GGPLOT2程序包  73
4.6.1  快速绘图  74
4.6.2  分图层绘图  76
4.7  图形保存  84
4.8  综合实例：数据地图  84
第5章  数据的描述性分析  88
5.1  R内置的分布  88
5.2  集中趋势的分析  90
5.2.1  集中趋势的测度  90
5.2.2  R语言实现  91
5.3  离散趋势的分析  93
5.3.1  离散趋势的测度  93
5.3.2  R语言实现  94
5.4  数据的分布分析  95
5.4.1  分布情况的测度  95
5.4.2  R语言实现  96
5.5  图形分析及R实现  97
5.5.1  直方图和密度函数图  97
5.5.2  QQ图  98
5.5.3  茎叶图  100
5.5.4  箱线图  100
5.5.5  经验分布图  102
5.6  多组数据分析及R实现  102
5.6.1  多组数据的统计分析  102
5.6.2  多组数据的图形分析  103
第6章  参数估计及R实现  112
6.1  点估计及R实现  112
6.1.1  矩估计  112
6.1.2  极大似然估计  116
6.2  单正态总体的区间估计  122
6.2.1  均值 的区间估计  122
6.2.2  方差 的区间估计  125
6.3  两正态总体的区间估计  126
6.3.1  均值差 的区间估计  127
6.3.2  两方差比 的区间估计  130
6.4  关于比率的区间估计  131
第7章  假设检验及R实现  134
7.1  假设检验概述  134
7.1.1  理论依据  135
7.1.2  检验步骤  135
7.1.3  两类错误  136
7.2  单正态总体的检验  137
7.2.1  均值 的检验  138
（2） 未知  140
7.2.2  方差 的检验  141
7.3  两正态总体的检验  142
7.3.1  均值差 的检验  143
7.3.2  成对数据的t检验  146
7.3.3  两总体方差的检验  147
7.4  比率的检验  148
7.4.1  比率的二项分布检验  148
7.4.2  比率的近似检验  149
7.5  非参数的检验  149
7.5.1  总体分布的 检验  150
7.5.2  Kolmogrov-Smirnov检验  153
第8章  方差分析及R实现  157
8.1  单因素方差分析及R实现  157
8.1.1  基本假设的检验  157
8.1.2  单因素方差分析  160
8.1.3  多重t检验  164
8.1.4  Kruskal-Wallis秩和检验  166
8.2  双因素方差分析及R实现  168
8.2.1  无交互作用的分析  169
8.2.2  有交互作用的分析  172
8.3  协方差分析及R实现  176
第9章  回归分析及R实现  180
9.1  一元线性回归  180
9.1.1  模型理论  180
9.1.2  显著性检验  181
9.1.3  R语言实现  181
9.2  多元线性回归  187
9.2.1  模型理论  187
9.2.2  显著性检验  188
9.2.3  R语言实现  189
9.2.4  逐步回归  192
9.3  回归诊断及R实现  194
9.3.1  残差诊断  195
9.3.2  影响分析  198
9.3.3  多重共线性诊断  201
9.4  岭回归及R实现  203
9.5  广义线性模型  206
9.5.1  模型理论  206
9.5.2  R语言实现  207
第10章  主成分分析与因子分析  211
10.1  主成分分析  211
10.1.1  理论基础  211
10.1.2  R语言实现  215
10.2  因子分析  221
10.2.1  理论模型  221
10.2.2  因子载荷矩阵的估计方法  223
10.2.3  R语言实现  225
第11章  典型相关分析和对应分析  230
11.1  典型相关分析  230
11.1.1  理论基础  230
11.1.2  典型相关分析的应用  232
11.1.3  R语言实现  233
11.2  对应分析  236
11.2.1  理论基础  236
11.2.2  对应分析的步骤  237
11.2.3  R语言实现  238
第12章  判别分析和聚类分析  242
12.1  判别分析及R实现  242
12.1.1  距离判别法  243
12.1.2  距离判别法的R实现  244
12.1.3  Fisher判别法  247
12.1.4  Fisher判别法的R实现  248
12.1.5  贝叶斯判别法  251
12.1.6  贝叶斯判别法的R实现  252
12.2  聚类分析及R实现  252
12.2.1  理论概述  253
12.2.2  R实现举例  254
第13章  时间序列分析及R实现  260
13.1  时间序列的基本分析  260
13.1.1  平稳性与非平稳性  260
13.1.2  R实现的基本步骤  261
13.2  时间序列的分解  262
13.2.1  分解非季节性数据  263
13.2.2  分解季节性数据  265
13.3  指数平滑法预测分析  268
13.3.1  简单指数平滑法  269
13.3.2  残差的白噪声检验  272
13.3.3  Holt指数平滑法  275
13.3.4  Winters指数平滑法  277
13.4  ARIMA模型分析  280
13.4.1  基本思想  280
13.4.2  平稳化处理  281
13.4.3  建模  282
13.4.4  模型的参数估计  284
13.4.5  模型预测及检验  284

下篇：综合实例
第14章  R在金融数据分析中的应用  288
14.1  投资组合最优化实例  288
14.1.1  概述  288
14.1.2  均值―方差模型  289
14.1.3  模拟退火算法  292
14.2  构造投资组合的有效前沿  298
14.2.1  R中的算法包  298
14.2.2  计算分析  298
14.3  股票聚类分析  301
14.3.1  概述  301
14.3.2  K-means聚类分析  302
14.3.3  层次聚类分析  304
第15章  R在数据预测中的应用  306
15.1  回归分析预测  306
15.1.1  概述  306
15.1.2  综合实例  306
15.2  时间序列预测  318
15.2.1  概述  318
15.2.2  综合实例  318