第0章　緻敬，R！ 1
緻敬，肩膀！ 1
緻敬，時代！ 3
緻敬，人纔！ 3
緻敬，R瑟！ 5
上篇　數據分析的前期準備
第1章　數據分析導引 8
1.1 數據分析概述 8
1.1.1 數據分析的原則 8
1.1.2 數據分析的步驟 9
1.1.3 數據分析的過程 10
1.1.4 數據分析的對象 11
1.2 大數據分析 11
1.2.1 大數據分析的流程 11
1.2.2 大數據分析的基本方麵 12
1.2.3 大數據分析的應用 13
1.3 數據分析常用工具 13
1.4 R在數據分析中的優勢 14
第2章　數據的讀取與保存 16
2.1 數據讀取 16
2.1.1 讀取內置數據集 16
2.1.2 讀取文本文件 17
2.1.3 讀取固定寬度格式的文件 20
2.1.4 讀取Excel數據 21
2.1.5 讀取數據庫文件 22
2.1.6 讀取網頁數據 26
2.1.7 讀入R格式的文件 28
2.1.8 從其他統計軟件讀入數據 28
2.2 數據保存 31
2.2.1 使用函數cat() 31
2.2.2 保存為文本文件 32
2.2.3 保存R格式文件 33
2.2.4 保存為其他類型文件 33
第3章　數據預處理 34
3.1 基本函數 34
3.2 數據修改 38
3.2.1 修改數據標簽 38
3.2.2 行列刪除 38
3.3 缺失值處理 38
3.3.1 判斷缺失數據 39
3.3.2 判斷缺失模式 39
3.3.3 處理缺失數據 41
3.4 數據整理 44
3.4.1 數據閤並 44
3.4.2 選取數據的子集 46
3.4.3 數據排序 47
3.5 長寬格式的轉換 48
3.5.1 揉數據函數 48
3.5.2 揉數據的最佳伴侶 49
中篇　基本分析及應用
第4章　數據的圖形描述 54
4.1 R繪圖概述 54
4.2 繪圖區域分割 55
4.2.1 函數par() 55
4.2.2 函數layout() 56
4.2.3 函數split.screen() 57
4.3 二維圖形 58
4.3.1 高級繪圖函數 58
4.3.2 多元數據繪圖 61
4.3.3 低級繪圖函數 63
4.3.4 圖形美化 64
4.3.5 交互式繪圖命令 65
4.4 三維圖形 67
4.5 lattice程序包 69
4.6 ggplot2程序包 73
4.6.1 快速繪圖 74
4.6.2 分圖層繪圖 76
4.7 圖形保存 84
4.8 實戰實例：數據地圖 84
第5章　數據的描述性分析 88
5.1 R內置的分布 88
5.2 集中趨勢的分析 90
5.2.1 集中趨勢的測度 90
5.2.2 R語言實現 91
5.3 離散趨勢的分析 93
5.3.1 離散趨勢的測度 93
5.3.2 R語言實現 94
5.4 數據的分布分析 95
5.4.1 分布情況的測度 95
5.4.2 R語言實現 96
5.5 圖形分析及R實現 97
5.5.1 直方圖和密度函數圖 97
5.5.2 QQ圖 98
5.5.3 莖葉圖 100
5.5.4 箱綫圖 100
5.5.5 經驗分布圖 102
5.6 多組數據分析及R實現 102
5.6.1 多組數據的統計分析 102
5.6.2 多組數據的圖形分析 103
第6章　參數估計及R實現 112
6.1 點估計及R實現 112
6.1.1 矩估計 112
6.1.2 極大似然估計 116
6.2 單正態總體的區間估計 122
6.2.1 均值 的區間估計 122
6.2.2 方差 的區間估計 125
6.3 兩正態總體的區間估計 126
6.3.1 均值差 的區間估計 127
6.3.2 兩方差比 的區間估計 130
6.4 關於比率的區間估計 131
第7章　假設檢驗及R實現 134
7.1 假設檢驗概述 134
7.1.1 理論依據 135
7.1.2 檢驗步驟 135
7.1.3 兩類錯誤 136
7.2 單正態總體的檢驗 137
7.2.1 均值 的檢驗 138
7.2.2 方差 的檢驗 141
7.3 兩正態總體的檢驗 142
7.3.1 均值差 的檢驗 143
7.3.2 成對數據的t檢驗 146
7.3.3 兩總體方差的檢驗 147
7.4 比率的檢驗 148
7.4.1 比率的二項分布檢驗 148
7.4.2 比率的近似檢驗 149
7.5 非參數的檢驗 149
7.5.1 總體分布的 檢驗 150
7.5.2 Kolmogrov-Smirnov檢驗 153
第8章　方差分析及R實現 157
8.1 單因素方差分析及R實現 157
8.1.1 基本假設的檢驗 157
8.1.2 單因素方差分析 160
8.1.3 多重t檢驗 164
8.1.4 Kruskal-Wallis秩和檢驗 166
8.2 雙因素方差分析及R實現 168
8.2.1 無交互作用的分析 169
8.2.2 有交互作用的分析 172
8.3 協方差分析及R實現 176
第9章　迴歸分析及R實現 180
9.1 一元綫性迴歸 180
9.1.1 模型理論 180
9.1.2 顯著性檢驗 181
9.1.3 R語言實現 181
9.2 多元綫性迴歸 187
9.2.1 模型理論 187
9.2.2 顯著性檢驗 188
9.2.3 R語言實現 189
9.2.4 逐步迴歸 192
9.3 迴歸診斷及R實現 194
9.3.1 殘差診斷 195
9.3.2 影響分析 198
9.3.3 多重共綫性診斷 201
9.4 嶺迴歸及R實現 203
9.5 廣義綫性模型 206
9.5.1 模型理論 206
9.5.2 R語言實現 207
第10章　主成分分析與因子分析 211
10.1 主成分分析 211
10.1.1 理論基礎 211
10.1.2 R語言實現 215
10.2 因子分析 221
10.2.1 理論模型 221
10.2.2 因子載荷矩陣的估計方法 223
10.2.3 R語言實現 225
第11章　典型相關分析和對應分析 230
11.1 典型相關分析 230
11.1.1 理論基礎 230
11.1.2 典型相關分析的應用 232
11.1.3 R語言實現 233
11.2 對應分析 236
11.2.1 理論基礎 236
11.2.2 對應分析的步驟 237
11.2.3 R語言實現 238
第12章　判彆分析和聚類分析 242
12.1 判彆分析及R實現 242
12.1.1 距離判彆法 243
12.1.2 距離判彆法的R實現 244
12.1.3 Fisher判彆法 247
12.1.4 Fisher判彆法的R實現 248
12.1.5 貝葉斯判彆法 251
12.1.6 貝葉斯判彆法的R實現 252
12.2 聚類分析及R實現 252
12.2.1 理論概述 253
12.2.2 R實現舉例 254
第13章　時間序列分析及R實現 260
13.1 時間序列的基本分析 260
13.1.1 平穩性與非平穩性 260
13.1.2 R實現的基本步驟 261
13.2 時間序列的分解 262
13.2.1 分解非季節性數據 263
13.2.2 分解季節性數據 265
13.3 指數平滑法預測分析 268
13.3.1 簡單指數平滑法 269
13.3.2 殘差的白噪聲檢驗 272
13.3.3 Holt指數平滑法 275
13.3.4 Winters指數平滑法 277
13.4 ARIMA模型分析 280
13.4.1 基本思想 280
13.4.2 平穩化處理 281
13.4.3 建模 282
13.4.4 模型的參數估計 284
13.4.5 模型預測及檢驗 284
下篇　綜閤實例
第14章　R在金融數據分析中的應用 288
14.1 投資組閤最優化實例 288
14.1.1 概述 288
14.1.2 均值-方差模型 289
14.1.3 模擬退火算法 292
14.2 構造投資組閤的有效前沿 298
14.2.1 R中的算法包 298
14.2.2 計算分析 298
14.3 股票聚類分析 301
14.3.1 概述 301
14.3.2 K-means聚類分析 302
14.3.3 層次聚類分析 304
第15章　R在數據預測中的應用 306
15.1 迴歸分析預測 306
15.1.1 概述 306
15.1.2 實戰案例 306
15.2 時間序列預測 318
15.2.1 概述 318
15.2.2 實戰案例 318
· · · · · · (收起)