1. 首页
  2. >
  3. R语言培训

R语言培训

在线学习平台

R语言特训——从零基础到精通

 

 

R语言初级班

 

课程介绍

 

 

本课程不是想使学员成为统计学家,而是想让学员像开车、玩电脑那样愉快地用好R,并在使用中,掌握好R基本语句和功能,学会其编程方法和技巧,

 

为解决高深的统计计量问题打下基础。

 


该基础课程在R入门概述之后,紧密的围绕R语言7个方面非常重要的基础能力进行展开。

 

 

引入数组、矩阵和编程后,R语言的数据处理能力将变得无比强大,几乎可以在很短的时间内,完成任何高难度的数据整理工作,将规范整洁的数据送进

 

软件去分析。

 

 

和其它统计软件相比,R语言可以说是拥有最强大的作图功能,画出的图非常漂亮,一图胜千言,掌握好R的作图是一项最重要的基本功。对于统计分析

 

来说,描述性和探索性统计分析、参数估计、假设检验、回归分析都是必须掌握的内容,而用R语言实现这些功能有独特的简洁和优势,这些都将放在本

 

课程的基础部分进行介绍。

 

 

课程内容:

 

初始R语言——语言简介(下载、安装、编辑器和包);数字、字符和向量;简单数据分析示例;帮助的获取和引用程序包

 

 

读、写数据文件­——从Excel表中载入数据;读取纯文本文件数据;读取其它统计软件中的数据;访问数据库;写数据文件

 

 

数据处理方法: 数组、矩阵和数据框——生成数组或矩阵;下标运算;数组和矩阵的运算应用(含函数应用);列表与数据框的编辑

 

 

数据处理方法: R语言的循环与函数——构造循环解决实际问题;factor、tapply、summary等重要函数应用;零和空的使用技巧;控制流(含if、分支、中

 

止、循环等语句使用技巧);编写自己的函数(含多个参数、稳健、递归等函数)

 

 

数据的描述性和探索性分析——描述统计量(位置、分散程度及形状等);数据分布的描述;正态性检验与分布拟合检验;其它重要的探索性数据分析

 

(比如展示与比较分布、识别变量间依存关系等);多元数据的数据特征与分析

 

 

R语言的作图——Plot函数;其他作图函数与命令(条形图、带形图、多组图、箱线图、克里夫兰图等各种基本图形);多元数据的图形表示方法(轮廓

 

图、星图、调和曲线图等);高级格函数Lattice Function作图简介

 

 

参数估计和假设检验——用R描述和计算随机变量的数字特征;参数估计中的点估计和区间估计;极大似然估计(MLE)方法及R实现举例;重要参数检

 

 

验的R实现;非参数检验的R实现

 

 

回归分析——一元线性回归及R有关函数;多元线性回归及R实例分析;逐步回归及R实例分析;回归诊断理论及R实例分析(含异方差、自相关、多重共

 

线性等诊断方法)

 

 

R语言进阶班

 

 

课程介绍

 

 

本课程目标在于排除“R需要编程,很难学”的观念和畏难情绪,帮助学员掌握高级统计计量的方法及其R实现的过程,并能独立完成难度较大的统计计量分

 

析,为进一步学习前沿的统计计量方法打下坚实的基础。

 

 

使用R语言,本课程接着从基础班的回归模型入手,介绍了对连续因变量建模的线性回归模型、衍生模型、非线性回归模型,以及对分类因变量建模的

 

Logistic模型族及其它广义线性模型。

 

 

对于多元统计作为高级统计的主要组成部分,介绍了主成分分析、因子分析、判别分析、对应分析、典型相关分析等,涵盖了常用的多元统计分析方法。

 

 

本课程还介绍了对数线性模型、时间序列ARIMA、GARCH、单位根和协整、bootstrap和Monte carlo方法等应用十分广泛的统计分析方法。

 

课程内容:

 

 

广义线性回归模型——广义线性模型和R函数(正态、二项等分布族函数);Logistic回归模型及R语言应用实例(含多分类因变量、虚拟变量、计数模

 

型);数线性模型及R语言应用实例;泊松回归模型及R语言应用实例;分位数回归模型及R语言应用实例

 

 

非线性模型——一元和多元非线性回归模型;多项式回归模型;平滑和加性模型(含时间序列)

 

 

方差分析——单因素方差分析;双因素方差分析;实验设计与方差分析及R语言应用实例

 

 

主成份分析和因子分析——主成份分析及R应用多个实例;因子分析思想及R应用多个实例

 

 

判别分析和聚类分析——判别分析及R语言多个应用实例(含距离判别、贝叶斯判别);聚类分析及R语言多个应用实例(含系统聚类、kmeans聚类等)

 

 

对应分析和典型相关分析——对应分析及R语言多个应用实例;典型相关分析及R应用多个实例

 

 

综合评价方法——综合评价方法介绍(含排序思想);综合评价方法(含层次分析法)及R语言实Bootstrap和Monte Carlo方法的R实现——模拟数的产生

 

及模拟分布概括;蒙特卡罗方法;Bootstrap及其应用

 

 

时间序列的R实现——指数平滑、自回归和ARIMA模型的R实例分析(含AER包介绍);单位根检验(平稳性)的R语言实现方法;协整与误差修正模型的

 

R实现方法;动态回归和GARCH族模型

 

 

Meta分析及其应用——Meta分析的固定效应和随机效应;二元数据的Meta分析;连续数据的Meta分析;Meta分析的异质性检验

 


 

课程安排

 

 

初级课程:3天/期

 

 

高级课程:3天/期

 

 

上午9:00-12:00;下午1:30-4:30;答疑4:30-5:00.

 

 

上课地点:北京人大经济论坛教室

 

 

课程价格

 

 

初级课程:2400/人/期 凭学生证1700/人/期

 

 

进阶课程:2800/人/期 凭学生证2000/人/期

 

 

全程培训:4800/人/期 凭学生证3500/人/期

 

关闭