第1章 初识R语言

1.1 什么是R语言

1.2 为什么用R语言

1.3 安装R

1.4 R扩展包

1.4.1 R扩展包的安装与载入

1.4.2 R包的使用

1.5 R编辑器

1.6 工作空间

第2章 数据结构与基本运算

2.1 数据类型

2.2 数据对象

2.2.1 向量

2.2.2 矩阵

2.2.3 数组

2.2.4 因子

2.2.5 列表

2.2.6 数据框

2.3 习题

第3章 函数与优化

3.1 常用的R内置函数

3.2 条件控制语句

3.2.1 if/else语句

3.2.2 ifelse语句

3.2.3 switch语句

3.3 循环语句

3.3.1 for循环

3.3.2 while循环

3.3.3 repeat语句

3.4 编写自己的函数

3.4.1 函数名

3.4.2 关键词function

3.4.3 参数

3.4.4 函数体和函数返回值

3.5 程序调试

3.6 程序运行时间与效率

3.7 用R做优化求解

3.7.1 一元函数优化求解

3.7.2 多元函数优化求解

3.7.3 约束条件下的优化求解

3.8 习题

第4章 随机数与抽样模拟

4.1 一元随机数的产生

4.1.1 均匀分布随机数

4.1.2 正态分布随机数

4.1.3 指数分布随机数

4.1.4 离散分布随机数的生成

4.1.5 常见分布函数表

4.2 多元随机数的生成

4.2.1 多元正态分布随机数

4.2.2 多元正态分布密度函数、分位数与累积概率

4.2.3 多元t分布随机数

4.3 随机抽样

4.3.1 放回与无放回抽样

4.3.2 bootstrap重抽样

4.4 统计模拟

4.4.1 几种常见的模拟方法

4.4.2 模拟函数的建立方法

4.5 习题

第5章 数据读写与预处理

5.1 数据的读入

5.1.1 直接输入数据

5.1.2 读R包中的数据

5.1.3 从外部文件读入数据

5.2 写出数据

5.3 数据预处理

5.3.1 变量预处理

5.3.2 变量重编码

5.3.3 变量重命名

5.3.4 变量类型的转换

5.3.5 日期变量的变换

5.4 缺失数据处理

5.4.1 缺失数据的识别

5.4.2 缺失数据的探索与检验

5.4.3 缺失数据的处理

5.5 数据集的合并与拆分

5.5.1 数据框的合并与拆分

5.5.2 数据集的合并

5.5.3 数据集的抽取

5.6 习题

第6章 探索性数据分析

6.1 主要分析工具

6.1.1 探索性数据分析的工具

6.1.2 数据的类型

6.2 单变量数据分析

6.2.1 分类型数据

6.2.2 数值型数据

6.2.3 离群值探索

6.3 双变量数据分析

6.3.1 分类数据对分类数据

6.3.2 分类数据对数值型数据

6.3.3 数值型数据对数值型数据

6.4 多变量数据分析

6.4.1 访问数据框数据

6.4.2 多变量数据的分析

6.5 习题

第7章 参数假设检验

7.1 假设检验的思想与步骤

7.1.1 假设检验的基本思想

7.1.2 假设检验的基本步骤

7.2 正态总体单样本参数假设检验

7.2.1 均值的检验

7.2.2 方差检验

7.3 正态总体双样本参数假设检验

7.3.1 双样本方差的检验（方差齐性检验）

7.3.2 两样本均值检验

7.4 比例假设检验

7.4.1 单样本比例检验

7.4.2 两样本比例检验

7.5 习题

第8章 非参数假设检验

8.1 图示法

8.2 卡方检验

8.2.1 卡方分布（x2 distribution）

8.2.2 卡方拟合优度检验

8.2.3 卡方独立性检验

8.2.4 卡方两样本同质性检验

8.3 秩和检验

8.3.1 秩的概念

8.3.2 单样本符号秩检验

8.3.3 两独立秩和检验

8.3.4 多个独立样本的秩和检验

8.3.5 多个相关样本的秩和检验

8.4 K-S检验

8.4.1 K-S单样本总体分布验证

8.4.2 K-S两独立样本同质检验

8.5 常用正态性检验

8.5.1 偏度、峰度检验法

8.5.2 Shapiro-Wilk（W检验）

8.5.3 其他常用正态检验

8.6 习题

第9章 方差分析

9.1 单因素方差分析

9.2 双因素方差分析

9.2.1 不考虑交互作用的双因素方差分析

9.2.2 考虑交互作用的双因素分析

9.3 习题

第10章 线性回归模型

10.1 问题提出

10.2 一元线性回归

10.2.1 一元线性回归概述

10.2.2 一元线性回归的参数估计

10.2.3 一元线性回归模型的检验

10.2.4 一元线性回归的预测

10.2.5 一元线性回归综合案例

10.3 多元线性回归分析

10.3.1 多线性回归模型及假定

10.3.2 参数估计

10.3.3 模型检验

10.3.4 预测

10.3.5 多元线性回归综合案例

10.4 习题

第11章 线性回归模型的扩展

11.1 多重共线性

11.1.1 问题的提出

11.1.2 多重共线性定义及后果

11.1.3 多重共线性检验

11.1.4 多重共线性克服

11.2 异方差性

11.2.1 问题的提出

11.2.2 异方差性定义及后果

11.2.3 异方差性检验

11.2.4 异方差性克服

11.3 序列相关性

11.3.1 问题的提出

11.3.2 序列相关性定义及后果

11.3.3 序列相关性检验

11.3.4 序列相关性克服

11.4 习题

第12章 非线性回归分析

12.1 问题的提出

12.2 可线性化的非线性回归

12.2.1 Cobb-Douglas生产函数

12.2.2 多项式方程模型

12.2.3 指数函数模型

12.3 不可线性化的非线性回归

12.3.1 非线性模型的参数估计与迭代算法

12.3.2 初始值选取

12.3.3 收敛性

12.4 非线性回归评价和假设检验

12.4.1 可决系数

12.4.2 参数显著性的F检验

12.4.3 似然比检验

12.5 习题

第13章 二元选择模型

13.1 问题的提出

13.2 线性概率（LP）模型原理

13.3 Probit模型原理

13.4 Logit模型原理

13.5 边际效应分析

13.6 最大似然估计（MLE）

13.7 似然比检验和拟合优度

13.8 案例分析：经济学教学新方法的效果

13.9 扩展案例：信用卡违约预测分析

13.9.1 描述性统计

13.9.2 模型建立与参数估计

13.9.3 系数意义与边际分析

13.9.4 拟合与预测

13.9.5 结论与建议

13.10 习题

第14章 多元选择模型

14.1 有序选择模型

14.1.1 问题的提出：本科生申请研究生的影响因素

14.1.2 有序选择模型

14.1.3 案例分析：本科生申请研究生的影响因素

14.2 多元无序Logit模型

14.2.1 问题的提出：关于钓鱼模式的选择

14.2.2 多元无序Logit模型

14.2.3 案例分析：关于钓鱼模式的选择

14.3 嵌套Logit模型

14.3.1 问题的提出：旅行交通方式选择

14.3.2 嵌套Logit模型原理

14.3.3 案例分析：旅行交通方式选择

14.4 习题

第15章 计数模型与受限因变量模型

15.1 计数模型

15.1.1 问题的提出：轮船事故的计数数据模型

15.1.2 计数数据模型的设定

15.1.3 计数数据模型的估计

15.2 受限因变量模型

15.2.1 截断模型的问题提出

15.2.2 截断模型原理

15.2.3 审查模型问题的提出

15.2.4 审查模型原理

15.2.5 最大似然估计（MLE）

15.3 习题

第16章 分位数回归

16.1 问题的提出

16.2 总体分位数和总体中位数

16.3 经验分位数估计

16.4 分位数回归原理

16.5 扩展案例：社会保障与城乡家庭消费

16.5.1 问题的提出

16.5.2 数据说明

16.5.3 实证分析

16.5.4 结论与建议

16.6 习题

第17章 高级统计绘图

17.1 绘制地图

17.2 高阶绘图工具——ggplot2

17.2.1 散点图

17.2.2 散点图上添加平滑曲线

17.2.3 条形图和箱线图

17.2.4 直方图和密度曲线图

17.2.5 时间序列图

17.2.6 图形标注

17.3 三维图形与等高线图

17.3.1 三维图形

17.3.2 等高图/等高线

17.4 词云

17.5 散点图矩阵与关系矩阵图

17.6 马赛克图

17.7 习题

第18章 如何制作自己的R包

18.1 R包基础

18.2 在Windows中制作R包

18.3 在RStudio中制作R包

18.4 习题

参考文献