R语言从基础到高级课程标准
【课程简介】
R语言基础课程在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。 R语言高级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。 R培训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。
【课程特色】
1. 注重以通俗易懂的语言，阐明较为抽象的高级统计方法。本课程尽量采取打比喻、由浅入深地方法让人明白和掌握统计思想，使得稍有或者是没有数学基础的人能通过学习掌握R语言的使用；
2. 注重统计理论和实证分析实践的紧密结合。通过大量的实例，让学员明白如何使用R这个工具进行统计分析，精选的这些实例是统计分析实际问题的典型，在实际中会经常遇到需要借助这些模型解决，完成本课程后，实际中90%以上的统计模型可以在课程中获取R语言解决的钥匙；
3. 课程包含大量的实例数据供学员在课堂或课后学习、演练。实践证明，通过实例入手，是快速掌握统计软件及知识的有效方法。
【学员打分】
【优秀评语】
课程设计受益匪浅
领会程序代码，为后期自我提升打好了基础
了解了较前沿模型的应用
知识内容全面
多种多元统计方法一次打尽
大量的范例和老师经验的分享受益匪浅
R解决实际问题的思路得到了清晰的梳理
【课程标准】
1.初识R语言
1.1软件的下载与安装
1.2包的下载与载入
1.3帮助与注意事项
1.4一个复杂作图例子
2. 把数据输入R
2.1用c()输入数据
2.2结合数据变量：使用cbind()或者rbind()（上）
2.3结合数据变量：使用vector函数输入数据
2.4结合数据变量：使用data.frame函数载入数据
2.5结合数据变量：使用list函数结合数据
2.6结合数据变量：使用矩阵结合数据
2.7外部（Excel）数据的载入
3. 处理数据及其子集
3.1访问数据框变量
3.2访问数据框的子集
3.3数据排序
3.4合并2个数据集
3.5输出数据
3.6编码分类变量
3.7几个简单的函数（tapply、sapply、table）
4. 图形工具
4.1Plot函数
4.2饼图
4.3条形图和带形图实例
4.4显示均值和标准差的条形图
4.5条形图的画法（实例）
4.6带形图
4.7箱线图
4.8离群值测定实例
4.9在克里夫兰点图上添加均值
4.10plot函数功能扩展
4.11多组图
4.12Lattice Package简介
5. 循环（控制流）和函数
5.1if分支语句和for循环
5.2其他语句
5.3 0和NA
5.4利用函数和if指令解决一个问题
5.5利用循环和函数输出图形
5.6编程序用牛顿二分法求根
6. 数据的描述性和探索性分析
6.1分布函数和概率密度函数的算法（上）
6.2分布函数和概率密度函数的算法（下）
6.3多元数据的数字特征及相关矩阵（上）
6.4多元数据的数字特征及相关矩阵（中）
6.5多元数据的数字特征及相关矩阵（下）
7. 参数估计
7.1矩法
7.2极大似然法（上）
7.3极大似然法（下）
7.4补充内容：nlm()函数求无约束优化问题
7.5一个正态总体的情况下均值μ的区间估计
7.6两个正态总体的情况
7.7单侧置信区间估计
7.8非正态总体的区间估计
8. 假设检验
8.1假设检验理论
8.2单个总体的情况及实例
8.3两个总体的情况及实例
8.4正态总体方差的假设检验
8.5二项分布（非正态）总体的假设检验
8.6 Pearson拟合优度卡方检验（全）
8.7 Kolmogorov-Smirnov检验
8.8 列联表的独立性检验
8.9 符号检验
8.10秩统计量和秩相关检验
8.11Wilcoxon秩检验
8.12案例分析：学生成绩与标准值的比较分析
8.13案例分析：不同收入水平家庭的信心指数比较
8.14案例分析：治疗前后舒张压均数的比较
9. 回归分析
9.1一元线性回归
9.2（附）关于残差
9.3多元线性回归分析
9.4逐步回析
9.5普通残差
9.6学生化残差
9.7残差图
9.8找出异常值点
9.9（补充）综合分析一个回归例子
9.10多重共线性
10.广义线性回归模型
10.1广义线性回归模型的基本概念
10.2 Logistic回归模型的概念
10.3案例分析：交通工具选择模型
10.4 案例分析：不同背景人群的选举倾向
10.5 Poisson对数线性模型概念
10.6 冠心病死亡与吸烟的关系。
11.非线性回归模型
11.1非线性回归模型的建模实例
11.2 nls非线性函数的应用
12.分位数回归
12.1分位数回归基础理论
12.2案例分析：教育收益率分析
13.加性模型
13.1加性模型的理论简介
13.2加性模型的应用实例
14.单因素方差分析
14.1方差分析的理论基础
14.2单因素方差分析的实例
14.3均值的多重比较
14.4正态性检验和方差齐性检验
14.5 K-S检验和Friedman检验
14.6 案例分析：胶合板磨损深度的比较
15.双因素方差分析
15.1双因素方差分析
15.2有交互作用的方差分析
16.正交实验设计与方差分析
16.1正交实验设计的基础理论
16.2正交实验设计的实例（1）
16.3正交实验设计的实例（2）
16.4有交互作用的正交实验实例（1）
16.5有交互作用的正交实验实例（2）
16.6有重复实验的方差分析
17.判别分析
17.1判别分析的概念和fisher线性判别
17.2线性判别分析和预测实例
17.3手动计算判别分析
17.4距离判别的基本思想和实例
17.5多个总体的距离判别及实例
17.6使用qda()函数进行二次判别
17.7贝叶斯判别分析及实例
17.8判别分析的鸢尾花经典实例
18.聚类分析
18.1聚类分析的基本思想
18.2聚类分析的R语言实例
18.3K-means聚类的原理及实例
19.主成分分析
19.1主成分分析的基本原理
19.2案例分析：各省份经济发展情况综合评价
20.因子分析
20.1因子分析原理
20.3案例分析：各省份经济发展因子分析
20.4因子得分及综合排序