本课程面向社会科学类专业的青年学子或者研究人员的社会统计学入门课程,内容深入浅出、通俗易懂,致力于帮助读者建立统计思维、掌握社会统计学基本原理和方法。内容分为四篇,第一篇为写给零基础学习者的R语言基础,包含R基本操作、R语言数据组织与基本数据管理、高级数据管理、R 语言数据可视化等内容。第二篇为统计基础,包含统计思维、描述性统计和概率与分布;第三篇为统计推断,包含抽样分布、参数的假设检验、方差分析、非参数假设检验、相关与回归等内容;第四篇为统计模型,包含统计建模基础、线性回归模型应用基础、回归诊断、虚拟变量回归模型等内容;本课程可作为公共管理专业、地理科学类专业本科生教学辅助,也可供相关专业人员参考。
Gain a Splash of New Skills - Coursera+ Annual Just ₹7,999
AI Adoption - Drive Business Value and Organizational Impact
Overview
Coursera Flash Sale
40% Off Coursera Plus for 3 Months!
Grab it
Syllabus
- 一、R语言基本操作
- 1.1 编程是门手艺
- 1.2 编程语言是工具
- 1.3 初识R语言
- 1.4 R语言的工作空间、脚本与包
- 二、R语言数据组织与基本数据管理
- 2.1 R语言基本数据类型与基本运算
- 2.2 R语言的数据结构
- 2.3 R语言的数据输入
- 2.4 R语言基本数据管理(上)
- 2.4 R语言基本数据管理(下)
- 三、R语言高级数据管理
- 3.1 R语言的内置函数
- 3.2 R语言的控制流
- 3.3 R语言高级数据管理实践
- 3.4 自定义函数
- 四、R语言作图基础
- 4.1 常见单变量统计图绘制
- 4.2 常见双变量统计图绘制
- 4.3 使用ggplot2进行高级绘图1
- 4.4 使用ggplot2进行高级绘图2
- 五、统计思维
- 5.1 统计是一种思维方式
- 5.2 统计是大数据分析的内核
- 5.3 统计分析是为了寻找真相
- 5.4 统计数字会撒谎
- 六、描述性统计
- 6.1 数据测量层次
- 6.2 数据集中趋势描述
- 6.3 数据离散趋势描述
- 七、概率与分布初步
- 7.1 概率是人类做决策的基础
- 7.2 概率与概率分布
- 7.3 正态分布
- 八、抽样分布
- 8.1 为什么要抽样
- 8.2 抽样分布的概念
- 8.3 t分布
- 8.4 大数定理和中心极限定理
- 8.5 区间估计
- 九、参数的假设检验
- 9.1 假设检验的基本逻辑及6个步骤
- 9.2 单样本均值假设检验
- 9.3 双样本均值假设检验
- 9.4配对样本均值假设检验
- 十、方差分析
- 10.1方差分析的基本原理
- 10.2单因素方差分析
- 10.3双因素方差分析
- 十一、非参数假设检验
- 11.1单样本卡方检验
- 11.2两配对样本非参数检验-符号检验
- 11.3两配对样本非参数检验-符号秩检验
- 11.4多配对样本非参数检验-Friedman检验
- 11.5两独立样本非参数检验-秩和检验
- 11.6两独立样本非参数检验-曼-惠特尼U检验
- 11.7 多独立样本非参数检验-Kruskal-wallis检验
- 十二、线性回归模型基础
- 12.1 相关和因果
- 12.2 如何识别和测度相关关系-散点图
- 12.3 如何识别和测度相关关系-协方差
- 12.4 如何识别和测度相关关系-皮尔逊相关系数和Spearman相关系数
- 12.5 如何识别和测度相关关系——偏相关
- 12.6 如何识别和测度相关关系——相关系数的显著性检验
- 12.7 如何识别和测度相关关系——相关性检验的R语言实现
- 12.8 回归基础
- 12.9 回归系数、截距、拟合优度
- 12.10 回归的假设检验
- 12.11 回归分析的R语言实现
- 十三、回归分析
- 13.1 回归分析的基本思想与方法
- 13.2 理解多重共线性——回归分析中的隐形陷阱
- 13.3 评估回归模型质量的关键指标
- 13.4 模型诊断——回归分析中不可忽视的环节
- 13.5 虚拟变量回归
- 13.6 走出线性模型的局限——广义线性模型简介
- 期末考试
Taught by
Xinli Ke, Song Yu , and Chengchao Zuo