study_hours <- 3
study_hours[1] 3
study_hours + 1[1] 4
本页将各学习单元视图中的同一套材料汇集为连续阅读版本。目前仅两个单元已有试教正文,规划中的单元仍展示已有课程说明。
章节编号依次表示课程与学习单元:2.2 对应课程 2,学习单元 2。
数据准备 › 学习单元 1
课程一 · 预计学习约两小时 · 无需 R 基础
本课使用 12 条虚构的课堂记录。需要 R 和代码编辑器,但无需额外的包、账号或数据下载。这些记录不能用于对真实学习者作研究判断。
如何描述一个小班的学习时数和测验成绩?今天我们将运行保存的脚本、查看数据表,并解释一个汇总指标。不必记住所有命令,重点是理解每行代码要求 R 做什么,以及如何核对结果。
完成本课后,你应能够:
课前安装 R 和 RStudio Desktop。已有的 Positron 或 VS Code 环境也适用。为方便初次学习,本课以 RStudio 演示。无需配置 AI 编程助手。
下载完整的起始脚本,保存在名为 r4ss-course 的文件夹中,然后用编辑器打开。脚本会自行创建小型数据表,因此运行结果不依赖于文件夹的位置。
在 RStudio 中,脚本编辑器保存你编写的指令;控制台接收命令并显示结果。将光标放在一行代码上,Windows 按 Ctrl+Enter,macOS 按 Cmd+Enter。从上往下依次运行。以 # 开头的文字是写给读者的注释。
> 是控制台提示符,不要把它输入脚本。如果看到 +,R 可能在等待尚未闭合的括号或引号。按 Esc,检查代码,再运行完整的表达式。使用 Ctrl+S 或 Cmd+S 保存脚本。
先检查能否打开 R,再检查编辑器能否找到 R。求助时请提供完整报错。排查期间,可以和同伴利用本页已经渲染的结果完成预测与解释练习。
运行前,先读下面三行。<- 将一个值保存在指定名称下;单独写出名称会显示其值;加 1 则进行一次计算。
加法结果是 4,但对象中仍保存着 3,因为这次计算没有为它重新赋值。再次运行 study_hours 就能核对。
动手练习,5 分钟:把赋值改为 5,重新运行三行代码,向同伴解释两个显示结果。然后恢复为 3,使后续结果与本页一致。
数据常以表格组织。这里,learner_id 标识学习者,study_hours 表示报告的学习时数,quiz_score 表示 0–100 分的测验成绩。列名区分大小写。三列描述的是同一组人的不同属性。
运行下面的代码块。c() 将若干值放在一起,data.frame() 将长度相同的列组织成表格。今天可以直接使用这个代码块,无需立即掌握所有细节。
查看开头几行,并计算总行数:
learner_id study_hours quiz_score
1 1 1 48
2 2 2 55
3 3 2 51
[1] 12
head(classroom, 3) 显示前 3 行,并未删除其余记录。nrow() 计算全部 12 行。左侧打印的行号用于显示,而 learner_id 是我们明确设置的标识符列。
动手练习,10 分钟:改为显示前 5 行。解释为什么显示结果变了,而 nrow(classroom) 没变。从打印的表格中找出第 3 位学习者的成绩,暂时不要修改数据。
$ 从表中选取指定列。classroom$quiz_score 表示 classroom 中的 quiz_score 列。mean() 接收数值,计算算术平均数。
平均学习时数为 4 小时,平均成绩为 66 分。这不意味着每个人的取值都相同。这些指标仅描述这 12 条虚构记录。本例没有缺失值,后续课程将介绍缺失值如何影响汇总结果。
讨论:用一个均值代替 12 个成绩时,丢失了什么信息?回答前,比较已经显示的最高分与最低分。
extra_hour 保存了新的值 4,而 study_hours 仍然是 3。对象与列名可以相似,但 study_hours 和 classroom$study_hours 是不同的表达式。修改单个对象不会改变数据表中的列。
如果看到 object 'classroom' not found,先运行创建数据表的代码块。如果函数返回 NA 并出现警告,应阅读警告并检查输入。反复点击运行通常无法解决列名拼写错误。可以用 names(classroom) 查看实际列名。
预留 15 分钟。复制并保存起始脚本,在文件名中加入自己的名字。
planned_hours。计算 planned_hours + 2,但不替换原值;然后再次显示 planned_hours。classroom 的前 4 行,并计算全部行数。planned_hours 加 1 不会改变全班平均成绩?参考上面的赋值、head()、nrow() 和 mean()。注释以 # 开头。查看答案前,先检查对象名与列名大小写。
脚本保存指令,控制台运行并显示结果。赋值保存数值,数据表组织观测,汇总指标描述一组值。保存脚本,重启 R,再从头运行,检查是否依赖于先前留在环境中的对象。
离堂问题:请用自己的话解释 study_hours、classroom$study_hours 与 mean(classroom$study_hours) 的区别。
进入下一个学习单元前,用两句话说明均值能够告诉我们什么、不能告诉我们什么。教材阅读为《R 语言简介》;其中较广泛的数据结构讨论现阶段可选读。
数据准备 › 学习单元 2
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
识别观测、变量、类型与导入设置。
导入 CSV,核对行数和列类型是否与原始文件一致。
数据准备 › 学习单元 3
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分选列、筛行与观测排序。
选择变量、筛选观测,并对结果表排序。
数据准备 › 学习单元 4
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
阅读管道,并按明确的定义创建变量。
编写创建变量的简短管道,并核对取值。
数据准备 › 学习单元 5
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
重编码取值,并区分不同缺失值定义。
重编码类别、标记缺失代码,并比较有效观测数。
数据准备 › 学习单元 6
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
选择分组汇总指标,并说明百分比的分母。
计算各组频数、均值和百分比,并明确分母。
数据准备 › 学习单元 7
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
选择适合分布展示和组间比较的 ggplot2 图形。
绘制分布图和组间比较图,并检查异常取值。
数据准备 › 学习单元 8
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
识别合并键,并预判未匹配或重复记录。
合并两张表,核查未匹配键与行数。
数据准备 › 学习单元 9
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
识别重塑数据如何改变表结构与观测键。
将表格在长表和宽表间转换,并核对标识符。
数据准备 › 学习单元 10
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
清理字符串、解析日期,并核查转换失败。
统一文本标签,并转换和核对日期字段。
数据准备 › 学习单元 11
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
定位并修复数据准备流程中的错误。
核查并修复包含清理、合并和汇总的数据流程。
数据准备 › 学习单元 12
课程 1 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
通过明确的核查,将原始记录整理为可分析的数据集。
整理数据集,并解释主要清理与转换选择。
回归分析 › 学习单元 1
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
联系研究问题、变量、统计汇总与不确定性。
识别比较中的结果变量、预测变量与不确定性。
回归分析 › 学习单元 2
课程二 · 预计学习约两小时
先修要求:具备课程一中的脚本运行、数据表查看、均值计算和散点图阅读技能。无需学过回归。这是课程 2,学习单元 2,并非课程 1,学习单元 1 之后应立即学习的内容。
一个小班的学习时数与测验成绩如何一起变化?我们将拟合直线、计算两个预测值,并解释结果的局限。重点是读懂模型,而不是证明增加学习时间一定导致某个幅度的进步。
完成本课后,你应能够:
下载完整的本地起始脚本。它包含与课程 1,学习单元 1 相同的 12 条虚构课堂记录,无需下载数据或安装额外的包,可从任意文件夹运行。请在新的 R 会话中从头运行。在编辑器中交互运行时,绘图代码块会显示图形。
结果变量是 quiz_score,单位为分,范围为 0–100。预测变量是 study_hours,单位为小时。“预测变量”指模型的输入,并不意味着它一定导致结果。一行对应一位虚构学习者。
拟合前,先预测两者关系的方向,再在编辑器中运行以下绘图代码:
同伴活动,10 分钟:描述关系方向,找出两位学习时数相同但成绩不同的人,并说明为何一条直线无法穿过每个点。学习 4 小时的两条成绩是 68 和 63,这已表明仅靠学习时间无法描述所有差异。
简单线性回归用截距和斜率描述结果。截距确定直线在零小时处的水平,斜率描述学习时间相差一小时,预测成绩相差多少。R 选择使观测成绩与拟合成绩之间的垂直差值平方和最小的直线。
(Intercept) study_hours
40.736842 6.315789
从左往右阅读公式:quiz_score 是结果变量,~ 将它与预测变量分开,study_hours 是预测变量。data = classroom 告诉 R 到哪张表中查找这些列。<- 将拟合模型保存在 score_model 下,coef() 显示系数。
拟合关系近似为:
预测成绩 = 40.74 + 6.32 × 学习时数。
在这些构造的记录中,多一小时学习时间与预测成绩约多 6.32 分相关。截距约为 40.74,是零小时处的拟合值。样本中没有零小时观测,因此不应将它描述为实际观察到的零小时成绩。
引导练习,10 分钟:指出公式中的结果变量、预测变量与数据表。解释使用另一张表时应修改哪里,分析另一个结果时应修改哪里。暂不加入其他变量。
点代表实际记录的成绩,直线表示拟合成绩。一个点可能位于线的上方或下方。观测成绩与拟合成绩的垂直差异称为残差。残差提醒我们:模型是汇总,而不是对每个个体的完整描述。
讨论:如果所有点都恰好落在直线上,是否就能证明因果效应?请解释:即使完美描述了这些记录,为何仍无法据此知道记录如何产生,或干预会带来什么结果?
运行前,先预测哪一个拟合成绩更高,以及高多少。newdata 提供需要预测的输入,其列名必须与模型中的预测变量相同。
学习 3 小时的预测成绩约为 59.68 分,4 小时为 66 分。差异约为 6.32 分,与斜率一致。4 小时的两条原始成绩是 68 和 63,并不恰好等于 66。
动手练习,10 分钟:预测学习 2 小时与 5 小时的成绩,解释拟合预测与实际观测的差别。再考虑 20 小时:它远超观测到的 1–7 小时范围,将直线延伸到那里需要额外且未经支持的假设。
拟合直线概括的是所提供变量与记录中的相关关系,并未说明该模式为何出现。在真实研究中,原有基础可能同时影响学习时间与测验成绩。学习者也可能根据预期难度选择投入多少时间。
本例数据明确是虚构的。较小的标准误或 p 值不会把它们变成关于真实学生的研究证据。我们练习的是代码与解释。后续因果推断课程会讨论:回答因果问题还需要怎样的研究设计与假设。
如果出现 object 'quiz_score' not found,请检查 names(classroom) 和 data 参数。如果预测时提示缺少 study_hours,请核对 newdata 中的列名。如果脚本只有在先运行其他代码后才有效,请重启 R,再从下载脚本的第一行开始运行。
预留 20 分钟。使用提供的记录,不修改其数值。
study_hours <= 5 的学习者。运行前,预测斜率是否一定保持不变。使用 predict(score_model, newdata = data.frame(study_hours = 5))。筛选后的 base R 表格可写为 classroom[classroom$study_hours <= 5, ];逗号后留空表示保留所有列。保留全样本模型的原名称。
(Intercept) study_hours
41.321429 6.107143
预测值约为 72.32 分。限制样本后的斜率约为每小时 6.11 分,而非 6.32。改变样本后,拟合系数不必保持不变。两种拟合都不能视为对真实总体的经验发现。
一种合适的表述是:“在虚构的课堂记录中,多一小时报告的学习时间与预测成绩约多 6.32 分相关。这些构造的观测不能证明因果效应,也不描述真实总体。”
公式指定问题,拟合直线概括关系,预测值给出直线上的一个点。应保留单位、查看观测,并区分描述性关系与因果论断。
离堂问题:同学说:“R 预测学习 4 小时可得 66 分,所以让所有人学习 4 小时就能保证得到 66 分。”请指出这句话中两个不同的问题。
课后保存修改后的脚本和简短解释。教材的独立回归章节仍在规划中;本试教课程已包含完成活动所需的解释。
回归分析 › 学习单元 3
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
解释参照类别,以及随另一变量变化的条件关系。
比较不同类别及交互条件下的预测结果。
回归分析 › 学习单元 4
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
评估函数形式、残差模式与有影响的观测。
检查模型诊断,并解释有依据的设定调整。
回归分析 › 学习单元 5
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
联系二元结果、Logit/Probit 模型与预测概率。
拟合二元结果模型,并比较预测概率。
回归分析 › 学习单元 6
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
将非线性模型结果转化为概率和边际效应。
针对有实质意义的特征组合,计算预测值或边际效应。
回归分析 › 学习单元 7
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分有序与无序分类结果及其模型假设。
选择有序或多项模型,并解释类别概率。
回归分析 › 学习单元 8
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
组织选择集,并解释备选项层面的预测变量。
整理选择数据,并解释条件 Logit 的比较结果。
回归分析 › 学习单元 9
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
解释面板数据的单位内比较,以及个体和时间固定效应。
比较混合回归与固定效应估计,并说明识别所依赖的变异。
回归分析 › 学习单元 10
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分层级数据中的组内与组间变异。
拟合或查看多层模型,并解释组间变异。
回归分析 › 学习单元 11
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
清楚展示回归估计和预测,并给出实质解释。
制作注明单位和不确定性的回归表与图,并给出结论。
回归分析 › 学习单元 12
课程 2 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
为范围明确的研究问题选择并评估回归模型。
完成包含诊断与实质解释的模型分析。
计算社会科学 › 学习单元 1
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分因果目标量、识别假设与回归相关关系。
提出因果问题,并说明所需的比较和假设。
计算社会科学 › 学习单元 2
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
使用重复模拟考察抽样变异与估计量表现。
运行蒙特卡洛实验,并解释结果如何随样本量变化。
计算社会科学 › 学习单元 3
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
联系主体规则、互动与涌现的社会模式。
修改主体规则,并比较模拟产生的总体模式。
计算社会科学 › 学习单元 4
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
联系先验、似然、后验计算与模型检验。
设定简单贝叶斯模型,并查看后验汇总与检验。
计算社会科学 › 学习单元 5
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分模型训练、调参和留出数据评估。
使用一致的留出评估比较预测模型。
计算社会科学 › 学习单元 6
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
解释借助辅助模型、正交得分与交叉拟合进行因果效应估计。
识别因果估计流程中的辅助预测与交叉拟合步骤。
计算社会科学 › 学习单元 7
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
解释特征对预测的贡献,并区分预测解释与因果效应。
阅读局部和全局 SHAP 汇总,并说明解释局限。
计算社会科学 › 学习单元 8
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
解释预处理与表示方式如何影响基于文本的测量。
比较两种文本表示,并讨论其对研究问题的影响。
计算社会科学 › 学习单元 9
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
评估从图像提取的社会测量指标及其效度与局限。
对照拟测量的社会概念,评估图像提取指标。
计算社会科学 › 学习单元 10
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
联系坐标、地理单元、空间模式与社会问题。
绘制社会指标地图,并讨论尺度与空间解释。
计算社会科学 › 学习单元 11
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分关系、节点属性、网络结构与网络汇总指标。
构建或查看网络,并解释结构汇总指标。
计算社会科学 › 学习单元 12
课程 3 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
为社会研究问题匹配计算方法与验证策略。
完成范围明确的计算分析,并讨论测量和推断局限。
编程 › 学习单元 1
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
编写输入、输出和职责明确的可复用函数。
将重复代码改写为函数,并使用不同输入核查。
编程 › 学习单元 2
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
使用条件和迭代自动完成重复研究任务。
自动完成重复任务,并明确处理失败输入。
编程 › 学习单元 3
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分文档结构、可提取文本与扫描页面。
从文档提取文本或表格,并与原件核对。
编程 › 学习单元 4
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
处理图像表示、图像加工、OCR 与提取错误。
查看图像处理或 OCR 流程,并核验输出。
编程 › 学习单元 5
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
使用交互控件探索和传达图形数据。
创建或修改交互图形,并评估可用性。
编程 › 学习单元 6
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
将相关成果组织成连贯的研究仪表板。
制作问题、视图和导航清晰的仪表板。
编程 › 学习单元 7
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
选择按需读取、延迟计算与适当的数据流程。
处理较大数据集,并解释内存和计算选择。
编程 › 学习单元 8
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
评估数值近似、优化、精度与收敛。
比较数值近似或优化方法,并检查收敛与误差。
编程 › 学习单元 9
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
区分算法改进与编译代码加速。
比较 R 流程与演示的编译实现,并核对结果。
编程 › 学习单元 10
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
连接 R 流程与语言模型输入、结构化输出及验证。
设计具有明确输出核查与失败处理的大语言模型辅助任务。
编程 › 学习单元 11
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
说明研究需求,并评审代码、交付成果与接口。
编写包含输入、预期输出和验收检查的任务说明。
编程 › 学习单元 12
课程 4 · 预计学习约两小时
本页仅展示已有课程规划信息,尚无已编写的课程正文。
将可复用代码与计算工具整合为研究流程。
开发说明接口、输出和核查方式的小型流程。