全部学习材料

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。

课程地图

1 · 社会科学中的数据准备

1.1 · 初识 R

数据准备 › 学习单元 1

课程 1,学习单元 1 · 打开单元视图

课程一 · 预计学习约两小时 · 无需 R 基础

注记试教课程

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。

我们要回答什么问题

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:

  • 运行脚本中的指定代码,并区分计算与赋值。
  • 说明行和列代表什么,计算并解释均值。
  • 修改一个输入,并核对哪些结果改变了、哪些没有改变。

准备并打开脚本

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。

提示如果安装或配置失败

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。

先预测,再运行

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。

study_hours <- 3
study_hours
[1] 3
study_hours + 1
[1] 4

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。

查看小型数据表

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。

# Fictional classroom records, created solely for these lessons.
classroom <- data.frame(
  learner_id = 1:12,
  study_hours = c(1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7),
  quiz_score = c(48, 55, 51, 62, 58, 68, 63, 74, 70, 81, 76, 86)
)

查看开头几行,并计算总行数:

head(classroom, 3)
  learner_id study_hours quiz_score
1          1           1         48
2          2           2         55
3          3           2         51
nrow(classroom)
[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。

汇总并解释

$ 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。

mean(classroom$study_hours)
[1] 4
mean(classroom$quiz_score)
[1] 66

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。

解释全班的平均成绩

classroom 表包含 12 位虚构学习者,每人的成绩以分为单位,范围为 0 至 100。运行下面的代码,得到:

mean(classroom$quiz_score)
# [1] 66

根据这个结果,以下哪些说法成立?

请选择所有正确选项。

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。

一次修改一个地方

extra_hour <- study_hours + 1
extra_hour
[1] 4
study_hours
[1] 3

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。

找出代码中的问题

表中的列名是 learner_id、study_hours 和 quiz_score。你想计算平均测验成绩,但下面这行代码返回了 NA,并给出警告:

mean(classroom$Quiz_score)

首先应该检查什么?

请选择一个答案。

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。

独立任务

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。

  1. 创建值为 6 的对象 planned_hours。计算 planned_hours + 2,但不替换原值;然后再次显示 planned_hours。
  2. 显示 classroom 的前 4 行,并计算全部行数。
  3. 计算平均测验成绩。写一条注释,说明数值、单位以及它描述的是哪些观测。
  4. 向同伴解释:为什么给 planned_hours 加 1 不会改变全班平均成绩?
提示

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。

参考答案
planned_hours <- 6
planned_hours + 2
planned_hours
head(classroom, 4)
nrow(classroom)
mean(classroom$quiz_score)
# 12 位虚构学习者的平均测验成绩为 66 分。

首次计算显示 8,planned_hours 仍显示 6。共有 12 行。单独的对象不会修改 classroom 中的列。

回顾与离堂问题

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。

返回课程地图 · 教学提示

1.2 · 导入与查看数据

数据准备 › 学习单元 2

课程 1,学习单元 2 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

识别观测、变量、类型与导入设置。

先修要求

课程 1,学习单元 1

实践任务

导入 CSV,核对行数和列类型是否与原始文件一致。

1.3 · 选择、筛选与排序数据

数据准备 › 学习单元 3

课程 1,学习单元 3 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分选列、筛行与观测排序。

先修要求

课程 1,学习单元 2

实践任务

选择变量、筛选观测,并对结果表排序。

1.4 · 使用管道创建变量

数据准备 › 学习单元 4

课程 1,学习单元 4 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

阅读管道,并按明确的定义创建变量。

先修要求

课程 1,学习单元 3

实践任务

编写创建变量的简短管道,并核对取值。

1.5 · 重编码与处理缺失值

数据准备 › 学习单元 5

课程 1,学习单元 5 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

重编码取值,并区分不同缺失值定义。

先修要求

课程 1,学习单元 4

实践任务

重编码类别、标记缺失代码,并比较有效观测数。

1.6 · 分组、汇总与百分比

数据准备 › 学习单元 6

课程 1,学习单元 6 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

选择分组汇总指标,并说明百分比的分母。

先修要求

课程 1,学习单元 5

实践任务

计算各组频数、均值和百分比,并明确分母。

1.7 · 使用 ggplot2 绘图

数据准备 › 学习单元 7

课程 1,学习单元 7 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

选择适合分布展示和组间比较的 ggplot2 图形。

先修要求

课程 1,学习单元 6

实践任务

绘制分布图和组间比较图,并检查异常取值。

1.8 · 合并数据集

数据准备 › 学习单元 8

课程 1,学习单元 8 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

识别合并键,并预判未匹配或重复记录。

先修要求

课程 1,学习单元 7

实践任务

合并两张表,核查未匹配键与行数。

1.9 · 长宽数据转换

数据准备 › 学习单元 9

课程 1,学习单元 9 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

识别重塑数据如何改变表结构与观测键。

先修要求

课程 1,学习单元 8

实践任务

将表格在长表和宽表间转换,并核对标识符。

1.10 · 文本清理与日期处理

数据准备 › 学习单元 10

课程 1,学习单元 10 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

清理字符串、解析日期,并核查转换失败。

先修要求

课程 1,学习单元 9

实践任务

统一文本标签,并转换和核对日期字段。

1.11 · 综合数据准备流程

数据准备 › 学习单元 11

课程 1,学习单元 11 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

定位并修复数据准备流程中的错误。

先修要求

课程 1,学习单元 10

实践任务

核查并修复包含清理、合并和汇总的数据流程。

1.12 · 数据准备项目

数据准备 › 学习单元 12

课程 1,学习单元 12 · 打开单元视图

课程 1 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

通过明确的核查,将原始记录整理为可分析的数据集。

先修要求

课程 1,学习单元 11

实践任务

整理数据集,并解释主要清理与转换选择。

2 · 社会科学中的回归分析

2.1 · 基础知识

回归分析 › 学习单元 1

课程 2,学习单元 1 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

联系研究问题、变量、统计汇总与不确定性。

先修要求

课程 1,学习单元 12

实践任务

识别比较中的结果变量、预测变量与不确定性。

2.2 · 线性回归

回归分析 › 学习单元 2

课程 2,学习单元 2 · 打开单元视图

课程二 · 预计学习约两小时

注记试教课程

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。

我们要回答什么问题

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:

  • 识别公式中的结果变量和预测变量,并拟合简单模型。
  • 使用原始单位解释斜率与预测值。
  • 修改分析样本,并说明为何拟合的相关关系不足以证明因果关系。

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。

从观测出发

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。

head(classroom, 4)
  learner_id study_hours quiz_score
1          1           1         48
2          2           2         55
3          3           2         51
4          4           3         62

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:

plot(classroom$study_hours, classroom$quiz_score)

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。

拟合并阅读直线

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。

score_model <- lm(quiz_score ~ study_hours, data = classroom)
coef(score_model)
(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。

解释斜率

我们用 12 位虚构学习者的记录,根据学习时间(单位:小时)预测测验成绩(单位:分,范围为 0 至 100)。拟合线为:

预测成绩 = 40.74 + 6.32 × 学习时数

以下哪种说法正确解释了斜率 6.32?

请选择一个答案。

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。

查看拟合关系

十二个点展示学习时数与测验成绩之间的正向关系。拟合直线概括了这一模式,各观测点分布于线的上方或下方。
图 1: 虚构课堂中的观测成绩与拟合直线。

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?

先预测,再核对

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。

predict(score_model, newdata = data.frame(study_hours = c(3, 4)))
       1        2 
59.68421 66.00000 

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。

解释预测值

使用拟合模型,预测学习时间为 4 小时时的成绩:

predict(score_model,
        newdata = data.frame(study_hours = 4))
# 预测成绩:66 分

实际学习了 4 小时的两位学习者,成绩分别是 68 分和 63 分。

预测值 66 代表什么?

请选择一个答案。

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。

能得出什么结论

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。

评估因果结论

这 12 位学习者的记录是为教学构造的,拟合回归的斜率为正。有人据此得出结论:“让学生增加学习时间,就能提高他们的成绩。”

以下哪些理由说明,这个回归不能确立上述因果结论?

请选择所有正确选项。

核对模型回答的问题

原模型根据学习时间预测测验成绩。比较下面两个公式:

# 原模型
lm(quiz_score ~ study_hours, data = classroom)

# 反转后的公式
lm(study_hours ~ quiz_score, data = classroom)

使用反转后的公式,模型预测的是什么?

请选择一个答案。

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。

独立任务

预留 20 分钟。使用提供的记录,不修改其数值。

  1. 预测学习 5 小时的成绩,并注明单位。
  2. 使用同一公式,但仅保留 study_hours <= 5 的学习者。运行前,预测斜率是否一定保持不变。
  3. 比较两个斜率,并解释为什么改变观测记录可能改变拟合关系。
  4. 写两句话,一句描述全样本相关关系,一句说明局限。避免声称多学一小时一定导致成绩提高 6.32 分。
提示

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。

参考答案
predict(score_model, newdata = data.frame(study_hours = 5))
       1 
72.31579 
score_model_small <- lm(
  quiz_score ~ study_hours,
  data = classroom[classroom$study_hours <= 5, ]
)
coef(score_model_small)
(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。”

回顾与离堂问题

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。

返回课程地图 · 教学提示

2.3 · 分类预测变量与交互项

回归分析 › 学习单元 3

课程 2,学习单元 3 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

解释参照类别,以及随另一变量变化的条件关系。

先修要求

课程 2,学习单元 2

实践任务

比较不同类别及交互条件下的预测结果。

2.4 · 模型设定与诊断

回归分析 › 学习单元 4

课程 2,学习单元 4 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

评估函数形式、残差模式与有影响的观测。

先修要求

课程 2,学习单元 2

实践任务

检查模型诊断,并解释有依据的设定调整。

2.5 · Logit 与 Probit 回归

回归分析 › 学习单元 5

课程 2,学习单元 5 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

联系二元结果、Logit/Probit 模型与预测概率。

先修要求

课程 2,学习单元 2

实践任务

拟合二元结果模型,并比较预测概率。

2.6 · 预测概率与边际效应

回归分析 › 学习单元 6

课程 2,学习单元 6 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

将非线性模型结果转化为概率和边际效应。

先修要求

课程 2,学习单元 5

实践任务

针对有实质意义的特征组合,计算预测值或边际效应。

2.7 · 有序与多项 Logit 模型

回归分析 › 学习单元 7

课程 2,学习单元 7 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分有序与无序分类结果及其模型假设。

先修要求

课程 2,学习单元 5

实践任务

选择有序或多项模型,并解释类别概率。

2.8 · 条件 Logit 与选择数据

回归分析 › 学习单元 8

课程 2,学习单元 8 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

组织选择集,并解释备选项层面的预测变量。

先修要求

课程 2,学习单元 5

实践任务

整理选择数据,并解释条件 Logit 的比较结果。

2.9 · 固定效应模型

回归分析 › 学习单元 9

课程 2,学习单元 9 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

解释面板数据的单位内比较,以及个体和时间固定效应。

先修要求

课程 2,学习单元 2, 课程 1,学习单元 9

实践任务

比较混合回归与固定效应估计,并说明识别所依赖的变异。

2.10 · 多层模型

回归分析 › 学习单元 10

课程 2,学习单元 10 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分层级数据中的组内与组间变异。

先修要求

课程 2,学习单元 2

实践任务

拟合或查看多层模型,并解释组间变异。

2.11 · 回归结果展示

回归分析 › 学习单元 11

课程 2,学习单元 11 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

清楚展示回归估计和预测,并给出实质解释。

先修要求

课程 2,学习单元 2, 课程 2,学习单元 5

实践任务

制作注明单位和不确定性的回归表与图,并给出结论。

2.12 · 回归项目

回归分析 › 学习单元 12

课程 2,学习单元 12 · 打开单元视图

课程 2 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

为范围明确的研究问题选择并评估回归模型。

先修要求

课程 2,学习单元 11

实践任务

完成包含诊断与实质解释的模型分析。

3 · 计算社会科学

3.1 · 因果推断

计算社会科学 › 学习单元 1

课程 3,学习单元 1 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分因果目标量、识别假设与回归相关关系。

先修要求

课程 2,学习单元 2

实践任务

提出因果问题,并说明所需的比较和假设。

3.2 · 模拟与蒙特卡洛方法

计算社会科学 › 学习单元 2

课程 3,学习单元 2 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

使用重复模拟考察抽样变异与估计量表现。

先修要求

课程 2,学习单元 2, 课程 1,学习单元 12

实践任务

运行蒙特卡洛实验,并解释结果如何随样本量变化。

3.3 · 基于主体的建模

计算社会科学 › 学习单元 3

课程 3,学习单元 3 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

联系主体规则、互动与涌现的社会模式。

先修要求

课程 3,学习单元 2

实践任务

修改主体规则,并比较模拟产生的总体模式。

3.4 · 贝叶斯建模

计算社会科学 › 学习单元 4

课程 3,学习单元 4 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

联系先验、似然、后验计算与模型检验。

先修要求

课程 3,学习单元 2, 课程 2,学习单元 2

实践任务

设定简单贝叶斯模型,并查看后验汇总与检验。

3.5 · 机器学习

计算社会科学 › 学习单元 5

课程 3,学习单元 5 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分模型训练、调参和留出数据评估。

先修要求

课程 2,学习单元 2, 课程 1,学习单元 12

实践任务

使用一致的留出评估比较预测模型。

3.6 · 双重机器学习

计算社会科学 › 学习单元 6

课程 3,学习单元 6 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

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。

先修要求

课程 3,学习单元 1, 课程 3,学习单元 5

实践任务

识别因果估计流程中的辅助预测与交叉拟合步骤。

3.7 · SHAP 分析

计算社会科学 › 学习单元 7

课程 3,学习单元 7 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

解释特征对预测的贡献,并区分预测解释与因果效应。

先修要求

课程 3,学习单元 5

实践任务

阅读局部和全局 SHAP 汇总,并说明解释局限。

3.8 · 作为社会数据的文本

计算社会科学 › 学习单元 8

课程 3,学习单元 8 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

解释预处理与表示方式如何影响基于文本的测量。

先修要求

课程 1,学习单元 12

实践任务

比较两种文本表示,并讨论其对研究问题的影响。

3.9 · 作为社会数据的图像

计算社会科学 › 学习单元 9

课程 3,学习单元 9 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

评估从图像提取的社会测量指标及其效度与局限。

先修要求

课程 3,学习单元 5

实践任务

对照拟测量的社会概念,评估图像提取指标。

3.10 · 空间分析

计算社会科学 › 学习单元 10

课程 3,学习单元 10 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

联系坐标、地理单元、空间模式与社会问题。

先修要求

课程 1,学习单元 12

实践任务

绘制社会指标地图,并讨论尺度与空间解释。

3.11 · 社会网络分析

计算社会科学 › 学习单元 11

课程 3,学习单元 11 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分关系、节点属性、网络结构与网络汇总指标。

先修要求

课程 1,学习单元 12

实践任务

构建或查看网络,并解释结构汇总指标。

3.12 · 计算社会科学项目

计算社会科学 › 学习单元 12

课程 3,学习单元 12 · 打开单元视图

课程 3 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

为社会研究问题匹配计算方法与验证策略。

先修要求

课程 3,学习单元 1, 课程 3,学习单元 5

实践任务

完成范围明确的计算分析,并讨论测量和推断局限。

4 · 社会科学编程

4.1 · 函数与可复用代码

编程 › 学习单元 1

课程 4,学习单元 1 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

编写输入、输出和职责明确的可复用函数。

先修要求

课程 1,学习单元 12

实践任务

将重复代码改写为函数,并使用不同输入核查。

4.2 · 控制流程与自动化

编程 › 学习单元 2

课程 4,学习单元 2 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

使用条件和迭代自动完成重复研究任务。

先修要求

课程 4,学习单元 1

实践任务

自动完成重复任务,并明确处理失败输入。

4.3 · Word 与 PDF 处理

编程 › 学习单元 3

课程 4,学习单元 3 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分文档结构、可提取文本与扫描页面。

先修要求

课程 4,学习单元 1, 课程 4,学习单元 2

实践任务

从文档提取文本或表格,并与原件核对。

4.4 · 图像分析

编程 › 学习单元 4

课程 4,学习单元 4 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

处理图像表示、图像加工、OCR 与提取错误。

先修要求

课程 4,学习单元 1, 课程 4,学习单元 2

实践任务

查看图像处理或 OCR 流程,并核验输出。

4.5 · 交互式可视化

编程 › 学习单元 5

课程 4,学习单元 5 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

使用交互控件探索和传达图形数据。

先修要求

课程 1,学习单元 7, 课程 4,学习单元 1

实践任务

创建或修改交互图形,并评估可用性。

4.6 · 构建研究仪表板

编程 › 学习单元 6

课程 4,学习单元 6 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

将相关成果组织成连贯的研究仪表板。

先修要求

课程 4,学习单元 5

实践任务

制作问题、视图和导航清晰的仪表板。

4.7 · 大数据

编程 › 学习单元 7

课程 4,学习单元 7 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

选择按需读取、延迟计算与适当的数据流程。

先修要求

课程 4,学习单元 1, 课程 4,学习单元 2

实践任务

处理较大数据集,并解释内存和计算选择。

4.8 · 科学计算与数值分析

编程 › 学习单元 8

课程 4,学习单元 8 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

评估数值近似、优化、精度与收敛。

先修要求

课程 4,学习单元 1, 课程 4,学习单元 2

实践任务

比较数值近似或优化方法,并检查收敛与误差。

4.9 · Rcpp 与编译代码加速

编程 › 学习单元 9

课程 4,学习单元 9 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

区分算法改进与编译代码加速。

先修要求

课程 4,学习单元 1

实践任务

比较 R 流程与演示的编译实现,并核对结果。

4.10 · 大语言模型集成

编程 › 学习单元 10

课程 4,学习单元 10 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

连接 R 流程与语言模型输入、结构化输出及验证。

先修要求

课程 4,学习单元 1, 课程 4,学习单元 2

实践任务

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。

4.11 · 与程序员协作

编程 › 学习单元 11

课程 4,学习单元 11 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

说明研究需求,并评审代码、交付成果与接口。

先修要求

课程 4,学习单元 1

实践任务

编写包含输入、预期输出和验收检查的任务说明。

4.12 · 编程项目

编程 › 学习单元 12

课程 4,学习单元 12 · 打开单元视图

课程 4 · 预计学习约两小时

注记规划中:课程正文尚未编写

本页仅展示已有课程规划信息,尚无已编写的课程正文。

学习目标

将可复用代码与计算工具整合为研究流程。

先修要求

课程 4,学习单元 1, 课程 4,学习单元 11

实践任务

开发说明接口、输出和核查方式的小型流程。