之前的文章中我们总体上为大家介绍了R软件的强大功能及其便利性，那么我们就利用这个专题为大家分享一下这款科学绘图和计算的计算机程序的使用方法。作为这个系列的开始，我们首先得为大家介绍一下这款软件的基础知识。
R语言系列第一期（番外篇 ）：R的6种对象—向量、矩阵、数组、因子、列表、数据框
前文我们讲到R处理数据面对的6种对象：向量，矩阵，数组，因子，列表，数据框。
在上一部分里，我们为大家介绍了R的会话管理和作图系统。在这个部分里，我们来了解一下R编程过程以及外部数据的导入。
在上一篇文章里，给大家介绍了R语言的下载，界面操作，6个处理对象等等。在这些内容的基础上，我们在这个部分为大家介绍一些实用知识，包括描述工作区结构、图形设备以及它们的参数等问题，还有初级编程和数据输入输出。
R语言系列第二期（番外篇）：R先生教你统计概率与分布
还记得我们在系列2开始的时候为大家介绍的几个特别的函数吗，rnorm(),dnorm()…？我们会给大家介绍一下概率与分布的统计知识以及R中包含的关于随机抽样和处理理论分布的函数，这个部分的内容同时也是下一个系列描述性统计和图表的基础。
国际惯例，前面我们谈到了概率与分布，那在这基础上我们就可以分析数据的集中趋势和离散趋势。
在这里我们就得介绍一下R的隐式循环了，之前我们学习过while循环，repeat，break循环，for循环；循环的一个常用功能是把一个函数应用到一组值或者向量中的每一个元素，并将结果返回。
分类数据通常以表格的形式来描述。这一部分就来为大家介绍如何用你的数据创建一个表格及计算相关的频率。
之前详细介绍了利用R语言进行统计描述，从这个部分我们就开始为大家介绍统计推断的内容了，我们将重点放到相关统计函数的特定参数及其输出的解释上。
R语言系列四的第二个部分是对多组连续性数据的处理，分组往往是三组或者三组以上，当然两组数据也可以利用方差分析，但是两组数据还是建议使用t检验。同样多组数据的比较也分为参数法和非参数法，包括这个部分介绍的重点参数法方差分析，以及非参数方法kruskal—Wallis检验。
连续型数据的组间比较往往可以采用t检验/wilcoxon检验或者ANOVA方差分析/KW检验来完成。但是对于分类资料来说，这些方法就是行不通的了。
这一节里我们将要讨论包含多个预测变量的回归分析问题。不过模型设定和结果输出等内容与前面系列讲过的关于回归分析和方差分析的内容差别不大。
在上一篇文章里，我们给大家介绍了之前系列里提及的线性回归的扩展部分，但医学工作者最常接触的结局预测变量多为二分类变量，比如阳性、阴性，病例、对照乃至生存、死亡这样的变量。这样我们就可以描述或推测在某些不同状况下得某种疾病的风险或者说阳性时间发生的概率。这里自然而然就引入我们今天的主题：逻辑回归模型——logistic regression model。
在上一篇文章里，无论原始数据是表格式的还是罗列式的，我们都可以建立起相应的逻辑回归模型。但是模型建立起来之后，是用来做什么的？我们当然需要利用模型来解释变量，但是我们也可以利用模型来预测结局，我们建立起来模型之后，可以通过个人的数据来计算这个人发生阳性事件的概率大小，从而最终给出结局分类，并且做出相应的对策。
对于寿命数据的分析，在生物学和医药学中是非常重要的话题。除此之外，在工程应用中的可靠性分析中也非常重要。寿命数据往往是高度非正态数据，因此使用标准的线性模型可能会有很多问题。而相对于逻辑回归的只有分类结局，只考虑终点事件是否出现的情况，生存分析的结局还会考虑观察对象达到终点所经历的时间长短。生存分析是将终点时间的出现与否和达到终点所经历的时间结合起来分析的一类统计分析方法。
很多数据集本身非常复杂，按照标准的建模流程难以进行合适的处理，因此，需要构建特别的模型，线性模型提供了一个灵活的模型框架，在此框架内，我们得以对上述大部分复杂数据集拟合模型。你可能已经注意到，lm()函数既可以应用到分组数据的情况，也可以应用到线性回归问题。但是，事实上，他们是同一个模型的特例而已。这个部分包含一些复杂模型以及使用lm()构造模型的过程以及在这个过程中经常出现的问题的处理。
大家公认的就是R是一款绘图功能非常强大的软件，那我们从这个系列开始专门来给大家说说R作图的部分。其实我们在统计描述的系列里已经穿插了许多简单画图的内容，这部分就带大家回归一下之前的内容，顺便补充一些其他的图形绘制方法。
简介同上
发现这款软件在小样本，常见的临床问题中可以快速的解决我们大部分问题，其简单操作界面以及菜单式操作方式成为很多人选择它的理由。但是，当我们遇到某些大数据，或者复杂统计运算时，如果还拿SPSS作为自己的救命稻草，那可能就是一出损招了，甚至会一度click到想要剁手。
联系客服
