R語言醫(yī)學數(shù)據(jù)分析實戰(zhàn)

第 1章 R語言介紹\t1
1．1 什么是R語言　1
1．2 為什么使用R分析數(shù)據(jù)　1
1．3 R的下載與安裝　2
1．4 啟動和退出R　2
1．5 RStudio　3
1．6 R包　4
1．6．1 什么是包　4
1．6．2 包的安裝　5
1．6．3 包的使用和更新　5
1．7 開始使用R　5
1．7．1 獲取幫助　5
1．7．2 把R當作一個計算器　6
1．7．3 R對象　8
1．8 工作空間管理　11
1．9 小結　12
1．10 習題　12
第　2章 創(chuàng)建數(shù)據(jù)集　14
2．1 R的數(shù)據(jù)結構　14
2．1．1 向量　14
2．1．2 因子　16
2．1．3 矩陣　17
2．1．4 數(shù)組　19
2．1．5 列表　20
2．1．6 數(shù)據(jù)框　21
2．1．7 數(shù)據(jù)類型的轉換　22
2．2 用R獲取數(shù)據(jù)　23
2．2．1 獲取內(nèi)置數(shù)據(jù)集　23
2．2．2 模擬特定分布的數(shù)據(jù)　24
2．2．3 獲取其他格式的數(shù)據(jù)　25
2．2．4 導出數(shù)據(jù)　26
2．2．5 用rio包導入和導出數(shù)據(jù)　26
2．3 數(shù)據(jù)錄入　27
2．4 小結　28
2．5 習題　30
第3章　數(shù)據(jù)框的操作　31
3．1 用基本包處理數(shù)據(jù)框　31
3．1．1 查看數(shù)據(jù)框里的內(nèi)容　31
3．1．2 選取數(shù)據(jù)框的子集　34
3．1．3 將數(shù)據(jù)框按照某個變量的值排序　35
3．1．4 查找和刪除重復數(shù)據(jù)　36
3．1．5 在數(shù)據(jù)框中添加和刪除變量　37
3．1．6 把數(shù)據(jù)框添加到搜索路徑　38
3．2 用dplyr包處理數(shù)據(jù)框　39
3．2．1 使用filter()和slice()篩選行　40
3．2．2 使用arrange()排列行　41
3．2．3 使用select()選擇列　42
3．2．4 使用mutate()添加新變量　43
3．2．5 使用summarise()計算統(tǒng)計量　43
3．2．6 使用group_by()拆分數(shù)據(jù)框　44
3．2．7 使用傳遞符“%>%”組合多個操作　45
3．3 數(shù)據(jù)框的合并　46
3．3．1 縱向合并　46
3．3．2 橫向合并　47
3．3．3 按照某個共有變量合并　47
3．4 數(shù)據(jù)框的長寬格式的轉換　48
3．5 缺失值的處理　50
3．5．1 識別缺失值　50
3．5．2 探索數(shù)據(jù)框里的缺失值　51
3．5．3 填充缺失值　52
3．6 處理大型數(shù)據(jù)集的策略　55
3．6．1 清理工作空間　55
3．6．2 快速讀?。甤sv文件　55
3．6．3 模擬一個大型數(shù)據(jù)集　56
3．6．4 剔除不需要的變量　57
3．6．5 選取數(shù)據(jù)集的一個隨機樣本　58
3．7 小結　58
3．8 習題　60
第4章　數(shù)據(jù)可視化　62
4．1 用R的基礎繪圖系統(tǒng)作圖　62
4．1．1 函數(shù)plot()　62
4．1．2 直方圖和密度曲線圖　63
4．1．3 條形圖　65
4．1．4 餅圖　67
4．1．5 箱線圖和小提琴圖　67
4．1．6 克利夫蘭點圖　68
4．1．7 導出圖形　69
4．2 用ggplot2包作圖　70
4．2．1 初識ggplot2包　70
4．2．2 分布的特征　74
4．2．3 比例的構成　76
4．2．4 用函數(shù)ggsave()保存圖形　78
4．3 其他圖形　78
4．3．1 金字塔圖　78
4．3．2 橫向堆棧條形圖　79
4．3．3 熱圖　79
4．3．4 三維散點圖　80
4．3．5 詞云圖　81
4．3．6 動態(tài)圖形　82
4．4 小結　83
4．5 習題　85
第5章　基本統(tǒng)計分析　86
5．1 數(shù)值型變量的描述性統(tǒng)計分析　88
5．2 分類變量的列聯(lián)表和獨立性檢驗　91
5．2．1 生成頻數(shù)表和列聯(lián)表　91
5．2．2 獨立性檢驗　96
5．3 連續(xù)型變量組間差異的比較　101
5．3．1 獨立樣本的t檢驗　101
5．3．2 非獨立樣本的t檢驗　102
5．3．3 單因素方差分析　103
5．3．4 組間差異的非參數(shù)檢驗　105
5．4 用函數(shù)tablestack()匯總雙變量分析結果　106
5．5 變量間的相關性　111
5．5．1 連續(xù)型變量間的相關性　111
5．5．2 分類變量間的相關性　114
5．5．3 相關性的可視化　115
5．6 小結　118
5．7 習題　120
第6章　線性回歸分析　122
6．1 簡單線性回歸　122
6．1．1 擬合簡單線性回歸模型　123
6．1．2 模型輸出結果的解釋　124
6．1．3 回歸診斷　126
6．2 分層線性回歸　129
6．3 多重線性回歸　133
6．3．1 擬合多重線性回歸模型　133
6．3．2 多重共線性　135
6．3．3 逐步回歸　136
6．3．4 回歸診斷　139
6．4 小結　140
6．5 習題　141
第7章　Logistic回歸分析　142
7．1 二分類Logistic回歸　142
7．1．1 Logistic回歸模型　142
7．1．2 Logistic回歸實例　143
7．1．3 表格數(shù)據(jù)的Logistic回歸　151
7．2 條件Logistic回歸　155
7．3 無序多分類Logistic回歸　157
7．4 有序Logistic回歸　161
7．5 小結　166
7．6 習題　167
第8章　Poisson回歸分析　168
8．1 Poisson回歸模型　168
8．2 過度離散的判定及處理　171
8．3 對數(shù)線性模型　174
8．4 小結　178
8．5 習題　178
第9章　生存分析　180
9．1 生存對象　180
9．2 生存率的估計與生存曲線　182
9．3 生存率的比較　184
9．4 Cox回歸　186
9．4．1 建立Cox回歸模型　186
9．4．2 比例風險假定的檢驗　188
9．4．3 生存的預測　188
9．5 小結　190
9．6 習題　190
第　10章 聚類分析　192
10．1 相似性的度量　192
10．1．1 樣品間的距離　192
10．1．2 變量間的相似系數(shù)　195
10．2 層次聚類法　196
10．2．1 類之間相似系數(shù)的定義　196
10．2．2 Q型聚類　196
10．2．3 R型聚類　203
10．3 k均值聚類法　204
10．4 小結　206
10．5 習題　207
第　11章 判別分析　209
11．1 距離判別　209
11．2 K最鄰近判別　213
11．3 Fisher判別　215
11．4 Bayes判別　218
11．5 小結　219
11．6 習題　220
第　12章 主成分分析和因子分析　221
12．1 主成分分析　221
12．1．1 主成分的定義　221
12．1．2 主成分的求解　222
12．1．3 主成分分析的注意事項　226
12．2 因子分析　226
12．2．1 因子分析模型的定義　226
12．2．2 因子分析模型的求解　227
12．2．3 因子旋轉　229
12．2．4 因子分析的注意事項　231
12．3 小結　232
12．4 習題　233
第　13章 臨床診斷試驗評價　234
13．1 二分類結果的評價指標　234
13．1．1 靈敏度和特異度　234
13．1．2 預測值　235
13．1．3 圖解靈敏度、特異度、陽性預測值和陰性預測值　235
13．1．4 診斷試驗的綜合評價指標　236
13．2 ROC及曲線下面積　237
13．2．1 單個ROC分析　237
13．2．2 兩個ROC的比較　240
13．2．3 Logistic回歸的ROC曲線　241
13．3 聯(lián)合試驗　243
13．4 小結　244
13．5 習題　244
第　14章 Meta分析　245
14．1 Meta分析的基本步驟　245
14．2 Meta分析的常用統(tǒng)計方法　246
14．3 二分類變量資料的Meta分析　247
14．3．1 OR、RR或RD的合并　248
14．3．2 發(fā)表偏倚的識別　251
14．3．3 敏感性分析　253
14．4 連續(xù)型變量資料的Meta分析　254
14．5 Meta分析的注意事項　255
14．6 小結　256
14．7 習題　256
習題參考答案　258
參考文獻　273
函數(shù)索引　274