Estimation of Statistical Models in R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Mills J.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 145 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 60,000

مؤسسه مهندسین حمل و نقل – 2010، 145 صفحه بسته آماری R را می توان از نظر رابط کاربری به عنوان در جایی بین SAS در نظر گرفت. و لیمدپ مانند SAS، R وظایف مختلفی را با استفاده از رویه های مختلف انجام می دهد. به‌جای اینکه رویه‌ها مستقل باشند (مانند PROC REG در SAS)، دستورات یکی یکی صادر می‌شوند، مانند Limdep. با این حال، برخلاف SAS و Limdep، R به راحتی می‌تواند با استفاده از بسته‌های الحاقی یا کتابخانه‌های تولید شده توسط کاربر گسترش یابد. از آنجایی که R منبع باز است (و در نتیجه رایگان)، ایجاد بسته های الحاقی و توزیع سریع آنها در یک جامعه بزرگ و با سابقه از کاربران نسبتاً آسان است. به همین دلیل، R می‌تواند رویه‌ها و مدل‌های آماری را که هنوز در نرم‌افزارهای قابل خرید مانند SAS، Limdep، SPSS و Stata پیاده‌سازی نشده‌اند، انجام دهد. یک مثال اصلی اقتصاد سنجی فضایی است. در حالی که Stata دارای قابلیت‌هایی برای تخمین انواع خاصی از مدل‌های اقتصادسنجی فضایی است، اکثر جدیدترین انواع مدل‌ها (مدل‌های پانل فضایی، پروبیت فضایی و غیره) فقط در R موجود هستند. به طور خلاصه، R می‌تواند به کاربران امکان دسترسی به روش‌ها و مدل‌های پیشرفته به راحتی.
بسته‌های موجود از وب‌سایت مرکزی R، شبکه جامع آرشیو R (CRAN، http://cran.r-project.org)، می‌توانند انواع مختلفی از وظایف را انجام دهند، مانند به عنوان تجزیه و تحلیل آماری (که از یک بسته نرم افزاری آماری انتظار می رود)، یادگیری ماشین، وارد کردن و دستکاری داده های GIS (قابلیت های GIS R بسیار قوی تر از SAS است)، محاسبات موازی، تجزیه و تحلیل تحقیقات کیفی، متن کاوی، تجزیه و تحلیل گراف/شبکه، بهینه سازی، حل معادلات دیفرانسیل معمولی، تجزیه و تحلیل تصویر، گرافیک سه بعدی (از طریق OpenGL)، گرافیک تعاملی، و استنتاج بیزی. R می تواند با تعداد زیادی از برنامه ها و پلتفرم های دیگر مانند اکسل (از طریق یک افزونه قابل دسترسی از طریق اکسل)، Google Maps، C++، WinBUGS، gretl، SAS، و حتی دستگاه های صوتی، پایگاه های داده رابطه ای (مانند Oracle و SQL)، پایگاه داده سرشماری ایالات متحده، LP_SOLVE، openNLP، PowerPoint، Word، LaTeX، وب (از طریق CURL)، CPLEX و جاوا. با وجود این مجموعه وسیعی از توانایی ها، همانطور که در اینجا نشان داده خواهد شد، استفاده از یک مجموعه داده واحد با انواع مختلف نسبتاً آسان است.
یک نکته مهم برخلاف SAS، همه دستورات در R به حروف بزرگ و کوچک حساس هستند. در حالی که نام‌ها و دستورات بسته در متن جزوه با استفاده از تمام سرپوش‌ها مشخص می‌شوند، باید از حروف بزرگ بزرگ همانطور که در مثال‌های نحوی نشان داده شده است استفاده شود.

Institute of Transportation Engineers – 2010, 145 pages The R statistical package can best be thought of, in terms of user interface, as falling some-where in-between SAS and Limdep. Like SAS, R accomplishes different tasks using different procedures. Instead of the procedures being self-contained (like PROC REG in SAS), commands are issued one at a time, like Limdep. However, unlike SAS and Limdep, R can easily be extended using user-generated add-on packages, or libraries. Because R is open-source (and thus free), it is relatively easy to create add-on packages and quickly distribute them to a large, well-established community of users. Because of this, R can perform procedures and estimate statistical models that have not yet been implemented in purchaseable software such as SAS, Limdep, SPSS, and Stata. One primary example is spatial econometrics; while Stata contains capabilities for estimating certain types of spatial econometric models, the ma- jority of the most recent types of models (spatial panel models, spatial Probit, etc.) are only available in R. In short, R can give users access to cutting-edge methods and models easily.
The available packages from the central R website, the Comprehensive R Archive Network (CRAN, http://cran.r-project.org), can accomplish s variety of tasks, such as statistical analysis (which is to be expected from a statistical software package), machine learning, importing and manipulating GIS data (R's GIS capabilities are far stronger than SAS), parallel computing, qualitative research analysis, text mining, graph/network analysis, optimization, solving ordinary differential equations, image analysis, 3D graphics (through OpenGL), interactive graphics, and Bayesian inference. R can interface with a large number of other programs and platforms, such as Excel (through an add-in accessible through Excel), Google Maps, C++, WinBUGS, gretl, SAS, and even audio devices, relational databases (such as Oracle and SQL), the US Census database, LP_SOLVE, openNLP, PowerPoint, Word, LaTeX, the Web (through CURL), CPLEX, and Java. Despite this wide array of abilities, it is relatively easy to use a single data set with a wide variety of varieties, as will be demonstrated here.
One important noteunlike SAS, all commands in R are case-sensitive. While package names and commands in the text of the handout are denoted using all caps, the exact capitali-zations should be used as shown in the syntax examples.