R Data Analysis without Programming: Explanation and Interpretation

ویرایش جدید این کتاب ابتکاری، تجزیه و تحلیل داده‌های R بدون برنامه‌نویسی، خوانندگان را آماده می‌کند تا به سرعت داده‌ها را تجزیه و تحلیل کرده و نتایج آماری را با استفاده از R. Professor Gerbing تفسیر کنند. lessR را توسعه داده است، روشی پیشگام در کاهش چالش های برنامه نویسی R. lessR R را گسترش می دهد و نیاز به برنامه نویسی را از بین می برد. این نسخه با معرفی نسخه اول از R تا lessR، گسترش می‌یابد که به خوانندگان امکان می‌دهد تا یاد بگیرند که چگونه داده‌ها را برای تجزیه و تحلیل سازماندهی کنند، داده‌ها را در R بخوانند و خروجی تولید کنند بدون آن. ابتدا چندین توابع و تمرین های برنامه نویسی را انجام دهید. با lessR، خوانندگان می توانند رویه لازم را انتخاب کرده و متغیرهای مربوطه را با فراخوانی تابع ساده تغییر دهند. متن رویه های آماری اساسی را با پیشرفت های lessR که به محیط استاندارد R اضافه شده است، بررسی و توضیح می دهد. با استفاده از lessR، تجزیه و تحلیل داده‌ها با R بلافاصله برای کاربر مبتدی قابل دسترسی است و استفاده از آن برای کاربر با تجربه آسان‌تر می‌شود.

نکات برجسته همراه با محتوای جدید این نسخه عبارتند از:

• توضیح و تفسیر همه تکنیک های تجزیه و تحلیل داده ها؛ این کتاب بسیار بیشتر از یک کتابچه راهنمای کامپیوتری، به خواننده نشان می‌دهد که چگونه نتایج را توضیح و تفسیر کند.

• <. span>مفاهیم و دستورات بررسی شده در هر فصل را معرفی می کند.

• سبک نوشتاری واضح و آرام به طور مؤثرتری مفاهیم زیربنایی را نسبت به نوشته‌های آکادمیک مستطیل‌تر منتقل می‌کند.

• <. span> یادداشت‌های حاشیه‌ای گسترده مفاهیم کلیدی را برجسته، تعریف، نشان‌دهنده و ارجاع متقابل می‌کنند. وقتی خوانندگان با اصطلاحی روبرو می‌شوند که قبلاً درباره آن بحث شده است، یادداشت‌های حاشیه شماره صفحه مقدمه اولیه را مشخص می‌کنند.

• <. span>سناریوهایی که استفاده از یک تحلیل خاص و به دنبال آن ورودی، خروجی R/lessR مربوطه، و تفسیری از نتایج را برجسته می‌کنند.

نمونه های متعددی از خروجی از روانشناسی، تجارت، آموزش و سایر علوم اجتماعی که تجزیه و تحلیل و نحوه تفسیر نتایج را نشان می دهد. .

• دو مجموعه داده چندین بار در کتاب تجزیه و تحلیل می‌شوند و تداوم را در سراسر این کتاب فراهم می‌کنند.

• جامع: طیف وسیعی از تکنیک های تجزیه و تحلیل داده ها در سراسر کتاب ارائه شده است.

• ادغام با یادگیری ماشین به عنوان تحلیل رگرسیون از هر دو دیدگاه سنتی و از دیدگاه یادگیری ماشین مدرن ارائه شده است.

• پایان فصل مشکلات به خوانندگان کمک می کند تا درک خود را از مفاهیم آزمایش کنند.

• یک وب سایت در www.lessRstats.com که دارای مجموعه داده های ارجاع شده در قالب متن استاندارد و SPSS است تا خوانندگان بتوانند با استفاده از R/lessR با کار کردن روی نمونه‌های متنی و مشکلات کار شده، ویدیوهای R/lessR برای کمک به خوانندگان برای درک بهتر برنامه و موارد دیگر.

این کتاب برای دوره‌های کارشناسی ارشد و کارشناسی آمار فراتر از دوره مقدماتی، روش‌های تحقیق و/یا هر دوره تجزیه و تحلیل داده‌ای که در گروه‌های روان‌شناسی، بازرگانی تدریس می‌شود، ایده‌آل است. آموزش و پرورش و سایر علوم اجتماعی و بهداشتی؛ این کتاب همچنین توسط محققانی که تجزیه و تحلیل داده ها را انجام می دهند، قدردانی می شود. پیش نیازها شامل دانش آماری پایه است، اگرچه مفاهیم از ابتدا در کتاب توضیح داده شده است. دانش قبلی از R فرض نمی شود.

The new edition of this innovative book, R Data Analysis without Programming, prepares the readers to quickly analyze data and interpret statistical results using R. Professor Gerbing has developed lessR, a ground-breaking method in alleviating the challenges of R programming. The lessR extends R, removing the need for programming. This edition expands upon the first edition’s introduction to R through lessR, which enables the readers to learn how to organize data for analysis, read the data into R, and generate output without performing numerous functions and programming exercises first. With lessR, readers can select the necessary procedure and change the relevant variables with simple function calls. The text reviews and explains basic statistical procedures with the lessR enhancements added to the standard R environment. Using lessR, data analysis with R becomes immediately accessible to the novice user and easier to use for the experienced user.

Highlights along with content new to this edition include:

• Explanation and Interpretation of all data analysis techniques; much more than a computer manual, this book shows the reader how to explain and interpret the results.

• Introduces the concepts and commands reviewed in each chapter.

• Clear, relaxed writing style more effectively communicates the underlying concepts than more stilted academic writing.

• Extensive margin notes highlight, define, illustrate, and cross-reference the key concepts. When readers encounter a term previously discussed, the margin notes identify the page number for the initial introduction.

• Scenarios that highlight the use of a specific analysis followed by the corresponding R/lessR input, output, and an interpretation of the results.

Numerous examples of output from psychology, business, education, and other social sciences, that demonstrate the analysis and how to interpret results.

• Two data sets are analyzed multiple times in the book, provide continuity throughout.

• Comprehensive: A wide range of data analysis techniques are presented throughout the book.

• Integration with machine learning as regression analysis is presented from both the traditional perspective and from the modern machine learning perspective.

• End of chapter problems help readers test their understanding of the concepts.

• A website at www.lessRstats.com that features the data sets referenced in both standard text and SPSS formats so readers can practice using R/lessR by working through the text examples and worked problems, R/lessR videos to help readers better understand the program, and more.

This book is ideal for graduate and undergraduate courses in statistics beyond the introductory course, research methods, and/or any data analysis course, taught in departments of psychology, business, education, and other social and health sciences; this book is also appreciated by researchers doing data analysis. Prerequisites include basic statistical knowledge, though the concepts are explained from the beginning in the book. Previous knowledge of R is not assumed.