本书的特色在于结合实际案例来展现R在数据科学领域的灵活性，不仅能让读者学习统计知识，也能提升代码编写能力。全书共15章，第1章详细介绍了R和RStudio的安装方法；第2章至第3章介绍了导入数据的方法，以及R的基本工作原理；第4章介绍了R中重要的数据管理方法；第5章讲解数据可视化的知识；第6章至第15章，每一章对应了一个统计知识点，包括描述性统计、简单线性回归、多元线性回归、虚拟变量回归、Logistic回归、多层次和纵向分析、因子分析等。 为方便读者学习，本书提供了astatur包，这个工具包涵盖了本书中使用的所有数据集，以及相关章节中提到的一些补充函数。此外，本书没有过多地介绍复杂的数学公式，对于必备知识点使用了尽可能通俗的语言进行讲解，因此本书适合作为R统计分析课程的教科书，也适合数据分析初学者参考学习。

第1 章 R 简介
1.1 R 是什么？为什么要使用R？
1.2 RStudio 是什么？
1.3 如何安装R 和RStudio？
1.3.1 在Windows 上使用R
1.3.2 在Mac 上使用R
1.3.3 在Linux 上使用R
1.3.4 在Windows、macOS 和Linux 上使用RStudio
1.4 了解 RStudio
1.4.1 脚本窗口
1.4.2 控制台窗口
1.4.3 环境窗口
1.4.4 图形窗口
1.5 R 的线上资源
1.6 R 包的作用
1.7 更新R、RStudio 和R 包
1.8 本章小结
第2 章 在R 中导入和处理数据
2.1 如何在R 中表示数据集？
2.2 在R 中导入数据
2.3 在R 中输入数据
2.4 如何在R 中使用数据集？
2.5 数据类型
2.6 本章小结
第3 章 R 是怎样工作的？
3.1 R 的工作方式
3.2 函数是什么？
3.3 对象是什么？
3.3.1 向量
3.3.2 数据框
3.3.3 矩阵
3.3.4 列表
3.4 本章小结
第4 章 数据管理
4.1 变量的数据管理
4.1.1 创建新变量
4.1.2 重新编码变量
4.1.3 替换变量值
4.1.4 重命名变量
4.1.5 探索缺失值
4.1.6 生成虚拟变量
4.1.7 修改变量的数据类型
4.1.8 标签变量
4.1.9 整理分类变量
4.2 对数据集进行数据管理
4.2.1 变量的选择和排除
4.2.2 选择观察值
4.2.3 根据变量合并数据集
4.2.4 根据观察值合并数据集
4.2.5 对数据集排序
4.2.6 重塑数据集
4.2.7 给变量排序
4.2.8 从数据集中随机抽取样本
4.2.9 管道
4.3 本章小结
第5 章 用ggplot2 实现数据可视化
5.1 可视化在数据分析中的作用
5.2 了解ggplot
5.2.1 层的结构
5.2.2 影响所有层的附加组件
5.3 R 示例图
5.3.1 单变量图
5.3.2 二元图
5.3.3 多元图
5.4 本章小结
第6 章 描述性统计
6.1 单变量分析
6.1.1 集中趋势的度量
6.1.2 散布的度量
6.1.3 偏度和峰度
6.1.4 离散分布
6.1.5 快速描述性分析
6.2 描述变量之间的关系
6.2.1 相关系数
6.2.2 交叉表
6.3 分析组间变量
6.4 本章小结
第7 章 简单线性回归
7.1 什么是回归分析
7.2 简单线性回归分析
7.2.1 普通最小二乘法
7.2.2 拟合优度
7.2.3 回归系数的假设检验
7.2.4 线性回归预测
7.3 R 语言实例
7.4 本章小结
第8 章 多元线性回归
8.1 多元线性回归分析
8.1.1 参数估计
8.1.2 拟合优度和F 检验
8.1.3 调整的R2
8.1.4 偏斜系数
8.1.5 使用多元线性回归进行预测
8.1.6 标准化和相对重要程度
8.1.7 回归假设和诊断
8.2 R 语言实例
8.3 本章小结
第9 章 虚拟变量回归
9.1 为什么要进行虚拟变量回归？
9.1.1 创建虚拟变量
9.1.2 虚拟变量回归背后的逻辑
9.2 单一虚拟变量回归
9.3 一个虚拟变量和一个协变量的回归
9.4 多虚拟变量回归
9.4.1 R 语言实例
9.4.2 比较组间差异
9.4.3 成对多重比较调整
9.5 有一个以上虚拟变量和一个协变量的回归
9.6 两组独立虚拟变量的回归
9.7 本章小结
第10 章 使用回归法进行调节/交互分析
10.1 交互作用/调节效应
10.2 乘积-项方法
10.3 连续预测变量与虚拟调节变量的交互作用
10.4 连续预测变量和连续调节变量之间的交互作用
10.5 虚拟预测变量与虚拟调节变量的交互作用
10.6 连续预测变量与多分类调节变量的交互作用
10.7 其他注意事项
10.7.1 显著与不显著的交互作用
10.7.2 中心化和标准化
10.8 本章小结
第11 章 Logistic 回归
11.1 R 实现简单Logistic 回归
11.1.1 Logistic 回归中系数的含义
11.1.2 拟合优度和模型选择
11.2 多重逻辑回归
11.3 Logistic 回归进行分类
11.4 本章小结
第12 章 多层次和纵向分析
12.1 嵌套数据结构的表示
12.2 完全、部分和无聚集
12.3 线性混合模型的显著性检验
12.4 纵向混合模型的模型比较
12.5 本章小结
第13 章 因子分析
13.1 什么是因子分析
13.2 因子分析过程
13.2.1 确定因子的数量
13.2.2 因子提取
13.2.3 因子旋转
13.2.4 提炼和解释因子
13.3 综合评分和信度检验
13.4 R 语言实例
13.4.1 确定因子的数量
13.4.2 用旋转法提取因子
13.5 本章小结
第14 章 结构方程模型
14.1 什么是结构方程模型？
14.2 确认性因子分析
14.2.1 模型设定
14.2.2 模型识别
14.2.3 参数估计
14.2.4 模型评估
14.2.5 模型修正
14.3 潜在路径分析