社會科學統計方法授課大綱（113學年第2學期，260940001）
蔡佳泓
最後更新：2/21/2025
1 上課時間與地點
2025年2月21日至2025年6月20日，星期五，9:10-12:00 ．270812
2 課程簡介
- 近年來，在日常生活中我們經常聽到AI人工智慧、大數據、演算法、機器學習等等名詞，過去認為只有統計學家或者經濟學家需要使用數據說明經濟成長、物價上漲、人口變化等等，但是現在社會各行各業越來越重視數據加上演算法做為決策的依據，甚至用AI直接判斷什麼是異常出錯或者風險高低，使得資料科學變得非常熱門。常見的例子包括使用大量的雷達、衛星、氣象站資料建立氣象預測的模型，用大量的X光攝影檢查照片診斷病人，用各種感應器回傳的數據進行無人駕駛，以及收集各種社群媒體的留言、貼文等計算政治人物的聲量等等。透過深度學習，只要把資料輸入可能是非常複雜的訓練模型 (常常會聽到的「神經網路」) 中，讓訓練模型進行特徵擷取，接著進行判斷，得到答案，跟原來資料比較，就可以驗證模型的品質。可以不斷輸入新的資料，更新模型。
- 但是早在資料科學出現之前，統計學已經幫助我們描述資料以及找出變數之間的關係，進一步加以預測，例如根據經濟指標預測經濟成長率，根據民調預測選舉結果，根據宏觀與微觀的數據預測市場需求等等。貝氏統計更進一步使用最新的數據更新現有的資料，產生最新的預測。
- 學好統計學可以化繁為簡，從各種龐大的資料中，透視資料後面的故事，進而幫助自己或者組織做出正確的決策。
2.1 重要課題
- 就社會科學而言，統計可以運用在許多重要的研究問題，首先，我們可以統計一些有趣的現象，例如：
- 哪些國家實施民主的時間最長？哪些最短？
- 哪些媒體最多人看？哪些媒體最多人相信？
- 哪些地區過去十年來有最多的天災？
- 哪些候選人收到最多的政治獻金？什麼時間收到？哪些候選人完全不接受政治獻金？哪個選區的候選人花費最多？
- 民粹主義常用哪些詞？左派的民粹主義跟右派的民粹主義所用的詞有什麼差異？
- 我們可能進一步找出兩個變數之間的關係，例如：
- 有些國家的國會選舉採用簡單多數決制，有些國家採取比例代表制。有些國家是多黨制，有些國家則是兩黨制，有些國家落在中間。選舉制度與政黨數目有什麼關係？
- 有哪些國家的投票率比較高、哪些國家比較低？經濟發展、社會不平等或者其他因素會影響投票率嗎？投票率與政府治理的關係為何？
- 為什麼有些民眾喜歡川普？有些民眾喜歡拜登？有些民眾兩個都不喜歡？
- 社群媒體對於民眾的政治態度有多大的影響？如何確認民眾先有政治立場再選媒體？還是被媒體影響其政治立場？哪些因素決定民眾會分享貼文、按讚、追蹤？
- 針對中國研究，威權政體如何讓民眾滿足現狀，不會要求社會改革？哪些因素影響黨員的升遷？哪些因素決定中國的外交政策？
- 中央政府的精英之間是否彼此串連？又跟地方的利益團體之間形成什麼樣的網路？這些網路會增強還是減弱王朝的社會控制？
- 雖然這些問題不容易回答，但是學者盡力收集資料來驗證理論，希望建立好的模型推論到未來的事件，或者其他國家地區。
- 18週的課程一開始介紹隨機實驗，然後將進入描述統計、相關分析、卡方檢定、估計與檢定、平均數分析、變異數分析、線性迴歸、非線性迴歸、時間序列的因果關係。如果還有時間會教授貝氏統計。希望從因果關係切入引發大家的學習興趣，也切合因果推論的趨勢，然後以迴歸描述資料，並且檢視線性的關係，進而以母體推論的方法，說明變數之間的關係是否可以驗證理論。
- 本課程以
R實作統計，在上課過程中讓修課者同時學習統計以及操作R，未來能夠進一步延伸到其他的領域。本課程假設修課的同學有部分使用R的經驗，在第一次上課之後，就用講義說明R的基本功能，請同學自己閱讀講義。上課與作業都會用R來處理資料。希望大家從做中學，久而久之就會越來越有樂趣。
2.2 R 是什麼？
1991年，Ross Ihaka與Robert Gentleman開發
R，前身為S-Plus，雖然R跟S-Plus是不同的軟體，但兩者的語法有許多重疊的地方。R是免費、開源軟體，目前R已經有超過9000個套件(package)，每個套件儲存資料、函數、文件等等。除了進行統計、機器學習、資料視覺化，也可以用R的套件撰寫html文件，或者轉換為PDF，文件中可以結合R的統計功能，也就是文件中的統計、資料視覺化都是由同一組語法產生，不需要在別的地方製作，再複製貼上目前的文件。R有6種物件(object)，每一種物件有兩種屬性：長度以及屬性。這6種物件為向量(vector)、矩陣(matrix)、陣列(array)、列表(list)、因素(factor)、資料框(Data Frame)。C語言主要功能是控制硬體，而
R的函式是用C語言寫成，發展出許多統計的函式。Python的優點則是網路爬蟲、網頁開發、資料視覺化、機器學習等等，例如Gareth James等人所寫的”An Introduction to Statistical Learning: with Applications in Python”，但是R的統計功能較多也較正確，可優先考慮學習。
3 課程目標
不論是統計或者資料分析，背後都需要有嚴謹的研究設計，本課程希望達到下列目標，但是也會時時提醒修課者培養看問題以及回答問題的敏銳度：
- 瞭解如何用
R實驗設計 - 瞭解如何用
R描述資料
- 瞭解如何用
R整理資料 - 瞭解如何用
R進行資料視覺化 - 暸解如何用
R進行相關分析
- 瞭解如何用
R進行線性迴歸模型
- 瞭解如何用
R進行非線性迴歸模型
- 瞭解如何用
4 上課方式
- 主要由教師於課堂上講授，歡迎同學隨時發問。上課重點是了解統計的思維，課後可以參考講義複習。不需背誦上課所教的統計知識，如果不經常使用，死背也會很快遺忘。最好透過閱讀文獻以及實作，時時提醒自己。
4.1 評分方式
- 本課程沒有期中考，透過作業與期末報告呈現學習的成果。
- 作業 65%
- 期末口頭報告 10%
- 期末書面報告 25%
4.1.1 作業
R的語法檔給助教以驗證執行。我們會選出最好的10份作業成績的平均值做為最後的成績。
4.1.2 期末報告
R描述資料型態，並且說明變數之間可能的關係，最後以線性或者非線性迴歸模型檢證假設，但是在這個階段不一定要有非常顯著的發現。最後期末報告字數在8000字以內，並且說明每一位組員負責的部分。
R的輸出做為分析結果的報告將會嚴重扣分。沒有適當引用文獻也會扣分。R的套件裡面的許多現成資料，不要只找國內的資料。
- 研究問題：10%
- 資料收集與整理：20%
- 資料分析： 50%
- 整體寫作：20%
4.1.3 建議期末報告內容
- 研究問題
- 相關文獻
- 假設與模型
- 資料與變數
- 資料分析
- 結論
4.1.4 期末報告進度
- 報告題目與分組成員名單繳交期限：5月16日（星期五）
- 期末課堂口頭報告：6月13日（星期五）
- 書面報告繳交期限：7月15日（星期日）
4.2 課程進度
- 以下的課程進度列出授課主題的時程，但是實際上課時可能會調整上課的進度。在上課過程中，盡量讓同學有機會實作相對應的作業，以加深印象。
- 所有的上課內容會逐步上傳到https://rpubs.com/chiahung_tsai 的html檔案：
| 週次 | 日期 | 主題 |
|---|---|---|
| 1 | 2/21 | 課程簡介、安裝R |
| 2 | 2/28 | 放假 |
| 3 | 3/7 | 隨機實驗 1 |
| 4 | 3/14 | 隨機實驗 2 |
| 5 | 3/21 | 母體推論 1 |
| 6 | 3/28 | 母體推論 2 |
| 7 | 4/4 | 放假 |
| 8 | 4/11 | 交叉列表與相關 |
| 9 | 4/18 | 機率 |
| 10 | 4/25 | 迴歸原理 |
| 11 | 5/2 | 單迴歸 |
| 12 | 5/9 | 複回歸 |
| 13 | 5/16 | 假設檢定 |
| 14 | 5/23 | 二元變數迴歸模型1 |
| 15 | 5/30 | 放假 |
| 16 | 6/6 | 二元變數迴歸模型 2 |
| 17 | 6/13 | 期末課堂報告 |
| 18 | 6/20 | 自主學習 |
- 第18週是自主學習，請每一位同學在學期中自行閱讀兩篇量化資料分析的學術論文，並且撰寫一篇1,000字的心得，討論文章的優點以及可以改進的地方，連同期末報告繳交。
4.3 R講義進度
R講義共有六週，請同學按照日期自行閱讀，同樣是上傳到https://rpubs.com/chiahung_tsai 的html檔案，閱讀後請繳交作業：
| 週次 | 日期 | 主題 | 說明 |
|---|---|---|---|
| 1 | 2/21 | 讀取資料 | 介紹匯入不同來源的資料 |
| 2 | 3/7 | 資料類型 | 介紹各種類型的資料 |
| 3 | 3/14 | 子資料集 | 介紹如何切割資料 |
| 4 | 3/21 | 條件判斷與迴圈 |
將解釋如何設定條件讓R依照邏輯計算答案，以及如何設定迴圈
|
| 5 | 3/28 | 長表與寬表 | 轉換資料的型態 |
| 6 | 4/11 | 資料視覺化 | 介紹ggplot2以及ggpubr等套件的指令 |
4.4 討論時間
- 原則上訂在星期三中午12點到1點，研究室位於綜合院館北棟5樓。如果更動時間將通知，需要預約其他時間請email tsaich AT nccu.edu.tw。
4.5 助教
洪子淳（Email: 111260010 AT nccu.edu.tw）
4.6 參考書目
- 統計學
- Elena Llaudet and Kosuke Imai, 2023. Data Analysis for Social Science: A Friendly and Practical Introduction. Princeton University Press.
- 林惠玲、陳正倉，現代統計學二版，雙葉書廊。
- Gareth James, Daniela Witten, Trevor Hastie, and Robert Tibshirani, 2013. An Introduction to Statistical Learning with Applications in R (http://www-bcf.usc.edu/~gareth/ISL/ISLR%20First%20Printing.pdf)
R語法
- 蔡佳泓，2014，基礎統計分析：R 程式在社會科學之應用，雙葉書廊。
- John Fox, 2002. An R and S-Plus Companion to Applied Regression, Sage.
- John Verzani, 2001. Using R for Introductory Statistics. (https://cran.r-project.org/doc/contrib/Verzani-SimpleR.pdf)
- 劉正山，2018，民意調查資料分析的R實戰手冊，五南出版社。
5 網路資源
5.1 R教學
- 長庚大學資訊管理系的曾意儒教授所撰寫的資料科學與R語言(http://yijutseng.github.io/DataScienceRBook/index.html)，結構分明，值得參考。
- 輕鬆學習R語言一書 (http://www.learn-r-the-easy-way.tw/chapters/1) 介紹的也很詳盡，還有習題。
- 華盛頓大學教授Christopher Adolph的網站介紹他在大學部以及研究所開設的統計課程，還有他教授的
R的夏季課程(http://faculty.washington.edu/cadolph/index.php?page=60&pan=essex)，從初階到進階，內容非常的詳盡。 - R Study Group 很詳細地介紹
R的基礎，循序漸進，不會覺得太艱深(https://www.ling.upenn.edu/~joseff/rstudy/index.html)。 - R Tutorial (https://www.r-tutor.com) 是一本書的網站，可以下載書也可以點開連結看內容。
- Hastie等人之前寫的有關統計與機器學習的書：Trevor Hastie, Robert Tibshirani, and Jerome Friedman, 2008. The Elements of Statistical Learning: Data Mining, Inference, and Prediction (https://web.stanford.edu/~hastie/Papers/ESLII.pdf)
- listendata這個網站介紹好幾種軟體，如果有空可以參考(https://www.listendata.com/p/r-programming-tutorials.html)。
- Felix Haass的課程講義(https://felixhaass.de/teaching/data_visualization_giga/)，介紹一些資料視覺化的技巧。
- UCLA 的統計資源中心–IDRE有非常多的統計軟體的運用介紹，其中
R的部分在(https://stats.idre.ucla.edu/r)。 R的大神：Hadley Wickham 在Advanced R的網站 (http://adv-r.had.co.nz/Introduction.html) 介紹R的基本原理，有興趣的同學可以先讀導論。
5.2 資料萃取
- 最近政府提供許多開放資料，許多產業也有開放資料，如何下載這些公開資料然後找出資料之間的連結？台灣資料愛好者年會在2014年提供的ETL（Extract-Transform-Load）講義，詳細說明資料萃取、轉置以便分析的過程。透過執行下列程式碼，可閱讀ETL之投影片。請參考說明。請複製貼上以下的語法：
- 然後依序執行下列程式碼，結果會出現在瀏覽器的網頁：
library(DSC2014Tutorial)
slides("Basic") #Basics: data type, basic operations, etc.
slides("ETL1") #ETL on R
slides("ETL2") #Web scrapping
slides("DataAnalysis") #Data analysis
slides("Visualization1") #R basic visualization
slides("Visualization2") #R visualization using ggplot2
slides("Visualization3") #R markdown6 上課講義與資料
- 在上課前請到本課程的moodle打開講義的連結，如果必須改為線上課程，會提供影片連結。
7 使用R的步驟
7.1 下載R
- 搜尋R project就可以找到
R的網站The Comprehensive R Archive Network，簡稱CRAN，請找download R的連結，然後按照電腦的系統(Windows, Linux, Mac)，到任何一個國家的載點，下載最新的版本。
7.2 裝設RStudio
R本身介面並不太友善，RStudio 是一個免費的IDE，下載R之後請下載RStudio (http://rstudio.com)。 如果喜歡把輸出結果放在右上角，可在RStudio設定：View–>Panes–>Console on Right
7.3 安裝相關套件
- 請在上課前安裝一些常用的套件。例如輸入：
mypkg <- c('foreign','ISLR','tidyverse','Zeligverse','car','ggplot2','UsingR','lattice','nycflights13', 'stargazer','e1071', 'dplyr', 'tidyr', 'emoGG', 'ggthemes', 'psych', 'ggstatsplot', 'janitor', 'kmed', 'readr', 'lubridate',
'CTT','TSstudio','Rcolorbrewer')
install.packages(mypkg)- 如果不能在CRAN找到想要的套件，可能是放在Github，這時候要先載入
devtools這個套件，然後去Github找可以下載套件的地方，例如：
install.packages('devtools') #assuming it is not already installed
library(devtools)
devtools::install_github(
repo = "jtlandis/ggside", # package path on GitHub
dependencies = TRUE,
quick = TRUE # skips docs, demos, and vignettes
) - 在安裝某些套件時，系統會要求更新其他套件，這時候要一併更新，但是會花比較多的時間。
- 安裝完可以用
library('套件名稱')確認可否使用該套件，或者輸入以下語法顯示全部已經安裝的套件：
# List all installed packages
installed_packages <- installed.packages()
# Print the names of the installed packages
print(rownames(installed_packages))- 如果嘗試很多次還是無法安裝，可以把錯誤訊息複製貼上到搜尋引擎，說不定其他人也有類似的問題，然後有好心人士提供解決方法。
7.4 更新R
R的版本有可能會隨著時間而更新，建議定時到CRAN下載最新版的R。然後重開RStudio，讓RStudio會使用R的最新版本。而我們下載的各種套件，在Mac系統上，可以用updateR套件更新，指令如下：
library(devtools)
install_github('andreacirilloac/updateR')
library(updateR)
updateR(admin_password = 'Admin user password')- 在Windows系統上，請用installr套件更新，指令如下：
library(installr)
updateR()7.5 設定Rproj
- RStudio可以建立一個計劃案，連結特定的資料夾。每次只要打開這個計劃案，就不需要記憶資料夾的路徑，資料讀取、結果儲存都會到這個計畫案所在的資料夾。請參考以下步驟：
1 假設在你的桌面開一個工作目錄叫做 stat2024
2 到本課程的moodle下載壓縮檔，解壓縮，然後複製貼上資料檔到stat2022
3 到RStudio–>File–>New Project–>existing director–>Browse （找到stat2022）–>Create Project–Switching to project
4 資料檔應該都在RStudio右下角的視窗了，下次你開RStudio，File–>Recent projects，選擇stat2022，就會看到所有相關檔案在右下角。
5 如果你打開stat2022這個Project但是不小心跳到別的資料夾，到右下角找到More–>Go To Working Directory，應該就會回到stat2022
每一次進入RStudio之後，請打開想執行的計劃案，才能進入正確的路徑，否則RStudio的內建路徑是由Tools–>Global Options–>General決定。
- 此外，
R可讓使用者在R–>環境設定中，設定要讀取資料來自的資料夾，或是儲存資料之前指定工作目錄，以確定分析結果例如畫圖可以儲存到特定的資料夾。也可以用語法表示，例如：
setwd('C:/my documents/mywork')
7.6 Rmarkdown介紹
- 用Rmarkdown可以結合文字、語法以及分析結果，也可以製作表格，還可以用\(\LaTeX\)寫方程式，例如：
\[ f(x\mid \mu,\sigma^2)=\frac{1}{\sqrt{2\pi}\sigma}\text{exp}^{-\frac{(x_{i}-\mu)^2}{2\pi}} \]
Rmarkdown 可以轉成html檔案，所以有一些格式設定與CSS語言互通。
請到這裡閱讀Rmarkdown的說明。也可以上網自行搜尋資料。
打開Rstudio，File\(\rightarrow\)New File\(\rightarrow\)R markdown，看到一個子畫面，可以填標題、作者、日期等等，還可以選擇未來要輸出html, PDF或者Word檔。填好之後會產生一個範例檔案。
如果選擇輸出html檔或者Word檔，Rmarkdown不需要安裝xelatex或者tinytex就可以顯示中文的內文，如果在執行語法中，想要輸出中文，請加上\(\texttt{showtext_auto()}\)，例如圖7.1：
library(showtext)
showtext_auto()
set.seed(02138)
words <- c('英文', '西班牙文', '中文', '日文')
A <- sample(words, 400, replace = T)
barplot(table(A))
Figure 7.1: 語言直方圖1
- 也可以輸出為表格：
language | Count | Percent |
|---|---|---|
中文 | 106 | 26.5% |
日文 | 87 | 21.8% |
英文 | 101 | 25.2% |
西班牙文 | 106 | 26.5% |
Total | 400 | 100.0% |
- 或者用\(\texttt{ggplot2}\)繪圖：
library(ggplot2)
ggplot2::ggplot(data = df, aes(x=language, group = 1)) +
geom_bar(fill = '#C2CC1C')
Figure 7.2: 語言直方圖2
如果要輸出為PDF檔，Rmarkdown目前只支援英文，可能需要安裝Mac\(\TeX\)，但是可以轉成中文的Word檔。
用Overleaf註冊一個帳戶，可以隨時上線使用\(\LaTeX\) ，尋找適當的模板，改寫之後，可以輸出各種中、英文文件的PDF檔。
7.7 控制中文字體
- 如果想要控制中文字體，可以打開字體簿，找PostScript名稱，然後在\(\texttt{par()}\)裡面設定參數family=““，例如底下的語法：
library(here);library(foriegn)
CSV<-here("data","Tondutrend.csv")
trend<-read.csv(CSV, header=T, sep=",")
tonduts<-ts(trend, start=1992.6, frequency=2)
par(xpd=NA, mar=par()$mar+c(2.5, 0, 0, 0), family='GenKiMin2 TW L')library(here);library(showtext)
showtext_auto()
font.add("Helvetica", "Helvetica.ttc")
#font.add("GenKiMin2 TW L", "GenKiMin2-L.ttc")
font.add("GenRyuMin2JP-R","GenRyuMin2-R.ttc")
font.add("LiSu","Lisu.ttf")- 例如我們讀取以下時間序列的資料：
CSV<-here::here("data","Tondutrend.csv")
trend<-read.csv(CSV, header=T, sep=",")
tonduts<-ts(trend, start=c(1992.1), frequency=2)
head(tonduts, n=10)## 統一 維持現狀 獨立 拒答
## [1,] 2.4 66.1 7.7 23.8
## [2,] 18.6 42.2 4.0 35.2
## [3,] 20.4 51.4 11.4 16.7
## [4,] NA NA NA NA
## [5,] NA NA NA NA
## [6,] NA NA NA NA
## [7,] 19.1 46.1 11.1 23.8
## [8,] 22.3 41.1 12.2 24.4
## [9,] 21.0 48.5 14.1 16.4
## [10,] 27.8 47.1 16.1 9.0# Margin
par(xpd=NA, mar=par()$mar+c(2.5, 0, 0, 0), family = 'GenRyuMin2JP-R')
# Plot
plot(tonduts, plot.type=c("single"), lty=c(2,3,1,2),ylab="%",xlab = '年度',
pch='1', lwd=3,frame.plot=F,col=c("gray20","gray60", "black", "gray80"),xaxt="n", main="台灣民眾的統獨立場, 1992.6-2021.12")
axis(1, at=seq(1992,2021, by=2))
axis(2, at=seq(10,70, by=10), family='Helvetica')
legend("bottomright", c("統一","維持現狀"), inset=c(0.35, -0.61), col=c("gray20","gray60"),lty=c(2,3), bty='n', lwd=3)
legend("bottomright", c("獨立","無反應"), inset=c(0, -0.61), col=c("black", "gray80"),lty=c(1,2), bty='n', lwd=3)
text(2000, 33, paste("第一次政黨輪替"), family = 'LiSu', cex = 1.2)
text(2008, 32, paste("第二次政黨輪替"))
Figure 7.3: 1992-2021統獨趨勢折線圖
- 如果需要下載字體可以到這個Github，下載之後記得安裝字體。
- Word裡面的字體跟系統裡面的字體不見得一致，要以字體簿的字體為準。例如，Mac系統裡面沒有細明體(MingLIU)，只能用GenKiMin或者GenRyuMin字體代替，但是Word可以看到新細明體。