社會科學統計方法

R的特性與功能

1 R的特性

• 物件導向設計(object-oriented design, OOD或者object-oriented programming, OOP)。

• 以前的BASIC語言是一連串的函式，加上迴圈，例如：

  10 LET SUM=0

  20 FOR I = 1 TO 10

  30 LET SUM = SUM + I

  40 NEXT I

  50 PRINT “Sum is”; SUM

  60 END

• BASIC後來轉變成物件導向，例如Virtual Basic。另外一個語言：Fortran一開始也是程序性而不是物件導向，後來引進Module的概念，才慢慢轉向物件導向。
  

• 物件導向設計中的物件是「類」(class)的實例，類包括數字、字串，物件則是例如1到10的數字，或者26個英文字母等等。

• OOP允許一個物件可以繼承其他物件的特質，例如\(\texttt{setClass()}\)一個類稱為Shape，然後再設定Polygon，同時舉例「邊」為integer，這一類可以繼承Shape，依此類推。

setClass("Shape")
setClass("Polygon", representation(sides = "integer"), contains = "Shape")
setClass("Triangle", contains = "Polygon")
setClass("Square", contains = "Polygon")
setClass("Circle", contains = "Shape")

• 我們用pentagon五角大廈這個建築物舉例，告訴R他是多邊形，而且有5個邊：

pentagon <- new("Polygon", sides = 5L)
pentagon
## An object of class "Polygon"
## Slot "sides":
## [1] 5

1.1 不同的物件

R 是物件導向(object-oriented)的語言。物件導向的意思是可以包裹資料或者函數在一個物件。例如指定一個數字性質的向量物件：

# Create a vector
my_vector <- c(1, 2, 3, 4, 5)

# Check its class (shows the type of object)
class(my_vector)
## [1] "numeric"

可以告訴R這個物件的性質，例如：

# Add an attribute to the vector object
attr(my_vector, "description") <- "This is a numeric vector"

# Check the attributes of the object
attributes(my_vector)
## $description
## [1] "This is a numeric vector"

可以設定一個函數的物件，例如：

# Create a function and assign it to an object
greet <- function(name) {
  paste("Hello,", name)
}

# Use the function object
greet("Alice")
## [1] "Hello, Alice"
greet("Mr. President")
## [1] "Hello, Mr. President"

R可以指定一個物件或者值(value)給一個名稱(name)，不同名稱可以指向同一個物件。例如：

a <- c(1, 3, 5); a
## [1] 1 3 5

假設a, b是兩個名稱，同時等於c(1,2,3)，也就是b複製(copy)a。但是後來把b的第三個元素改成(modify)為10，所以新的b複製了舊的值，但是改變其中一個值。

b <- a; b
## [1] 1 3 5
b[[3]] <- 10; b
## [1]  1  3 10

R的名稱不可以有特殊符號或者是數字在第一個字母，例如無法執行以下的語法：

&a <- c(2, 1)
_b <- c(0, 2, 1)
1c <- c(1000)

但是「.」可以在第一個字母，名稱也可以加上「``」：

.c <- c(10); .c
## [1] 10
`_YB` <- c(1:10); `_YB`
##  [1]  1  2  3  4  5  6  7  8  9 10

每一個名稱必須是獨特的，如果出現新的值，R會把名稱指向新的值，舊的值被取代，例如：

U <- c(5, 6, 7); U
## [1] 5 6 7
U <- c(9, 10, 11); U
## [1]  9 10 11

• 物件有數字、函數、字串、類別等特性，我們可以自創物件的特性，例如我們先規定一個向量coin：

coin <- c("heads", "tails")

• 然後我們告訴R有一個物件coins的特性是coin：

# object coin via structure()
coins <- structure(c("heads", "tails"), class = "coin") 
coins
## [1] "heads" "tails"
## attr(,"class")
## [1] "coin"

• 我們可以應用這個物件在一個擲銅板的函數。首先應用sample()這個隨機抽樣的函數模擬擲硬幣：

toss <- function(x, times = 1, p = prob) {
  sample(x, size = times, replace = TRUE, prob = p)
}

• 然後測試擲硬幣6次，看看會擲出人頭或者反面：

# tossing a coin 5 times
toss(coins, times = 6, p = c(0.55,0.45))
## [1] "tails" "heads" "tails" "tails" "tails" "heads"

• 請問下列語法正確嗎？

g(x) <- c(1)
g(x)

• 請問下列語法正確嗎？

g <- c(2d)
g

1.2 函式

使用者可以用R寫函式(function)，由語法構成一連串過程。例如我們想用f這個函式來表示a這一個向量：

f <- function(a) {
  a
}
f
## function(a) {
##   a
## }

假設有一個向量x，裡面有三個元素：

x <- c(1, 2, 3)
x
## [1] 1 2 3

把x放到f函式，得到x。可以用另一個物件z代表f函式：

f(x)
## [1] 1 2 3
z <- f(x)
z
## [1] 1 2 3

可以看出x, z都指向同一個向量，但是z是函數，所以可以代入其他的值：

z <- f(10-1) ; z
## [1] 9

• 請問以下這個函式會得到什麼？

h <- function(r){
     pi * r^2
}
r <- c(1, 2, 3)
h(r)

1.3 列表

列表(list)是另外一種物件，可以儲存值以及值的參照(reference)，例如：

l1 <- c(1, 2, 3) ; l1
## [1] 1 2 3

我們也可以創造一個新的變數，不去變動舊的變數：

l1 <- c(1, 2, 3) 
l2 <- l1; l2
## [1] 1 2 3
l2[[3]] <- 20; l2
## [1]  1  2 20

• 在R的講義有提到列表的特性之一是可以允許不同長度的變數，例如：

A.l <- list(a=c(1,2,3), b = c('D', 'E', 'F', 'G'),
            c = c(1L, 2L, 3L, 4L, 5L))
A.l
## $a
## [1] 1 2 3
## 
## $b
## [1] "D" "E" "F" "G"
## 
## $c
## [1] 1 2 3 4 5

利用list儲存計算結果：

# Function 1: Calculates the sum and product of two numbers
calculate_sum_product <- function(a, b) {
  sum_result <- a + b
  product_result <- a * b
  return(list(a=a, b=b, sum = sum_result, product = product_result))
}
A <- calculate_sum_product(c(1, 2, 3), 2)
A
## $a
## [1] 1 2 3
## 
## $b
## [1] 2
## 
## $sum
## [1] 3 4 5
## 
## $product
## [1] 2 4 6

請試試以下的語法：

x1 <- list(y = 1:10)
x2 <- x1
x1; x2
x2[[1]]

1.4 資料框

列表可以構成資料框(data frame)，例如：

d1 <- data.frame(x = c(1, 5, 6), y = c(2, 6, 7))
d1
##   x y
## 1 1 2
## 2 5 6
## 3 6 7

我們可以複製另外一個資料框d2，然後對第2欄乘以2，得到新的資料：

d2 <- d1; d2
##   x y
## 1 1 2
## 2 5 6
## 3 6 7
d2[, 2] <- d2[, 2] * 2; d2
##   x  y
## 1 1  4
## 2 5 12
## 3 6 14

1.4.1 tibble

另外一種比較現代的資料框是\(\texttt{tibble()}\)創造，例如

# Install if you haven't already: install.packages("tibble")
library(tibble)

df_tibble <- tibble(
  Name = c("Alice", "Bob", "Charlie", "Mario"),
  Age = c(25, 30, 28, 40),
  City = c("New York", "London", "Paris", "Florence"),
  Nation =c("US")
)

print(df_tibble)
## # A tibble: 4 × 4
##   Name      Age City     Nation
##   <chr>   <dbl> <chr>    <chr> 
## 1 Alice      25 New York US    
## 2 Bob        30 London   US    
## 3 Charlie    28 Paris    US    
## 4 Mario      40 Florence US

• 注意到最後一欄原本只輸入一個’US’，系統自動填滿其他沒有資料的空格。

1.5 文字(character)

向量可以容納文字的資料，例如：

x <- c('a', 'a', 'abc', 'd')
class(x)
## [1] "character"

字串(string)則指的是文字資料，而不像是character，是一種類別。

有一個套件叫做

stringr

，有很多跟字串有關的功能，例如\(\texttt{str_trim}()\)刪除字串內前後多餘的空白：

library(stringr)
x <- c("  a   ", "b   ",  "   c", "d e  ff")
x
## [1] "  a   "  "b   "    "   c"    "d e  ff"
str_trim(x)
## [1] "a"       "b"       "c"       "d e  ff"

1.6 環境(environment)

環境的功能是連接一組的名稱(names)與一組的值(values)。想像有一個袋子，裡面裝了一些名稱，沒有特定的順序。我們目前所在的環境稱為Global environment：

rlang::current_env()
## <environment: R_GlobalEnv>

我們可以創造一個新的環境：

e1 <- rlang::env(
  a = FALSE,
  b = "a",
  c = 2.3,
  d = 1:3,
  e = 3L,
); rlang::env_names(e1)
## [1] "a" "b" "c" "d" "e"

在e1這個環境中有一個a，這個a不同於在Global Environment裡面的a。也就是說，我們可以在不同環境，指定同一名稱給不同的值：

e1$a
## [1] FALSE
a
## [1] 1 3 5
identical(e1$b, b)
## [1] FALSE

一個環境中可以容納另一個環境：

e1$d <- e1
rlang::env_names(e1)
## [1] "a" "b" "c" "d" "e"

可以複製一個環境到一個新的環境，舊的環境會被新環境取代：

e2 <- rlang::as_environment(e1)
rlang::env_names(e2)
## [1] "a" "b" "c" "d" "e"

1.7 套件(package)

• 套件指的是包含函式或者資料，以及相應說明的一個有結構的物件。
• 例如在base這個套件中，有一個函式typeof，它可以回傳我們想知道的物件的性質：

x <- 8; 
base::typeof(x)
## [1] "double"
base::typeof('a')
## [1] "character"

• 我們用函數來舉例：

hello <- function() {
  print('Hello, world!')
}
class(hello)
## [1] "function"
typeof(hello)
## [1] "closure"

• R顯示closure，意思為這個函數所用到的指令以及變數都已經在所處的環境之中。

• 藉由套件，我們可以使用各種現有的語法、資料。當R不斷一直擴充，而且是免費使用，我們就不斷有新的工具。

1.7.1 Namespace

由於R有許多套件，不同套件裡面的函數可能有同樣的命名。R的套件(package)有一個介面稱為套件環境，我們可以告訴R要用哪一個套件裡面的功能，以免R需要搜尋所有的套件。例如car與dplyr有同樣的recode()功能；

J <- c(1, 2, 3, 3, 4, 4, 5, 5, 5, 95, 97, 98)
J1 <- car::recode(J, "1:2=1; 3=2; 4:5=3; 95:98=NA"); J1
##  [1]  1  1  2  2  3  3  3  3  3 NA NA NA
J2 <- dplyr::recode(J, `1`='1', `2`='1', `3`='2', `4`='3', `5`='3', .default = NA_character_); J2 <- as.numeric(J2); J2
##  [1]  1  1  2  2  3  3  3  3  3 NA NA NA

• 函數的名稱一樣，但是寫法不一樣，如果沒有告訴R要用哪一個套件底下的語法，R會去使用已經載入的套件，但是這不一定是使用者想要的套件。

• 未來上課時我們會盡量寫namespace，以免混淆。

2 功能

2.1 統計

• R有許多統計的套件，從描述統計到多變量分析都有，還有抽樣、加權等等跟調查相關的套件。

2.2 機器學習

• R有機器學習的套件，可以給它資料、隨機分派之後估計模型，然後應用在沒有被訓練的資料，比較預測值以及觀察值的差距。

2.3 爬網路資料

• R可以結合善於儲存樹狀結構資料的JSON，下載網路上的資料：

library(httr)
library(jsonlite)
options(stringsAsFactors = F)

url_sc_flu <- "https://od.cdc.gov.tw/eic/Weekly_Age_County_Gender_487a.json"

df <- fromJSON(content(GET(url_sc_flu), "text", encoding = "utf-8"))
head(df)
##   確定病名 發病年份 發病週別   縣市   鄉鎮 性別 是否為境外移入 年齡層
## 1     487a     2003        2 新北市 永和區    M              0  10~14
## 2     487a     2003        3 台北市 中正區    M              0      3
## 3     487a     2003        3 新北市 永和區    F              0      4
## 4     487a     2003        4 台北市 大同區    F              0      3
## 5     487a     2003        5 新北市 汐止區    M              0      0
## 6     487a     2003        5 新北市 汐止區    M              0      2
##   確定病例數 縣市別代碼 鄉鎮別代碼
## 1          1      65000   65000040
## 2          1      63000   63000050
## 3          1      65000   65000040
## 4          1      63000   63000060
## 5          1      65000   65000110
## 6          1      65000   65000110

• 如果想要抓現成的網頁表格，例如選研中心網站上面公布的總統選舉結果，可以這樣做：

#load package
library(rvest); library(tidyverse); library(rLTP)

#webpage
webp2020 <-"http://vote.nccu.edu.tw/cec/vote312.asp?pass1=I:8:8IAA8888888888"

#list
presd2020 <- list()

#read html in a list with correct encoding
presd2020 <-read_html(webp2020, encoding = "BIG5") %>%
  html_nodes(xpath='//table') %>%
  html_table()

#data frame
presd2020.dt <- presd2020[[1]]

#rename the column names as the first row and delete the first row
rownames(presd2020.dt) <-NULL
colnames(presd2020.dt) <- presd2020.dt[1, ]
presd2020.dt <- presd2020.dt[-1, ]

#Done!
head(presd2020.dt)
## # A tibble: 6 × 5
##   地區   姓名   號次  得票數 得票率  
##   <chr>  <chr>  <chr> <chr>  <chr>   
## 1 宜蘭縣 宋楚瑜 01    10739  3.9135% 
## 2 宜蘭縣 韓國瑜 02    90010  32.8018%
## 3 宜蘭縣 蔡英文 03    173657 63.2847%
## 4 新竹縣 宋楚瑜 01    18435  5.6716% 
## 5 新竹縣 韓國瑜 02    154224 47.4478%
## 6 新竹縣 蔡英文 03    152380 46.8805%

• 遇到新聞網站、論壇、PTT等等HTML網頁，透過CSS規則找出連結的位置，就能寫R全部下載所有連結，然後把每個連結後面的發言存到自己的電腦。參考台大新聞所謝吉隆教授撰寫的語法：

query = "指南宮"
pre <- "https://www.ptt.cc"
url <- str_c("https://www.ptt.cc/bbs/gossiping/search?page=", 1, "&q=", query)
post.df <- data_frame()
for(page in 1:8){
    url <- str_c("https://www.ptt.cc/bbs/gossiping/search?page=", page, "&q=", query)
    print(url)
    doc <- GET(url, config = set_cookies("over18" = "1")) %>%
        content("text") %>%
        read_html()
    nodes <- doc %>% html_nodes(".r-ent")
    nrec <- nodes %>% html_node(".nrec span") %>% html_text() %>% as.numeric()
    title <- nodes %>% html_node(".title a") %>% html_text()
    link <- nodes %>% html_node(".title a") %>%  html_attr("href") %>%
        str_c(pre, .)
    author <- nodes %>% html_node(".meta .author") %>% html_text()
    page.df <- data_frame(nrec, title, link, author)
    
    post.df <- bind_rows(post.df, page.df)
    #print(nrow(post.df))
}
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=1&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=2&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=3&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=4&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=5&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=6&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=7&q=指南宮"
## [1] "https://www.ptt.cc/bbs/gossiping/search?page=8&q=指南宮"

#View data
head(post.df)
## # A tibble: 2 × 4
##    nrec title                                         link                author
##   <dbl> <chr>                                         <chr>               <chr> 
## 1     2 [新聞] 赴指南宮參拜祈福 蕭美琴：盼正能量遍全  https://www.ptt.cc… seiya…
## 2     2 Re: 有哪些是情侶不能去的觀光地啊→關於指南宮？ https://www.ptt.cc… ck517

2.4 繪圖

• R可以根據統計模型或者數學模型繪圖，也可以結合地理資訊繪圖。

2.4.1 地理資訊繪圖

#install.packages(c("maps", "mapdata", "ggplot2"))
# Load necessary libraries
library(ggplot2)
library(maps)
library(mapdata)

# Extract Taiwan map data
taiwan <- map_data("world", region = "Taiwan")

# Define the coordinates of six metropolitan cities
metropolitan_cities <- data.frame(
  city = c("Taipei", "New Taipei", "Taichung", "Tainan", "Kaohsiung", "Taoyuan"),
  lon = c(121.5654, 121.4619, 120.6700, 120.2790, 120.3120, 121.2168),
  lat = c(25.0320, 25.0160, 24.1477, 22.9997, 22.6273, 24.9936)
)

# Plot the map of Taiwan
ggplot() +
  geom_polygon(data = taiwan, aes(x = long, y = lat, group = group), fill = "grey80", color = "black") +
  geom_point(data = metropolitan_cities, aes(x = lon, y = lat), size = 3, color = "red") +
  geom_text(data = metropolitan_cities, aes(x = lon, y = lat, label = city), vjust = -0.5, size = 3, color = "black") +
  labs(title = "Map of Taiwan with Six Metropolitan Cities") +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

2.4.2 數學函數繪圖

• 如果有一個數學函數\(2x^2+1\)，R可以畫出某個X範圍的圖形：

# Load necessary libraries
library(ggplot2)

# Define the function
f <- function(x) 2*x^2 + 1

# Generate x values
x <- seq(-5, 5, length.out = 100)

# Generate y values
y <- f(x)

# Create a data frame with x and y values
df <- data.frame(x = x, y = y)

# Plot the function
ggplot(df, aes(x, y)) +
  geom_line(color = "blue") +
  labs(title = "Plot of f(x) = 2x^2 + 1") +
  xlab("x") +
  ylab("f(x)") +
  theme_minimal()

2.5 數學

• R 可以處理最簡單的數學到微積分，只要給它正確的函數，它就能計算微積分的結果。例如：

#install.packages("Deriv")
library(Deriv)

# Define the function
f <- expression(x^3 + 2*x^2 + 9*x)

# Differentiate the function with respect to x
df_dx <- Deriv(f, "x")

# Print the result
print(df_dx)
## expression(9 + x * (3 * x + 4))

2.6 文件

• 可以用R做html, LaTex等文件，並且結合來自統計模型的圖形以及表格。

3 R and ChatGPT

• 使用者只要下達命令，ChatGPT可以產出R的語法，從讀取資料到操作，複製貼上語法即可得到希望的結果。
• 付費訂閱ChatGPT Plus 可以讀取資料，然後建議使用者如何分析變數之間的關係。
• 但是ChatGPT沒辦法幫人收集資料，也沒辦法幫人解釋變數與變數之間的關係。
• 如果不了解統計的原理，也無法對ChatGPT下達指令。
• ChatGPT也不見得了解新的統計方法，必須要小心得到的答案。
• 雖然ChatGPT可以節省一些摸索R的時間，但是希望同學自己寫程式，而不是依賴ChatGPT，才能真正判斷ChatGPT所提供的內容。

4 更新內容日期

## 最後更新日期 02/08/2025