4.1 Заголовки

Для создания заголовков используется знак решетки (хэштэг) – #:

Вот такой синтаксис в маркдауне:

# Заголовок первого уровня

## Заголовок второго уровня

### Заголовок третьего уровня

при конвертации будет отображен как:

Когда документ будет переформатирован в Word, для оформления будут использованы стили для различных заголовков.

4.2 Выделение текста

В процессе написания статьи в авторов довольно часто возникает необходимость выделить какую-то часть текста, например, важные термины или определения. Лучше всего это сделать с помощью полужирного шрифта или курсива. В маркдауне такое выделение сделать очень просто.

Для создания курсива слово нужно обрамить с помощью звездочек или знаков нижнего подчеркивания: *выделяемое слово* и _выделяемое слово_отобразятся как выделяемое слово.

Для полужирного шрифта понадобятся двойные звездочки: **слово, которое нужно выделить**будет выглядеть как слово, которое нужно выделить.

Затронем еще один важный момент, связанный с форматированием текста – различение знаков тире и дефиса. Дефис – это орфографический знак в виде короткой черточки, который отличается от тире начертанием и тем, что он употребляется для соединения сложных слов, а также ставится между частями слов. Тире – это пунктуационный разделительный знак, который употребляется между членами предложения и простыми предложениями в составе сложных.

С дефисом обычно проблем не бывает, а вот с тире, особенно в научных публикациях, возникают сложности.

При форматировании текста нужно помнить, что тире бывает средним (его еще называют коротким) и длинным.

Короткое тире еще называют «эн-дэш», «n-dash», потому что его длина равна ширине буквы N. Короткое тире ставится между числами, например, 5–10.

Длинное тире еще называют «эм-дэш», «m-dash», потому что его длина равна ширине буквы M.

Чтобы в маркдауне поставить короткое тире нужно использовать двойной дефис --, а для длинного тире - тройной ---. Вот и все, и никаких сложностей.

4.3 Гиперссылки и изображения

Гиперссылки создаются с помощью сочетания квадратных и круглых скобок: [текст](адрес), например, [RStudio](https://www.rstudio.com) будет выглядеть как RStudio.

Синтаксис для картинок и изображений очень похож: нужно просто добавить восклицательный знак, например, ![название рисунка](путь/к/файлу). В скобках можно указывать как адрес изображения к Интернете, так и путь к файлу, сохраненному в компьютере.

Пример: ![Рисунок 1. Милый котик.](https://ichef.bbci.co.uk/news/640/cpsprodpb/14A82/production/_116301648_gettyimages-1071204136.jpg)

Затекстовые ссылки оформляются внутри квадратных скобок после знака каретки ^[], например, вот так: ¹. Такие ссылки нумеруются автоматически, используется сквозная нумерация.

4.4 Формулы

Формулы в маркдауне могут быть встроены непосредственно в текст с помощью так называемого построчного кода (inline code), либо с помощью TeX-нотации.

Так, знаки “тильда” (~) позволяют создать подстрочные знаки (например, код H~3~PO~4~ позволит записать формулу H₃PO₄), а знаки каретки (^) используются для обозначения надстрочных элементов (например, набрав Cu^2+^ получим Cu²⁺, а x^2^ x²).

Возможно, нам понадобятся греческие буквы, их можно получить с помощью формул TeX: $\alpha$, $\beta$, $\sigma$, $\mu$ – $\alpha$, $\beta$, $\sigma$, $\mu$.

Чтобы пометить какой-то код как код и не выполнять его, нужно обернуть его в одинарные кавычки: code.

Пример более сложных формул, созданных с помощью нотации TeX:

$$
E = mc^2
$$

$$E = mc^2$$

$$
\sum_{i = 1}^{n}{(\bar{x} - x_i)^2}
$$

$$\sum_{i = 1}^{n}{(\bar{x} - x_i)^2}$$

$$
Y \sim X\beta_0 + X\beta_1 + \epsilon
$$

$$Y \sim X\beta_0 + X\beta_1 + \epsilon$$ Wiki-учебник по математическим формулам в TeX/LaTeX

4.5 Списки (нумерованные и обычные)

Как в теоретической, так и практической части научной статьи авторы часто структурируют информацию и представляют ее в виде списков, нумерованных или маркированных.

Нумерованные списки представляют собой набор фрагментов текста, объединенных общим смыслом, с их порядковыми номерами. В качестве нумерующих элементов обычно выступают арабские цифры (1, 2, 3, …).

Для создания нумерованных списков в R Markdown нужно просто использовать цифры в начале строки:

1. Первый элемент нумерованного списка
2. Второй элемент нумерованного списка
3. Третий элемент нумерованного списка

Маркированный список определяется тем, что перед каждым элементом списка добавляется небольшой маркер, обычно в виде закрашенного кружка.

В маркдауне такие списки создаются с помощью дефисов (-) и табуляции:

- первый элемент маркированного списка
- второй элемент маркированного списка
  - элемент более низкого уровня
  - еще один элемент
- третий элемент маркированного списка

Вот как это будет выглядеть в Word:

5.1 Загрузка библиотек и импорт базы данных

Прежде чем что-то посчитать и описывать, мы должны получить доступ к данным.

Для этого, мы, во-первых, должны скопировать файл с данными исследования в формате .sav в ту же папку, где будем писать статью, чтобы не прописывать путь к нему (можно не копировать, тогда путь следует указывать полностью).

Во-вторых мы должны установить (если раньше не устанавливали) и загрузить библиотеки для анализа. В рамках регодняшнего занятия нам понадобятся следующие библиотеки:

• haven – помним, что она нужна для импорта данных из формата программы SPSS
• sjmisc – хороша для работы с простыми таблицами и переменными класса labelled (у которых есть коды и метки)
• flextable – чудо-библиотека от Дэвида Гоэля - француза и сотрудника ArData, созданная специально для работы с таблицами и улучшения их отображения в различных форматах, в частности в Word и Power Point
• dplyr – содержит набор простых функций для манипулирования данными, позволяющих сосредоточиться на решении задачи, а не на второстепенных вопросах, связанных с трансформацией данных
• gtsummary – библиотека для создания эффектных таблиц с описательными статистиками для научных публикаций
• ggplot2 – одна из ведущих библиотек для создания графиков и диаграмм

В некоторых примерах, представленных ниже, используются другие библиотеки. Для их воспроизведения указанные в начале каждого чанка библиотеки также необходимо установить на компьютер перед запуском.

library(haven)
library(sjmisc)
library(dplyr)
library(flextable)
library(gtsummary)
library(ggplot2)

После того, как мы загрузили библиотеки, импортируем базу данных:

df<-read_sav("База_НШ_ВМ_2020_от 21.12.2020.sav", user_na = TRUE)

Теперь мы можем параллельно писать код на R, обрабатывать наши данные с помощью различных методов и процедур, и описывать результаты, не думая о том, как они будут выглядеть в текстовом редакторе, поскольку все настройки уже сохранены в шаблоне - template.docx.

5.2 Описание простых таблиц без их представления в тексте

Например, мы описываем нашу выборочную совокупность и хотим проанализировать распределение респондентов по регионам исследования.

Поскольку большинство наших переменных являются факторными (содержат номинальные или порядковые данные), для корректного отображения меток желательно применить функцию as_factor из библиотеки sjmisc ко всей базе данных.

df<-as_factor(df)

Если нам нужны простые частоты, не проценты, одним из простых решений будет функция table (), с которой мы уже встречались на предыдущих занятиях:

table(df$V004)

## 
##        Алтайский край     Псковская область   Саратовская область 
##                   408                   205                   471 
## Новосибирская область       Приморский край    Забайкальский край 
##                   483                   454                   431 
##                Другое 
##                    86

Чтобы выполнить этот фрагмент кода в маркдауне, нужно нажать на зеленый треугольник справа.

Вот этот треугольник:

Поскольку в настройках мы укажем, что не желаем выводить сам код knitr::opts_chunk$set(echo = FALSE) мы его будем видеть только в маркдауне, а в Word будет уже сохраняться готовый текст, графики и таблицы.

Если нам нужны не абсолютные, а относительные частоты по отдельным вопросам, для которых мы не собираемся делать какие-то таблицы или графики (то есть эти данные нужны только для описания), то для этой цели можно использовать функцию как flat_table из библиотеки sjmisc.

Например, мы хотим узнать пропорции по полу во всех регионах исследования.

flat_table(df, Q38, margin = "cell")

## x Женщина Мужчина
##                  
##     64.63   35.37

Мы видим, что в наших исследованиях приняло участие гораздо больше женщин (65%), чем мужчин (35%).

Если нужна двумерная таблица, функция flat_table также подойдет (так же как и функции prop.table, sjt.xtab, с которыми мы встречались на предыдщих занятиях, здесь дело скорее вкуса, чем функциональности):

Например, посмотрим, распределение по полу в зависимости от региона:

flat_table(df, V004, Q38, margin = "row")# df - наша база данных, V004 Q38 - пересенные для строк и столбцов, margin = "row"  - процент по строке

##                       Q38 Женщина Мужчина
## V004                                     
## Алтайский край              63.36   36.64
## Псковская область           68.69   31.31
## Саратовская область         62.58   37.42
## Новосибирская область       69.31   30.69
## Приморский край             60.14   39.86
## Забайкальский край          66.43   33.57
## Другое                      60.49   39.51

Выглядит не очень с точки зрения оформления, зато мы быстро получили результаты и можем их описать. Видим, что женщины превалируют во всех регионах, из доля составляет более 60%, в Новосибирской области - 69%.

Между тем, очевидно, что для хорошей статьи описания результатов частотного анализа недостаточно, требуется представлять результаты комплексно, сразу по нескольким переменным, часто с учетом группировки, и приводить доказательства значимости имеющихся различий на основе применения статистичеких методов.

5.3 Создание таблиц по нескольким переменным: возможности библиотек gtsummary и flextable

Предположим, что для нашей будущей статьи мы хотим создать большую таблицу, содержащую распределения сразу по нескольким переменным, описывающим все важные демографические и социальные характеристики, такие как пол, возраст по группам, социальный статус, в том числе - с учетом региональных различий. Желательно также посчитать, являются ли эти различия значимыми, используя для этого критерий хи-квадрат Пирсона.

Библиотека gtsummary была создана специально для того, чтобы быстро создавать гибкие с точки зрения форматирования таблицы с описательными статистиками и результатами регрессионного анализа, оформленные по стандартам для научных публикациий.

Мы настоятельно рекомендуем посетить сайт проекта и подробно ознакомиться с возможностями данной библиотеки. https://www.danieldsjoberg.com/gtsummary/index.html

Для начала создадим общую таблицу, где в строках будут располагаться данные по возрасту, полу, региону проживания, социальному статусу, а также наличию гражданства другой страны.

table<-df %>% 
  select(V004, Q38, age_cats, Q39, Q49) #отберем нужные переменные в отдельный сет и сохраним его под именем table
# создадим таблицу
table %>% 
  tbl_summary(missing="no") #функция tbl_summary позволяет создать комплексные таблицы

В принципе, очень неплохо. Добавим группировку по региону и поменяем заголовок у переменных с “Characteristic” на “Характеристику”:

table %>% 
  tbl_summary(by=V004, missing="no") %>%#by=V004 - так мы обозначаем группирующую переменную
  modify_header(#функция, позволяющая изменить заголовок
    update = list(
      label ~ "Характеристика" #
    )
  )

Прочитать подробнее о функции tbl_summary, ее атрибутах, с подробным разбором примеров и возможностей изменения таблицы: http://www.danieldsjoberg.com/gtsummary/articles/tbl_summary.html

Можно сделать и простую двумерную таблицу:

 table %>%
  tbl_cross(row = Q38, col = Q39, percent = "cell", missing="no", ) %>%
  add_p(test="chisq.test") %>% 
  modify_header(#функция, позволяющая изменить заголовок
    update = list(
      label ~ "**Характеристика**" #
    )
  ) %>% 
  modify_caption("**Взаимосвязь пола и возраста** (N = {N})")

## FALSE observations with missing data have been removed.

К сожалению, библиотека gtsummary, также как и библиотека gt, на основе которой она была создана, не поддерживает формат Word, однако в ней есть функция as_flex_table, позволяющая преобразовать таблицу в класс {flextable} и далее использовать возможности форматирования, заложенные в эту библиотеку.

С помощью flextable можно создавать очень красивые таблицы, на сайте проекта есть впечатляющая галерея:

Подробно изучить возможности библиотеки можно в интерактивном учебнике: https://ardata-fr.github.io/flextable-book/

5.4 Пример использования многомерных методов: построение модели логистической регрессии

Логистическая регрессия является одним из часто используемых методов регрессии, достаточно легким для применения, интерпретации результатов и тестирования гипотез. Зависимая переменная которая должна быть представлена в дихотомическом виде (0 – событие не произошло, 1 – событие произошло). Примеров таких зависимых переменных может быть множество: заболел человек или нет, приняли ли его на работу или нет. Задача такого моделирования заключается в предсказании будущего события на основе имеющихся данных об уже произошедших ранее событиях такого же рода. В качестве независимых переменных могут выступать как количественные переменные (возраст, доход, стаж работы), так и категориальные (пол, национальность, место проживания и т.д.).

Предположим, мы хотели бы построить такую предсказательную модель для переменной Q35_SQ005, в которой содержатся данные о планах переехать в другую страну.

Рассмотрим простой случай, когда в качестве зависимых будут выступать всего две переменных – пол и возраст. Создадим модель на основе метода GLM – обобщенных линейных моделей, включающего различные варианты линейной регрессии, в том числе – логистической регрессии (binomial logistic).

# Формула задается с помощью знака тильды и операторов сложения: слева от тильды располагается зависимая переменная, справа - независимые факторы
m1 <- glm(Q35_SQ005 ~ Q38 + age, df, family = binomial)
tbl_regression(m1, exponentiate = TRUE, pvalue_fun = ~style_pvalue(.x, digits = 2)) #tbl_regression - функция, создающая таблицу для представления результатов регрессионного анализа, m1 - наша модель, exponentiate = TRUE --этот аргумент задает перевод коэффициентов регрессии в отношение шансов, pvalue_fun = ~style_pvalue(.x, digits = 2 -- этот аргумент нужен для форматирования уровня значимости - с двумя знаками после запятой

В результате такого анализа можно оценить, является ли фактор, который мы выбрали в качестве независимой переменной, значимым, а также проанализировать отношение шансов (OR - odds ratio) - изменение вероятности попадания в группу риска (уволенных, заболевших, решившихся на переезд) в зависимости от значений независимой переменной.

В рассмотренном примере оба фактора имеют высокую статистическую значимость – p < 0,05. При этом у мужчин вероятность решиться на переезд в другую страну почти на 70% выше, чем у женщин, а вот с возрастом шансы на переезд снижаются – в среднем на 5% с каждым годом.

5.5 «A picture is worth a thousand words». Как сделать график к результатам исследования?

Диаграммы и графики позволяют представить результаты научного исследования наглядно, быстро оценить и сравнить нужные величины. Графический материал должен дополнять текст работы, иметь сквозную нумерацию и письменное пояснение к каждому объекту.

При подготовке научной статьи или диссертации графический материал часто компонуют и оформляют в отдельное приложение. Иллюстративный материал к научной работе часто ложится в основу презентации для ее защиты.

Создание красивых графиков является одной из сильных сторон R, авторы создали целую галерею, не только иллюстрирующую возможности данного языка, но и содержащую примеры кода, используемого для создания разных типов графиков:

Галерея графиков в R: https://www.r-graph-gallery.com/index.html

Выбор графика зависит от нескольких факторов. Прежде всего, большую роль играет природа данных, используемых для визуализации. Для количественных переменных подойдут гистограммы (histograms), ящичные диаграммы (boxplots) и графики плотности (density plots), для категориальных переменных – столбчатые диаграммы (barplots), радарные графики (radar plots), «леденцовые» диаграммы (lollipop plots). Второй значимый фактор – вид анализа. Сравнение выраженности признака по группам требует одних графиков, а многомерные методы, такие как факторный анализ, дискриминантный анализ или анализ соответствий - совсем других. Безусловно, в рамках нескольких занятий научиться всему не получится, но мы рассмотрим несколько интересных графических решений, которые можно взять на вооружение при написании научной статьи.

Пример графика для вопроса с множественным ответом:

# questionr - библиотека, позволяющая анализировать таблицы с множественными ответами
library(questionr)# прежде чем выполнить эту строку, установите пакет questionr на свой комьютер
# Объединим все подвопросы вопроса Q16 в один набор и сохраним его как отдельный объемт
Q16<-df %>% 
  select(contains("Q16_SQ"))
# создадим таблицу и сохраним ее как датафрейм
Q16tab<-Q16 %>% 
multi.table(true.codes=list("Да"), freq=TRUE) %>% #true.codes=list("Да") - обозначаем вариант ответа, используемый для подсчета частот и процентов, freq=TRUE - вывод процентов, а не только частот
  as.data.frame()
#создадим переменную с вариантами ответа (сокращенный вариант)
Q16tab$quest<-c("Надо поддерживать всех", "Надо поддерживать въезд в страну русского и русскоязычного населения", "Надо поддерживать въезд молодых и образованных граждан", "Надо поддерживать соотечественников разных национальностей из стран бывшего СССР", "Надо ограничить въезд в страну для всех категорий мигрантов")
# переименуем переменную с процентами
names(Q16tab)[2]<-"Proc"
# создадим график
ggplot(Q16tab, aes(x=quest, y=Proc))+#задаем, какая переменная будет по оси xб а какая по оси y
  geom_segment( aes(x=quest, xend=quest, y=0, yend=Proc)) +#эта строка задает длину палочки "леденца"
  geom_point( color="blue", size=6, alpha=0.6) +#это сам леденец - кругляшок на палочке, color="blue" - цвет "леденца", size=5 - размер, alpha=0.6 - уровень прозрачности
  coord_flip() + #переворачиваем график на 90 градусов, чтобы сделать его горизонтальный вариант
  theme_bw() +#устанавливаем тему графика на минимальную - без серого фона и лишних линий
  xlab(" ") + #убираем подписи к оси x
  ylab(" ")+ #убираем подписи к оси y
geom_label(aes(quest, Proc+1.5, label = Proc), colour = "darkred", nudge_x = 0.35, size = 4)# делаем подписи к каждому "леденцу" в виде значений процентов, которые будут отображаться темно-красным цветом

Создадим график корреляций для вопроса Q2 в котором измеряется выраженность различных идентичностей – государственно-национальной (близость с общностью жителей России), региональной, местной, этнической, конфессиональной, поколенческой, политической:

library(corrplot)# - нам понадобится библиотека corrplot
#мы должны заново загрузить нашу базу, чтобы категориальные переменные отображались цифрами
df<-read_sav("База_НШ_ВМ_2020_от 21.12.2020.sav", user_na = TRUE)
#отбираем переменные в отдельный сет:
Q2<-df %>% 
  select(contains("Q2_SQ")) %>% 
  na.omit()
# переименовываем переменные, чтобы вместо кода вопроса были буквы от a до n:
names(Q2)<-letters[1:7]
#считаем корреляции по методу Спирмена
M = cor(Q2,  method="spearman")
#делаем график
corrplot.mixed(M, number.cex= 7/ncol(M))