1992年，
肉丝
（Ross Ihaka）和
萝卜特
（Robert Gentleman）两个人在S语言（贝尔实验室开发的一种统计用编程语言）的基础上开始构思一种新的用于统计学分析的开源语言，直到1995年第一个版本正式发布（和各位年龄相仿）。因为他们名字的第一个字母都是R，所以这门语言就被叫做R。这两个人都是统计学教授出身，再加上R语言的生父S语言，所以
R语言在统计学方面有着纯正的血统
！
如果你平时的工作会涉及到统计学，那么接触R语言实在是太正常不过了。因为R语言本身为统计而生，所以你能想到的所有统计相关的工作，R都可以非常简洁的用几行命令（甚至1行命令）帮你完成。
在R官网有这样几句介绍：“R provides a wide variety of statistical (linear and nonlinear modelling, classical statistical tests, time-series analysis, classification, clustering, …) and graphical techniques, and is highly extensible. One of R's strengths is the ease with which well-designed publication-quality plots can be produced, including mathematical symbols and formulae where needed.”
-
R高度的可扩展性正是体现在它那1万多个包上，你想做的几乎所有事情都可以用现有的R包来辅助完成（当然，有些工作即便能完成但也不适合）。
-
R另一个杀手锏就是其强大的绘图功能，正如上面的英文介绍所言，R可以画图，画各种各样的图，画各种各样高逼格的图，画各种各样高逼格可以直接出版的图。
-
完善的统计学功能再加上强大的绘图功能，就是你学习的最大理由。
时间：
2017年8月12-14日 (三天)初级；8月16-18日 (三天)高级
地点：
上海市南京东路附近培训教室
费用：
初级：2400元 / 2100元 (仅限全日制本科生及硕士研究生优惠价)
高级：2700元 / 2400元 (仅限全日制本科生和硕士研究生优惠价)
全程：4800元 / 4300元 (仅限全日制本科生和硕士研究生优惠价)
(食宿自理)
安排：
上午9:00-12:00；下午1:30-4:30；答疑
本课程主要介绍R语言基础及其在现代计量经济学中的应用，
通过大量真实的案例并结合详细的软件操作
，使学员能够迅速而高效地掌握数据分析中常用的运算指令，达到学以致用的教学目标。
课程将对各种计量经济学模型进行深入浅出地讲解
，没有让人望而生畏的数学公式
。
课程目的是使学员了解不同模型的基本思想、适用范围、局限性以及模型间的相互关系，提高对R软件的操作能力及对输出结果的解释能力。
本课程将
结合经济学、金融学、管理学等领域的真实案例
，指导学员如何收集数据、整理数据、分析数据并找到最优解决方案。
杨柳，经济学博士，2014年8月毕业于美国纽约州立大学，现任教于南京大学商学院产业经济学系。研究方向为计量经济理论和经济预测，已有多篇论文发表于Journal of Business & Economic Statistics、International Journal of Forecasting、Economics Letters等国际知名SSCI期刊。
长期从事R语言开发及其在计量经济学中的应用研究，积累了丰富的编程经验。主持并参与多项金融和宏观经济的课题项目，对如何应用R语言进行数据分析和挖掘有深刻的认识和独到的见解。
主要讲授“中级计量经济学”、“空间计量经济学”，“面板数据分析”，“金融数据分析”等课程，授课特色以案例为主、理论为辅，以形象生动的语言使学生在潜移默化中加深对复杂模型的理解，让“枯燥”理论不再枯燥。
第一章
R
和
R Studio
（
0.5
课时）
1. 安装
2. 启动与退出
3. 帮助系统
4. package的安装与调用
第二章
R
数据结构（
1
课时）
1. mode和class（数值型、字符型、逻辑型、list）
2. 对象存放形式（向量、矩阵、数据框、列表）
3. 对象之间的转换
第三章
R
运算指令（
0.5
课时）
1. 数学运算符
2. 比较运算符
3. 逻辑运算符
第四章
R
中的随机数（
1
课时）
1. [0,1]均匀分布随机数的生成
2. 连续随机数的生成
3. 离散随机数的生成
4. 随机向量的生成
案例：
如何量化新产品的引入对现有厂商市场份额的冲击
第五章
基本的数据操作（
2
课时）
1. 数据输入和输出
2. 数据的按行合并和按列合并
3. 数据的subsetting
4. 数据排序
5. 缺失值的处理
6. 日期数据的处理
7. 数据保存
第六章
R
中的函数（
2
课时）
1. 统计函数
2. 运算函数
3. 与矩阵有关的函数
4. 与数据有关的函数
5. apply函数族
6. 自定义函数
案例：
评估各种宏观经济指标对股价指数的预测能力
第
七
章
R
中的控制语句（
1
课时）
1. if else条件语句
2. for while循环语句
3. 多重语句嵌套
第八章
描述性统计分析（
1
课时）
1. 单变量描述性统计（summary、table）
2. 双变量描述性统计（cov、cor、table）
第九章
R
的作图功能（
2
课时）
1. 图形参数（主体部分、坐标轴部分、坐标标题部分、图形标题部分、尺寸、边界和布局）
2. 箱型图
3. 直方图和核密度图
4. 时间折线图
5. 柱形图
6. 饼图、扇形图
7. qq图
8. 散点图
9. 相关系数图
10. 3D图
11. lattice图
案例：
银行贷款违约风险模型的构建及评估
第十章
两均值检验和方差分析（
1
课时）
1. 双样本均值检验
2. 单因素方差分析
3. 多因素方差分析
第十一章
线性回归模型（
1
课时）
1. 多元线性回归模型
2. 普通最小二乘法估计
3. 检验、预测和诊断
4. 模型选择
5. 虚拟变量回归
第十二章
广义线性回归模型（
1
课时）
1. 二元因变量模型简介
2. 连接函数和参数估计
3. 回归结果解释及模型检验
4. 回归诊断
5. 泊松回归模型
案例：
母亲吸烟是否会影响婴儿体重？
第一章
聚类分析（
1
课时）
1. K-Means聚类
2. 层次聚类
3. 两步聚类
案例：
中国城市发展的几种典型模式
第二章
因子分析（
1
课时）
1. 主成分分析法
2. 主轴因子法
3. 计算因子得分
案例：
基于因子模型的宏观经济预测
第三章
判别分析（
1
课时）
1. 距离判别
2. Fisher判别
案例：
如何自动识别垃圾电子邮件？
第四章
决策树模型（
2
课时）
1. 分类回归树
2. 组合预测模型
3. 随机森林
案例：
决策树模型在市场营销中的应用
第五章
人工神经网络（
2
课时）
1. B-P反向传播网络
2. SOM自组织映射网络
案例：
大数据背景下基于产品特征的分类
第一章
金融资产收益率计算（
1
课时）
1. 收益率的基本概念
2. 股票收益率计算
3. 债券收益率计算
4. 收益率的统计分布
案例：
沪深300指数月收益率的计算
第二章
收益率波动模型（
1
课时）
1. ARCH和GARCH模型
2. Stochastic Volatility模型
案例：
人民币汇率波动是否会传导到股票市场
第三章
金融资产风险度量（
1
课时）
1. VaR和ES
2. 分位数回归和VaR（ES）的计算
案例：
如何预测极端金融风险？
第四章
金融资产投资组合分析（
2
课时）
1. 均值方差模型
2. 均值-VaR模型
3. 均值高阶矩模型
案例：
基于一组股票的最优投资组合
第五章
金融资产定价模型（
2
课时）
1. CAMP模型
2. APT模型
3. 期权定价模型
案例：
如何为股票指数期权定价？
现场班老学员9折优惠；
同一单位三人以上同时报名9折优惠；
以上优惠不叠加。
1：
点击 "阅读原文”中的“初级/高级/全程报名”，网上填写信息提交
；
2：订单缴费（如需刷公务卡支付，请报名后联系我们）；
3：给予反馈，确认报名缴费信息；
4：开课前一周发送课程电子版讲义，软件准备及交通住宿指南。
魏老师
QQ：
2881989714
Mail：
[email protected]
Tel： 010-68478566
