1 教学内容与课时

1.1 目录

第一讲：为什么要学习R（3学时）
1.1 R在心理科学及社会科学中的运用
1.2 R语言使用的示例展示
1.3 课程安排
1.4 如何学好这门课

第二讲：如何开始使用R:（3学时）
2.1 要解决的数据分析问题简介[介绍我们的数据和拟解决的问题，对比R和传统flow]
2.1 如何安装？
2.2 如何方便使用？Rstudio的安装与界面介绍

第三章：如何导入数据（3学时）
3.1 路径与工作目录
3.2 读取数据
3.3 了解R里的数据（R语言中的对象）

第四章：如何清理数据一 R语言编程基础（3学时）
4.1 R对象的操控
4.2 逻辑运算
4.3 函数

第五章：如何清理数据二数据的预处理（3学时）
5.1 数据预处理准备
5.2 数据预处理的基本操作
5.3 数据预处理的进阶操作

第六章：如何探索数据: 描述性统计与数据可视化基础（3学时）
6.1 描述性统计
6.2 ggplot2的基本使用
6.3 ggplot2的元素控制

第七章：如何进行基本的数据分析: t-test和anova（3学时）
7.1 语法实现
7.2 分析的流程

第八章：如何进行基本的数据分析: 相关与回归（3学时）
8.1 语法实现
8.2 分析的流程

第九章：如何进行基本的数据分析: 中介分析（3学时）
9.1 语法实现
9.2 分析的流程

第十章：结果稳健吗？使用Multiverse比较方法选择对结果的影响（3学时）
10.1. 多种分析方法的实现
10.2 代码整合与规范化

第十一章: 如何得到可发表的图像: 数据可视化进阶（3学时）
11.1 ggplot2的图层与面板控制
11.2 ggplot2与其他工具的结合

第十二章：从分析到手稿（3学时）
12.1 Rmarkdown
12.2 Latex语法基本介绍
12.3 papaja工具包的介绍

第十三章：多人协作版本控制:Git？（3学时）
13.1 版本控制与git
13.2 多人协作与git

第十四章：如何帮助我们计划下一个研究？（3学时）
14.1 计算效应量：Meta-analysis
14.2 计划样本量：Power analysis （模拟）
14.3 计划分析方法：假数据与分析代码（模拟）
14.4 并行处理

第十五章：如何让导师/合作者完全重复我的分析？（3 学时）
15.1 软件版本记录
15.2 容器技术与docker的使用