应用R软件和Epicalc程序包分析流行病学数据

作者:，Chongsuvivatwong,Virasakdi，，外国 编

页数:239

译者:蔡乐

出版时间:2008-7

价格:31.00元

isbn号码:9787117102964

具体描述

《应用R软件和Epicalc程序包分析流行病学数据》前4章介绍R软件的概念和一些重要的基本元素，比如标量、向量、矩阵、数组和数据框架的简单处理方法。第5章介绍一些简单的数据分析。第6章介绍日期和时间变量，并在第7章通过一些数据集来得到完全的诠释，描述性统计量和行列表伴随自动生成的图形，使得重要的结果能得到更全面的展示。第8章通过行列表来观察暴发，对各种类型的风险评估比如风险比率，可以用数字和图形来显示。第9章数据集的分析得到进一步扩展，处理不同水平间的联系或0R值，并对如何分层作表，计算Mantel．Haenzsel的OR值，以及0R值的同质性检验进行了详细的解释，同时附以图形说明。结合图形，混杂这个概念能够得以更好的理解。

读后感

R是开源的，R是先进的，R排在S前面。 一直不明白为什么非专业而又离不开统计学的学科，如医学之类，都在不断在论文中讲“应用SPSS”(等等)作为统计工具；不断出些“用SPSS”进行统计的“教程”。丝毫不顾忌盗用的事实，丝毫不考虑统计的概念，丝毫不害怕华丽UI误导计算的可能...

R是开源的，R是先进的，R排在S前面。 一直不明白为什么非专业而又离不开统计学的学科，如医学之类，都在不断在论文中讲“应用SPSS”(等等)作为统计工具；不断出些“用SPSS”进行统计的“教程”。丝毫不顾忌盗用的事实，丝毫不考虑统计的概念，丝毫不害怕华丽UI误导计算的可能...

R是开源的，R是先进的，R排在S前面。 一直不明白为什么非专业而又离不开统计学的学科，如医学之类，都在不断在论文中讲“应用SPSS”(等等)作为统计工具；不断出些“用SPSS”进行统计的“教程”。丝毫不顾忌盗用的事实，丝毫不考虑统计的概念，丝毫不害怕华丽UI误导计算的可能...

R是开源的，R是先进的，R排在S前面。 一直不明白为什么非专业而又离不开统计学的学科，如医学之类，都在不断在论文中讲“应用SPSS”(等等)作为统计工具；不断出些“用SPSS”进行统计的“教程”。丝毫不顾忌盗用的事实，丝毫不考虑统计的概念，丝毫不害怕华丽UI误导计算的可能...

R是开源的，R是先进的，R排在S前面。 一直不明白为什么非专业而又离不开统计学的学科，如医学之类，都在不断在论文中讲“应用SPSS”(等等)作为统计工具；不断出些“用SPSS”进行统计的“教程”。丝毫不顾忌盗用的事实，丝毫不考虑统计的概念，丝毫不害怕华丽UI误导计算的可能...

用户评价

这本书的封面设计简洁明快，封面上的那句标语“数据驱动的公共卫生决策新路径”立刻抓住了我的眼球。我一直致力于流行病学数据的处理和分析，但总感觉自己在软件操作层面欠缺系统性的指导。这本书的排版非常人性化，章节之间的过渡自然流畅，从基础的数据导入到复杂的统计模型构建，层层递进，让人感到学习的路径清晰可见。尤其是在数据清洗和预处理这块，作者的讲解细致入微，每一步操作都配有详实的R代码示例，即便是初学者也能很快上手。我特别欣赏作者在介绍特定统计方法时，不仅给出了数学原理，更结合实际的流行病学案例进行了深入剖析，这使得抽象的理论变得生动具体。书中的图表制作部分也让我耳目一新，不同于传统教科书那种枯燥的输出结果，作者展示了如何利用R的高级可视化包，制作出更具信息量和美感的图表，这对于撰写研究报告和进行学术交流至关重要。整体来看，这本书像一位经验丰富的导师，耐心地引导我从数据的海洋中提取有价值的知识。

这本书的叙事风格非常严谨，又不失学术的温度。作者在讲解复杂的逻辑回归和因果推断模型时，非常注重区分不同研究设计（如队列研究、病例对照研究）对模型选择的影响。他没有简单地罗列公式，而是通过设置一系列假设情景，引导读者思考在特定流行病学问题背景下，何种统计方法最为恰当。这种情景教学法对我启发很大，它教会我如何将现实世界的复杂性，提炼成可被量化的统计问题。此外，书中对新型分析方法如机器学习在疾病预测中的应用也有所涉猎，虽然篇幅不长，但清晰地勾勒出了未来发展方向，让人对该领域的前沿动态保持关注。对于我来说，它不仅是一本工具书，更像是一份职业发展的路线图，指引着我未来学习的重点和方向。

从装帧和印刷质量来看，这本书也体现了出版方对专业读者的尊重。纸张适中，不易反光，长时间阅读眼睛也不会感到疲劳。内容组织上，作者采取了一种“模块化”的学习结构，使得读者可以根据自己的知识储备和分析需求，灵活地选择性阅读某些章节，而不会因为跳过前置内容而感到困惑。例如，我对贝叶斯统计方法一直心存敬畏，但这本书对贝叶斯推断在流行病学中的应用介绍得非常平易近人，它通过直观的例子，解释了先验信息是如何融入模型的，这让我对这种强大的统计范式有了更接地气的认识。这本书的价值在于，它成功地架设了一座桥梁，连接了理论统计学的严谨性与流行病学实践的灵活性，是当前市场上少数几本真正能“用起来”的专业书籍之一。

这本书的实用性超出了我的预期，它更像是一本操作手册而非纯粹的理论著作。我尤其赞赏作者在介绍每一个R函数或包时，都提供了大量的注释和背景信息，使得代码的“可读性”和“可维护性”得到了极大保障。在处理空间流行病学数据的章节中，作者详尽地展示了如何利用地理信息系统（GIS）工具与R进行无缝对接，从地图数据的导入到空间自相关性的计算，每一步都清晰可见，有效地弥补了许多传统统计教材中对地理因素考虑不足的缺陷。我尝试着将我手头的一个小区域传染病暴发数据代入书中的流程进行重跑，发现结果与我之前手动计算的结果高度一致，但效率和准确性得到了显著提升。对于那些需要频繁进行疫情监测和风险评估的卫生部门人员而言，这本书提供的模板和方法论，能够极大地缩短从原始数据到决策建议的时间周期。

阅读这本书的过程，感觉就像是参与了一场高手之间的深度对话。作者的专业素养毋庸置疑，他对流行病学研究设计和统计推断的理解非常深刻。书中对于生存分析和时间序列分析的章节，我反复研读了好几遍。例如，在处理发病率随时间变化的数据时，作者没有停留在基础的Poisson回归，而是深入探讨了负二项分布模型的选择依据及其在R中的具体实现细节，这对于需要处理高分散性数据的研究人员来说，无疑是雪中送炭。更让我感到惊喜的是，作者在讨论模型假设检验时，非常注重实际操作中的“陷阱”，例如多重共线性、残差的自相关性等问题，并提供了实用的诊断工具和修正策略。这种“知其然，更知其所以然”的讲解方式，极大地提升了我对统计结果的批判性解读能力。对于那些渴望从“数据录入员”升级为“数据科学家”的流行病学工作者，这本书绝对是不可多得的宝典。

书里有些错误，仍不失一本好书。Epicalc的作者是我心目中科研工作者的典范，对我的咨询回复很快，很感谢他的热情和无私。他对科研的热爱也能够深深感染到对方。

怎么说呢，感觉掌握STATA已经足够了，R的话在我们非统计学专业的学生来说感觉应用很少啊。

这是近来最认真阅读的一本书，基本重要代码全部运行。要不是奔着对原作的崇敬，也不好意思给4星。如果译者能稍微认真一点，能避免很多低级错误，排版错误，看着让人擦汗。Epicalc对付流病问题的确简练、高效、实用。

这是近来最认真阅读的一本书，基本重要代码全部运行。要不是奔着对原作的崇敬，也不好意思给4星。如果译者能稍微认真一点，能避免很多低级错误，排版错误，看着让人擦汗。Epicalc对付流病问题的确简练、高效、实用。

感觉有点上当，本来以为这个包是做传染病动力学的，没想到啊没想到，丫就是一R当stata来使，还好打折下来不到20块。豆瓣上的书评说推荐R，这样可以深刻了解统计概念，而不会因为用spss这样的傻瓜软件造成错误。