李亭萱 

 

上海交通大学

我的R语言分享主要包括1）词云图；2）数据拆分与合并。词云图是一种呈现高频关键词的可视化表达，适合用于文本数据的处理。词云图清晰呈现每个词汇的词频分布，通过色彩、图形的搭配，产生有冲击力地视觉效果。字体越大代表词汇出现频率越高。它在教育领域的应用比较广泛。比如，入学招生数据可视化或文献计量学中的关键词呈现等均可使用词云图。

此外，在数据处理方面，我分享了如何合并数据框、拆分合并列。不同文档的数据可以通过“合并数据框”连接，一个文档不同列的数据也可以通过 “拆分合并列” 的方式进行合并拆分。

我的R语言分享包括（1）热力图，体现数据的密度、分布以及变化，通过选择不同的颜色来对应不同的数据区间，将数据量大小转化成颜色差异，使我们快速了解数据量分布情况。

（2）雷达图，是一种表现多维（ 4 维以上）数据的图表。它在同一坐标系内展示多指标的比较情况。我使用的例子是高校学科评估数据。通过雷达图，若干个高校在人才培养、师资队伍等维度上被比较。离圆心越远，代表该学校在该维度的表现越好。

我的R语言分享主要介绍forcats软件包。软件包自带的大型数据集是美国综合社会调查数据。首先，我用forcats函数对数据（比如缺失值）进行处理。数据处理是定量研究开展的必要环节，通常不呈现在论文汇报中，但却是每一个定量分析从业人员必经的环节，也是进行后续推论统计的必要阶段。其次，我关注了该数据集的人口统计学变量。以分类变量排序图为例，我们可以通过该图快速定位最大值和最小值。这种数据呈现方式使得一些特征更易于被观测。

我的R语言分享是（1）山脉图。该图用于观察一个连续变量在不同组别中的分布情况。比如，我使用的例子是研究国家级一流本科课程授课教师的课堂师生互动行为特征。随机抽取某一课堂，山脉图可以呈现教师在这一课堂互动行为持续时长的分布情况。（2）堆积条形图用于呈现不同连续变量在不同组别中的分布情况。在这个研究情境中，利用堆积条形图可呈现各学科教师实施多种课堂互动行为的持续时长，并进行学科间比较。如果进一步利用堆积条形图的变体—百分比堆积条形图，可以直观地看到各学科教师实施多种课堂互动行为的占比，进而总结其课堂互动模式。

我的R语言分享是（1）相关性热图，ggcorrplot包是基于ggplot2的扩展包，针对相关系数输出的结果进行可视化，同时可以计算相关性p－value，也可以实现选择颜色，文本标签，颜色标签，布局等操作。相关性热图在教育领域的应用，主要适合用于调查研究中的相关性分析。树状图则对于调查研究初步的数据探索有一定的帮助，可以直观展示出数据中不同组别数据的分布情况。

（2）流程图（vtree），主要用于探索数据以及制作流程图，做出的流程图可以直观的展示分类变量/连续变量的归属情况。

我的R语言分享主要包括绘制残差、密度图与数据高亮三个部分。这些工具在分析大量学生分数时，有重要作用。

（1）绘制残差

残差(Residual)是指实际观测值与估计值之间的差值，用以考察模型合理性及数据的可靠性。利用R语言中的ggpmisc安装包即可用一行代码将残差绘制出来。

（2）密度图

密度图(Density plot)是用一条连续的曲线表示的变量的分布，可以理解为直方图的“平滑版本”。ggplot2安装包即可绘制密度图。其中，既可以描述一个连续变量的分布情况；也可以描述一个连续变量在一个分类变量的不同类别下的分布情况，分组绘图。

EG：现将某高校大二、大三、大四学生的平均学分绩点(GPA)作为数据源：在密度图中，既可以只描述大二学生GPA的分布情况，绘制出一条曲线；也可以同时描述三个年级学生的GPA分布情况，用不同的颜色标识三条曲线与横轴间的范围。

（3）数据高亮

数据高亮(highlight)是指对某些数据散点或数据分布区域进行高亮显示，适用于散点图、密度图等多种分布图。使用R语言中的gghighlight安装包即可实现数据高亮。在散点图中，既可以高亮全部数据点中满足某项具体要求的点，也可以以一个分类变量的各个类别为划分依据，分别高亮各个类别中的全部数据点。

EG：现将某高校大二、大三、大四学生的大学英语六级成绩(CET-6)作为数据源：在散点图中，可以高亮CET-6成绩为448分的所有数据点，也可以分别高亮三个年级全部的CET-6成绩，不同的年级会以不同的颜色进行高亮。密度图同理。

我的R语言分享是豆荚图（bean plot），形似豆荚，可以用R语言中的beanplot软件包绘制。豆荚图与箱线图的功能类似，均为显示一组数据的分布情况。但相对于箱线图来说，豆荚图可以更清楚地表达出箱线图隐藏的信息，能够区分均匀分布与双峰分布。并且，豆荚图可以将一个分类下亚组的分布情况在一个图中进行展现，更加直观清晰，有利于读者更快地捕捉到需要的信息。

我使用的例子：探究不同的课程教学模式对不同专业的医学院的学生共情能力的影响。先对某医学院的内科、儿科、护理学三个专业学生的共情能力进行测量，并用豆荚图呈现。之后，在实施两年的新型教学模式后，对同一批学生进行二次测量。将每一个专业的共情能力前后测的成绩在一张图中表现出来。用豆荚图进行数据展示，既能体现同一专业前后测的差异，又能表现不同专业整体水平的不同。

国际大型测评项目如PISA、PIAAC等备受瞩目，有助于全面评估学生等不同社会群体的学习现状和教育目标的达成情况，考察学生发展的影响因素，为教育政策的制定提供客观依据。通过ggplot2，可以更为丰富地实现数据可视化结果。如可以看到PISA（国际学生评估项目）中，不同国家/地区、不同性别作答对象的成绩分布情况（均值、最小值与最小值区间、差异差距情况）或PIAAC中，不同国家不同年龄段作答对象的成绩分布情况。在我使用的例子中，我将不同国家参与大型国际测验的人数放在同一标准下进行比较，展现不同年龄段的人数占比。同时，借助此代码，我们也可以将收集到的数据以更为直观的方式予以呈现，尤其是基于likert量表得来的数据。

我的R 语言分享是（1）环形柱状图，（2） 散点动态图。柱状图需要tidyverse包，其优点在于：当数据量较多时，依次排列会导致图非常长，而环形柱状图则可以将这些数据以环形来表示，节省空间，清晰直观。比如，当对比50个学生，每个学生在本学年的5次考试的平均数。可以事先在R中对这一数据进行排序，然后使用环形柱状图进行绘制，便可从小到大呈现，一目了然。

散点动态图需要加载ggplot2、gganimate、av包，其主要优势是在进行汇报展示时引起观众的关注和兴趣，着重关注数据的变化。在我使用的例子中，散点图的3个颜色代表3个不同地区，它们以动态方式呈现。

首先向大家分享flextable包。在建立回归模型后，下一步就是将结果制作成表格，再进行汇报或者发表，但回归表格的制作有时比较烦人。现在我们使用flextable包可以一行代码就打出简洁又美丽的回归表格。我的第二个分享是可视化神包—UpSetR！说到集合数据可视化，我们可能会首先想到韦恩图，它可以用来直观表征不同集合之间的重叠关系。当集合数比较少的时候，绘制韦恩图可以一目了然，但当集合数比较多（比如 5 个以上）的时候那往往会看得眼花缭乱了，这时就可以用UpSetR来解决多集合数据关系的可视化。在教育研究领域中，UpSetR也有一定的应用潜力，如对一组关键变量进行研究时，不同的研究对象只具有其中一个或几个变量特征，此时用UpSetR就能比较清晰地对研究对象进行描述分析等。我在这里暂且使用软件包自带的大型数据集-movies。

我的R语言分享是关于聚类分析的可视化。k-means是聚类中最简单的，也是最常用的一种方法。在R 语言中，一般根据经验或者预判，确定k。k-means以k作为参数，把数据分为k个组，通过计算，将各个分组内的所有数据样本的均值作为该类的中心点，使得组内数据具有较高的相似度，而组间的相似度最低。在我使用的例子中，不同颜色代表不同的组。聚类分析可以作为一个单独的工具以发现数据库中包含的一些深层的信息，并且概括出每一类的特点。此外，聚类分析也可以作为其它分析算法的一个预处理步骤。 

探索了 Interactions 软件包：

1.回归与交互作用

2.调节变量与可视化

3.权重及可视化

4.Partial Effect Plot（偏效应图）

5.检验模型中的线性假设

6.Simple Slopes Analysis（简单斜率分析）

7.Johnson-Neyman intervals

8.3-way interaction

9.Categorical interaction(分类变量的交互）

10.调节效应-调节效应是指如果变量X与变量Y有关系，但是X与Y的关系受第三个变量W的影响，那么变量W就是调节变量，调节变量所起的效应就是调节效应。

一个小tip：如何找到你想要的包：

官网提供了一个Task Views：https://cran.r-project.org/web/views/，

通过它你可以了解R的主要功能。