统计分析的一些R包和函数

基础方法

横截面数据回归经典方法

quantreg分位数回归

MASS BOX-COX变换

survival生存函数、COX比例危险回归模型

mfp COX比例危险回归模型多重分数多项式

car可以检查vif

ridge岭回归

lars lasso回归

msgps adaptive lasso

pls偏最小二乘

---

横截面数据回归机器学习方法

rpart.plot画回归树

mboost boosting回归

ipred bagging回归

randomForest随机森林回归

e1071 or kernlab SVR支持向量机回归

nnet+caret or neuralnet神经网络

---

横截面数据分类经典方法

glm( )广义线性模型

MASS的lda( ) or mda的mda( ) or fda的fda( ) 线性判别

---

横截面数据分类机器学习方法

rpart.plot画分类树

adabag adaboost分类、bagging分类

randomForest随机森林分类

e1071 or kernlab SVR支持向量机分类

kknn最近邻分类

nnet神经网络分类

---

横截面数据计数或有序因变量

Possion 散布问题（方差不等于均值）：

dglm双广义线性模型（Tweedie分布）

MASS的glm.nb( ) (负二项分布）

pscl的zeroinfl( )零膨胀计数数据模型

rminer支持向量机

mlogit多项logit模型

MASS的loglm( ) or nnet的multinom( ) 多项分布对数线性模型

MASS的polr( ) or VGAM的vglm( ) 多项分布对数线性模型

---

纵向数据：多水平模型、面板数据

lme4的lmer( ) or nlme的lme( )线性随机效应混合模型

REEMtree拟合固定效应部分的决策树

coxme cox随机效应分析

JM联合模型

plm拟合面板数据

多元分析

factanal( ) 因子分析

cluster分层聚类

ICGE INCA指数

ggmap画地图

NbClust一系列聚类方法

CCA典型相关分析

MASS对应分析

以下为非经典多元数据分析

FactoMineR主成分分析、对应分析（补充元素作为测试集）；多重对应分析（可以包含数量变量和分类变量）、多重因子分析、分层多重因子分析、基于主成分分析的分层聚类

---

多元数据的关联规则分析

arules关联规则分析

---

路径建模数据的PLS分析

plspm 的函数plspm( )偏最小二乘

lavvan加协方差关系