社会数据科学， 尽在 Python。

yardstick::conf_mat() + autoplot()

带指标的混淆矩阵

逻辑回归能多好地预测谁在 1996 年投票给多尔——样本外混淆矩阵，显示计数与行内占比，并为主要指标给出自助法区间。

yardstick::pr_curve() + autoplot()

精确率–召回率曲线

两个分类器预测哪些已婚女性报告有婚外情的样本外精确率–召回率曲线，附平均精确率与无技能基线。

caret::learning_curve_dat() + ggplot()

学习曲线

随训练集增大的训练准确率与交叉验证准确率，比较两个预测哪些已婚女性报告有婚外情的模型。

caret::resamples() + bwplot() / tune::autoplot()

交叉验证模型比较

六个模型预测加利福尼亚州学区数学成绩的逐折 R²，附均值与校正后的 95% 区间。

vip::vip(method = "permute")

置换重要性

随机森林预测数学成绩时依赖哪些学区特征——逐个打乱每项特征时测试集 R² 的下降。

pdp::partial(ice = TRUE) + autoplot() / iml::FeatureEffect

带 ICE 曲线的部分依赖图

预测的数学成绩如何随贫困程度和生均支出变化——平均值（PDP）叠加在每个学区一条的个体曲线（ICE）之上。

进阶：SHAP 解释

Shapley 值将每个预测分解为各特征的可加贡献——从全局、逐个特征，到单个个案。

机器学习 · 进阶：SHAP 解释

SHAP 汇总图（蜂群图）

每个学区在每项特征上的 SHAP 值，按特征取值着色，并给出平均 |SHAP| 重要性。

shapviz::sv_importance(kind = "beeswarm")

机器学习 · 进阶：SHAP 解释

SHAP 依赖图

低收入学生占比如何影响每个学区预测的数学成绩，按其最强交互特征着色，并附平滑趋势线。

shapviz::sv_dependence()

机器学习 · 进阶：SHAP 解释

单个预测的 SHAP 瀑布图

每项特征如何把一个困难学区的预测数学成绩从平均值推到模型的输出。

shapviz::sv_waterfall()

空间数据

邻近地区数值高的地方，本地数值是否也更高？空间权重、全局与局部空间自相关，以及集聚的影响范围——以 1830 年代盖里的法国数据为例。

spdep::poly2nb() + plot(nb, coords)

带空间权重的分级统计地图

一个变量的地图，上面叠加邻接网络——这是所有空间统计赖以成立的结构。

spdep::moran.plot() + spdep::moran.mc()

莫兰散点图（全局自相关）

每个地区与其邻居平均值的对比，附莫兰 I、置换检验及参照分布。

spdep::localmoran_perm() / rgeoda::local_moran()

LISA 聚类地图（局部自相关）

聚类和空间异常值在哪里——每个地区的局部莫兰 I，并标出其置换显著性。

spdep::sp.correlogram(method = "I")

空间相关图

随邻接阶数增加的莫兰 I，附置换包络——空间聚集能延伸多远。

分布

看清数据的形态：直方图、密度图、山脊图、ECDF 与 Q–Q 图。

ggplot2::geom_histogram() + geom_density()

带密度曲线的直方图

直方图、核密度和拟合的正态曲线，并附形态统计量。

ggdist::stat_halfeye() / ggrain::geom_rain()

雨云图

按组横向绘制半边小提琴图、箱线图和原始数据点。

ggridges::geom_density_ridges()

山脊图

以相互重叠的密度曲线比较多个组的同一分布。

ECDF 比较

两组的经验累积分布，并标出 Kolmogorov–Smirnov 最大差距。

ggplot2::stat_ecdf()

带置信带的 Q–Q 图

带 95% 包络带的正态 Q–Q 图，分别展示原始变量与对数变换后的变量。

qqplotr::stat_qq_band()

组间比较

以 ggstatsplot 的方式比较各组，将检验、效应量和 p 值直接标注在图上。

ggstatsplot::ggbetweenstats()

小提琴图 + 箱线图 + 散点，附 Welch 方差分析、效应量和两两检验。

ggstatsplot::ggwithinstats()

被试内比较

重复测量数据，每名被试一条线，附均值、重复测量方差分析和配对检验。

dabestr::dabest() + plot()

估计图

两组原始数据，加上均值差及其自助法 95% 置信区间。

ggpubr::ggline(add = "mean_ci") / ggstats

交互作用图

两个因素下各组均值及其 95% 置信区间，附双因素方差分析。

Tukey HSD 区间

所有两两均值差的 95% 联合置信区间。

TukeyHSD() + plot()

比例与问卷调查

比例、交叉表与 Likert 量表，延续 ggstats::gglikert 与 stat_prop 的风格。

发散式 Likert 图

以中性回答为中心的发散堆叠条形图，展示五点 Likert 题项。

ggstats::gglikert()

ggstatsplot::ggbarstats()

按组堆叠的比例图

带百分比标签和每组 n 的 100% 堆叠条形图，附卡方检验和 Cramér's V。

vcd::mosaic(shade = TRUE)

带 Pearson 残差的马赛克图

色块面积与单元格频数成正比，并按相对于独立性的 Pearson 残差着色。

ggstats::stat_prop() + geom_errorbar()

带置信区间的比例

按大小排序的各组比例点图，附 Wilson 95% 置信区间。

ggstats::ggtable() / stat_cross()

带标准化残差的交叉表

以热图呈现的列联表，按相对于独立性的标准化残差着色。

系数图

回归估计值及其 95% 置信区间，每项一行。

ggstats::ggcoef_model()

ggstats::ggcoef_model(exponentiate = TRUE)

优势比森林图

对数刻度上的 logistic 回归优势比，并列附 OR [95% CI] 表格。

ggstats::ggcoef_compare()

嵌套模型比较

并排展示学区数学成绩的三个嵌套回归的系数，观察逐块加入变量时估计值如何变化。

ggeffects::ggpredict() / marginaleffects::plot_predictions()

预测概率

按组绘制随某一预测变量变化的模型预测概率曲线，附 95% 置信带。

interactions::interact_plot() / interactions::johnson_neyman()

交互效应

均值 ± 1 SD 处的简单斜率与 Johnson–Neyman 图：大学预备课程与数学成绩的关系，受学生贫困程度调节。

quantreg::plot(summary(rq(tau = 1:19 / 20)))

分位数回归过程

斜率如何随条件分布变化，并与单一的 OLS 估计相对照。

模型诊断

残差、杠杆值、校准与 ROC 曲线：先检验，再信任模型。

plot(lm) / performance::check_model()

残差诊断

线性模型经典的 2 × 2 诊断图——线性、正态性、方差与杠杆值。

影响图

学生化残差对杠杆值，气泡大小由 Cook 距离决定。

car::influencePlot()

pROC::ggroc() / pROC::ci.auc()

ROC 曲线

以 ROC 曲线、AUC 及其自助法 95% 置信区间和 Youden 点比较三个分类器。

rms::calibrate() / probably::cal_plot_breaks()

校准图

按十分位分组的预测风险与观测风险，附 Wilson 置信区间、预测值直方图和 Brier 分数。

添加变量图

每个预测变量一张偏回归图；每条拟合斜率都等于对应的回归系数。

car::avPlots()

生存分析

附风险表的 Kaplan–Meier 曲线、累积风险以及 Cox 模型风险比。

survminer::ggsurvplot(risk.table = TRUE)

Kaplan–Meier 生存曲线

政治领导人在任多久：民主政体与非民主政体对比——附置信带、删失标记、log-rank 检验和风险人数表的生存曲线。

Cox 风险比

Cox 比例风险模型的森林图，附 HR、95% 置信区间和 p 值。

survminer::ggforest()

survminer::ggsurvplot(fun = "cumhaz")

累积风险

四种政治体制下离任的 Nelson–Aalen 累积风险，附 95% 置信带。

survminer::ggadjustedcurves()

调整后的生存曲线

Cox 模型针对不同年龄预测的生存曲线，其他协变量固定在均值。

时间序列

序列分解、自相关、带预测区间的预测以及随时间的变化。

feasts::STL() + autoplot()

STL 分解

将月度工业营业额序列分解为趋势、季节和残余成分，并以堆叠面板展示。

ACF 与 PACF

美国季度失业率的自相关与偏自相关，以棒棒糖图展示并附 95% 显著性带。

forecast::ggtsdisplay()

forecast::autoplot(forecast())

SARIMA 预测

工业营业额的季节性 ARIMA 预测，附 80% 和 95% 预测区间，并与留出数据对照。

季节子序列图

各日历月份的工业营业额在历年中的变化，以月均值作为参照。

feasts::gg_subseries()

多元分析与聚类

面向高维数据的 PCA 双标图、碎石图、聚类与热图。

factoextra::fviz_pca_biplot()

PCA 双标图

美国各州及其社会指标在前两个主成分上的位置。

碎石图

描述加州 303 个学区需要几个维度？各主成分的方差及平行分析截断值。

factoextra::fviz_eig()

factoextra::fviz_silhouette()

k-means 轮廓图

美国各州是否分成截然不同的社会类型？k-means 聚类及其轮廓宽度。

pheatmap::pheatmap() / ComplexHeatmap::Heatmap()

聚类热图

美国各州社会指标的 z 分数热图，带行列树状图和人口普查区域色条。

推断与不确定性

自助法（Bootstrap）、置信区间、统计功效、一致性分析与元分析森林图。

6 张图表 ›

boot::boot() + boot::boot.ci()

自助法分布

重抽样得到的相关系数，附百分位数法和 BCa 95% 置信区间。

teaching classic (e.g. TeachingDemos::ci.examp())

95% 置信区间的含义

从 944 名 ANES 受访者中抽取 30 人，重复调查 100 次；未覆盖真值的平均年龄 95% 置信区间以红色显示。

pwr::pwr.t.test() + plot()

统计功效曲线

小、中、大效应下双样本 t 检验的统计功效随样本量的变化。

BlandAltmanLeh::bland.altman.plot() / blandr::blandr.draw()

Bland–Altman 图

两位编码员对政党竞选纲领左右立场的定位是否一致？偏差与 95% 一致性界限。

meta::forest() / metafor::forest()

元分析森林图

教师期望能否提高学生的智商？19 项“皮格马利翁”实验、随机效应合并估计菱形与异质性统计量。