前言

本书的目标读者是政治学研究者，以及希望用数据分析工具满足政治领域工作需要的读者。当然，书中讲到的分析方法多是各领域通用的，因此也适用于管理学、社会学、传播学等方面的研究和实践。

R语言是目前世界上最受欢迎的数据分析软件之一，并且已经在生物学、医学、地理学、经济学、心理学、管理学、政治学等领域得到了广泛应用。

总的来看，R具有以下优势：

（1）R具有强大的数据获取、数据清理、统计建模和数据可视化功能。

（2）R用户能够利用数量庞大且不断更新的R包，这些R包的功能异常丰富；特别是，在目前已存在的各种算法及其变体（包括各种前沿算法）中，很多都可以通过相应的R包加以实现。有的学者在提出新的算法后，就会将其开发成R包供他人使用。相比之下，一些商业软件或是非编程数据分析工具的功能相当有限，且更新缓慢。

（3）R代码灵活，直观，可读性强，使得用户在利用现有函数的同时还可以轻松编写满足各种特殊用途的函数。可以这样比喻，R语言是一台单反相机，它的各项功能都允许用户自行调整参数并进行搭配组合。现在研究者总是强调idea的重要性，而R正好就是在数据分析方面帮助研究者实现idea的强大工具。

（4）R在软件包的下载、安装、讲解和上传方面非常规范（典型特征是，所有的R包的页面和使用手册都有相同的格式），为学习和使用提供了极大便利。

（5）学习和使用R的过程有助于加深对数据分析和编程的理解，在此基础上，人们可以学习复杂的算法和其他编程软件（如Python）。

R在政治学方面的应用是指两个方面：首先，这是指那些在多个领域通用且可用R来实现的数据处理方法，也可用于政治领域的研究和实践，如回归模型、文本分析等。其次，在可由R实现的功能中，一些功能相较于其他功能更能满足政治领域的需要。

本书介绍的R语言功能主要涉及：排序和打分、文本分析、综合评价指标、绩效评估、定性比较分析、项目反应理论等。其中一些计算方法，如投票计票、指标权重的设定，不单涉及政治学学术研究，而且在一定程度上偏向政治领域的实践，可直接应用于实际工作。

与其他R语言相关书籍相比，本书具有以下特点：

（1）本书介绍的一些数据分析方法相对来讲在政治学领域尚未得到广泛应用。一提起数据分析在政治学中的应用，人们通常想到的都是线性回归模型、广义线性模型、混合效应模型、结构方程模型等用来进行假设检验的数据分析工具。但实际上，还有很多其他方法可以使用。这些方法要么尚未在政治学研究中得到充分重视；要么虽然近年来逐渐受到人们重视，但将其放在政治学情境中进行详细介绍的资料相对较少。写作本书的目的正是对这些分析方法中的一部分进行介绍，使读者能够借助R语言运用这些方法。

（2）本书无意介绍R语言的安装、基本操作等。这些内容已出现在很多R语言书籍中，本书没有必要进行重复介绍。因此，本书适合那些已初步掌握R语言操作的读者学习。不过本书附录列举了一些基础代码，希望对R还不太熟悉的读者在学习正文中的内容之前先跑一下这些代码。

（3）本书重在讲解数据分析操作的细节，而并不只是提供所谓“干货”。一些现有的R相关书籍只讲解“干货”或“实战”，缺少对细节问题的解释，这使得学习者难以将学到的方法转移到有所变化的新的案例上去（典型情况是，在使用一个函数时，学习者甚至都不知道自己手头的数据是否符合这个函数对输入数据的要求）。尽管本书并不介绍基本操作，但在讲解过程中亦对必要的描述性统计和作图方法进行了介绍。另外，本书也更多地关注如何设置参数以及如何对输出结果进行解读，而这些恰恰是困扰许多R学习者的问题。

在内容的连续性方面：从某种角度讲，本书大部分内容都是围绕政治学和公共管理领域中极其常见的评价工作展开的。比如说，专家对各项政策的科学性进行打分，这是在进行评价；而选举则可看成是选民在对候选人进行评价；词语联想亦可看成是被试对词语之间关联的评价。在数学原理层面，这些内容之间都具有内在的关联，这一点体现了本书的连续性。但从另一个角度讲，人们在日常工作中会更多地结合应用情境来选择分析工具，有鉴于此，笔者从应用情境的角度对各章内容进行了划分。本书各部分内容相对独立，读者可根据需要有选择地学习。

在写作本书的过程中，清华大学的苏毓淞老师为笔者提供了无私的帮助，在此表示衷心感谢！

本书提到的全部代码和配套数据都可从网上下载。除了读取硬盘上的数据和从网上下载R包的部分，所有代码都可直接复制粘贴到R中并跑出计算结果。

配套数据和代码下载地址：

https://github.com/githubwwwjjj/rpolitics

如果无法正常下载，可在以下页面查看其他下载方式：

https://github.com/githubwwwjjj/votesys

如果仍无法正常下载，可联系作者：

textidea@sina.com