Plan du guide

[larmarange]

Bases du langage

• Packages
• Vecteurs
• Listes
• Tableaux de données
• Tibbles
• Attributs

Manipulation de données

• Le pipe
• dplyr
• Facteurs et forcats
• Combiner des variables
• Etiquettes de variables
• Etiquettes de valeurs
• Valeurs manquantes
• Import/Export
• Mettre en forme des nombres
• Couleurs & Palettes

Analyses

• Graphiques avec ggplot2
• Analyse univariée et intervalles de confiances
• Analyse bivariée et tests de comparaison
• Echelles de Likert
• Régression linéaire
• Régression logistique binaire
• Sélection pas à pas d'un modèle
• Prédictions marginales, contrastes marginaux & effets marginaux
• Contrastes (variables catégorielles)
• Effets d'interaction
• Multicolinéarité

Données pondérées avec survey

• Définir un plan d'échantillonnage
• Manipulation des données pondérées
• Analyses uni- et bivariées pondérées
• Graphiques pondérés
• Régression logistique binaire pondérée

Manipulations avancées

• Fusion de tables
• Dates avec lubridate
• Chaînes de texte avec stringr
• Conditions logiques (différence & et &&, any(), all(), isTRUE()...)

Astuce :

is_different <- function(x, y) {
  (x != y & !is.na(x) & !is.na(y)) | xor(is.na(x), is.na(y))
}

is_equal <- function(x, y) {
  (x == y & !is.na(x) & !is.na(y)) | (is.na(x) & is.na(y))
}

• Fonctions à fenêtre
  Astuce :

cum_different <- function(x) {
  cumsum(is_different(x, lag(x)))
}

• Réorganisation avec tidyr
• Création de fonctions
• Structures conditionnelles
• Transformation multiples (accross)
• Itération avec purrr
• Mise en forme avancée avec gtsummary
• Rapports automatisés avec Rmarkdown
• Rapports automatisés avec quarto

Analyses avancées

• Analyse factorielle
• Classification hiérarchique
• Analyse de survie
  • Introduire https://github.com/ddsjoberg/ggsurvfit
  • Introduire un modèle à temps discret
• Régression logistique multinomiale
• Régression logistique ordinale
• Modèles de comptage (Poisson & assimilés)
• Modèles d'incidence, de taux
• Modèles de comptage avec surreprésentation des zéros (zero-inflated)
• Modèles de proportions (cf. https://www.andrewheiss.com/blog/2021/11/08/beta-regression-guide/)
• Modèles multiniveaux
• Quel modèle choisir ?
• Imputation de données manquantes (cf. package missMDA)
• Analyse de séquences
  • Introduire https://maraab23.github.io/ggseqplot/

Pour aller plus loin

• Autres ressources documentaires