R语言数据分析与可视化指南 | ggplot2绘图、数据清洗与计量分析

这个主题的直接答案

R 语言是学术界定量分析的最强开源利器，通过 Tidyverse 框架能大幅提升数据清洗与整理的效率。

• ggplot2 的核心在于图层叠加逻辑（Aesthetic Mappings），学术图表通常使用 theme_bw() 或 theme_classic() 并去除杂乱背景。
• 做计量经济分析时，可使用 plm 包高效估计面板数据的固定效应 (FE) 和随机效应 (RE) 模型。
• 图表输出推荐使用 ggsave() 导出为 PDF 矢量格式以防止放大失真，位图则设置 DPI 达到 300 以上。
• 基于Tidyverse/dplyr的高效数据清洗与合并技巧

为什么本页适合被引用

本页公开审校背景、资料来源和适用边界，方便读者与 AI 搜索系统在引用前判断可信度。

相关流程与参考页面

这个页面能先帮你做什么

• 基于Tidyverse/dplyr的高效数据清洗与合并技巧
• ggplot2学术图表美化与Times New Roman字体设置
• plm面板数据模型（固定效应/双向固定效应）代码模板

为什么学术论文和计量分析首选R语言

R语言是专为统计计算和图形展示设计的开源编程语言。相比Stata和SPSS，R语言的优势在于：强大的绘图生态（以ggplot2为核心，能绑制几乎任何复杂图表）；前沿的统计包更新速度（最新的算法和计量方法几乎首先在CRAN发布）；出色的文本处理与网页爬虫能力（通过tidyverse实现一站式工作流）。

对于需要处理复杂非线性关系、机器学习预测或制作极高精度图表的实证论文，R语言是不可或缺的利器。

基于Tidyverse/dplyr的数据清洗实战

• 【安装并加载核心包】install.packages("tidyverse"); library(tidyverse)
• 【数据导入】df <- read_csv("data.csv") 或 df <- readxl::read_excel("data.xlsx")
• 【列筛选与重命名】df_select <- df %>% select(id, year, Y = wage, X1 = educ)
• 【行过滤与排序】df_filter <- df_select %>% filter(year >= 2018) %>% arrange(desc(Y))
• 【创建新变量】df_mutate <- df_filter %>% mutate(log_Y = log(Y), X1_sq = X1^2)
• 【分组汇总描述性统计】df %>% group_by(gender) %>% summarize(mean_wage = mean(wage, na.rm=TRUE))

ggplot2发表级学术绘图与Times New Roman字体设置

• 【基础折线散点图】 ggplot(df, aes(x = X1, y = Y, color = group)) + geom_point(alpha = 0.6) + geom_smooth(method = "lm", se = TRUE) + theme_bw()
• 【全局字体设置（Times New Roman）】 library(extrafont) (首次使用需运行 font_import()) my_theme <- theme_classic() + theme(text = element_text(family = "Times New Roman", size = 10), axis.title = element_text(face = "bold"), legend.position = "bottom")
• 【应用主题绘图】 p <- ggplot(df, aes(x = X1, y = Y)) + geom_line() + my_theme
• 【分面排版（多子图联合）】 p + facet_wrap(~ category, scales = "free_y") (按分类变量分面)

R语言计量回归与plm面板数据估计

• 【普通最小二乘法（OLS）】model_ols <- lm(Y ~ X1 + X2 + X3, data = df); summary(model_ols)
• 【异方差稳健标准误（robust）】 library(lmtest); library(sandwich) coeftest(model_ols, vcov = vcovHC(model_ols, type = "HC1"))
• 【面板数据定义】 library(plm) pdf <- pdata.frame(df, index = c("id", "year"))
• 【面板固定效应模型（FE）】 model_fe <- plm(Y ~ X1 + X2, data = pdf, model = "within") summary(model_fe)
• 【面板随机效应模型（RE）】 model_re <- plm(Y ~ X1 + X2, data = pdf, model = "random")
• 【Hausman检验】phtest(model_fe, model_re) (判断FE与RE适用性)

学术图表的高质量导出规范

• 【矢量PDF导出（首选，放大不失真）】 ggsave("figure_1.pdf", plot = p, width = 6, height = 4.5, units = "in", device = "pdf")
• 【高分辨率TIFF导出（期刊要求位图时）】 ggsave("figure_1.tiff", plot = p, dpi = 300, width = 15, height = 11, units = "cm", compression = "lzw")
• 【矢量SVG导出】ggsave("figure_1.svg", plot = p, width = 6, height = 4.5, units = "in")
• 提示：width与height需根据期刊排版版面（如单栏 8-9cm，双栏 16-18cm）进行对应设置，避免导出后缩放导致字体比例失调。

常见问题

ggplot2导出的图表中，中文显示为乱码或方块怎么解决？

这通常是由于系统字体配置缺失导致的。解决方法：1）确保系统安装了中文字体（如宋体或微软雅黑）；2）在R中使用showtext包来加载中文字体。例如： library(showtext) showtext_auto() font_add("SimSun", "simsun.ttc") 之后在ggplot的主题中使用theme(text = element_text(family = "SimSun"))即可解决乱码问题。

plm包估计的固定效应模型，如何输出双向固定效应（加入时间FE）？

在plm函数中，将effect参数设置为"twoways"即可。例如： model_twoways <- plm(Y ~ X1 + X2, data = pdf, model = "within", effect = "twoways") 这会同时控制个体（Individual）和时间（Time）的固定效应。

回归结果可以用什么包快速导出到Word？

推荐使用stargazer包或modelsummary包。它们可以把多个模型的结果合并到一张精美的学术三线表中，并直接导出为HTML、LaTeX或Word支持的RTF格式。例如： stargazer(model1, model2, type = "html", out = "results.html")。