From 6c7d889ac757aa561c48698f822829e2eca4bfef Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E2=80=98renyan=E2=80=99?= <1609532549@qq.com>
Date: Sun, 31 Mar 2024 10:43:38 +0800
Subject: [PATCH] monthly update (2)

---
 content/post/2024-01-01-monthly.md |  84 +++++++++++++++++++++++
 content/post/2024-04-01-monthly.md | 105 +++++++++++++++++++++++++++++
 2 files changed, 189 insertions(+)
 create mode 100644 content/post/2024-01-01-monthly.md
 create mode 100644 content/post/2024-04-01-monthly.md

diff --git a/content/post/2024-01-01-monthly.md b/content/post/2024-01-01-monthly.md
new file mode 100644
index 000000000..bf505dcce
--- /dev/null
+++ b/content/post/2024-01-01-monthly.md
@@ -0,0 +1,84 @@
+---
+title: 统计月读（2023 年 12 月）
+date: '2024-01-01'
+categories:
+  - 推荐文章
+  - 新闻动态
+slug: monthly
+forum_id: 
+---
+
+推荐语：想做甘特图，在线网页看上去效果很好很完善但是真的用起来结果一团糟，发现 mermaid.js 很适合用代码形式绘制流程图甘特图等图表，在 R 中使用 DiagrammeR 包即可直接调用。
+
+推荐人：任焱
+
+链接：https://www.rdocumentation.org/packages/DiagrammeR/versions/1.0.10/topics/mermaid
+
+---
+
+推荐语：当样本缺乏代表性时，基于已知人口学特征进行事后分层（post-stratification）加权是常用技巧。但如果具体层次的样本量很少，该层点估计会面临较大误差。对此，可以利用多层模型的shrinkage特性，获得每层更稳健的点估计，然后再加权汇总。
+
+推荐人：董书昊
+
+链接（两篇文章）：
+
+https://www.monicaalexander.com/posts/2019-08-07-mrp/
+https://marginaleffects.com/vignettes/mrp.html
+
+---
+
+推荐语：R语言书籍的推荐，附有介绍和免费获取电子版的链接
+
+推荐人：孔令仁
+
+链接：https://oscarbaruffa.com/the-10-most-popular-r-books-of-2023/
+
+---
+
+推荐语：推荐R包MIDAS，可用于混频数据回归
+
+推荐人：朱书慧
+
+链接：Ghysels, E., Kvedaras, V., & Zemlys, V. (2016). Mixed Frequency Data Sampling Regression Models: The R Package midasr. Journal of Statistical Software, 72(4), 1–35. https://doi.org/10.18637/jss.v072.i04
+
+---
+
+推荐语：gspcr 用于广义线性模型的有监督 PCA，可以支持连续型、离散型和二分类型的结局变量。想做使用有监督 PCA 的逻辑回归时发现的，是最近才上传的一个包。
+
+推荐人：宋文轩
+
+链接：https://cran.r-project.org/web/packages/gspcr/index.html
+
+---
+
+推荐语：LLM 如何切实帮助 R coder，chattr 只是在 R 内部提供了 ChatGPT 接口，gptstudio 更像一个内置工具。文章还从改善 http 请求效率（使用 SSEparser 包）的角度对上述 API 做了改进，值得一读。
+
+推荐人：任焱
+
+链接：https://samuelenrique.com/posts/2023-12-14-launching-sseparser/
+
+---
+
+推荐语：看不懂别人的代码一定要用用这个小工具，可以解释多种代码，会从代码结构，可能出现的bug，修改建议等等进行分析。
+
+推荐人：任焱
+
+链接：https://codepal.ai/code-explainer/r
+
+---
+
+推荐语：因果推断与机器学习结合方法的python包，里面包含的方法很多，比如DML、DRL、正交随机树等，讲解也很细致，很实用～
+
+推荐人：孔子怡
+
+链接：https://econml.azurewebsites.net/spec/estimation/dml.html#what-is-it
+
+---
+
+推荐语：一个经典结论的再现。由于上学通常会卡年龄（比如加拿大会卡在当年1月1日），在低年级时，体育队里往往大部分人会是同一年级中更早出生的那批人（发育了更长的时间）。例如在加拿大，体育队中年初出生的人较多，但也可能是因为更多的人本身就出生在年初。作者拿加拿大人口数据和NHL中加拿大球员的出生数据进行了研究，即对比两个分布是否相同。发现相比正常出生情况，NHL中的确有更多的加拿大人在年初出生。
+
+推荐人：王祎帆
+
+链接：https://jlaw.netlify.app/2023/12/04/are-birth-dates-still-destiny-for-canadian-nhl-players/
+
+---
\ No newline at end of file
diff --git a/content/post/2024-04-01-monthly.md b/content/post/2024-04-01-monthly.md
new file mode 100644
index 000000000..6d37dcd51
--- /dev/null
+++ b/content/post/2024-04-01-monthly.md
@@ -0,0 +1,105 @@
+---
+title: 统计月读（2024 年 1-3 月）
+date: '2024-04-01'
+categories:
+  - 推荐文章
+  - 新闻动态
+slug: monthly
+forum_id: 
+---
+
+推荐语：git 操作进阶读物。
+
+推荐人：任焱
+
+链接: https://masalmon.eu/2023/11/01/reading-notes-git-in-practice/
+
+---
+
+推荐语：文章很短，介绍了 base 包中容易被忽略的实用函数（新的 R 版本中，L %||% R 可以代替 if(is.null(L)) R else L 更加清晰明了。）
+
+推荐人：任焱
+
+链接: https://ivelasq.rbind.io/blog/not-so-basic-base-r-functions/
+
+---
+
+推荐语：用“模拟方法”来评估一份定量研究设计的质量。书中思路框架的完成度相当高，也提供了对应的软件包。
+
+推荐人：董书昊
+
+链接: https://book.declaredesign.org/
+
+---
+
+推荐语：对conjoint experiments所产生数据的终极分析指南。
+
+推荐人：董书昊
+
+链接: https://www.andrewheiss.com/blog/2023/07/25/conjoint-bayesian-frequentist-guide/#sec-frequentist
+
+---
+
+推荐语：marginaleffects是R中非常快捷的边际效应计算包。作者把说明文档直接整合成了一本书，并且放上了丰富的案例，例如因果推断中的g-computation，多层贝叶斯模型，以及MrP等。
+
+推荐人：董书昊
+
+链接: https://marginaleffects.com/vignettes/get_started.html
+
+---
+
+推荐语：使用 ggplot2 为实验设计研究绘制各种常见的图形，为因子设计和响应面分析绘制包括 lambda 图、箱线图、交互效应图、等高图等。
+
+推荐人：宋文轩
+
+链接: https://cran.r-project.org/web/packages/ggDoE/
+
+---
+
+推荐语：清华工程物理系的续本达老师写的一篇热情洋溢的教学总结，《实验物理的大数据方法》是清华物理系的暑期小学期课程，这门课是物理系从理论到代码练习的过程，对统计系的教学应该也有些启发。
+
+推荐人： 陈星宇
+
+链接: https://hep.tsinghua.edu.cn/~orv/teaching/summary.html（《实验物理的大数据方法》课程总结）
+
+---
+
+推荐语：Obeservational Studies 2022年出版了一期特别刊，有4位因果推断大牛（按字母排序）的访谈：
+
+- [James Heckman](https://muse.jhu.edu/pub/56/article/867086)
+
+- [Judea Pearl](https://muse.jhu.edu/pub/56/article/867087)
+
+- [Jamie Robins](https://muse.jhu.edu/pub/56/article/867088)
+
+- [Don Rubin](https://muse.jhu.edu/pub/56/article/867089)
+
+推荐人： 陈星宇
+
+链接: https://muse.jhu.edu/journal/793（Observational Studies）
+
+---
+
+推荐语：大模型的发展使得网上查阅到的资料并不一定可信了，它们有可能是 AI 生成的网页，一些人使用自动技术写不正确的代码指导获取自己的获利目标，文章指出这个问题，并指出了几种分辨劣质自动网站的方法，如同一天发布过多文章，查阅资料时要注意辨别真伪。
+
+推荐人：任焱
+
+链接: https://www.rostrum.blog/posts/2024-03-15-ai-garbage/
+
+---
+
+推荐语：沃顿商学院教授认为加沙政府公布的数据看上去是假的，加州理工的Pachter教授则认为这源于一种不恰当的数据处理方法，文章评论也有很多有价值的讨论。
+
+推荐人：于淼
+
+链接: https://liorpachter.wordpress.com/2024/03/08/a-note-on-how-the-gaza-ministry-of-health-fakes-casualty-numbers/
+
+---
+
+推荐语：推荐一本 R 进阶书，原本以为自己会 R，没想到会的只是一种表象，模仿别人准备好的教程完成建模和分析是简单的，了解原理又是另外一回事。
+
+推荐人：任焱
+
+链接: https://adv-r.hadley.nz/oo.html
+
+---
\ No newline at end of file