英国留学 R 语言数据分析作业完整指南：从入门到高分报告（2026）

R 语言是英国高校统计学、经济学、心理学和商科数据分析专业的主流工具。和 Python 作业相比，R 作业的评分更看重统计解读的准确性和报告的可读性，而不只是代码能跑。

为什么 R 在英国高校这么常见？

• 统计学专业：R 是统计建模的黄金标准
• 心理学/教育学：大量心理统计包（如 psych、lavaan）
• 经济学/计量经济学：AER、plm 等包专为经济数据设计
• 商科数据分析：tidyverse 生态极其完整

第一步：建立规范的 R 项目结构

很多学生把所有代码写在一个几百行的脚本里，这在 R 作业中是严重的减分项。规范结构：

my_assignment/
├── data/
│   ├── raw/          # 原始数据，不要修改
│   └── processed/    # 清洗后的数据
├── scripts/
│   ├── 01_data_cleaning.R
│   ├── 02_eda.R
│   └── 03_modelling.R
├── output/
│   ├── figures/      # 图表
│   └── tables/       # 统计表格
├── report.Rmd        # R Markdown 报告
└── README.md

第二步：数据清洗（Data Cleaning）

数据清洗是你展示统计思维的第一个机会。

library(tidyverse)

df <- read_csv("data/raw/survey_data.csv")

# 1. 查看数据结构
glimpse(df)
summary(df)

# 2. 检查缺失值
df %>%
  summarise(across(everything(), ~ sum(is.na(.)))) %>%
  pivot_longer(everything(), names_to = "variable", values_to = "missing_count") %>%
  filter(missing_count > 0)

# 3. 处理缺失值（须在报告中说明处理方式和理由）
df_clean <- df %>%
  # 删除缺失比例 > 30% 的变量
  select(where(~ mean(is.na(.)) < 0.3)) %>%
  # 对连续变量用中位数填充
  mutate(across(where(is.numeric), ~ ifelse(is.na(.), median(., na.rm = TRUE), .)))

# 4. 处理异常值（报告中须说明标准）
df_clean <- df_clean %>%
  filter(
    age >= 18 & age <= 100,           # 合理年龄范围
    income > 0                         # 收入为正
  )

cat("Rows removed:", nrow(df) - nrow(df_clean), "\n")

报告写作要点： 不只是写代码，要在报告里说明每个数据清洗决策的理由（为什么删除这些行？为什么用中位数而不是均值填充？）

第三步：探索性分析（EDA）与 ggplot2 可视化

高分 ggplot2 图表规范

library(ggplot2)

# 基础 ggplot2 高分模板
income_plot <- ggplot(df_clean, aes(x = education_level, y = income, fill = gender)) +
  geom_boxplot(outlier.alpha = 0.3) +
  scale_fill_manual(
    values = c("#2563EB", "#059669"),
    labels = c("Female", "Male")
  ) +
  labs(
    title = "Income Distribution by Education Level and Gender",
    subtitle = "Based on 2023 UK Labour Force Survey (N = 2,847)",
    x = "Education Level",
    y = "Annual Income (£)",
    fill = "Gender",
    caption = "Source: ONS Labour Force Survey, 2023"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    plot.title = element_text(face = "bold"),
    legend.position = "bottom",
    axis.text.x = element_text(angle = 45, hjust = 1)
  )

# 保存高清图（提交 PDF 报告用）
ggsave("output/figures/income_by_education.png",
       plot = income_plot, width = 8, height = 5, dpi = 300)

评分要点：

• 必须有标题（Title）和轴标签（Axis Labels）
• 颜色选择要对色盲友好（避免红绿组合）
• 注明数据来源（Caption）
• 图表尺寸合适，字体清晰可读（导师打印时不会模糊）

第四步：统计检验与解读

这是 R 作业最容易失分的地方——很多学生只汇报 p 值，没有解读统计意义。

独立样本 t 检验

# 检验男女收入是否有显著差异
t_result <- t.test(income ~ gender, data = df_clean, var.equal = FALSE)

# 打印并解读
print(t_result)

# 计算效应量（Effect Size）— 很多学生忘记报告
library(effectsize)
cohens_d(income ~ gender, data = df_clean)

报告写作示例：

An independent samples Welch's t-test revealed a statistically significant difference in annual income between male (M = £38,420, SD = £12,103) and female (M = £32,891, SD = £11,847) respondents, t(1,842) = 8.34, p < .001. The effect size was moderate (Cohen's d = 0.46, 95% CI [0.37, 0.55]), indicating that gender accounts for approximately 5% of variance in income. These findings align with previous research on the gender pay gap (ONS, 2023).

注意：

• 汇报均值（M）和标准差（SD）
• 写出检验统计量（t(df) = 值）
• p 值用 "< .001" 而不是精确值（APA 格式）
• 必须汇报效应量（Cohen's d / eta squared），这是区分 First 和 2:1 的关键

线性回归（Linear Regression）

# 多元线性回归
model <- lm(income ~ age + education_level + gender + experience_years,
            data = df_clean)

# 检查基本假设
library(performance)
check_model(model)   # 生成诊断图（Residuals, Q-Q plot, etc.）

# 格式化输出
library(broom)
tidy(model, conf.int = TRUE) %>%
  mutate(across(where(is.numeric), ~ round(., 3)))

回归报告要包含：

1. 模型方程（写出所有预测变量）
2. R² 和 Adjusted R²（模型解释力）
3. F 检验结果（模型整体显著性）
4. 各预测变量的 β 系数、t 值、p 值、95% 置信区间
5. 假设检验结果（残差正态性、同方差性——用图表展示）

第五步：R Markdown 报告

英国高校 R 作业通常要求提交 R Markdown（.Rmd） 格式报告，这能把代码、输出和文字融为一体。

高分 R Markdown 模板头部：

---
title: "Data Analysis Assignment: UK Labour Market"
author: "Student ID: 1234567"
date: "`r Sys.Date()`"
output:
  pdf_document:
    toc: true
    toc_depth: 3
    number_sections: true
    fig_caption: true
    keep_tex: false
  html_document:
    theme: cosmo
    toc: true
bibliography: references.bib
---

代码块（Chunk）规范：

```{r setup, include=FALSE}
knitr::opts_chunk$set(
  echo = TRUE,       # 显示代码（除非另行指定）
  warning = FALSE,   # 不显示警告
  message = FALSE,   # 不显示消息
  fig.align = "center",
  fig.width = 7,
  fig.height = 4
)
```

常见失分点清单

• 统计检验只汇报 p 值，没有效应量（Cohen's d / eta² / R²）
• 图表缺少标题、轴标签或数据来源
• 没有检验统计假设（回归残差正态性、方差齐性）
• 数据清洗没有在报告中说明理由
• R Markdown 没有正确设置 knitr::opts_chunk，导致输出混乱
• 使用了学校数据库才能访问的数据，但没有提供数据文件

需要帮助？

无论是统计检验的解读、回归模型的报告格式还是 ggplot2 可视化，学霸留学生辅导 有统计学和数据科学方向的学长学姐：

👉 扫码添加客服微信，免费评估你的 R 语言作业需求