来讲述一个引人入胜的故事。一个很好的起点是这个 简短的 视频 与BBC合作拍摄。

gapminder 数据总结了各国随时间推移的发展进程，考察了预期寿命和 GDP 等统计数据。得益于 Jenny Bryan 创建的 gap‐ minder 包，这些数据在 R 中很容易获取：

library(gapminder) gapminder #> # A tibble: 1,704 × 6 #> country continent year lifeExp pop gdpPercap #> #> 1 Afghanistan Asia 1952 28.8 8425333 779 #> 2 Afghanistan Asia 1957 30.3 9240934 821 #> 3 Afghanistan Asia 1962 32.0 10267083 853 #> 4 Afghanistan Asia 1967 34.0 11537966 836 #> 5 Afghanistan Asia 1972 36.1 13079460 740 #> 6 Afghanistan Asia 1977 38.4 14880372 786 #> # ... with 1,698 more rows

在本案例研究中，我们将只关注三个变量来回答这个问题：“每个国家（country）的预期寿命（lifeExp）如何随时间（year）变化？”一个好的起点是先画一张图：

gapminder %>% ggplot(aes(year, lifeExp, group = country)) + geom_line(alpha = 1/3)

这是一个小数据集：它只有约 1,700 个观测值和 3 个变量。但仍然很难看清发生了什么！总体来看，它看起来像是