新手正確使用 R 的方式：打開 Google Colab

R 語言在台灣的教育與心理學領域逐漸普及（終於），但許多初學者常在環境設定時就遇到挫折。從安裝 R、RStudio，到設定套件、讀取資料，這中間的每一步都可能會出現錯誤卡關、以致於妨礙了後續的學習興趣。但對大多數學生來說，他們其實只需要一個能讀取資料、執行統計分析、產出圖表的平台。

選擇適合的工具可以幫助學習者專注在資料分析本身，而不是陷入繁瑣的環境設定中。 Google Colab 提供了一個「剛好夠用」的替代方案：免安裝、穩定、易於分享，而且完全在瀏覽器中運作。

開啟 Google Colab

• 搜尋 Colab，建立一個新的筆記本 (New Notebook)。只要有 Google 帳號，就可以開始使用。點這裡可使用 –> Google Colab
• 在選單上的編輯 (Edit)／筆記本設定 (Notebook Settings) 中，選取 R 並儲存。這樣就有一個雲端的 R 語言 session。
• 接下來我們可以檢查一下雲端主機的環境，在程式區塊中輸入 sessionInfo() 會出現如下內容：

R version 4.4.2 (2024-10-31)
Platform: x86_64-pc-linux-gnu
Running under: Ubuntu 22.04.3 LTS

Matrix products: default
BLAS:   /usr/lib/x86_64-linux-gnu/openblas-pthread/libblas.so.3 
LAPACK: /usr/lib/x86_64-linux-gnu/openblas-pthread/libopenblasp-r0.3.20.so;  LAPACK version 3.10.0

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C              
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8   
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C                 
 [9] LC_ADDRESS=C               LC_TELEPHONE=C            
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       

time zone: Etc/UTC
tzcode source: system (glibc)

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

loaded via a namespace (and not attached):
 [1] digest_0.6.37     IRdisplay_1.1     utf8_1.2.4        base64enc_0.1-3  
 [5] fastmap_1.2.0     glue_1.8.0        htmltools_0.5.8.1 repr_1.1.7       
 [9] lifecycle_1.0.4   cli_3.6.3         fansi_1.0.6       vctrs_0.6.5      
[13] pbdZMQ_0.3-13     compiler_4.4.2    tools_4.4.2       evaluate_1.0.1   
[17] pillar_1.9.0      crayon_1.5.3      rlang_1.1.4       jsonlite_1.8.9   
[21] IRkernel_1.3.2    uuid_1.2-1      

上述這些內容提供我們幾項重要資訊：

1. 目前的 R 版本（4.4.2 版）
2. 雲端主機的系統環境：x86_64-pc-linux-gnu，作業系統是 Ubuntu 22.04.3 LTS。 –> 這代表我們可以使用 linux 指令操作這台機器。
3. 矩陣計算工具等等。
4. 最後面則是目前 session 中已經安裝的套件。目前基本上是 R-Base 的套件。如果有新的套件透過 library() 載入，也會出現在這邊。

• 例如：輸入 library(tidyverse) （這個不用重新 install，讚！）並執行。
• 再重新執行 sessionInfo()，你就可以看到有額外的套件載入進來。

other attached packages:
[1] lubridate_1.9.4 forcats_1.0.0   stringr_1.5.1   dplyr_1.1.4    
[5] purrr_1.0.2     readr_2.1.5     tidyr_1.3.1     tibble_3.2.1   
[9] ggplot2_3.5.1   tidyverse_2.0.0

資料的輸入、輸出。

可以使用左邊的檔案夾(File)區塊。只要把你的主機上的檔案拉進去。 讀取的時候，在檔案上選擇「複製路徑」 (copy path)，即可成功。

• 例如：拉進一個檔案 pisa.csv
• 讀取，用 read.csv('/content/pisa.csv') 你就可以看到檔案成功讀取。

安裝套件

以上的資訊應該都算是常識。接下來是重點。

使用 R 就是因為上面有很多統計套件可以用。 但是，在 Colab 上使用 install.packages() 指令，通常會非常非常慢。 前面提到過，這些雲端主機通常是用 Linux 系統，因此，直接用 Linux 指令來安裝會更快。 在 Linux 上面安裝 R 套件的方式（這只限於 CRAN 上註冊的套件）如下：

sudo apt install --no-install-recommends r-cran-[套件名稱]

（這邊的 --no-install-recommends 應該是可以省略的。這是讓電腦不要安裝那些多餘的（推薦的）東西。）

另外，在 Colab 上用 R，需要使用 system() 包起來。例如：

• system("sudo apt-get update")
• system("sudo apt install --no-install-recommends r-cran-mirt")

因此，以常用的安裝 lavaan 套件為例，就可以使用

## 在 Colab 上適用的方法。
system('sudo apt install --no-install-recommends r-cran-lavaan') 

## 正確的方法，但較慢。
install.packages('lavaan')

注意的是，這邊的套件名稱通常都是全小寫。在 R 裡面安裝套件要區分大小寫，例如 install.packages('R2jags') 才能正確安裝套件。但是用 Linux 指令，則要寫成 r-cran-r2jags。（但是你要讀進 R 環境還是要使用原本的 library(R2jags) ！）

你也可以使用一個簡單的函數來幫助安裝（複製貼上到你的 Colab 程式區塊執行即可使用）：

## Function to help install packages in colab.
install_packages <- \(package){
    system(paste0("sudo apt install --no-install-recommends r-cran-", tolower(package)))
}

這樣一來，你就可以用和原本類似的方式來安裝套件（大小寫可以和原本一致），例如 install_packages('R2jags')。不妨試試看！

目前測試，貝氏統計的幾個套件都可以成功安裝使用：cmdstanr, rstan, brms 都下載成功了。 心理學常用的套件應該都沒問題：

## CTT
install_packages('psych')

## IRT
install_packages('mirt')
install_packages('TAM')
install_packages('GDINA')

## SEM
install_packages('lavaan')
install_packages('OpenMx')
install_packages('blavaan')

## Multilevel analysis
install_packages('lme4')
install_packages('brms')
install_packages('rstanarm')

## Bayesian data analysis
install_packages('rstan')
install_packages('cmdsatnr')
install_packages('R2jags')
install_packages('nimble)

另外，如果要使用 jags 的同學，在 Colab 中使用以下指令：

## 安裝 jags 的方式：
system('sudo apt-get install jags')

⭐ Workflow.

以下幫大家整理成使用流程： （tidyverse 已經有了，可以直接 library() 使用。）

## 1. 更新環境、安裝 jags 等。
system("sudo apt-get update")
system('sudo apt-get install jags')

## 2. 套用安裝函數，簡化操作。
install_packages <- \(package){
    result <- system(
        paste0("sudo apt install --no-install-recommends r-cran-", tolower(package)),
        ignore.stderr = FALSE,
        wait = TRUE
    )
    # 檢查執行結果
    if (result != 0) {
        stop(paste0(
           "Installation failed! Possible reasons:\n",
           "1. Invalid package name\n", 
           "2. Package not available in CRAN repository\n",
           "3. System permission issues\n"
        ))
    } else {
        message(paste0("Successfully installed package: ", package))
    }
}

## 3. 安裝所需程式。
install_packages('R2jags')

## 4. 載入所需程式。
library(R2jags)

以上內容提供給大家參考， 祝大家學習、研究順利。