语言研究中的统计学-R软件应用入门

第1章 实证研究中的一些基本原则
1．引言
2．语言学中的定量研究方法
3．定量研究的设计和逻辑
3．1 探寻
3．2 假设及其可操作性
3．2．1 文本形式的科学假设
3．2．2 操纵变量
3．2．3 数学形式的科学假设
3．3 数据收集和储存
3．4 做出判断
3．4．1 离散概率分布的单侧p值
3．4．2 离散概率分布的双侧p值
3．4．3 扩展：连续概率分布
4．因果关系实验设计：简介
5．因果关系实验设计：再举例

第2章 R的基础知识
1．简介与安装
2．函数和参数
3．向量
3．1 创建向量
3．2 加载和储存向量
3．3 编辑向量
4．因子
4．1 创建因子
4．2 加载和储存因子
4．3 编辑因子
5．数据框
5．1 创建数据框
5．2 加载和储存数据框
5．3 编辑数据框
6．一些关于编程的知识：条件和循环
6．1 条件表述式
6．2 循环
7．编写自己的小函数

第3章 描述性统计
1．单变量统计
1．1 频率数据
1．1．1 散点图和线条图
1．1．2 饼状图
1．1．3 条形图
1．1．4 帕累托图
1．1．5 直方图
1．1．6 经验累积分布图
1．2 集中趋势量度
1．2．1 众数
1．2．2 中位数
1．2．3 算术平均数
1．2．4 几何平均数
1．3 离散性量度
1．3．1 相对熵
1．3．2 全距
1．3．3 分位数和四分位数
1．3．4 平均差
1．3．5 标准差
1．3．6 变异系数
1．3．7 汇总函数
1．3．8 标准误
1．4 置中和标准化（z分数）
1．5 置信区间
1．5．1 算术平均数的置信区间
1．5．2 百分比的置信区间
2．双变量统计
2．1 频率和交叉列表
2．1．1 条形图和马赛克图
2．1．2 棘状图
2．1．3 折线图
2．2 平均数
2．2．1 箱形图
2．2．2 交互作用图
2．3 相关系数和线性回归

第4章 推断性统计
1．分布与频率
1．1 分布拟合
1．1．1 一个定距型因变量
1．1．2 一个定类型因变量
1．2 差异／独立性检验
1．2．1 一个定序／定距型因变量和一个独立样本称名型自变量
1．2．2 一个称名型／定类型因变量和一个称名型定类型独立样本自变量
1．2．3 一个称名N／／定类型非独立样本因变量2．离散性
2．1 一个定距型因变量的拟合度检验
2．2 一个定距型因变量和一个定类型自变量
3．平均数
3．1 拟合度检验
3．1．1 一个定距型因变量
3．1．2 一个定序型因变量
3．2 差异／独立性检验
3．2．1 一个定距型因变量和一个定类型独立样本自变量
3．2．2 一个定距型因变量和一个定类型非独立样本自变量
3．2．3 一个定序型因变量和一个定类型独立样本自变量
3．2．4 一个定序型因变量和一个定类型非独立样本自变量
4．相关性系数和线性回归
4．1 积差相关性的显著性
4．2 Kendall'sTau的显著性
4．3 相关关系和因果关系

第5章 多因子和多因变量统计方法
1．交互作用和模型选择
1．1 交互作用
1．2 模型选择
1．2．1 构建**个模型
1．2．2 选择*后的模型
2．线性回归
2．1 包含一个带两个水平定类型预测因子的线性模型
2．2 包含一个带三个水平定类型预测因子的线性模型
2．3 包含一个定距型预测因子的线性模型
2．4 包含两个定类型预测因子的线性模型
2．5 包含一个定类型和一个定距型预测因子的线性模型
2．6 包含两个定距型预测因子的线性模型
2．7 包含多个预测因子线性模型的选择过程
3．二元逻辑回归
3．1 包含两个水平的定类型预测因子的二元逻辑回归
3．2 包含三个水平的定类型预测因子的二元逻辑回归
3．3 包含一个定距型预测因子的二元逻辑回归
3．4 包含两个定类型预测因子的二元逻辑回归
3．5 包含-个定类型和一个定距型预测因子的二元逻辑回归
3．6 包含两个定距型预测因子的二元逻辑回归
4．其他类型的回归
4．1 包含-个定类型和-个定距型预测因子的定序逻辑回归
4．2 包含一个定类型和一个定距型预测因子的多元回归
4．3 包含一个定类型和一个定距型预测因子的泊松回归
5．重复测量
5．1 一个被试内自变量
5．2 两个被试内自变量
5．3 一个被试问自变量和一个被试内自变量
5．4 混合效应／多水平模型
6．分层聚类分析

第6章 结语

参考书目