語言研究中的統計學：R軟體套用入門

《語言研究中的統計學：R軟體套用入門》是2018年9月商務印書館出版的圖書，作者是[德]史蒂芬·托馬斯·格萊斯。

基本介紹

• 書名：語言研究中的統計學：R軟體套用入門
• 作者：[德]史蒂芬·托馬斯·格萊斯
• 出版社：商務印書館
• 出版時間：2018年9月
• 頁數：361 頁
• 定價：62 元
• 開本：16 開
• 裝幀：平裝
• ISBN：9787100161787

內容簡介

　　《語言研究中的統計學：R軟體套用入門/套用語言學譯叢》是一本專門為語言研究撰寫的統計學入門書籍，使用開源R軟體，撰寫方式通俗易懂，配有練習題、思考題、警告和建議等，適合任何水平的語言學學習者：本科生、研究生、講師、教授。

　　《語言研究中的統計學：R軟體套用入門/套用語言學譯叢》介紹了定量研究的基本邏輯、R軟體的基礎知識、用R生成匯總統計頻率、平均數和相關性的方法以及如何用繪圖表示研究結果；還介紹了如何用R執行統計檢驗和匯總檢驗結果、多因子研究方法以及聚類研究的探究性方法。

　　與絕大多數同類書籍不同的是，《語言研究中的統計學：R軟體套用入門/套用語言學譯叢》非常清晰地循序漸進地介紹了每一種研究方法的使用。

圖書目錄

第1章 實證研究中的一些基本原則

1．引言

2．語言學中的定量研究方法

3．定量研究的設計和邏輯

3．1 探尋

3．2 假設及其可操作性

3．2．1 文本形式的科學假設

3．2．2 操縱變數

3．2．3 數學形式的科學假設

3．3 數據收集和儲存

3．4 做出判斷

3．4．1 離散機率分布的單側p值

3．4．2 離散機率分布的雙側p值

3．4．3 擴展：連續機率分布

4．因果關係實驗設計：簡介

5．因果關係實驗設計：再舉例

第2章 R的基礎知識

1．簡介與安裝

2．函式和參數

3．向量

3．1 創建向量

3．2 載入和儲存向量

3．3 編輯向量

4．因子

4．1 創建因子

4．2 載入和儲存因子

4．3 編輯因子

5．數據框

5．1 創建數據框

5．2 載入和儲存數據框

5．3 編輯數據框

6．一些關於編程的知識：條件和循環

6．1 條件表述式

6．2 循環

7．編寫自己的小函式

第3章 描述性統計

1．單變數統計

1．1 頻率數據

1．1．1 散點圖和線條圖

1．1．2 餅狀圖

1．1．3 條形圖

1．1．4 帕累托圖

1．1．5 直方圖

1．1．6 經驗累積分布圖

1．2 集中趨勢量度

1．2．1 眾數

1．2．2 中位數

1．2．3 算術平均數

1．2．4 幾何平均數

1．3 離散性量度

1．3．1 相對熵

1．3．2 全距

1．3．3 分位數和四分位數

1．3．4 平均差

1．3．5 標準差

1．3．6 變異係數

1．3．7 匯總函式

1．3．8 標準誤

1．4 置中和標準化（z分數）

1．5 置信區間

1．5．1 算術平均數的置信區間

1．5．2 百分比的置信區間

2．雙變數統計

2．1 頻率和交叉列表

2．1．1 條形圖和馬賽克圖

2．1．2 棘狀圖

2．1．3 折線圖

2．2 平均數

2．2．1 箱形圖

2．2．2 互動作用圖

2．3 相關係數和線性回歸

第4章 推斷性統計

1．分布與頻率

1．1 分布擬合

1．1．1 一個定距型因變數

1．1．2 一個定類型因變數

1．2 差異/獨立性檢驗

1．2．1 一個定序/定距型因變數和一個獨立樣本稱名型自變數

1．2．2 一個稱名型/定類型因變數和一個稱名型定類型獨立樣本自變數

1．2．3 一個稱名N//定類型非獨立樣本因變數2．離散性

2．1 一個定距型因變數的擬合度檢驗

2．2 一個定距型因變數和一個定類型自變數

3．平均數

3．1 擬合度檢驗

3．1．1 一個定距型因變數

3．1．2 一個定序型因變數

3．2 差異/獨立性檢驗

3．2．1 一個定距型因變數和一個定類型獨立樣本自變數

3．2．2 一個定距型因變數和一個定類型非獨立樣本自變數

3．2．3 一個定序型因變數和一個定類型獨立樣本自變數

3．2．4 一個定序型因變數和一個定類型非獨立樣本自變數

4．相關性係數和線性回歸

4．1 積差相關性的顯著性

4．2 Kendall'sTau的顯著性

4．3 相關關係和因果關係

第5章 多因子和多因變數統計方法

1．互動作用和模型選擇

1．1 互動作用

1．2 模型選擇

1．2．1 構建第一個模型

1．2．2 選擇最後的模型

2．線性回歸

2．1 包含一個帶兩個水平定類型預測因子的線性模型

2．2 包含一個帶三個水平定類型預測因子的線性模型

2．3 包含一個定距型預測因子的線性模型

2．4 包含兩個定類型預測因子的線性模型

2．5 包含一個定類型和一個定距型預測因子的線性模型

2．6 包含兩個定距型預測因子的線性模型

2．7 包含多個預測因子線性模型的選擇過程

3．二元邏輯回歸

3．1 包含兩個水平的定類型預測因子的二元邏輯回歸

3．2 包含三個水平的定類型預測因子的二元邏輯回歸

3．3 包含一個定距型預測因子的二元邏輯回歸

3．4 包含兩個定類型預測因子的二元邏輯回歸

3．5 包含-個定類型和一個定距型預測因子的二元邏輯回歸

3．6 包含兩個定距型預測因子的二元邏輯回歸

4．其他類型的回歸

4．1 包含-個定類型和-個定距型預測因子的定序邏輯回歸

4．2 包含一個定類型和一個定距型預測因子的多元回歸

4．3 包含一個定類型和一個定距型預測因子的泊松回歸

5．重複測量

5．1 一個被試內自變數

5．2 兩個被試內自變數

5．3 一個被試問自變數和一個被試內自變數

5．4 混合效應/多水平模型

6．分層聚類分析

第6章 結語

參考書目