r语言 回归分析 分类变量_R语言 | 回归分析（四）

R语言

语言学与R语言的碰撞

Xu & Yang

PhoneticSan

学习参考

Discovering Statistics Using R

Statistics for Linguistics with R

How to Do Linguistics with R

R in Action

Analyzing Linguistic Data

R Graphics Cookbook

··· ···

Recap

1. 当预测变量是分类型变量时，需要设置虚拟变量以便进行线性回归的拟合。

2. 逻辑回归中，预测变量可以是连续型变量或分类变量，得到的结果是分类变量。根据结果的分类个数，逻辑回归可以被分为二元逻辑回归和多元逻辑回归。glm( )是逻辑回归所用函数。

3. 为了将非线性的结果转变为线性内容，我们可以采用优势比进行转化。

R: The R Project for Statistical Computing

https://www.r-project.org/

RStudio:

https://rstudio.com/

今天是我们最后一期R语言入门系列。从去年11月份到今天，中间也因学业停更了很久，好在坚持了下来。如果您跟着我们一步步走完了整个流程，那么恭喜你成功入门！之后我们还会不定期更新与R有关的内容，比如更丰富的数据可视化，其他统计分析研究相关的内容(如贝叶斯分析)等等。现在开始我们接受R语言相关操作的稿件，如果你有什么想分享的内容，欢迎来稿！

R Project

Linguistics

1

 线性混合模型

在语言学的研究中，我们的数据总是互相嵌套，层层递进的。比如，我想考察汉语普通话否定句中否定焦点的位置，那么根据调查，我会考虑影响否定焦点位置的因素。首先，不同否定词是否会对否定焦点有影响，那么我设置了“不”字和“没”字(第一层)。接着，我又考虑有无语句焦点是否对否定焦点身份有影响，那么我设置了带焦点的语句和不带焦点的语句(第二层)。后来，我又考虑否定焦点会不会因为不同的语句焦点位置而发生转移，于是又设置了不同位置的焦点(第三层)。

考察否定焦点问题时进行划分的自变量

另外，与其他众多语言学实验类似，这个实验同样是组内设计(within-subjects design)ÿ