《第二语言加工及R语言应用中青年学者外国语言文学学术前沿研究( 二 ) 本书|语言|第二语言|模型|加工「问人人知识网」

这本专著主要参照Wickham & Grolemund (2017)的数据科学过程（导入-->整理-->转换、可视化、模型-->沟通）这一流程进行讲解。
【《第二语言加工及R语言应用中青年学者外国语言文学学术前沿研究】值得一提的是，本书作者并没有像《R语言实战》一开始就介绍一些抽象的概念，比如向量、矩阵、数组和数据框，而是直接开门见山，介绍了R的数据的特征——长数据（long format）（p.11），而且强调R的每一列都是一个变量（variable），每一行都是一个观测值（observation）这是与SPSS的本质区别。可以说，本书作者是从初学者的角度来讲解R，让读者一目了然，而不至于一开始使用R就望而生畏或者不知所措。
第一章：R语言数据科学的亮点在于介绍了数据管理最重要的五大函数，比如研究者如果想把反应时（RT）转换为标准分（z分数），那就可以使用mutate函数。在读这本书的时候，我发现书后的参考文献也是非常重要的参考资料，可以说这本书的参考文献基本涵盖了R语言领域非常经典的著作。比如：
Wickham, H., & Grolemund, G. (2017). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. CA: O’Reilly Media.
如果要深入学习数据管理的知识，比如在心理语言学里面，经常需要把语言成绩作为协变量（covariate）放入统计模型，这时候就可以使用Mutating Joins的相关函数，这一函数的使用在这本书里都有详细的解释。
第二章：数据探索：描述性统计和数据可视化。其中重点是介绍了使用tapply和aggregate函数来计算每一个实验条件下反应时的平均数和标准差，使用这两个函数，可以显著提升自己的工作效率。在数据可视化方面，本书作者简单介绍了ggplot2作图，其中比较重要的函数有stat_summary和position_dodge 。不过ggplot2在本书的介绍非常有限（p.85），更多内容可以参考Hadley的如下代表作：
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis (Second Edition ed.). Switzerland: Springer.
从第三章开始，本书主要开始涉及一些统计学的重要概念和统计建模的步骤。第四章：使用R进行统计建模，可以说是本书最为重要的一章，因为这一章讲的内容主要是基于线性模型，其中提到了一些重要概念，比如交互效应，同时也介绍了数值型自变量做趋中处理（Centering）的方法、自变量为分类变量时的比较编码方案（contrast coding）和多重比较的方法（这一内容我觉得是最难的）、模型诊断与模型比较的方法这些都是为第六章：混合效应模型的学习打基础。
关于统计建模和混合效应模型，如果要更深入的理解，可以参考本书作者引用的一些经典专著：
Baayen, R. H. (2008). Analyzing Linguistic Data: A Practical Introduction to Statistics Using R. Cambridge: Cambridge University Press.

《第二语言加工及R语言应用 中青年学者外国语言文学学术前沿研究( 二 )

《第二语言加工及R语言应用中青年学者外国语言文学学术前沿研究( 二 )