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 操縱變量
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 離散概率分布的單側p值
3．4．2 離散概率分布的雙側p值
3．4．3 擴展：連續概率分布
4．因果關系實驗設計：簡介
5．因果關系實驗設計：再舉例

第2章 R的基礎知識
1．簡介與安裝
2．函數和參數
3．向量
3．1 創建向量
3．2 加載和儲存向量
3．3 編輯向量
4．因子
4．1 創建因子
4．2 加載和儲存因子
4．3 編輯因子
5．數據框
5．1 創建數據框
5．2 加載和儲存數據框
5．3 編輯數據框
6．一些關于編程的知識：條件和循環
6．1 條件表述式
6．2 循環
7．編寫自己的小函數

第3章 描述性統計
1．單變量統計
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 變異系數
1．3．7 匯總函數
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．雙變量統計
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 交互作用圖
2．3 相關系數和線性回歸

第4章 推斷性統計
1．分布與頻率
1．1 分布擬合
1．1．1 一個定距型因變量
1．1．2 一個定類型因變量
1．2 差異／獨立性檢驗
1．2．1 一個定序／定距型因變量和一個獨立樣本稱名型自變量
1．2．2 一個稱名型／定類型因變量和一個稱名型定類型獨立樣本自變量
1．2．3 一個稱名N／／定類型非獨立樣本因變量2．離散性
2．1 一個定距型因變量的擬合度檢驗
2．2 一個定距型因變量和一個定類型自變量
3．平均數
3．1 擬合度檢驗
3．1．1 一個定距型因變量
3．1．2 一個定序型因變量
3．2 差異／獨立性檢驗
3．2．1 一個定距型因變量和一個定類型獨立樣本自變量
3．2．2 一個定距型因變量和一個定類型非獨立樣本自變量
3．2．3 一個定序型因變量和一個定類型獨立樣本自變量
3．2．4 一個定序型因變量和一個定類型非獨立樣本自變量
4．相關性系數和線性回歸
4．1 積差相關性的顯著性
4．2 Kendall'sTau的顯著性
4．3 相關關系和因果關系

第5章 多因子和多因變量統計方法
1．交互作用和模型選擇
1．1 交互作用
1．2 模型選擇
1．2．1 構建**個模型
1．2．2 選擇*后的模型
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．重復測量
5．1 一個被試內自變量
5．2 兩個被試內自變量
5．3 一個被試問自變量和一個被試內自變量
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