GLM 一般化線形モデルの説明に入る．始めにロジスティック回帰分析．欧米の社会科学や言語学では WikiPedia:VARBRUL というソフトが使われているらしいが，私は良く知らない．無論，Baayen の本では R が使われる．
p.214には，例によって実験言語学からのデータ．30人の被験者に文字列を示して，それが正しい単語だと認識できればボタンを押すという実験らしい．割合を説明変数賭する場合の問題として，"proportions have the property that the variance increases with the mean"と付記されている．それは良いのだが，glm()関数による分析例で，13ページも前に作成したオブジェクトが再利用されている．そこを読んだ時，面倒だったので，実際の操作は省いちゃったよ．
p.215 に deviance residuals の説明登場．"...,they need not follow a normal distribution..."
p.218 にも anova() の出力と lm() の出力の違いが説明されている．ここでモデル式に変数を投入する順番が重要なことが説明されている．p.183 の説明を参照(他に p.192)."Each succesive row in a sequential ANOVA table evalues whether adding a new predicter is justifiled given the other predictors in the preceding rows. By contrasts, the summary() function evalutes whether the coefficients are signficantly diferrent from zero in a model containing all other predictors." ．
さて，p.219の説明はとても重要だと思うのだが，原書は舌足らずなので，ちょっと補足して引用する．"The second function of anova() is to allow us to evalute the overall significance of factors. When a factor has only two levels, the test for the (single) coefficient based on the Z-score, in summary(), is very similar to the test in the anova() function when relevant factor is entered last into the model equatation. But when a factor has more than two levels, the table of coefficients, in summary(), listsa a t-values or a Z-score for each coefficients. In order to assess whether the factor as a whole is explanatory, the anova() table is essential"
