यॉर्क अंग्रेजी के मॉडल, जंगल और पेड़: सांख्यिकीय प्रथा के लिए एक मामले के अध्ययन के रूप में was/werevariation

संक्षेप में इस बात का क्या स्पष्टीकरण है कि बहुवचन अस्तित्वात्मक निर्माणों में was और were के बीच तीव्र भिन्नता होती है, और इसका विश्लेषण करने के लिए सर्वोत्तम उपकरण क्या है? इस Phenomenon के पिछले अध्ययनों ने वैरिएबल नियम कार्यक्रम, एक सामान्यीकृत रेखीय मॉडल का उपयोग किया है; हालाँकि, सांख्यिकी में हालिया विकास ने नए उपकरण पेश किए हैं, जिनमें मिक्स्ड-इफेक्ट्स मॉडल, रैंडम फॉरेस्ट, और कंडीशनल इंफरेंस ट्री शामिल हैं जो डेटा अन्वेषण, विश्लेषण, और व्याख्या के लिए अतिरिक्त संभावनाएं खोल सकते हैं। एक चरण-दर-चरण प्रदर्शन में, हम यह दिखाते हैं कि यह well-known वैरिएबल इन पूरक तकनीकों से कैसे लाभान्वित होता है। मिक्स्ड-इफेक्ट्स मॉडल यादृच्छिक-प्रभाव कारकों जैसे नमूने में व्यक्तियों के महत्व का आकलन करने का एक सिद्ध तरीका प्रदान करते हैं। रैंडम फॉरेस्ट पूर्वसूचकताओं, चाहे फैक्टरियल हों या निरंतर, के महत्व के बारे में जानकारी प्रदान करते हैं, और ऐसा उच्च मल्टीकोलिनेरिटी के साथ असंतुलित डिज़ाइन के लिए भी करते हैं, ऐसे मामलों के लिए जहाँ रेखीय मॉडलों का परिवार कम उपयुक्त होता है। कंडीशनल इंफरेंस ट्री सीधे यह दर्शाते हैं कि कैसे कई पूर्वसूचक एक साथ काम करते हैं। एक साथ लेकर, परिणामों से पुष्टि होती है कि ध्रुवीयता, क्रिया से बहुवचन तत्व की दूरी, और DP का स्वभाव महत्वपूर्ण पूर्वसूचक हैं। चल रहा भाषाई परिवर्तन और सामाजिक पुनर्वallocation रूपी morphologization कार्यशील हैं। इसके अलावा, परिणाम भविष्य के अनुसंधान में परीक्षण किए जा सकने वाले पूर्वानुमान बनाते हैं। हम निष्कर्ष निकालते हैं कि भिन्नता संबंधी अनुसंधान को एक विस्तारित उपकरण सेट द्वारा महत्वपूर्ण रूप से समृद्ध किया जा सकता है।