Запитання з тегом «cohens-d»

Для аналізу розміру ефекту зауважую, що існують відмінності між d Коена, Hedges's g і Hedges 'g *. Ці три показники зазвичай дуже схожі? Що було б у випадку, коли вони давали б різні результати? Також це питання переваги, яким я користуюся чи повідомляю?

19 effect-size  cohens-d 

Я обчислив d Коена для коефіцієнтів регресії (зі статистики t), коефіцієнтів шансів та різниці серед значень, сподіваючись об'єднати результати в мета-аналізі і побачити, як він працює. Однак у Stata, здається, ти не можеш об'єднати ці результати без довірчих інтервалів для Коена, тому моє питання полягає в тому, як мені це …

16 cohens-d 

Коена - один з найпоширеніших способів вимірювання розміру ефекту ( див. Вікіпедію ). Він просто вимірює відстань між двома засобами з точки зору об'єднаного стандартного відхилення. Як ми можемо отримати математичну формулу дисперсійної оцінки Коена ? dddddd Грудень 2015 редагувати: З цим питанням пов'язана ідея обчислення довірчих інтервалів навколо . …

12 variance  effect-size  cohens-d 

Якщо ви вирішили проаналізувати конструкцію до контролю після лікування з безперервною залежною змінною за допомогою змішаної ANOVA, існують різні способи кількісного визначення ефекту перебування в групі лікування. Ефект взаємодії є одним з основних варіантів. Взагалі, мені особливо подобаються заходи типу Коена (тобто ). Мені не подобаються міри, пояснені дисперсією, оскільки …

11 anova  mixed-model  effect-size  cohens-d 

У mgcvпакеті Rє дві функції для встановлення тензорних взаємодій між продуктами: te()і ti(). Я розумію основний розподіл праці між двома (встановлення нелінійної взаємодії проти декомпозиції цієї взаємодії на основні ефекти та взаємодію). Чого я не розумію, це чому te(x1, x2)і ti(x1) + ti(x2) + ti(x1, x2)може давати (трохи) різні результати. …

11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa