Вопросы с тегом «cohens-d»

Что касается анализа величины эффекта, я заметил, что существуют различия между d Коэна, g Хеджеса и g * Хеджеса. Эти три показателя обычно очень похожи? В каком случае они будут давать разные результаты? Кроме того, это вопрос предпочтения, с которым я использую или сообщаю?

19 effect-size  cohens-d 

Я вычислил d Коэна для коэффициентов регрессии (из статистики t), отношений шансов и средних различий, надеясь объединить результаты в мета-анализе и посмотреть, как это работает. Однако в Stata кажется, что вы не можете объединить эти результаты без доверительных интервалов для коэна d, поэтому мой вопрос: как мне обойти это? Есть …

16 cohens-d 

Коэна является одним из наиболее распространенных способов измерения размера эффекта ( см. Википедия ). Он просто измеряет расстояние между двумя средними значениями в единицах стандартного отклонения. Как мы можем получить математическую формулу оценки дисперсии Коэна ? дdddddd Декабрь 2015 г. edit: С этим вопросом связана идея вычисления доверительных интервалов вокруг …

12 variance  effect-size  cohens-d 

Если вы решите проанализировать схему контроля до лечения с помощью непрерывной зависимой переменной, используя смешанный ANOVA, существуют различные способы количественного определения эффекта нахождения в группе лечения. Эффект взаимодействия является одним из основных вариантов. В целом, мне особенно нравятся меры типа Коэна d (т. ). Мне не нравятся меры, объясняемые дисперсией, …

11 anova  mixed-model  effect-size  cohens-d 

mgcvПакет Rимеет две функции для установки взаимодействия Тензор продукта: te()и ti(). Я понимаю основное разделение труда между ними (подгонка нелинейного взаимодействия против разложения этого взаимодействия на основные эффекты и взаимодействие). Чего я не понимаю, так это почему te(x1, x2)и ti(x1) + ti(x2) + ti(x1, x2)может дать (немного) разные результаты. MWE …

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