相关的话题
高斯图形模型和中心性指数的贝叶斯不确定度估计
本研究比较了症状网络的估计与贝叶斯GLASSO-和马蹄先验估计使用频率GLASSO使用广泛的模拟。
由:Joran Jongerling,萨夏Epskamp,唐纳德•威廉姆斯
主题:测量及扩展
COVID-19大流行期间学校构成的变化:对学校平均期中考试成绩使用的影响
学校官员经常使用学校综合考试成绩来监控学校表现并做出决策。在这份报告中,兰德公司的研究人员调查了一个具体问题,该问题可能会影响covid -19时代学校总分数的利用,并导致与历史和其他近端总分数的错误比较:学校组成随时间的变化。为了调查这一问题,他们研究了NWEA的MAP增长评估数据,这是各州和地区在2020-2021学年使用的中期评估。
由:乔纳森Schweig,梅根Kuhfeld,安德鲁McEachin,梅丽莎Diliberti,路易斯·马里亚诺•
BFpack: R中科学理论的灵活贝叶斯因子检验
本文提出了一个新的R包BFpack,它包含了贝叶斯因子假设检验的函数,用于解决许多常见的检验问题。该软件包括新颖的工具(i)贝叶斯探索性测试(例如,零vs积极vs消极影响),(ii)贝叶斯验证性测试(平等和/或顺序约束的竞争假设),(iii)常见的统计分析,如线性回归,广义线性模型,(多元)分析(协)方差,相关分析,和随机拦截模型,(iv)使用默认先验,(v)同时允许数据包含随机缺失的观测数据。
由:尤里斯穆德,唐纳德•威廉姆斯,鑫谷,安德鲁Tomarken,Florian Boing-Messing,安东Olsson-Collentine,Marlyne Meijerink-Bosman,Janosch Menke,罗比·Aert,让·保罗·福克斯,赫伯特Hoijtink,伊夫Rosseel,Eric-Jan Wagenmakers,卡斯帕·Lissa
主题:测量及扩展
将个人放入信度:层级模型中人内同质方差的贝叶斯检验
本研究引入了一种新的方法,利用贝叶斯因子,研究人员可以直接检验分层模型中的同构人内方差。此外,我们引入了一个成员模型,该模型允许对哪些(以及多少)个体属于公共方差模型进行分类。
由:唐纳德•威廉姆斯,斯蒂芬•马丁,菲拉斯特
主题:测量及扩展
R中的非正则化高斯图形模型
图形建模最近出现在心理学中(Epskamp等人2018),其中的数据通常是长或低维的(p < n;唐纳德·r·威廉姆斯等人(2019年),
唐纳德·r·威廉姆斯和拉斯特(2019))。GGMnonreg的主要目的是提供专门为低维数据设计的方法(例如,在
社会行为科学)。
由:唐纳德•威廉姆斯
主题:测量及扩展