相关话题
高斯图形模型和中心性指数的贝叶斯不确定性估计
这项研究将使用广泛的模拟使用频繁的玻璃镜头比较了贝叶斯玻璃和马蹄形先验的症状网络的估计。
经过:Joran Jongerling,,,,Sacha Epskamp,,,,唐纳德·威廉姆斯
话题:测量和缩放
COVID-19期间学校成分的变化:对学校平均临时测试分数的影响
学校官员定期使用学校聚集的考试成绩来监控学校表现并做出政策决策。在本报告中,RAND研究人员调查了一个可能污染Covid-19-19-时代学校聚集得分的利用的特定问题,并导致与历史和其他近端分数分数的比较错误:随着时间的推移,学校组成的变化。为了调查此问题,他们检查了NWEA地图增长评估,各州和地区在2020-2021学年使用的临时评估的数据。raybet 好用吗
经过:乔纳森·施韦格(Jonathan Schweig),,,,梅根·库赫菲尔德(Megan Kuhfeld),,,,安德鲁·麦克金(Andrew McEachin),,,,Melissa Diliberti,,,,路易·马里亚诺(Louis Mariano)
话题:Covid-19和学校,,,,测量和缩放
检查多个评估者的三腔模型的性能
使用仿真,这项研究检查了“三轮车模型”,这是一个用于解决评估者分歧的最新模型。
经过:詹姆斯·索兰(James Soland),,,,梅根·库赫菲尔德(Megan Kuhfeld)
话题:测量和缩放
BFPACK:R的灵活贝叶斯因子在R中的科学理论测试
在本文中,我们提出了一个名为BFPACK的新R软件包,其中包含许多常见测试问题的贝叶斯因子假设测试的功能。该软件包括(i)贝叶斯探索性测试的新颖工具(例如,零与正面效果),(ii)贝叶斯验证性测试(具有平等和/或订单约束的竞争假设),(iii)常见统计分析,例如线性回归,通用线性模型,(CO)方差的(多元)分析,相关分析和随机拦截模型,(iv)使用默认先验和(v),同时允许数据包含随机缺失的缺失观测值。
经过:乔里斯·穆尔德(Joris Mulder),,,,唐纳德·威廉姆斯,,,,Xin Gu,,,,安德鲁·托马肯(Andrew Tomarken),,,,FlorianBöing-Messing,,,,安东·奥尔森 - 包衣,,,,Marlyne Meijerink-Bosman,,,,Janosch Menke,,,,罗比·范·阿特(Robbie Van Aert),,,,让·保罗·福克斯(Jean-Paul Fox),,,,赫伯特·霍伊特克(Herbert Hoijtink),,,,伊夫·罗斯塞尔(Yves Rosseel),,,,Eric-Jan Wagenmakers,,,,Caspar van Lissa
话题:测量和缩放
将个人置于可靠性:贝叶斯对层次模型中均质内差异的测试
这项研究介绍了一种新的方法,即使用贝叶斯因素,其中研究人员可以直接测试层次模型中同质的内差异。此外,我们介绍了一个会员模型,该模型允许分类哪个(以及多少)个人属于共同方差模型。
经过:唐纳德·威廉姆斯,,,,斯蒂芬·马丁,,,,Phillipe Rast
话题:测量和缩放
GGMNONREG:R中的非规范化高斯图形模型
图形建模最近在心理学中出现(Epskamp等人,2018年),其中数据通常是长或低维的(p
社会行为科学)。
经过:唐纳德·威廉姆斯
话题:测量和缩放