作者:
Paul D. Ellis
出版社: Cambridge University Press
副标题: Statistical Power, Meta-Analysis, and the Interpretation of Research Results
出版年: 2010-8-16
页数: 187
定价: USD 39.99
装帧: Paperback
ISBN: 9780521142465
出版社: Cambridge University Press
副标题: Statistical Power, Meta-Analysis, and the Interpretation of Research Results
出版年: 2010-8-16
页数: 187
定价: USD 39.99
装帧: Paperback
ISBN: 9780521142465
以下书单推荐 · · · · · · ( 全部 )
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于The Essential Guide to Effect Sizes的评论:
feed: rss 2.0
0 有用 Amadeus 2020-04-01 12:10:50
效应量,检验力与元分析导论。Cohen'd是基于期望t剥离出来的,所以效应量是和检验力密切联系的,给定α,期望t便可以推测检验力。现实的情况是,心理学中对小效应量检验力太低了,这和检验效应需要的样本量有关。另外,考虑到回溯性检验力分析的弊端,以及事前估计效应量的困难,也许贝叶斯因子在未来会有进一步的用武之地。最有趣的当属基于效应量的元分析,其缘起于Glass对Eysenck的不满,怒创元分析予以反... 效应量,检验力与元分析导论。Cohen'd是基于期望t剥离出来的,所以效应量是和检验力密切联系的,给定α,期望t便可以推测检验力。现实的情况是,心理学中对小效应量检验力太低了,这和检验效应需要的样本量有关。另外,考虑到回溯性检验力分析的弊端,以及事前估计效应量的困难,也许贝叶斯因子在未来会有进一步的用武之地。最有趣的当属基于效应量的元分析,其缘起于Glass对Eysenck的不满,怒创元分析予以反驳。时间是d效应量提出后十年前后。后来元分析方法层出不穷,却被两大流派垄断市场,一如可口可乐与百事可乐。很多建议是初学者必须知道的,比如元分析的方法,模型选择,什么时候可以用元分析,如何提高检验力,如何避免诸如发表偏移之类的bias。 (展开)
0 有用 Metanight 2018-02-26 13:47:49
自学元分析的时候参考过
1 有用 泥豆尼痘昵 2015-01-20 18:56:48
这是我收集的最佳统计学习书中的一册,优点多多:一,才一百多页;二,例子丰富;三,难度不高;四,很多总结。这本书阐述了数据分析中必须注意的要点,effect sizes、statistical power和meta analysis相辅相成,一个不留神就会出错。如果搞不懂这些术语和其背后的故事,怎么配搞科研呢?给出的结论都会是错的。各专业同学都有必要读一读,反正就那么几页嘛。
0 有用 Amadeus 2020-04-01 12:10:50
效应量,检验力与元分析导论。Cohen'd是基于期望t剥离出来的,所以效应量是和检验力密切联系的,给定α,期望t便可以推测检验力。现实的情况是,心理学中对小效应量检验力太低了,这和检验效应需要的样本量有关。另外,考虑到回溯性检验力分析的弊端,以及事前估计效应量的困难,也许贝叶斯因子在未来会有进一步的用武之地。最有趣的当属基于效应量的元分析,其缘起于Glass对Eysenck的不满,怒创元分析予以反... 效应量,检验力与元分析导论。Cohen'd是基于期望t剥离出来的,所以效应量是和检验力密切联系的,给定α,期望t便可以推测检验力。现实的情况是,心理学中对小效应量检验力太低了,这和检验效应需要的样本量有关。另外,考虑到回溯性检验力分析的弊端,以及事前估计效应量的困难,也许贝叶斯因子在未来会有进一步的用武之地。最有趣的当属基于效应量的元分析,其缘起于Glass对Eysenck的不满,怒创元分析予以反驳。时间是d效应量提出后十年前后。后来元分析方法层出不穷,却被两大流派垄断市场,一如可口可乐与百事可乐。很多建议是初学者必须知道的,比如元分析的方法,模型选择,什么时候可以用元分析,如何提高检验力,如何避免诸如发表偏移之类的bias。 (展开)
0 有用 Metanight 2018-02-26 13:47:49
自学元分析的时候参考过
1 有用 泥豆尼痘昵 2015-01-20 18:56:48
这是我收集的最佳统计学习书中的一册,优点多多:一,才一百多页;二,例子丰富;三,难度不高;四,很多总结。这本书阐述了数据分析中必须注意的要点,effect sizes、statistical power和meta analysis相辅相成,一个不留神就会出错。如果搞不懂这些术语和其背后的故事,怎么配搞科研呢?给出的结论都会是错的。各专业同学都有必要读一读,反正就那么几页嘛。