统计会犯错的笔记(18)

按有用程度 按页码先后 最新笔记

  • lianghao

    lianghao

    2020-04-18 15:47

  • [已注销]

    [已注销]

    如果研究结果是阴性的,那也要发表!有些期刊会以不能引起人们的兴趣为由拒绝阴性结果,那么考虑一下开放存取的并只有电子版的期刊,如PLOS ONE或者《实验》,这些期刊的同行评议不会拒绝没有趣味的研究。阴性结果也可以发表在Figshare上。 只要做出了相应时间和努力去研究验证,即使结果是阴性,但是也会给别人的研究带来影响,可以避免重复工作。阴性结果算是另外一种贡献,并不直接的贡献。

    2017-04-08 18:31

  • [已注销]

    [已注销]

    一定要小心可能引起误导或者背道而驰的结果的混杂变量,就像在辛普森悖论中一样,无论何时,尽量使用随机分配消除它们。

    2017-04-08 17:51

  • [已注销]

    [已注销]

    * 用统计方法直接在两试验组之间做检验,而不要将各个试验组分别与对照组比较后简单地说:“与对照组相比这个是显著的而另一个不是。” * 不要单靠眼睛观察置信区间来判别试验效果之间是否有显著差异,要用统计检验。 * 如果要同时对比多个组,需要使用多重比较的方法。

    2017-04-08 17:25

  • [已注销]

    [已注销]

    但正如上文所述,单个变量通过显著性检验并不足以说民该变量较其他变量有更大的影响。

    2017-04-08 17:19

  • [已注销]

    [已注销]

    设计试验时注意消除变量之间相关性。如果不能,最好记录混杂因素,然后在统计上进行调整。但如果从试验一开始就不考虑相关性,最后进行分析时可能发现数据已经无可救药。

    2017-04-08 12:56

  • [已注销]

    [已注销]

    这是因为,随机分配可以避免研究者在试验组和对照组之间引入系统偏差。

    2017-04-08 12:49

  • [已注销]

    [已注销]

    * 请铭记“统计上不显著”并非以为着“0”。即使你的结果是不显著的,该结果也代表基于你所收集的数据所得到的估计。“不显著”与“不存在”并不等价。 * 请使用置信区间作为最后的答案,不要过分关注统计上的显著性。 * 当比较规模不同的组时,请计算置信区间。置信区间可以反映估计的精确程度:规模较大的组置信区间窄,估计更精确。

    2017-04-08 12:45

  • [已注销]

    [已注销]

    因为小规模、低功效研究的结果变异性很大,所以产生了真理膨胀的问题。

    2017-04-08 12:40

  • [已注销]

    [已注销]

    为什么我们经常忽视功效计算?原因之一是样本大小和功效结果给我们的直观感受不一样。

    2017-04-08 12:33

<前页 1 2 后页>

笔记是你写在书页留白边上的内容;是你阅读中的批注、摘抄及随感。

笔记必须是自己所写,不欢迎转载。摘抄原文的部分应该进行特殊标明。

统计会犯错

>统计会犯错