残差自举法-统计

残差自举法(residual bootstrap),指通过有放回的重抽样依次创建多个残差数据集,据以对描述残差分布的参数进行估计的一种自举法。

参数自举法-统计

参数自举法(parametric bootstrap),指从基于数据拟合得到的分布函数中进行重采样的一种自举法。

非参数自举法-统计

非参数自举法(nonparametric bootstrap),指纯粹依赖于从给定样本中进行重采样、不对样本来源的总体作分布限定的一种自举法。

自举法-统计

自举法(bootstrap),指一种通过有放回地随机重采样从原始样本中生成大量新样本的统计方法,用于估计统计量的分布和置信区间等,尤其适用于小样本或分布未知的情况。

加权马尔可夫链蒙特卡罗估计-统计

加权马尔可夫链蒙特卡罗估计(weighted Markov chain Monte Carlo estimation ),指一种基于马尔可夫链蒙特卡罗(MCMC)的估计方法,通过在对复杂或未知概率分布抽样中为每个样本分配权重,以更准确地估计目标分布或目标参数。

加权最大似然估计-统计

加权最大似然估计(weighted maximum likelihood estimation),指一种参数估计方法,基于似然函数最大化的原则实施参数估计时,为每个被观测个体的似然函数赋以一定权重。

边际模型-统计

边际模型(marginal model),指用于描述因变量与自变量之间的关系,同时边际化(亦即控制)其他相关因素的一种统计学方法,常用于多水平模型中自变量对因变量边际效应的估计。

单位内相关-统计

单位内相关(intra-unit correlation),指同一个单位或群体内个体之间的相关关系,衡量了同一单位内个体之间的相关程度。

非嵌套模型-统计

非嵌套模型(non-nested model),指两个或多个统计模型之间不存在包含关系,即它们是互相独立的模型,各个模型的模型形式与参数估计结果不会互相影响。

成分效应-统计

成分效应(compositional effect),指多水平模型中,高水平解释变量对反应变量的效应。

高水平解释变量-统计

高水平解释变量(higher level explanatory variable),指多层次数据结构的资料中,高层级单位所对应的解释变量。

两水平模型-统计

两水平模型(two-level model),指一种用于分析具有多层次结构数据的统计模型,适用于描述数据中存在两个层次或级别的情况,其中个体或观察值被嵌套在高一级的层次单位内。

方差分割系数-统计

方差分割系数(variance partition coefficient),指用于衡量多层次模型或聚类数据中,某一层次的方差占总方差的比例,反映该层次对总体变异的贡献程度。

组内相关系数-统计

组内相关系数(intraclass correlation coefficient, ICC),指在一组观察值中,两两之间间的相关系数。等于组间方差与总方差(组间方差与组内方差之和)之比。

多群组-统计

多群组(multiple membership),指多层级数据结构的资料中,低层级单位同时归属于同一高层级的多个单位的现象。

水平n 变异-统计

水平n 变异(level n variation),指多层级数据结构的资料中,第n 个层级单位所呈现的变异。

设计矩阵-统计

设计矩阵(design matrix),指描述各个结局变量与解释变量所对应所有可能效应的矩阵。其中的元素取值为0 或1 的指示变量,1 表示所描述的效应存在,0 表示所描述的效应不存在。

交叉分类-统计

交叉分类(cross classification),指将数据按照两个或多个因素进行同时分类或划分的方法。

组群-统计

组群(cluster),指在研究暴露因素与某结局的关系时,处于暴露状态及未处于暴露状态这两个不同水平下的被研究对象按一定依据形成的若干组、群或队列。

随机效应-统计

随机效应(random effect),指处理水平是从所有可能水平中随机抽取出来的因素所对应的效应,用于了解该因素不同水平的总体变异情况。
12345678910... 44下一页