受试者内部设计的更好（贝叶斯）区间估计

@第{Nathoo2018AB条，title={受试者内设计的更好（贝叶斯）区间估计}，author={Farouk S.Nathoo和Robyn E Kilshaw以及Michael E J Masson}，journal={数学心理学杂志}，年份={2018年}，网址={https://api.semanticscholar.org/CorpusID:52094600}}
[PDF]语义阅读器

本文图表

14引文

贝叶斯因子与可信区间分离的关系研究

我们在一系列效应和样本量下，检验了贝叶斯因子与受试者之间和受试者内部设计可信区间分离之间的关系。对于内部主题…

主题区间内贝叶斯估计不确定性和收缩的解释：Nathoo、Kilshaw和Masson评论（2018）

受试者内设计的相关调整标准误差和置信区间：一种简单的乘法

在主题内设计中，给定参与者的多个分数是相关的。这种相关性意味着观察到的方差可以分为受试者方差和…

带调整误差线的汇总图：极好的框架，在R中实现

R-superb的一个开放存取的开源库，允许用户使用易于调整的误差条创建汇总图，通过调整它们来概括结果的精度，以便他们考虑到实验设计和采样方法。

奖励预测错误反映了一个与行为适应平行的潜在学习过程：一项试验对试验分析

研究发现，神经测量值确实会随着试验对试验的性能变化而减少，并且它们可以预测模拟数据和经验数据中的行为适应。

奖励预测错误反映了一个与行为适应平行的潜在学习过程：一项试验对试验分析

研究发现，神经测量值确实会随着试验对试验的性能变化而减少，并且它们可以预测模拟数据和经验数据中的行为适应。

认知控制和自上而下过程在对象提供中的作用

这些结果提供了这些不同效应与认知控制参与之间的联系，突出了自上而下控制过程在分离物体的运动特征和任务相关特征方面的可能作用，从而在更普遍的关于物体启示的主张中发挥了作用。

物体在不同动作意图下诱发的运动表征。

据推断，与抓取动作规划相关的过程本身决定了物体的任务相关图片是否触发基于运动的特征，而非空间特征。

并发疾病住院患者治疗期间损失敏感性的变化：评估风险决策的计算模型方法

虽然传统和计算结果都预测了患者的治疗依从性，但研究结果表明，计算方法能够捕捉到传统方法无法实现的决策中对治疗敏感的方面。

关于属性函数的注释。

证明了当Q不可数时σ是不可解的，并讨论了当Q是无限集时σ的可解性。

31参考文献

在受试者设计中使用置信区间

我们认为，为了更好地理解许多数据集，绘制带有相关置信区间的明智选择的样本统计数据可以有效地补充甚至取代标准…

重复测量设计的零假设显著性检验的贝叶斯替代方案

并非每个可信区间都可信：在贝叶斯数据分析中评估污染情况下的稳健性

研究发现，大多数贝叶斯数据分析中使用的“默认”正态模型并不稳健，基于贝叶斯自举的方法仅在有限的情况下稳健。

重复测量设计中精度数据混合效应分析的贝叶斯方法

受试设计中的置信区间：Loftus和Masson方法的一种简单解决方案

提出了一种简单的替代方法，该方法为所有条件提供了一个单一的误差条，屏蔽了各种条件下方差的异质性以及如何在SPSS中实现等信息。

在受试者置信区间内计算和绘制方差分析

有人认为，通过调整Cousineau和Morey提出的区间，可以最好地实现受试者内方差分析设计的置信区间，从而使单个平均值的非重叠CI对应于其差异的置信度，该差异不包括零。

主题内设计中的误差线：Baguley（2012）评论

提出了第二种解决方案，它可以在平均图中返回置信区间或标准误差条，并且在大多数统计包中都能很好地工作，在这些统计包中，α水平被改变以包含校正因子。

关于空假设显著性测试的实用贝叶斯替代方法的教程

这是一本关于贝叶斯模型选择方法的教程，只需要对标准方差分析生成的平方和值进行简单转换，避免了永远不要接受零假设的警告。

在置信区间中放置置信度的谬误

许多例子表明，置信区间不一定具有置信区间的任何性质，可能导致不合理或任意的推断，建议使用其他区间估计理论。

方差分析设计的默认贝叶斯因子