metaggR：计算知识加权估计
根据一种被称为“群众智慧”的现象将来自多个评委的分数估计值结合起来通常可以提供与使用点估计相比，总估计更准确一名法官。然而，如果法官在他们的估计，简单的平均值会过分强调这一共同点以法官的私人信息为代价。Asa Palley&Ville Satopää（2021）《提高人群的智慧》在单个判断问题中：基于同行预测的选择性平均”<https://papers.ssrn.com/sol3/papers.cfm？abstract_id=3504286>提议计算法官个人加权平均数的程序估算，从而得出的总估算适当地结合法官在单个估计问题中的集体信息。作者使用了六项实验研究的模拟和数据说明加权过程优于现有的类平均方法方法，如等权重平均值、修剪平均值和中值。这个总估算——被称为“知识加权估算”——输入a）法官对连续结果的估计（E）和b） 其他人对此结果的平均估计值的预测（P）。在这个R包中，函数knowledge_weighted_estimate（E，P）实施知识加权评估。它的用法如图所示用一个简单的程式化例子和真实的实验数据。
文档：
下载：
链接：
请使用规范形式https://CRAN.R-project.org/package=metaggR链接到此页面。