您当前的位置: > 详细浏览

变量相对重要性评估的方法选择及应用

请选择邀稿期刊:
摘要: 高维数据爆发的背景下, 心理学研究目前急需变量相对重要性评估的有效方法。相对重要性评估的关键是选择合适的评估指标和统计推断方法。相对重要性的评估指标种类繁多, 优势分析和相对权重是重点推荐的相对重要性评估指标。相对重要性的统计推断方法适用情境不同, Bootstrap抽样是推断单变量重要性和两变量重要性差异的常用方法, 而贝叶斯检验是评估多变量重要性次序的新方法。线性回归模型之外, 相对重要性研究已拓展到Logistic回归模型、结构方程模型、多水平模型等, 但适用数据类型仍较为有限。相对重要性评估已广泛应用于心理学实证研究, 但存在不恰当的指标解释和方法选择问题。为此, 结合具体例子说明变量相对重要性的评估过程。

版本历史

[V1] 2023-03-28 00:13:37 ChinaXiv:202303.09911V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量173
  •  下载量92
评论
分享
  • 运营单位: 中国科学院文献情报中心
  • 制作维护:中国科学院文献情报中心知识系统部
  • 邮箱: eprint@mail.las.ac.cn
  • 地址:北京中关村北四环西路33号
招募志愿者 许可声明 法律声明

京ICP备05002861号-25 | 京公网安备11010802041489号
版权所有© 2016 中国科学院文献情报中心