MétaCan
Menu
Retour à la cohorte
Enregistrement W2083403230 · doi:10.1177/0013164406292030

Confidence Intervals for an Effect Size Measure in Multiple Linear Regression

2007· article· en· W2083403230 sur OpenAlexaff
James Algina, H. J. Keselman, Randall D. Penfield

Notice bibliographique

RevueEducational and Psychological Measurement · 2007
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Statistical Methods and Models
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésStatisticsConfidence intervalCoverage probabilityMathematicsCDF-based nonparametric confidence intervalPercentileLinear regressionRobust confidence intervalsSample size determinationRegression analysisTolerance intervalMeasure (data warehouse)Confidence distributionRegressionComputer science

Résumé

récupéré en direct d'OpenAlex

The increase in the squared multiple correlation coefficient (ΔR 2 ) associated with a variable in a regression equation is a commonly used measure of importance in regression analysis. The coverage probability that an asymptotic and percentile bootstrap confidence interval includes Δρ 2 was investigated. As expected, coverage probability for the asymptotic confidence interval was often inadequate (outside the interval .925 to .975 for a 95% confidence interval), even when sample size was quite large (i.e., 200). However, adequate coverage probability for the confidence interval based on a bootstrap interval could typically be obtained with a sample size of 200 or less, and moreover, this accuracy was obtained with relatively small sample sizes (100 or less) with six or fewer predictors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,185
score de la tête « metaresearch » (Gemma)0,698
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,981

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1850,698
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0090,007
Études des sciences et des technologies0,0010,005
Communication savante0,0050,006
Science ouverte0,0060,005
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,477
Tête enseignante GPT0,532
Écart entre enseignants0,054 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational and Psychological MeasurementMême sujetAdvanced Statistical Methods and ModelsTravaux en français237 207