因子分析-统计

因子分析(factor analysis, FA),指一种多变量统计方法,旨在从一组观测变量中提取出少数几个潜在的、不可直接测量的因子,以揭示观测变量之间的内在结构关系。

特殊因子-统计

特殊因子(specific factor),又称“误差因子”、“个性因子”,指与某个特定观测变量相关的、无法被公共因子解释的变异部分。反映观测变量中独特的、独立于公共因子的部分,通常包括测量误差和变量特有的变异。

巴特利特法-统计

巴特利特法(Bartlett method),又称“Bartlett 法”,指通过加权最小二乘法得到的因子载荷矩阵和观测变量的值来估计因子得分的方法。

最大后验概率准则-统计

最大后验概率准则(maximum posterior probability criterion),指基于贝叶斯定理的决策原则,通过选择具有最高后验概率的假设或参数值进行推断。结合先验信息和观测数据,优化决策过程,尤其在分类和参数估计中。广泛应用于机器学习、统计推断和信号处理,支持在不确定性条件下做出最优决策,提供对模型和数据的概率解释 ...

模型设定-统计

模型设定(model specification),指构建结构方程模型时对模型的基本结构和参数的设定,包括纯粹验证模型、选择最优模型和导出模型三种形式。

备选模型-统计

备选模型(alternative model, AM),在在构建结构方程模型时,用于与主要理论模型比较的替代性模型,以评估不同理论模型对观测数据的拟合程度。

回代检验-统计

回代检验(retrospective validation),指模型建立后,将用于训练模型的全部原始数据重新代入模型,通过比较模型的预测值与真实值的差异来评估模型对训练数据的拟合效果的一种方法。

自由参数-统计

自由参数(free parameter),指在结构方程模型中,未被理论设定的参数,其取值通过数据进行估计。

固定参数-统计

固定参数(fixed parameter),指在结构方程模型中,由研究者根据先验知识或理论知识而事先设定的参数,其取值不由模型拟合过程估计。

约束参数-统计

约束参数(constrained parameter),指在结构方程模型中,根据研究者的理论假设,通过设 定等式或限制条件以规定其取值的参数。

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。

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。

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。

随机斜率模型-统计

随机斜率模型(random slope model),又称“随机系数模型”,指针对层次结构数据,各自变量的效应在不同组间随机变化,揭示各组间自变量与因变量关系的异质性。

卡方分布-统计

卡方分布(Chi-square distribution),又称“χ2 分布”,指n 个相互独立且各自服从标准正态分布的随机变量的平方和的分布。

迭代-统计

迭代(iteration),指参数估计过程中逐步逼近最优解的数值计算步骤。

离散参数-统计

离散参数(dispersion parameter),又称“扩散参数”,指指描述观测数据相关性结构的参数,影响参数估计的标准误。

非线性最小二乘-统计

非线性最小二乘(non-linear least squares),指一种数学优化方法,用于估计非线性模型中的参数,以使模型的预测值与实际观测数据之间的残差平方和最小化。

自回归模型-统计

自回归模型(autoregressive model),指基于时间序列既往若干期的观测值,构建出的用于预测当前值的模型。

贝叶斯统计-统计

贝叶斯统计(Bayesian statistics),指英国科学家托马斯·贝叶斯(Thomas Bayes)提出的一种归纳推理统计推断方法。当存在不确定性时应如何进行推理,用概率语言描述不确定性,根据已有的证据去推断事件发生的概率可以实现用先验的知识去计算后验的概率。 ...
1 ...293031323334353637... 47下一页