Отчёт по регрессии и ROC-AUC
Интерпретация результатов через ROC-AUC
Отчёт по регрессии и ROC-AUC
Интерпретация результатов через ROC-AUC
Предпросмотр
Описание
Преобразует результаты анализа логистической регрессии (отношение шансов, доверительный интервал, ROC-AUC) в академический раздел «Результаты», который можно напрямую добавить в статью. Корректно классифицирует значение ROC-AUC по стандартным критериям и не преувеличивает интерпретацию статистически незначимых переменных. Подходит исследователям, создающим клинические прогностические модели, и студентам магистратуры и аспирантуры.
Рекомендовано
Shuting@YouMind
Почему нам нравится этот скилл
Создаёт готовый для статьи раздел «Результаты» с клинически корректной интерпретацией OR и доверительных интервалов, без чрезмерных выводов по незначимым переменным и с классификацией ROC-AUC по стандартным порогам.
Похожие скиллы
Посмотреть все
ИсследованиеГенератор отчёта Kaplan–Meier
Создаёт полный текст разделов «Методы» и «Результаты» на основе ваших данных по кривой выживаемости Kaplan–Meier, тесту лог-ранга и регрессии Cox. Корректно интерпретирует отношения рисков (hazard ratio), явно отмечает высокую долю цензурированных наблюдений и напоминает о необходимости проверить предположение о пропорциональности рисков для модели Cox. Подходит для исследователей, работающих с клиническими и эпидемиологическими данными о выживаемости.
ИсследованиеОписательная статистика
Преобразует результаты описательной статистики пользователя (среднее±SD или медиана (IQR), n(%)) в академический абзац «Характеристики участников», который можно напрямую добавить в статью, а также в таблицу в формате Таблицы 1. В зависимости от нормальности распределения выбирает правильный показатель описательной статистики (среднее±SD или медиана (IQR)) и никогда их не смешивает. Подходит для аспирантов и исследователей, проводящих количественные исследования и желающих быстро и точно написать раздел статьи «Участники».
ИсследованиеВалидность и надёжность
Создаёт полный готовый для статьи текст разделов «Методы» и «Результаты» на основе результатов анализа EFA или CFA (KMO, тест Бартлетта, факторные нагрузки, индексы соответствия, альфа Кронбаха/CR/AVE). Корректно классифицирует пороговые значения индексов соответствия (CFI/TLI≥.90, RMSEA≤.08 и т. д.) и сообщает о проблемах валидности, таких как AVE<0.50, не скрывая их. Кому подходит: академическим исследователям и аспирантам, проводящим разработку или адаптацию шкал.
Информация
- Версия
- v2
- Последнее обновление
- Кредиты за запуск
- По фактическому использованию
- Модели
- Автоматически
