Логістична регресія й ROC-AUC
Інтерпретує результати через ROC-AUC
Логістична регресія й ROC-AUC
Інтерпретує результати через ROC-AUC
Попередній перегляд
Опис
Перетворює результати вашого логістичного регресійного аналізу (відношення шансів, довірчі інтервали, ROC-AUC) на академічний розділ «Результати», який можна безпосередньо додати до статті. Правильно класифікує значення ROC-AUC за стандартними критеріями й не перебільшує значущість змінних, які не мають статистичної значущості. Для кого підходить: дослідники, які будують клінічні прогностичні моделі, і студенти магістратури та аспірантури.
Рекомендовано
Shuting@YouMind
Чому нам подобається ця навичка
Створює готовий до додавання в статтю клінічно коректний розділ «Результати», пояснює співвідношення шансів із довірчими інтервалами, уникає надмірних висновків і класифікує ROC-AUC за стандартними порогами.
Схожі навички
Переглянути всі
ДослідженняАвтор звіту Каплана—Мейєра
Створює повний текст розділів «Методи» + «Результати» на основі ваших даних про криву виживання Каплана—Мейєра, тесту log-rank і регресії Кокса. Правильно інтерпретує відношення ризиків, чітко зазначає високий рівень цензурування та нагадує перевірити припущення про пропорційність ризиків для моделі Кокса. Для кого: дослідники, які працюють із клінічними або епідеміологічними даними про виживання.
ДослідженняОписова статистика
Перетворює результати описової статистики користувача (середнє±СВ або медіана (IQR), n(%)) на академічний абзац «Характеристики учасників», який можна безпосередньо додати до статті, і таблицю у форматі Таблиці 1. Вибирає правильну описову статистику залежно від нормальності розподілу (середнє±СВ або медіана (IQR)) і ніколи їх не плутає. Для кого: аспіранти та науковці, які проводять кількісні дослідження й хочуть швидко та точно написати розділ «Учасники» своєї статті.
ДослідженняВалідність і надійність
На основі результатів аналізу EFA або CFA (KMO, тест Бартлетта, факторні навантаження, індекси відповідності, Cronbach alpha/CR/AVE) створює повний готовий до використання в статті текст розділів «Методи» та «Результати». Правильно класифікує порогові значення індексів відповідності (CFI/TLI≥.90, RMSEA≤.08 тощо) і відкрито повідомляє про проблеми валідності, як-от AVE<0.50. Для кого: академічні дослідники й аспіранти, які проводять розроблення або адаптацію шкал.
Інформація
- Версія
- v2
- Останнє оновлення
- Кредити за запуск
- За фактичним використанням
- Моделі
- Автоматично
