审稿人：请给出多重检验后校正的p值引言小编的论文返修时，审稿人要求给出多重比较的标准，用p值实现。那么什么是多重检验后P值校正呢？当同一个数据集有n次（n>=2）假设检验时，要做多重假设检验校正。多重检验后P值校正是一种统计学方法，用于调整进行多次统计检验时得到的P值，以降低发生错误（即错误地拒绝原假设）的风险。❝
「你对数据越苛求，数据会越多地向你供认」，但在威逼下得到的供词，在科学
转载
2023-12-18 23:46:29
260阅读
摘要 对于EEG数据有多种分析方法来评估大脑连通性。然而，连通性方法的实施存在很大的异质性。连通性测量、数据收集或者数据预处理的概念化的异质性可能与测量稳健程度的易变性有关。虽然使用不同EEG连通性测量的研究之间很难进行比较，但标准化的处理和报告可能有助于解决这个问题。本文讨论了重参考、epoch的长度和数量、容积传导的控制、伪迹去除、多重比较的统计控制等因素如何影响连通性测量的EEG连通性评估。
转载
2024-08-22 10:10:52
71阅读
序言： 所谓的多重共线性是指一些自变量之间存在较强的线性关系。这种情况在实际应用中非常普遍，如研究高血压与年龄、吸烟年限、饮白酒年限等因素的关系，这些自变量通常是相关的。 如果当我们发现有多个变量存在线性相关的时候，我们就称为多重共线性。回归中的多重共线性是一个当模型中一些预测变量与其他预测变量相关时发生的条件。 严重的多重共线性可能会产生问题，因为它可以增大回归系数的方差，使它们变得不稳定。 即
转载
2023-12-31 13:01:18
198阅读
前篇讲的是两个总体样本之间的比较方法，如果有多个处理水平，通常使用三种常见的方法，最小显著差数法（LSD法）、复极差法（q法）和Duncan氏新复极差法（SSR法）。本质上都属于t检验法。因此，使用这三种方法必须满足方差齐性。如果通过F检验p>0.05，方差具有齐次性。具体操作方法可参考：http://www.wendangku.net/doc/a8901b87bceb19e8b8f6ba4
转载
2023-10-11 20:00:22
91阅读
关于多重比较校正，虽然曾经查过很多东西，也大概记住一些，但最近发现没留下多少正确的印象。所以又温习了一遍，稍加整理，留备后用。当然，这些还是我自己的理解，如果有不对的地方，还请指出 :)
主要内容均来自wikipedia以及这个网页.
假设我们手上有一枚硬币，想通过抛10次硬币的方法检验它的金属分布是否均匀，结果发现扔10次，有9次国徽朝上。此时我们打算下结论说它的分布不均匀，恐怕被人动了手脚。
转载
2024-01-01 20:50:35
163阅读
3.样本分类不均衡：不同类别的样本差别很大解决方法：过抽样、欠抽样、惩罚权重（与样本数量呈反比的权重）、组成/集成方法（从大样本中随机抽取数据来与小样本合并）5.多重共线性：输入的自变量之间存在较高的线性相关度，造成回归模型的稳定性和准确性大大降低；如何检验共线性：方差膨胀因子（VIF）：VIF<10不存在；10 6.解决共线性：增大样本量n；岭回归；逐步回归法；主成分回归；人工去除。7.因
转载
2024-03-07 10:36:41
32阅读
接上篇：http://winda.blog.51cto.com/55153/1068000 以下内容摘自笔者即将出版的最新著作《深入理解计算机网络》一书。本书将于12月底出版上市，敬请留意！！ 本书原始目录：http://winda.blog.51cto.com/55153/1063878
# 卡方检验与多重比较在Python中的应用
在统计学中，卡方检验是一种常用的方法，用于检验分类变量之间的独立性。特别是在社会科学、生物统计和市场研究等领域，卡方检验帮助我们判断不同类别之间是否存在显著差异。不过，在处理多组数据时，我们常常需要进行多重比较，以避免第一类错误的增加。
本文将介绍如何在Python中进行卡方检验及其后续的多重比较，并附带代码示例。
## 卡方检验
首先，导入必
多重检验中的FDR错误控制方法与p-value的校正及
校正作者：流泪鱼
设总共有m个候选基因，每个基因对应的p值从小到大排列分别是p(1),p(2),...,p(m),则若想控制fdr不能超过q，则只需找到最大的正整数i，使得 p(i)<= (i*q)/m.然后，挑选对应p(1),p(2),...,p(i)的基因做为差异表达基因，这样就能从统计
转载
2023-12-18 21:32:08
101阅读
1、 多重共线性的定义：多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关。2、 多重共线性对线性回归模型的影响：（1） 是否会影响模型的泛化能力？好多文章中说这个会影响模型的泛化能力，这个不能一概而论，当损失函数最终收敛的情况下，是不影响模型泛化能力的，但是现实中的特征数据是存在噪声的，因此强相关的特征同时使用的话会增加模型受噪声影响的
转载
2024-01-03 10:27:17
60阅读
在统计建模和机器学习中，我们常常会面临多重共线性的问题。特别是在使用线性回归模型时，如果特征变量之间存在高度的相关性，将会对模型的解释能力和预测能力产生负面影响。因此，在建立模型之前，检测和解决多重共线性问题是至关重要的。
> **引用块**
> 多重共线性是指自变量之间存在高度的相关性，以致于造成模型不稳定，回归系数的不可靠性（Kennedy, 2008）。
>
> 设有 $X_1,
# Python多重共线性检验实现流程
## 1. 简介
在统计学中，多重共线性是指在回归模型中，自变量之间存在高度相关性的情况。多重共线性可能导致回归系数不准确，模型解释力下降，甚至使模型无法使用。因此，我们需要进行多重共线性检验来评估模型中是否存在多重共线性问题。
本文将介绍如何使用Python进行多重共线性检验，并提供了相应的代码示例。
## 2. 多重共线性检验流程
下面是进行
原创
2023-10-24 05:02:57
222阅读
多重共线性在python中的解决方法本文将讨论多重共线性的相关概念及利用python自动化消除多重共线性的方法，以供参考，欢迎拍砖线性模型与非线性模型关于线性模型与非线性模型的定义，似乎并没有确切的定论，但是个人认为建模首先得清楚地认识样本，样本有线性可分与线性不可分两种，所谓是否线性可分，是指是否存在一条直线（或平面）将样本分开。 上图中y=0和y=1的样本可以由一条直线分开，如逻辑回归模型最佳
转载
2024-04-17 14:12:57
38阅读
导读规则：正文出现红色字体，对应Stata命令；正文中出现蓝色字体，对应往期链接；do文件中："//"符号代表作者注释内容，帮助理解；"**"代表分节，便于阅读数据获取：https://pan.baidu.com/s/1liB0MXMNWDImfzzlOCq5vA 提取码：rh58本文关键词：异方差 多重共线性 自相关参数的估计和统计推断涉及的假定有6个，多重共线性、同方差
转载
2024-04-12 12:13:57
57阅读
# R语言中的多重Kruskal-Wallis检验
在R语言中，Kruskal-Wallis检验是一种非参数检验，常用于比较三个或多个独立样本的分布差异。然而，当进行多重比较时，我们需要进行一些额外的步骤。本文将一步一步指导你如何在R中实现多重Kruskal-Wallis检验。
## 流程
以下是进行多重Kruskal-Wallis检验的步骤：
| 步骤 | 描述
原创
2024-10-24 03:40:20
501阅读
# 多重检验校正R语言
在统计学和数据分析中，多重检验校正是一个非常重要的概念。当我们对大量的假设进行检验时，可能会出现错误的阳性结果（即拒绝了真实的假设）。为了减少这种错误，我们需要进行多重检验校正。
## 什么是多重检验校正？
多重检验校正是一种统计学方法，用于控制因进行多次检验而导致的错误发现率的增加。当我们进行多次假设检验时，会增加错误发现的风险。例如，在进行A/B测试时，我们可能会
原创
2023-07-19 20:16:57
314阅读
文章目录多重共线性以线性回归为例利用新构建的数据再次拟合线性回归模型共线性问题的检验VIF的计算尝试用模型的方法来检测共线性问题总结参考 多重共线性以线性回归为例#导入相关库
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import cross_
转载
2023-09-27 13:50:51
484阅读
做数据分析过程中，有些分析法方法的标准随便一搜就能找到，不管是口口相传还是默认，大家都按那样的标准做了。日常分析不细究出处还可以，但是正式的学术论文你需要为你写下的每一句话负责，每一个判断标准都应该有参考文献支撑，这也是写参考文献的意义之一。SPSSAU将一些常用的标准的参考文献进行汇总整理，快来看看有没有你论文中需要的。一、常见标准参考文献整理比如大家都知道，“当VIF值全部小于10（严格是5）
第6章 多重共线性的情形及其处理6.6 对第5章思考与练习中第9题（xt5.9）财政收入的数据，分析数据的多重共线性，并根据多重共线性剔除变量，将所得结果与用逐步回归法所得的选元结果相比较。rm(list=ls())
# ---- xt5.9 逐步回归法 ----
data5.9 <- read.csv('D:/rwork/应用回归/习题数据/表5-5.csv',head=TRUE)
da
转载
2023-10-08 09:46:24
224阅读
模型的解释变量之间存在线性关系若中心化之后自变量的相关系数矩阵 R = X'X 接近于退化就存在多重共线性R有多少个特征根接近于零，设计矩阵X就有多少个多重共线性关系此时，虽然最小二乘估计β仍为线性无偏估计，但是从均方误差来看这个估计不好可以看出，当λ很小时β的MSE和Var都会变得很大，所以需要更换预测模型（上面公式的证明先挖坑以后填）三个判断准则特征分析法：比较定性，就是看有多少个特征根接近于
转载
2023-06-15 21:22:47
168阅读
