跳转到内容

JASP

维基百科,自由的百科全书
JASP
当前版本0.11.1(2019年10月7日 (2019-10-07)
源代码库JASP Github page
编程语言C++, R语言, JavaScript
操作系统Microsoft Windows, Mac OS X and Linux
类型统计学
许可协议GNU Affero General Public License
网站jasp-stats.org

JASP是一款自由开源统计学软件。[1][2]JASP可以产生APA格式的表格。几所大学和研究基金曾资助开发者开发JASP。

分析

[编辑]

JASP在相同的统计模型上提供了频率学派推断贝叶斯推断频率学派推断使用p值信赖区间来控制在无限完美复制中的错误率。贝叶斯推断使用可信区间和贝叶斯因子 [3],基于已知资料与先前知识,估计可信参数值。

JASP提供下列分析:

分析 频率 贝叶斯
T检验 :独立,配对,一次抽样 checkY checkY
曼·惠特尼·U和威尔科克森 checkY checkY
相关性[4]PearsonSpearman和Kendall checkY checkY
可靠性分析:α,γδ和ω checkY
ANOVA , ANCOVA , 重复测量ANOVA和MANOVA checkY checkY
线性回归 checkY checkY
对数线性回归 checkY checkY
逻辑斯谛回归 checkY
列联表 (包括卡方检验) checkY checkY
二项式检验 checkY checkY
多项式检验 checkY checkY
A / B测试 checkY
探索性因素分析 (EFA) checkY
主成分分析 (PCA) checkY
验证性因素分析(CFA) checkY
结构方程建模 (SEM) checkY
网路分析 checkY
后设分析 checkY
摘要统计[5] checkY

其他特色

[编辑]
  • 描述性统计数据和图表绘制。
  • 对所有分析进行假设检查,包括Levene检验 , Shapiro-Wilk检验和Q-Q图
  • 可汇入SPSS文件和逗号分隔的文件(CSV档)。
  • 整合开放式科学框架。
  • 数据过滤:使用R程式码,或使用图形界面以拖放方式选择资料。
  • 创建列:使用R程式码,或使用图形界面以拖放方式,从现有变量创建新变量。
  • LaTeX格式复制表格。

模组

[编辑]
  1. 摘要统计量 :从t检验,回归和二项式检验的频率摘要统计量,得出贝叶斯推断。
  2. BAIN :对t检验,ANOVA,ANCOVA和线性回归进行贝叶斯信息假设评估[6]
  3. 网路 :网路分析允许使用者分析变量的网路结构。
  4. 后设分析 :包括用于固定和随机效应分析,固定和混合效应元回归,森林和漏斗图,漏斗图不对称性测试, trim-and-fill 与 fail-safe N 分析。
  5. 机器学习 :机器学习模块包含13种分析:
  6. SEM :结构方程建模[7]

参考文献

[编辑]
  1. ^ Bayesian inference for psychology. Part II: Example applications with JASP. Psychonomic Bulletin & Review. February 2018, 25 (1): 58–76. PMC 5862926可免费查阅. PMID 28685272. doi:10.3758/s13423-017-1323-7. 
  2. ^ Software to Sharpen Your Stats (vanc). APS Observer. 2015, 28 (3) [2020-01-09]. (原始内容存档于2016-08-17). 
  3. ^ Bayesian alternatives for common null-hypothesis significance tests in psychiatry: a non-technical guide using JASP. BMC Psychiatry. June 2018, 18 (1): 178. PMC 5991426可免费查阅. PMID 29879931. doi:10.1186/s12888-018-1761-4 (英语). 
  4. ^ Nuzzo, Regina L. An Introduction to Bayesian Data Analysis for Correlations. PM&R (vanc). December 2017, 9 (12): 1278–1282. PMID 29274678. doi:10.1016/j.pmrj.2017.11.003. 
  5. ^ Ly, Alexander; Raj, Akash; Etz, Alexander; Marsman, Maarten; Gronau, Quentin Frederik; Wagenmakers, Eric-Jan. Bayesian Reanalyses from Summary Statistics: A Guide for Academic Consumers (vanc). Open Science Framework. 2017-05-30 [2020-01-09]. (原始内容存档于2020-11-25) (英语). 
  6. ^ Gu, Xin; Mulder, Joris; Hoijtink, Herbert. Approximated adjusted fractional Bayes factors: A general method for testing informative hypotheses. British Journal of Mathematical and Statistical Psychology. 2018, 71 (2): 229–261. ISSN 2044-8317. PMID 28857129. doi:10.1111/bmsp.12110 (英语). 
  7. ^ Kline, Rex B. Principles and Practice of Structural Equation Modeling, Fourth Edition. Guilford Publications. 2015-11-03. ISBN 9781462523351 (英语). 

外部链接

[编辑]