• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied measurement >Bootstrap Estimate of Bias for Intraclass Correlation
【24h】

Bootstrap Estimate of Bias for Intraclass Correlation

机译：类内相关的偏差的自举估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The estimates of intraclass correlations are known to be biased, but there are few analytical ways to assess the amount of bias. The analytical approach requires the normality assumption to estimate bias. Bootstrap requires no such assumption and can, therefore, be used to estimate bias, regardless of the model assumption. We utilize cluster bootstrapping to calculate the bias in estimating the intraclass correlation. A well-known dataset is provided to illustrate the bias estimation in a typical study design of intraclass correlation, and its implications for other study designs are also discussed.
机译：类内相关性的估计已知存在偏差，但是几乎没有分析方法可以评估偏差量。分析方法要求使用正态性假设来估计偏差。 Bootstrap不需要这种假设，因此，不管模型假设如何，Bootstrap都可以用来估计偏差。我们利用集群自举来计算估计类内相关性的偏差。提供了一个著名的数据集来说明典型的类内相关研究设计中的偏差估计，并讨论了其对其他研究设计的意义。

著录项

  • 来源
    《Journal of applied measurement》 |2020年第1期|101-108|共8页
  • 作者

  • 作者单位

    University of South Carolina;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号