问题标签 [significance]

在我的研究中，我对病毒载量测量进行了荟萃分析，以测试 A 和 B 之间的特定相互作用是否影响其水平。

这是我使用 R 获得的森林图：

但是，我不知道如何解释它。我知道这个结果很重要，因为 p=0.0073 并且因为整体效应估计 95% CI 不重叠 0。但是，钻石位于森林图的右侧是什么意思？

最近在开发一个计算器来简化游戏（reactoridle）时，我遇到了一个持续存在的问题。问题是，当 GUI 中的输入数字更改为特定边界之间的数字时，它会在按 enter 时立即恢复到其下方的数字，有时如果再次按 enter 甚至会重复。

我认为代码的一部分与另一部分不一致，即使它背后的数学是可靠的。

第一段代码计算热电池产生的热量，第二段代码重新计算每个组件处理热量所需的升级。所以说你现在正在进行的升级正好在代码工作和冲突的边界，如果你随后增加升级，它会立即恢复。由于第一段代码计算热量，而第二段代码决定您可以通过较少的升级来实现该热量。

相关的代码位是：

正如你所看到的，我通过将第一部分计算的热量乘以 来解决问题1 + 0x4p-50d，这样热量就可以调整到刚好足以防止算法的第二部分再次向下舍入升级并尽可能小到避免显示非常不同的热值。

同样的问题出现在与其他两个组件相关的并行代码中，但规模更大，因此它一次跳下多个数字。我不希望以与第一个组件相同的方式解决它，因为这可能会反过来与其他事情发生冲突。

有没有更严格的方法来解决这个问题？

提前致谢。

对基本示例的检查表明，Vennerable 输入必须是一个向量列表。因此，我执行以下操作，将二进制 p 值矩阵带到那里，并尝试根据它们的共同特征创建维恩图

图 1 输出错误

预期输出：三个圆的 Vennerable Venn 图

肥硕

R：3.3.1
操作系统：Debian 8.5

Is there a way to get the significance level of each coefficient we receive after we fit a logistic regression model on training data?

I was trying to find out a way and could not figure out myself.

I think I may get the significance level of each feature if I run chi sq test but first of all not sure if I can run the test on all features together and secondly I have numeric data value so if it will give me right result or not that remains a question as well.

Right now I am running the modeling part using statsmodel and scikit learn but certainly want to know how can I get these results from pySparl ML or MLLib itself

If anyone can shed some light, it will be helpful

我有以下数据（dat）

我希望对上述数据集执行 TukeysHSD 成对测试。从测试结果来看，我想将显着性比较合并到图中（显示显着组之间的“*”或“**”符号）。

这是尝试的代码：

我不知道是否（我可以）以及如何将测试的结果（“重要性”）直接合并到图中，而不将每个结果保存为外部数组，然后将其调用到 ggplot2 中。

我尝试只孵化具有统计显着性结果的区域。如何使用 Basemap 和 pcolormesh 做到这一点？

我有一系列线性模型，我想报告每个模型的标准化系数。但是，当我在 stargazer 中打印模型时，看起来 stargazer 会自动打印标准化系数的重要性星，就好像它们是非标准化系数一样。您可以在下面看到差异是如何出现的。

根据非标准化值打印重要性星在统计上是否错误？这是如何在观星者中完成的？谢谢！

我正在尝试使用 scikit-learn 的排列测试找出结果的重要性，如下所示：

其中 clf.best_estimator 是交叉验证的结果。

我将它用于几个分类器（几个独立的 clf.best_estimator_），但它们的 p 值都是相同的 0.00990099009901。

我不知道为什么会这样。奇怪的是，这与 scikit-learn 用户指南中链接代码中报告的数字相同。

我正在使用 ggplot 中的 geom_boxplot 可视化随时间（特别是跨年）的平均生物学参数（即体重、长度、年龄、状况等）。我还使用线性模型（特别是使用 + geom_smooth(method = "lm") 和使用 stat_smooth 的样条曲线拟合了每个数据集的趋势线。示例图如下所示：

带有趋势线拟合的示例箱线图

在大多数情况下，随着时间的推移，每个参数的平均值似乎都有增加的趋势。我想做的是统计测试，但不确定如何使用分类 x 变量数据（在这种情况下为年份）来做到这一点。本质上，我正在寻找运行回归类型分析的选项，以测试随着时间的推移是否有显着增加，但我没有两个连续变量。任何建议将不胜感激。

谢谢你。

考虑这段代码：

然后，我可以通过以下方式计算两个特定“关联规则”的提升值的重要性阈值：

但是，如果我想比较两个提升值，看看它们是否存在显着差异（类似于我如何比较两个回归系数以查看它们是否显着不同），该怎么办？其他）？我怎样才能做到这一点？