arrow
返回

Decoupling Visualization and Testing when Presenting Confidence Intervals

delete2025-01-17
delete0
PRE
AI
D
David Armstrong *
W
William Poirier
DOI:10.1017/pan.2024.24delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
置信区间在社会科学模型,数据和效果的呈现中无处不在。当几个区间被绘制在一起时,一个自然的倾向是询问由这些区间表示的估计是否彼此显著不同。不幸的是,没有一般的规则或程序可以让我们仅从置信区间来回答这个问题。众所周知,使用95% 置信区间中的重叠来执行0.05级别的显著性检验是不起作用的。最近的奖学金已经开发并完善了一套用于推断置信区间的工具,这些工具允许在许多不同的双变量上下文中推断具有适当的I型错误率的置信区间。这些都基于相同的基本思想,即识别标准误差的倍数 (即,新的置信水平),使得置信区间中的重叠与期望的类型i错误率匹配。这些程序仍然受到多个同时比较的阻碍。我们提出了一种全新的程序来开发推论置信区间,该程序将测试和可视化分离,可以在任何视觉测试场景中克服许多这些问题。我们在R和Stata中提供软件来实现这一目标。
Keyword:
confidence intervals
visual testing
statistical inference

期刊

Political Analysis 封面图
Political Analysis
IF:
5.4
论文数:
74
被引数:
6.7K

机构

W
Western Univ
学者数:
1.0K
论文数: 838
被引数: 162
引用论文

引用论文

err
IF0
err
err0
PREAI
err
err分享
err收藏
学者 查看更多内容