Easystats

Easystats
Pierwsze wydanie 2019 ( 2019 )
Napisane w R
System operacyjny Wszystkie systemy operacyjne obsługiwane przez R
Dostępne w język angielski
Typ Oprogramowanie statystyczne
Licencja GPL-3.0
Strona internetowa github.com/easystats/easystats _ _ _

Kolekcja open source pakietów R easystats powstała w 2019 roku i zawiera przede wszystkim narzędzia dedykowane do post-processingu modeli statystycznych. Od maja 2022 r. 10 pakietów składających się na ekosystem easystats zostało pobranych ponad 8 milionów razy i zostało wykorzystanych w ponad 1000 publikacjach naukowych. Ekosystem jest tematem kilku kursów statystycznych, samouczków wideo i książek.

Celem easystats jest zapewnienie ujednoliconych i spójnych ram do zrozumienia i raportowania wyników statystycznych. Jest również kompatybilny z innymi kolekcjami pakietów, takimi jak tidyverse . Godne uwagi cechy projektu obejmują interfejs API , ze szczególnym uwzględnieniem nazw funkcji i argumentów (np. unikanie akronimów i skrótów) oraz niewielką liczbę zależności. [ potrzebne lepsze źródło ]

Historia

W 2019 roku Dominique Makowski skontaktował się z programistą Danielem Lüdecke z pomysłem współpracy wokół zbioru pakietów R, mających na celu ułatwienie nauki o danych użytkownikom bez doświadczenia w statystyce lub informatyce. Pierwszy pakiet easystats , Insight , powstał w 2019 roku i był pomyślany jako podstawa ekosystemu. Drugi pakiet, który się pojawił, bayestestR , skorzystał z połączenia eksperta Bayesa, Mattana S. Ben-Shachar. Inni opiekunowie to Indrajeet Patil i Brenton M. Wiernik.

Pakiety

Ekosystem easystats zawiera dziesięć częściowo niezależnych pakietów.

  • wgląd : Ten pakiet służy jako podstawa ekosystemu, ponieważ umożliwia manipulowanie obiektami z różnych pakietów R.
  • datawizard : Ten pakiet implementuje niektóre podstawowe funkcje manipulacji danymi.
  • bayestestR : Ten pakiet zawiera narzędzia do pracy ze statystykami bayesowskimi . Pakiet otrzymał nagrodę Commendation od Society for the Improvement of Psychological Science (SIPS) w 2020 roku.
  • korelacja : Ten pakiet jest przeznaczony do przeprowadzania analiz korelacji .
  • performance : Ten pakiet umożliwia wyodrębnienie metryk wydajności modelu.
  • effectsize : Ten pakiet oblicza wskaźniki wielkości efektu i standaryzowanych parametrów.
  • parametry : Ten pakiet koncentruje się wokół analizy parametrów modelu statystycznego.
  • modelbased : Ten pakiet oblicza prognozy oparte na modelach, średnie grupowe i kontrasty.
  • zobacz : Ten pakiet łączy się z ggplot2 w celu tworzenia wykresów wizualnych.
  • report : Ten pakiet implementuje automatyczne raportowanie modeli statystycznych.

Zobacz też