JASP

JASP

Wersja stabilna	0.17 / 26 stycznia 2023 ( 2023-01-26 )
Magazyn	Strona JASP Github
Napisane w	C++ , R , JavaScript
System operacyjny	Microsoft Windows , Mac OS X i Linux
Typ	Statystyka
Licencja	Powszechna Licencja Publiczna GNU Affero
Strona internetowa	jasp-stats.org _

JASP (Jeffreys's Amazing Statistics Program) to darmowy program typu open source do analizy statystycznej , wspierany przez Uniwersytet w Amsterdamie . Został zaprojektowany tak, aby był łatwy w użyciu i znany użytkownikom SPSS . Oferuje standardowe procedury analizy zarówno w formie klasycznej, jak i bayesowskiej . JASP generalnie tworzy tabele wyników i wykresy w stylu APA , aby ułatwić publikację. Promuje otwartą naukę poprzez integrację z Open Science Framework i odtwarzalność poprzez integrację ustawień analizy z wynikami. Rozwój JASP jest wspierany finansowo przez kilka uniwersytetów i fundusze badawcze .

Zrzut ekranu JASP-a

Ćwiczenie

JASP oferuje wnioskowanie częstościowe i wnioskowanie bayesowskie na tych samych modelach statystycznych . Wnioskowanie częstości wykorzystuje wartości p i przedziały ufności do kontrolowania współczynników błędów w granicach nieskończonych doskonałych replikacji. Wnioskowanie bayesowskie wykorzystuje wiarygodne przedziały i czynniki Bayesa do oszacowania wiarygodnych wartości parametrów i modelowania dowodów, biorąc pod uwagę dostępne dane i wcześniejszą wiedzę.

W JASP dostępne są następujące analizy:

Analiza	Częstokroć	bayesowski
Test A/B		Y
ANOVA , ANCOVA , ANOVA i MANOVA z powtarzanymi pomiarami	Y	Y
Rewizja	Y	Y
Baina	Y	Y
Test dwumianowy	Y	Y
Konfirmacyjna analiza czynnikowa (CFA)	Y
Tabele kontyngencji (w tym test chi-kwadrat)	Y	Y
Korelacja: Pearson , Spearman i Kendall	Y	Y
T-testy równoważności: niezależne, sparowane, dla jednej próby	Y
Eksploracyjna analiza czynnikowa (EFA)	Y
Regresja liniowa	Y	Y
Regresja logistyczna	Y
Regresja log-liniowa	Y	Y
Nauczanie maszynowe	Y
Mann-Whitney U i Wilcoxon	Y	Y
Analiza mediacji	Y
Metaanaliza	Y	Y
Modele mieszane	Y	Y
Test wielomianowy	Y	Y
Analiza sieci	Y
Analiza głównych składowych (PCA)	Y
niezawodności : α, γδ i ω	Y	Y
Modelowanie równań strukturalnych (SEM)	Y
Statystyki podsumowujące		Y
Testy t : niezależne, sparowane, dla jednej próby	Y	Y
Modelowanie wizualne: liniowe, mieszane, uogólnione liniowe	Y

Inne funkcje

• Statystyka opisowa .
• Sprawdza założenia dla wszystkich analiz, w tym testu Levene'a , testu Shapiro-Wilka i wykresu Q-Q .
• Importuje pliki SPSS i pliki oddzielone przecinkami.
• Integracja Open Science Framework .
• Filtrowanie danych: użyj kodu R lub graficznego interfejsu użytkownika typu „przeciągnij i upuść”, aby wybrać interesujące Cię przypadki.
• Twórz kolumny: użyj kodu R lub graficznego interfejsu użytkownika typu „przeciągnij i upuść”, aby utworzyć nowe zmienne z istniejących.
• Skopiuj tabele w formacie LaTeX .
• Edycja fabuły, działki Raincloud.
• Eksport wyników w formacie PDF.
• Importowanie baz danych SQL (od wersji 0.16.4)

Moduły

1. Audyt : Planowanie, wybór i ocena statystycznych prób audytowych.
2. Statystyki podsumowujące : wnioskowanie bayesowskie z częstych statystyk podsumowujących dla testu t, regresji i testów dwumianowych.
3. Bain : Bayesowska ocena hipotez informacyjnych dla testu t, ANOVA , ANCOVA i regresji liniowej.
4. Sieć : Analiza sieci umożliwia użytkownikowi analizę struktury sieci zmiennych.
5. Metaanaliza : obejmuje techniki analizy efektów stałych i losowych, metaregresję efektów stałych i mieszanych, wykresy leśne i lejkowe, testy asymetrii wykresów lejkowych, analizę typu „przytnij i wypełnij” oraz analizę N w przypadku awarii.
6. Uczenie maszynowe : Moduł uczenia maszynowego zawiera 19 analiz dotyczących uczenia nadzorowanego i nienadzorowanego:
   • Regresja
     1. Wzmacnianie regresji
     2. Regresja drzewa decyzyjnego
     3. Regresja K-najbliższych sąsiadów
     4. Regresja sieci neuronowej
     5. Losowa regresja lasów
     6. Uregulowana regresja liniowa
     7. Regresja maszyny wektorów nośnych
   • Klasyfikacja
     1. Wzmocnienie klasyfikacji
     2. Klasyfikacja drzew decyzyjnych
     3. Klasyfikacja K-najbliższych sąsiadów
     4. Klasyfikacja sieci neuronowych
     5. Liniowa klasyfikacja dyskryminacyjna
     6. Losowa klasyfikacja lasów
     7. Klasyfikacja maszyn wektorów pomocniczych
   • Grupowanie
     1. Klasterowanie oparte na gęstości
     2. Klastrowanie rozmytych C-średnich
     3. Klastrowanie hierarchiczne
     4. Klastrowanie oparte na sąsiedztwie (tj. klastrowanie K-średnich , klastrowanie K-median, klastrowanie K-Medoids)
     5. Losowe grupowanie lasów
7. SEM : Modelowanie równań strukturalnych.
8. Moduł JAGS
9. Odkryj dystrybucje
10. Testy równoważności
11. Metaanalizy Cochrane

Linki zewnętrzne

• Oficjalna strona internetowa
• jasp-desktop na GitHubie