热点事件观察中
二分判断分析：聚合与试次水平方法比较
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月30日，一项尚未经同行评审的预印本在PsyArXiv发布，比较二分判断数据的聚合分析与试次水平建模方法。作者重新分析了20个公开的错觉真实性效应数据集（共212,555条观测），并辅以蒙特卡洛模拟评估I类错误率、检验力和参数恢复。结果显示，同时对参与者和项目设定随机斜率的GLMM最能控制I类错误率，但常出现奇异拟合；仅对参与者设定随机斜率的GLMM虽被AIC和BIC偏好，却会因忽略项目间变异而抬高交互效应的I类错误率。目前该预印本尚未经同行评审，后续进展有待关注。
AI 根据报道生成 · 1 天前更新
最新进展10月30日 06:20
预印本发布：同时设参与者与项目随机斜率的GLMM最能控制I类错误率，但常出现奇异拟合。报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- PsyArXiv 预印本二分判断的统计方法比较：聚合分析与试次水平GLMM在错误率和检验力上的差异
一项预印本研究比较了二分判断数据的聚合分析与试次水平建模方法。作者重新分析了20个公开的错觉真实性效应数据集（212,555条观测），并辅以蒙特卡洛模拟评估I类错误率、检验力和参数恢复；结果显示，同时对参与者和项目设定随机斜率的GLMM最能控制I类错误率，但常出现奇异拟合，而仅对参与者设定随机斜率的GLMM虽被AIC和BIC偏好，却会因忽略项目间变异而抬高交互效应的I类错误率。
本事件热度走势
当前热度 5·可比范围峰值 6（10月30日 07:00）·近 24 小时可比范围变化 -21%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。