文件名称：RobustToolbox:强大的神经影像数据回归工具箱
文件大小：14.21MB
文件格式：ZIP
更新时间：2024-05-28 00:29:21
HTML
健壮的工具箱 鲁棒回归是普通最小二乘回归的替代方法。 它使用迭代算法来识别潜在异常值并降低其权重。 在稳健回归中，这些定义为远离回归斜率（或平面）的观测值。 •离群值可能导致违反统计假设，从而可能增加误报和误报 •离群值对回归系数（斜率）有很大的影响。 这些斜率在神经影像研究中被解释为激活或连通性的量度。 甚至一个或几个离群值都可以完全改变结果，尤其是当它们是高杠杆数据点时。 •通常，数据分析师会检查任何统计模型中的假设和数据分布，并根据需要进行调整。 但是，对于神经成像和其他应用程序（并行测试数百或数千个模型），这是不可能的。 •当无法为每个回归模型检查假设时，基于异常状态的自动加权程序可能会比较有利 •稳健的回归是一种自动程序，可用于识别潜在异常值并降低其权重。 健壮的回归工具箱由Tor Wager创建。 如果使用它，请参阅（并考虑引用）随附的论文：Wager，TD，Kelle