文件名称：cNORM：使用R连续命名
文件大小：959KB
文件格式：ZIP
更新时间：2024-02-28 16:57:01
biometrics percentile psychometrics growth-curve normalization-techniques
规范 cNorm软件包提供了用于生成连续标准评分的方法，例如用于心理测验开发，生物统计学（例如生物学和生理学增长曲线）以及医学领域筛查的特征。 它基于A. Lenhard等人建议的方法。 （2016，2019）。 有关深入的教程，请查阅项目主页和以获取在线演示。 方法 产生测试规范的常规方法经常困扰于规范表中的“跳跃”或“间隙”（即不连续性），并且评估极端得分的信心较低。 cNORM解决了这些问题，并且还具有不需要对原始数据的分布进行假设的附加优点：通过对原始数据进行建模，将原始数据建模为百分位数分数和解释变量（例如年龄）的函数，从而建立标准分数）通过。 该方法最大程度地减少了由采样和测量误差引起的偏差，同时可以处理明显的偏离正常的现象，例如在临床样本中很常见的现象。 与参数方法相反，它不依赖于初始规范数据的分布假设，因此是生成规范表的一种非常强大的方法。 该方法的基本原理是通过多元回归
【文件预览】：
cNORM-master
----.travis.yml(256B)
----man()
--------rankByGroup.Rd(5KB)
--------plotDerivative.Rd(2KB)
--------predictRaw.Rd(2KB)
--------simulateRasch.Rd(2KB)
--------print.cnorm.Rd(943B)
--------plotCnorm.Rd(564B)
--------rawTable.Rd(3KB)
--------predictNorm.Rd(2KB)
--------plotDensity.Rd(1KB)
--------simSD.Rd(314B)
--------weighted.quantile.harrell.davis.Rd(745B)
--------cNORM.Rd(5KB)
--------plotRaw.Rd(1KB)
--------cNORM.GUI.Rd(447B)
--------life.Rd(2KB)
--------getNormScoreSE.Rd(645B)
--------simMean.Rd(329B)
--------cnorm.cv.Rd(6KB)
--------plotPercentiles.Rd(3KB)
--------computePowers.Rd(3KB)
--------weighted.quantile.type7.Rd(713B)
--------rankBySlidingWindow.Rd(5KB)
--------ppvt.Rd(2KB)
--------bestModel.Rd(6KB)
--------derivationTable.Rd(1KB)
--------getNormCurve.Rd(2KB)
--------plotSubset.Rd(2KB)
--------printSubset.Rd(1KB)
--------rangeCheck.Rd(1KB)
--------calcPolyInL.Rd(602B)
--------regressionFunction.Rd(1KB)
--------derive.Rd(1KB)
--------prepareData.Rd(3KB)
--------mortality.Rd(2KB)
--------weighted.quantile.Rd(2KB)
--------weighted.rank.Rd(2KB)
--------CDC.Rd(2KB)
--------getGroups.Rd(865B)
--------plot.cnorm.Rd(866B)
--------plotPercentileSeries.Rd(2KB)
--------normTable.Rd(3KB)
--------plotNorm.Rd(2KB)
--------checkConsistency.Rd(3KB)
--------summary.cnorm.Rd(827B)
--------epm.Rd(2KB)
--------calcPolyInLBase.Rd(684B)
--------elfe.Rd(1KB)
--------plotNormCurves.Rd(3KB)
--------modelSummary.Rd(783B)
----cNORM.Rproj(396B)
----CRAN-RELEASE(126B)
----data()
--------epm.rda(58KB)
--------life.rda(44KB)
--------mortality.rda(20KB)
--------ppvt.rda(37KB)
--------elfe.rda(4KB)
--------CDC.rda(331KB)
----NAMESPACE(1012B)
----.github()
--------ISSUE_TEMPLATE()
----NEWS.md(18KB)
----tests()
--------testthat()
--------testthat.R(54B)
----TODO(239B)
----inst()
--------CITATION(3KB)
--------shiny()
----LICENSE(34KB)
----cran-comments.md(977B)
----CONTRIBUTING.md(144B)
----vignettes()
--------plotPercentiles.png(11KB)
--------plos.png(204KB)
--------cNORM-Demo.Rmd(30KB)
--------logo.png(4KB)
--------plotSubset.png(7KB)
--------cnorm.cv.png(11KB)
----R()
--------plot.R(39KB)
--------data.R(10KB)
--------modelling.R(45KB)
--------roots.R(7KB)
--------preparation.R(38KB)
--------predict.R(24KB)
--------cNORM.R(13KB)
--------s3methods.R(1KB)
--------utilities.R(13KB)
----CODE_OF_CONDUCT.md(3KB)
----DESCRIPTION(2KB)
----README.md(9KB)