imported>CYCcc：修正筆誤

2023-11-03T15:42:16Z

修正筆誤

新页面

{{Infobox software
| title = JASP
| name = JASP
| logo = JASP logo.svg
| logo_size = 180px
| latest release version = 0.11.1
| latest release date = {{Start date|2019|10|07}}
| repo = [https://github.com/jasp-stats/jasp-desktop JASP Github page]
| programming language = [[C++]], [[R語言]], [[JavaScript]]
| operating system = [[Microsoft Windows]], [[Mac OS X]] and [[Linux]]
| genre = [[統計學]]
| license = [[GNU Affero General Public License]]
| website = {{URL|https://jasp-stats.org/}}
}} '''JASP'''是一款[[自由开源]]的[[统计学]]軟件。<ref>{{Cite journal|title=Bayesian inference for psychology. Part II: Example applications with JASP|date=February 2018|journal=Psychonomic Bulletin & Review|issue=1|doi=10.3758/s13423-017-1323-7|volume=25|pages=58–76|pmc=5862926|pmid=28685272}}</ref><ref name="jasp-review">{{Cite journal|title=Software to Sharpen Your Stats|url=http://www.psychologicalscience.org/index.php/publications/observer/2015/march-15/bayes-or-bust-with-new-softwares.html|journal=APS Observer|issue=3|year=2015|volume=28|format=vanc|access-date=2020-01-09|archive-date=2016-08-17|archive-url=https://web.archive.org/web/20160817143558/http://www.psychologicalscience.org/index.php/publications/observer/2015/march-15/bayes-or-bust-with-new-softwares.html|dead-url=no}}</ref>JASP可以產生[[APA格式]]的表格。几所大学和研究基金曾資助開發者開發JASP。

== 分析 ==
JASP在相同的[[概率模型|统计模型]]上提供了[[频率学派推断|頻率學派推斷]]和[[贝叶斯推断]]。 [[频率学派推断|頻率學派推斷]]使用[[p值]]和[[信賴区间]]来控制在无限完美复制中的错误率。[[贝叶斯推断]]使用可信区间和贝叶斯因子 <ref>{{Cite journal|title=Bayesian alternatives for common null-hypothesis significance tests in psychiatry: a non-technical guide using JASP|date=June 2018|journal=BMC Psychiatry|issue=1|doi=10.1186/s12888-018-1761-4|volume=18|pages=178|language=En|pmc=5991426|pmid=29879931}}</ref>，基於已知資料與先前知識，估计可信参数值。

JASP提供下列分析：
{| class="wikitable sortable"
! 分析
! 頻率
! 贝叶斯
|-
| [[學生t檢定|T检验]] ：独立，配对，一次抽样
|{{tick}}
|{{tick}}
|-
| 曼·惠特尼·U和威尔科克森
|{{tick}}
|{{tick}}
|-
| 相关性<ref>{{Cite journal|title=An Introduction to Bayesian Data Analysis for Correlations|last=Nuzzo|first=Regina L.|date=December 2017|journal=PM&R|issue=12|doi=10.1016/j.pmrj.2017.11.003|volume=9|pages=1278–1282|format=vanc|pmid=29274678}}</ref> ： [[皮尔逊积矩相关系数|Pearson]] ， [[斯皮尔曼等级相关系数|Spearman]]和Kendall
|{{tick}}
|{{tick}}
|-
| [[信度|可靠性]]分析：α，γδ和ω
|{{tick}}
|
|-
| [[變異數分析|ANOVA]] ， ANCOVA ，重复测量ANOVA和MANOVA
|{{tick}}
|{{tick}}
|-
| [[線性回歸|线性回归]]
|{{tick}}
|{{tick}}
|-
| 对数线性回归
|{{tick}}
|{{tick}}
|-
| [[邏輯斯諦迴歸|逻辑斯谛回归]]
|{{tick}}
|
|-
| 列联表（包括卡方检验）
|{{tick}}
|{{tick}}
|-
| 二项式检验
|{{tick}}
|{{tick}}
|-
| 多项式检验
|{{tick}}
|{{tick}}
|-
| [[A/B測試|A / B测试]]
|
|{{tick}}
|-
| 探索性因素分析（EFA）
|{{tick}}
|
|-
| [[主成分分析]] （PCA）
|{{tick}}
|
|-
| 验证性因素分析（CFA）
|{{tick}}
|
|-
| 结构方程建模（SEM）
|{{tick}}
|
|-
| 网路分析
|{{tick}}
|
|-
| [[後設分析]]
|{{tick}}
|
|-
| 摘要统计<ref>{{Cite journal|title=Bayesian Reanalyses from Summary Statistics: A Guide for Academic Consumers|url=https://osf.io/7t2jd/|last=Ly|first=Alexander|last2=Raj|first2=Akash|date=2017-05-30|journal=Open Science Framework|volume=|pages=|language=en|format=vanc|last3=Etz|first3=Alexander|last4=Marsman|first4=Maarten|last5=Gronau|first5=Quentin Frederik|last6=Wagenmakers|first6=Eric-Jan|access-date=2020-01-09|archive-date=2020-11-25|archive-url=https://web.archive.org/web/20201125172344/https://osf.io/7t2jd/|dead-url=no}}</ref>
|
|{{tick}}
|}

== 其他特色 ==

* [[描述统计学|描述性统计数据]]和图表繪製。
* 对所有分析进行假设检查，包括Levene检验， Shapiro-Wilk检验和[[分位圖|Q-Q图]] 。
* 可匯入SPSS文件和逗号分隔的文件（CSV檔）。
* 整合开放式科学框架。
* 数据过滤：使用R程式碼，或使用圖形介面以拖放方式选择資料。
* 创建列：使用R程式碼，或使用圖形介面以拖放方式，從現有变量创建新变量。
* 以[[LaTeX]]格式复制表格。

== 模组 ==

# '''摘要统计量''' ：从t检验，回归和二项式检验的频率摘要统计量，得出贝叶斯推断。
# BAIN ：對t检验，ANOVA，ANCOVA和线性回归進行贝叶斯信息假设评估<ref>{{Cite journal|title=Approximated adjusted fractional Bayes factors: A general method for testing informative hypotheses|last=Gu|first=Xin|last2=Mulder|first2=Joris|date=2018|journal=British Journal of Mathematical and Statistical Psychology|issue=2|doi=10.1111/bmsp.12110|volume=71|pages=229–261|language=en|issn=2044-8317|pmid=28857129|last3=Hoijtink|first3=Herbert}}</ref>。
# '''网路''' ：网路分析允许使用者分析变量的网路结构。
# '''後設分析''' ：包括用于固定和随机效应分析，固定和混合效应元回归，森林和漏斗图，漏斗图不对称性测试， trim-and-fill 與 fail-safe N 分析。
# '''机器学习''' ：机器学习模块包含13种分析：
#* 回归
#*# 提升回归（Boosting Regression）
#*# [[K-近邻算法|K近邻回归]]
#*# 随机森林回归（Random Forest Regression）
#*# 正则线性回归（Regularized Linear Regression）
#* 分类
#*# [[提升方法|提升方法分类]]（Boosting Classification)
#*# K最近邻分类（K-Nearest Neighbors Classification）
#*# 线性判别分类
#*# [[随机森林|随机森林分类]]
#* 聚类
#*# [[聚类分析|基于密度的聚类]]
#*# [[模糊聚类|模糊C均值聚类]]
#*# 层次聚类
#*# [[K-平均算法|K均值聚类]]
# '''SEM''' ：结构方程建模<ref>{{Cite book|url=https://books.google.com/?id=Q61ECgAAQBAJ&pg=PP1&dq=+Principles+and+practice+of+structural+equation+modeling.#v=onepage&q=Principles%20and%20practice%20of%20structural%20equation%20modeling.&f=false|title=Principles and Practice of Structural Equation Modeling, Fourth Edition|last=Kline|first=Rex B.|date=2015-11-03|publisher=Guilford Publications|isbn=9781462523351|language=en}}</ref> 。

== 参考文献 ==
{{reflist}}

== 外部链接 ==

* {{Official website|https://jasp-stats.org/}}
* {{GitHub|jasp-stats/jasp-desktop}}
[[Category:自由統計軟件]]
[[Category:自由教育軟件]]

JASP - 版本历史

imported>CYCcc：​修正筆誤

imported>CYCcc：修正筆誤