easystats 开源软件包集合创建于2019年,主要包括专用于统计模型的后处理工具。[1] [2] 截至 2022 年 5 月,组成 easystats 生态系统的 10 个软件包的下载量已超过 800 万次,并于 1000 多篇科学出版物中使用。[3] [4] [5] 这份系统囊括了各种统计课程、视频教程和书籍的主题。 [6] [7] [8] [9] [10] [11] [12]

Easystats
首次发布2019年 (2019)
编程语言R
操作系统All OS supported by R
语言English
类型Statistical software
许可协议GPL-3.0
网站github.com/easystats/easystats

开发 easystats 的目的是提供一个统一和一致的框架来理解和报告统计结果。它还与其他软件包兼容(例如:tidyverse)。值得注意的设计特点包括其API,特别是函数和参数的名称(例如:开发者刻意避免使用首字母缩略词和缩写)。 另外,这款软件包的依赖项数量也极少。[2][需要較佳来源]

历史

2019 年,Dominique Makowski 联系了软件开发商 Daniel Lüdecke,提出了围绕R软件包进行合作的想法,旨在为没有统计或计算机科学背景的用户提供数据科学的工具。首先,第一个开发的 easystats 软件包,insight 于 2019 年创建,并成为往后生态系统发展的基础。[1] 随后,贝氏统计学专家 Mattan S.Ben Shachar 加入此项目的合作,并提高了第二个软件包,bayestestR, 的功能与效率。目前, 软件包的维护者包括Indrajeet Patil和Brenton M.Wiernik。[2]

软件包

easystats 生态系统包含十个半独立的软件包。

  • insight:这个包是生态系统的基础;用于操作不同R 包的项目。 [13]
  • datawizard :这个软件包含着一些核心数据操作特性。
  • bayestestR :这个软件包提供使用贝氏统计学的实用程序。 [14]
  • correlation:此软件包专用于运行相关数分析。 [15]
  • performance:这个软件包允许提取模型性能以及精度的指数分析。 [16]
  • effectsize :这个软件包计专注于效应量和标准化参数的索引。 [17]
  • parameters:该软件包以统计模型的参数分析为中心。 [18]
  • modelbased :这个包计算基于模型的预测、组平均值和对比。
  • see:此软件包与ggplot2以创建图表以及曲线图。 [19]
  • report:这个软件包的功能在于提供统计模型的自动报告。

另请参见

参考

  1. ^ 1.0 1.1 easystats: one year already. What's next?. r-bloggers. 23 January 2020 [14 January 2022]. (原始内容存档于2022-05-22). 
  2. ^ 2.0 2.1 2.2 easystats. GitHub. 14 January 2022 [14 January 2022]. (原始内容存档于2022-11-30). 
  3. ^ easystats Downloads. GitHub. 14 January 2022 [14 January 2022]. (原始内容存档于2022-11-30). 
  4. ^ Project "easystats". ResearchGate. [16 January 2022]. (原始内容存档于2022-01-16). 
  5. ^ Dominique Makowski's Google Scholar Profile. scholar.google.fr. [2022-08-11]. (原始内容存档于2022-09-30). 
  6. ^ easystats: Quickly investigate model performance. Business Science. 13 July 2021 [17 January 2022]. (原始内容存档于2022-11-29) (英语). 
  7. ^ Automate Textual Reports of Statistical Models in R! report / easystats. YouTube. [17 January 2022]. (原始内容存档于2022-01-19) (英语). 
  8. ^ Field, Andy P. Discovering statistics using R. Thousand Oaks, California. 2012. ISBN 978-1446200469. 
  9. ^ Analyse des corrélations avec easystats. rzine.fr. [17 January 2022]. (原始内容存档于2022-01-18). 
  10. ^ Su, Gang. A Comprehensive List of Handy R Packages. towardsdatascience.com. 2 September 2020 [17 January 2022] (英语). 
  11. ^ Kennedy, Ryan. Introduction to R for social scientists a Tidy programming approach. Boca Raton. 2021. ISBN 9781000353877. 
  12. ^ Monkman, Martin. Data Science with R: A Resource Compendium. [18 May 2022]. 
  13. ^ Lüdecke, Daniel; Waggoner, Philip D.; Makowski, Dominique. insight: A Unified Interface to Access Information from Model Objects in R. Journal of Open Source Software. 25 June 2019, 4 (38): 1412. Bibcode:2019JOSS....4.1412L. S2CID 198640623. doi:10.21105/joss.01412. 
  14. ^ Makowski, Dominique; Ben-Shachar, Mattan; Lüdecke, Daniel. bayestestR: Describing Effects and their Uncertainty, Existence and Significance within the Bayesian Framework. Journal of Open Source Software. 13 August 2019, 4 (40): 1541. Bibcode:2019JOSS....4.1541M. S2CID 201882316. doi:10.21105/joss.01541. 
  15. ^ Makowski, Dominique; Ben-Shachar, Mattan; Patil, Indrajeet; Lüdecke, Daniel. Methods and Algorithms for Correlation Analysis in R. Journal of Open Source Software. 16 July 2020, 5 (51): 2306. Bibcode:2020JOSS....5.2306M. S2CID 225530918. doi:10.21105/joss.02306. 
  16. ^ Lüdecke, Daniel; Ben-Shachar, Mattan; Patil, Indrajeet; Waggoner, Philip; Makowski, Dominique. performance: An R Package for Assessment, Comparison and Testing of Statistical Models. Journal of Open Source Software. 21 April 2021, 6 (60): 3139. Bibcode:2021JOSS....6.3139L. S2CID 233378359. doi:10.21105/joss.03139. 
  17. ^ Ben-Shachar, Mattan; Lüdecke, Daniel; Makowski, Dominique. effectsize: Estimation of Effect Size Indices and Standardized Parameters. Journal of Open Source Software. 23 December 2020, 5 (56): 2815. Bibcode:2020JOSS....5.2815B. S2CID 229576898. doi:10.21105/joss.02815. 
  18. ^ Lüdecke, Daniel; Ben-Shachar, Mattan; Patil, Indrajeet; Makowski, Dominique. Extracting, Computing and Exploring the Parameters of Statistical Models using R. Journal of Open Source Software. 9 September 2020, 5 (53): 2445. Bibcode:2020JOSS....5.2445L. S2CID 225319884. doi:10.21105/joss.02445. 
  19. ^ Lüdecke, Daniel; Patil, Indrajeet; Ben-Shachar, Mattan S.; Wiernik, Brenton M.; Waggoner, Philip; Makowski, Dominique. see: An R Package for Visualizing Statistical Models. Journal of Open Source Software. 6 August 2021, 6 (64): 3393. S2CID 238778250. doi:10.21105/joss.03393.