Field Notes
SearchGitHub

Research Notes · Category

统计方法实践

围绕一份真实数据集，把同一统计方法家族里多个模型并联演练并累积对比，看每种模型在 R 实现下的差异、假设依赖与适用边界。两本书分别聚焦多层模型（Tennessee STAR 班额实验）与 Meta 分析（BCG 结核疫苗试验）。

In this category

2

items

Other categories人格因果学会计实证方法因果推断方法研究工程
01
多层模型实践
应用工具书2026-0566 pp.

多层模型实践

基于 Tennessee STAR 班额实验的方法演练与 R 语言实现

以 Tennessee STAR 班额实验中 6,325 名学生 × 79 所学校的嵌套面板为单一数据集，把多层模型从最简单的 ICC 与空模型，一路推到学生 / 班级 / 学校三层结构、随机斜率与跨层交互。同一组学生数学成绩在十种模型下的处理效应估计各有差异，章末维护一张累积对比表。R 语言侧选 lme4 与 lmerTest 实现，每章给出系数解读与可证伪的稳健性边界。

Open →
02
Meta 分析实践
应用工具书2026-0555 pp.

Meta 分析实践

基于 BCG 疫苗试验的方法演练与 R 语言实现

以 1948–1985 年 13 项 BCG 疫苗对照试验（约 36 万受试者）为单一数据集，把 Meta 分析从 2×2 表与效应量计算起步，经固定效应、随机效应、异质性诊断、亚组分析、meta 回归、发表偏倚识别与敏感性分析，把同一份汇总结论在多种估计策略下做并联验证。R 语言侧选 metafor 与 meta 两个生态实现，章末累计对比每种模型在异质性 I² ≈ 78% 这一中等偏高情境下的稳健性表现。

Open →
← All of Research Notes