Constraints on general slowing: a meta-analysis using hierarchical linear models with random coefficients.
Constraints on general slowing: a meta-analysis using hierarchical linear models with random coefficients.
复制标题
对总体放缓的约束：使用具有随机系数的分层线性模型的荟萃分析。
DOI：
10.1037//0882-7974.13.1.164
复制
发表时间：
1998
影响因子：
3.7
通讯作者：
Hall,CB
中科院分区：
文献类型：
--
作者：
Sliwinski,MJ;Hall,CB
一般慢化（GS）理论通常通过荟萃分析来检验，该模型将老年人的平均潜伏期作为年轻人平均潜伏期的函数。普通最小二乘（OLS）回归不适用于此目的，因为它无法解释多任务响应时间（RT）数据的嵌套结构。层次线性模型（HLM）是分析此类数据的另一种方法。使用迭代认知任务的21项研究数据的OLS分析支持GS；然而，HLM分析表明，在不同的实验任务中，记忆扫描的慢化程度比视觉搜索和心理旋转任务的慢化程度要低，这表明在不同的实验任务中，慢化程度存在显著差异。作者得出结论，HLM比OLS方法更适合于RT数据的元分析和检验GS理论。（PsycINFO数据库记录(c) 2016 APA，版权所有）
General slowing (GS) theories are often tested by meta-analyses that model mean latencies of older adults as a function of mean latencies of younger adults. Ordinary least squares (OLS) regression is inappropriate for this purpose because it fails to account for the nested structure of multitask response time (RT) data. Hierarchical linear models (HLM) are an alternative method for analyzing such data. OLS analysis of data from 21 studies that used iterative cognitive tasks supported GS; however, HLM analysis demonstrated significant variance in slowing across experimental tasks and a process-specific effect by showing less slowing for memory scanning than for visual-search and mental-rotation tasks. The authors conclude that HLM is more suitable than OLS methods for meta-analyses of RT data and for testing GS theories.(PsycINFO Database Record (c) 2016 APA, all rights reserved)
文字和语言处理的年龄差异
DOI：
--
发表时间：
1995
期刊：
影响因子：
--
作者：
P. Allen;T. R. Bashore
通讯作者：
T. R. Bashore
行为、衰老和神经系统
DOI：
--
发表时间：
1966
期刊：
影响因子：
--
作者：
F. Post
通讯作者：
F. Post