oxalic acid bis-(N'-ethoxycarbonyl-hydrazide) | 53184-87-5

• 分子结构分类: 有机化合物 - 有机酸及其衍生物 - 羧酸及其衍生物
• 英文名称: oxalic acid bis-(N'-ethoxycarbonyl-hydrazide)
• 英文别名: Oxalsaeure-bis-(N'-aethoxycarbonyl-hydrazid)；Oxalsaeure-bis-carbaethoxyhydrazid；Diethyl 2,2'-(1,2-dioxoethane-1,2-diyl)dihydrazinecarboxylate；ethyl N-[[2-(2-ethoxycarbonylhydrazinyl)-2-oxoacetyl]amino]carbamate
• CAS: 53184-87-5
• 化学式: C₈H₁₄N₄O₆
• 分子量: 262.222
• InChiKey: HDNSYHLQRGCGLE-UHFFFAOYSA-N

计算性质

• 辛醇/水分配系数(LogP)：
  0.9
• 重原子数：
  18
• 可旋转键数：
  4
• 环数：
  0.0
• sp3杂化的碳原子比例：
  0.5
• 拓扑面积：
  135
• 氢给体数：
  4
• 氢受体数：
  6

反应信息

• 作为产物：
  描述：

  草酰氯 、 alkaline earth salt of/the/ methylsulfuric acid 在 sodium carbonate 、 苯 作用下， 生成 oxalic acid bis-(N'-ethoxycarbonyl-hydrazide)
  参考文献：
  名称：

  Growth Modeling Using Random Coefficient Models: Model Building, Testing, and Illustrations

  摘要：

  在这篇文章中，作者阐述了如何使用随机系数建模来开发用于分析纵向数据的增长模型。与先前关于随机系数模型的讨论不同，这篇文章提供了使用模型比较框架的逐步指导。通过这种建模方法，作者能够基于回归基础逐步估计和评估更复杂的模型。在模型比较框架中，文章说明了使用似然检验来对比替代模型的价值（而不是典型的依赖于涉及个别参数的显著性检验），并且提供了在开源语言R中的代码，以便读者复制结果。文章以估计增长模型的实用指南结尾。

  DOI：

  10.1177/109442802237116

文献信息

• Growth Modeling Using Random Coefficient Models: Model Building, Testing, and Illustrations
  作者：Paul D. Bliese、Robert E. Ployhart

  DOI：10.1177/109442802237116

  日期：2002.10

  In this article, the authors illustrate how random coefficient modeling can be used to develop growth models for the analysis of longitudinal data. In contrast to previous discussions of random coefficient models, this article provides step-by-step guidance using a model comparison framework. By approaching the modeling this way, the authors are able to build off a regression foundation and progressively estimate and evaluate more complex models. In the model comparison framework, the article illustrates the value of using likelihood tests to contrast alternative models (rather than the typical reliance on tests of significance involving individual parameters), and it provides code in the open-source language R to allow readers to replicate the results. The article concludes with practical guidelines for estimating growth models.

  在这篇文章中，作者阐述了如何使用随机系数建模来开发用于分析纵向数据的增长模型。与先前关于随机系数模型的讨论不同，这篇文章提供了使用模型比较框架的逐步指导。通过这种建模方法，作者能够基于回归基础逐步估计和评估更复杂的模型。在模型比较框架中，文章说明了使用似然检验来对比替代模型的价值（而不是典型的依赖于涉及个别参数的显著性检验），并且提供了在开源语言R中的代码，以便读者复制结果。文章以估计增长模型的实用指南结尾。