Repository logo

Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies

Thumbnail Image

Files

2020 Joel Machine learning.pdf (334.49 KB)

Date

2020

Authors

Joel, S., Eastwick, P. W., Allison, C. J., Arriaga, X. B., Baker, Z. G., Bar-Kalifa, E., Bergeron, S., Birnbaum, G., Brock, R. L., Brumbaugh, C. C., Carmichael, C. L., Chen, S., Clarke, J., Cobb, R. J., Coolsen, M. K., Davis, J., de Jong, D. C., Debrot, A., DeHaas, E. C., Derrick, J. L., Eller, J., Estrada, M. J., Faure, R., Finkel, E. J., Fraley, R. C., Gable, S. L., Gadassi, R., Girme, Y. U., Gordon, A. M., Gosnell, C. L., Hammond, M. D., Hannon, P. A., Harasymchuk, C., Hofmann, W., Horn, A. B., Impett, E. A., Jamieson, J. P., Keltner, D., Kim, J. J., Kirchner, J. L., Kluwer, E. S., Kumashiro, M., Larson, G., Lazarus, G., Logan, J. M., Luchies, L. B., MacDonald, G., Machia, L. V., Maniaci, M. R., Maxwell, J. A., Mizrahi, M., Muise, A., Niehuis, S., Ogolsky, B. G., Oldham, C. R., Overall, N. C., Perrez, M., Peters, B. J., Pietromonaco, P. R., Powers, S. I., Prok, T., Pshedetzky-Shochat, R., Rafaeli, E., Ramsdell, E., Reblin, M., Reicherts, M., Reifman, A., Reis, H. T., Rhoades, G. K., Rholes, W. S., Righetti, F., Rodriguez, L. M., Rogge, R., Rosen, N. O., Saxbe, D., Sened, H., Simpson, J. A., Slotter, E. B., Stanley, S. M., Stocker, S., Surra, C., Vaughn, A. A., Vicary, A. M., Visserman, M. L., & Wolf, S.

Journal Title

Journal ISSN

Volume Title

Publisher

Abstract

Description

Keywords

Citation

Joel, S., Eastwick, P. W., Allison, C. J., Arriaga, X. B., Baker, Z. G., Bar-Kalifa, E., Bergeron, S., Birnbaum, G., Brock, R. L., Brumbaugh, C. C., Carmichael, C. L., Chen, S., Clarke, J., Cobb, R. J., Coolsen, M. K., Davis, J., de Jong, D. C., Debrot, A., DeHaas, E. C., Derrick, J. L., Eller, J., Estrada, M. J., Faure, R., Finkel, E. J., Fraley, R. C., Gable, S. L., Gadassi, R., Girme, Y. U., Gordon, A. M., Gosnell, C. L., Hammond, M. D., Hannon, P. A., Harasymchuk, C., Hofmann, W., Horn, A. B., Impett, E. A., Jamieson, J. P., Keltner, D., Kim, J. J., Kirchner, J. L., Kluwer, E. S., Kumashiro, M., Larson, G., Lazarus, G., Logan, J. M., Luchies, L. B., MacDonald, G., Machia, L. V., Maniaci, M. R., Maxwell, J. A., Mizrahi, M., Muise, A., Niehuis, S., Ogolsky, B. G., Oldham, C. R., Overall, N. C., Perrez, M., Peters, B. J., Pietromonaco, P. R., Powers, S. I., Prok, T., Pshedetzky-Shochat, R., Rafaeli, E., Ramsdell, E., Reblin, M., Reicherts, M., Reifman, A., Reis, H. T., Rhoades, G. K., Rholes, W. S., Righetti, F., Rodriguez, L. M., Rogge, R., Rosen, N. O., Saxbe, D., Sened, H., Simpson, J. A., Slotter, E. B., Stanley, S. M., Stocker, S., Surra, C., Vaughn, A. A., Vicary, A. M., Visserman, M. L., & Wolf, S. (2020). Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. Proceedings of the National Academy of Sciences, 117, 19061-19071. https://doi.org/10.1073/pnas.1917036117

URI

https://hdl.handle.net/10222/85625

Collections

Rosen, Natalie