simrを使って一般化線形混合モデル（GLMM）の検定力分析をする｜澤田知恭｜note
参考Package ‘simr’ 一般化線形混合モデル（GLMM）の検定力分析がしたい 個人の主観だが，さすがに割合データは変換+分散分析ではなく，GLMMで分布に二項分布を指定して分析したいと思っている。また勝手な偏見だが，検定力分析をしないと怒られそうと思っている。そこでGLMMの検定力分析を行いたいのだが，人気のG*powerはGLMMに対応していないようなので，Rパッケージのrsimを用いて（『事後』の）GLMMの検定力分析を行った。 分析対象 文章を読んだ後に表示される質問文の内容が正しいかどうか答える再認課題を行ってもらった時の正答率が上図である。再認課題は文章1つにつき3問で，参加者は2つの文章について全6問への回答が求められた。この時の再認課題の正答率について，参加者間条件間で有意な差があるかどうかとその検定力を見た。サンプルサイズは各条件24人ずつであった。 ※条件1の人
「うわっ…私の検定力、低すぎ…？」｜Colorless Green Ideas
ネタ 「うわっ…私の検定力、低すぎ…？」 [1] 元ネタを知りたい人は、以下のページを参照されたい。 「年収低すぎとは（ピクシブ百科事典） 「うわっ…私の年収、低すぎ…？とは」（ニコニコ大百科） 解説 検定力 (statistical power) というのは、帰無仮説が本当は正しくないときに、統計的仮説検定によって帰無仮説が正しくないと判断される確率のことだ。これが低いと、帰無仮説が本当は正しくないのに、帰無仮説が正しいと判断されてしまう可能性が高くなる。 例えば、2つのグループの平均に差がないという帰無仮説を立てたとしよう。そして、本当は2つのグループの平均には差があるとする。このとき、本当は差があるのだから、差がないという帰無仮説は否定されることが期待される。しかし、検定力が低いと、差がないという帰無仮説は否定されず、差がないという結論が得られてしまう。つまり、検定力が低ければ、本当
SPSP2015で情報収集した役立つツールその他
[2015/03/05更新] 社会心理学系の最大規模の国際学会であるSPSPにはかれこれ毎年参加しているわけですが、つい先日も参加してきました。SPSPではアメリカでスタンダードになりつつある方法論（考え方）は何なのかについての情報収集、役立つ新しいツールやプラットフォームについての情報収集、今どこにアテンションが集まっているのかという潮目を感じることが大きな楽しみだったりします。というわけで、今後の研究に役立ちそうな話をいくつかメモしたのでここにまとめておきます。 ◆研究計画・統計関係 ・実験を行うとき、1セル（1条件）何人の実験参加者を使うのか？ 社会心理学において平均的な中程度付近の効果量 (d = 0.45) を検出したいとして、1セル（1条件）何人で実験を組み立てれば良いのか？日本の研究室の伝統に従っているとヒューリスティックに1条件15人で組み立てる場合がままあるようですが[要
G*Power Guide
How to use GPower Why is this tutorial located at www.mormonsandscience.com? A few years ago I was looking for a place to store my instructions on G*Power so I could easily access them at work. Rather then create a new website, I put them on this my preexisting site. Soon people began locating and using the guide. I've added an introduction, a disclaimer, and instructional videos on using GPower.
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
models:index [WebPower WIKI]
How many participants should you collect? An alternative to the N * 2.5 rule
