低出力解析における統計的に有意な結果：エラーの喜劇

科学分野:

• 統計学
• 生物統計学
• 心理測定学

背景:

• 解析における統計的検出力が低いと、真の効果量推定値の過大評価につながる可能性があります。
• 有意性フィルターは、検出力が低下するにつれてバイアスが増加する、チャンスによる高い推定値を不釣り合いに選択します。
• 推定バイアスとタイプMエラーは、この現象を理解するための重要な指標です。

研究 の 目的:

• 統計的検出力が低いことに関連する推定バイアスを定量化すること。
• このバイアスを、異なる視点からのタイプMエラーと比較すること。

主な方法:

• シミュレーションを使用して、統計的に有意な結果における推定バイアスを定量化しました。
• タイプMエラー、相対バイアス、および過大評価/過小評価された結果の割合を計算しました。

主要な成果:

• 高検出力（≥80%）では、過大評価は中程度（相対バイアス <1.13）で、正確な推定値が一般的でした。
• 低検出力（<30%）では、過大評価は強く（相対バイアス >1.78）、正確な推定値はほとんどありませんでした。
• 符号エラーは、非常に低い検出力（<10%）でのみ蔓延していました。

結論:

• 低検出力解析からの統計的に有意な結果は、大幅な過大評価（効果量の倍増）のリスクを伴います。
• 大きさのエラー、符号のエラー、およびタイプ1エラーは、低検出力の発見において一般的です。
• 研究者は、低検出力の研究からの肯定的な結果を解釈する際に注意を払う必要があります。