単一ケース実験設計のための一般化された最小二乗変換:Rパッケージを導入する lmeSCED

Chendong Li¹, Eunkyeng Baek², Wen Luo¹

¹Department of Educational Psychology, Texas A&M University, 718E Harrington Tower, College Station, TX, 77843-4225, USA.

Behavior research methods

|February 23, 2026

まとめ

シングルケース実験設計 (SCED) の多層モデル (MLM) を改善することができる. 新しいRパッケージ"lmeSCED"は,自動相関と小さなサンプルサイズに対応し,正確な固定効果推論とランダム効果差異成分を提供します.

科学分野:

行動科学と社会科学です.
統計モデリング統計モデリング
心理学心理学とは

背景:

シングルケース実験デザイン (SCED) は,多層モデル (MLM) に適した繰り返し観測を生成します.
SCEDデータはしばしば自動相関と小さなサンプルサイズを示し,偏った標準エラーと固定効果の膨らんだタイプIエラー率につながります.
既存の統計ソフトウェアは,これらのSCEDデータ課題を同時に解決する上で限界があります.

研究の目的:

自動相関のための一般化された最小二乗変換 (GLS) と,小さなサンプルのためのサッタースワイトの調整を組み合わせた2段階の統計的アプローチを評価する.
ランダム効果に関する新しいテストに加えて,これらの方法をlmeSCEDというユーザーフレンドリーなRパッケージで実装する.
このアプローチのパフォーマンスをモンテカルロシミュレーションを使用して評価し,その実用的な応用を実証します.

主な方法:

AR(1) の残留を処理するためにGLS変換と,固定効果の推論のためのSatterthwaiteの調整を含む2段階の方法.
lmeSCED R パッケージの開発,境界修正制限確率比テストとランダム効果のパラメタリックブートストラップを組み込む.
パラメータ回復率とタイプIエラー率を評価するためのモンテカルロシミュレーション研究.

主要な成果:

GLSで変換されたSCEDデータにMLMを適用すると,偏りのないパラメータの回復がもたらされました.
提案された方法は,I型エラー率を名目レベルで維持した.
lmeSCED パッケージは,SCED データの自動相関と小さなサンプルサイズを効果的に処理します.

結論:

評価された2段階の方法は,SCEDデータを多層モデルで分析するための統計的に健全なアプローチを提供します.
lmeSCED Rパッケージは,研究者のための実用的で効果的なツールを提供し,SCEDデータ分析の信頼性を高めています.
この研究は,SCEDデータに対する既存の統計的アプローチの重要な限界に対処し,より正確な研究結果の道を開きます.

キーワード:

自動相関は,自己相関である.シングルケースの実験デザインです.小さなサンプルの調整.

さらに関連する動画