用于单个案例实验设计的一般最小平方转换:介绍R包 lmeSCED
Chendong Li1, Eunkyeng Baek2, Wen Luo1
1Department of Educational Psychology, Texas A&M University, 718E Harrington Tower, College Station, TX, 77843-4225, USA.
可以改进单个案例实验设计 (SCED) 的多层次模型 (MLM). 一个新的R包,lmeSCED,解决了自相关性和小样本大小,提供了准确的固定效应推断和随机效应差异组件.
科学领域:
- 行为科学和社会科学.
- 统计建模 统计建模
- 心理学 心理学 心理学
背景情况:
- 单个案例实验设计 (SCED) 产生重复观察,适用于多层模型 (MLM).
- SCED数据经常表现出自相关性和小样本大小,导致有偏见的标准错误和固定效应的膨胀的I型错误率.
- 现有的统计软件在同时解决这些SCED数据挑战方面存在局限性.
研究的目的:
- 评估一个两步统计方法,将自相关性和小样本的Satterthwaite调整相结合的一般最小方程 (GLS) 转换.
- 为了实现这些方法,与随机效应的新型测试一起,在一个名为lmeSCED的用户友好的R包中实现.
- 用蒙特卡洛模拟来评估这种方法的性能,并证明其实际应用.
主要方法:
- 一种两步方法,涉及GLS转换来处理AR(1) 余量和Satterthwaite对固定效应推断的调整.
- 开发 lmeSCED R 软件包,包括边界校正的限制性概率测试和随机效应的参数启动.
- 蒙特卡洛模拟研究评估参数恢复和I型错误率.
主要成果:
- 将MLM应用于GLS转换的SCED数据导致了无偏差的参数恢复.
- 提出的方法保持了I型错误率在名义水平.
- lmeSCED包有效地处理SCED数据中的自相关性和小样本大小.
结论:
- 评估的两步方法为使用多层模型分析SCED数据提供了统计学上合理的方法.
- lmeSCED R包为研究人员提供了一个实用和有效的工具,提高了SCED数据分析的可靠性.
- 这项工作解决了SCED数据现有统计方法的关键局限性,为更准确的研究结果铺平了道路.
更多相关视频
13:54A Workflow for Lipid Nanoparticle LNP Formulation Optimization using Designed Mixture-Process Experiments and Self-Validated Ensemble Models SVEM
Published on: August 18, 2023
06:48Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment
Published on: June 25, 2019
相关概念视频
Calibration Curves: Linear Least Squares
For data that follow a straight line, the standard method for fitting is the linear...
Experimental Designs
Bioequivalence Experimental Study Designs: Repeated Measures, Cross-Over, Carry-Over, and Latin Square Designs
Randomized Experiments
Simple randomization
Simple...
One-Way ANOVA: Equal Sample Sizes
Different sample means can result in different values for the variance estimate: variance between samples. This is because the variance between samples is calculated as the product of the sample size and the variance between the...
Response Surface Methodology
The process of RSM involves several key steps:
