2レベルのモデルにおける統計的検出力：モンテカルロ・シミュレーションを用いたチュートリアル（Arend & Schäfer, Psychological Methods, 2019）
みなさんこんにちは！
微かに混じり合う教育と心理学とアートを考えていますじんぺーです。
今日も論文を読んでいきます。
2レベルのモデルにおける統計的検出力：モンテカルロ・シミュレーションを用いたチュートリアル（Arend & Schäfer, Psychological Methods, 2019）
ポイント
■多くの心理学分野では、より複雑な統計モデル、特にマルチレベルモデルを採用する方向にシフトしており、より複雑なパワー計算が必要とされている
・2水準モデルの検出力または最適なサンプルサイズを決定するアプローチは、数十年前から使用されているが (Dziak, Nahum-Shani, & Collins, 2012; Mathieu et al., 2012; Scherbaum & Ferreter, 2009)、これらの方法のほとんどは、特定の2水準モデルまたは特定のタイプの効果に限定
■最近開発されたモンテカルロシミュレーションに基づく手法であるSIMR（Green & MacLeod, 2016a, 2016b）は、すべてのタイプの効果と最も一般的なタイプの2レベルモデルの検出力を推定できることで、これらの制限を克服
■検定力
・統計的検出力とは、ある母集団から一定の標本サイズを抽出したときに、その母集団に当てはまる効果について、統計的に有意な結果（すなわち、帰無仮説を棄却すること；Cohen, 1988）が得られる確率
・母集団に当てはまる効果量は影響を受けず、[α]は通常0.05に設定されているため、検出力を高めたいと考える研究者は、標準誤差のサイズを小さくすることを目指すべき
■マルチレベルモデル
・2つの主要なタイプ：(a)チームやグループ（例：組織/応用/社会心理学）、学校やクラス（例：教育心理学）、医療機関や治療行為（健康/臨床心理学）などのクラスタ内でクラスタ化された個人、および(b)個人内でクラスタ化された反復測定（例：縦断的データ）
・結果変数にもこれら2つのレベルでの分散：低レベル（L1）の分散成分（[sigma]2）はクラスタ内（すなわち、1つのクラスタを参照するユニット間）に存在し、高レベル（L2）の分散成分（[tau]00）はクラスタ間に存在
■2000年から2016年の間に発表された論文のうち、マルチレベルモデルの最も一般的な表記を含む検索語に基づいて4つの雑誌でレビュー
・269件の研究が見つかった
・3分の2のサンプル（120; 64.8%）では、研究者は統計的検出力について全く言及していない
・65サンプルのうち，38サンプル（20.5％）では，（定量的な推定を行わない）インフォームド・ギャザリングに基づいて検出力を考慮し，8サンプル（4.3％）では，2レベルモデル以外の分析に基づいて検出力を考慮し，5サンプル（2.7％）では，参考文献/文献に基づいて検出力を考慮した
・残りの5サンプル（2.7％）は，検出力に影響を与える要因（再現性や有意水準など）に関する具体的な考察を含んでいた
・9つのサンプル（4.8％）には、検出力の正確な決定（計算またはシミュレーション）が含まれていた
■2レベルモデルにおける検出力分析のための親指の法則およびMDES（）
・マルチレベル研究のデザインは、30/30ルール（すなわち、L2で30個のクラスタ、L1でそれぞれ30個のクラスタサイズ；Kreft & De Leeuw, 1998）やHox (1998)による50/20ルールなどの経験則に基づいて行われてきた
・これらのルールの有効性や信頼性については議論があり、ほとんどの状況では成り立たないことが示されている (Mathieu et al., 2012)
コメント
難しくてよくわからないところもあるけど、実装しなきゃだなあ。これを教えてくれた先生には感謝。
論文
Arend, M. G., & Schäfer, T. (2019). Statistical power in two-level models: A tutorial based on Monte Carlo simulation. Psychological Methods, 24(1), 1–19. https://doi.org/10.1037/met0000195
