m(_ _)m

1. m(_ _)m B4 KANEKIYO Michiwo

2. 中間総合報告演目 • タイトル • 卒論のウリ • 卒論の問題点 • 今後の研究スケジュール

3. タイトル • キーワード • 線型混合モデル (Mixed Model←飽きた) • 行動科学 • 応用 • 「線型混合モデルとその行動科学への応用－線型モデルを超えるか」 • 「線型混合モデルによる行動科学データの解析」 • 「行動科学データにおける線型混合モデルの使用は妥当か」 • 「私的な線型混合モデル－大衆的な線型モデルとの分析的比較－」 • 「線型混合モデルはこう使う！－提灯持ちも厭いまへん、わては心理統計屋ですさかいに－」

4. 卒論のウリ、その１ • 線型混合モデルと線型モデルの比較 • 線型混合モデルを使いましただけじゃ弱い・・ • 実際のデータで比較 • 線型混合モデルのメリット • 変量効果が正式に扱える • 従来法の線型モデルは、変量効果を固定効果として扱っているため、複雑な仮説を見たいor unbalanced dataの場合、結果が適切ではない

5. 分析比較例 • 記憶の再生実験＠被昇天―縦or横― • 一回目の再生数の平均値の推定 • using balanced data MIXED(S)はサタースウェイトという方法を用いて自由度を近似したもの

6. 何が言える？ • GLMは標準誤差を過小評価 • 変量効果分のバラツキを考慮出来ないため t 統計量を過大評価 • 有意水準α=0.05が成り立っていない • 非有意を有意とする可能性 • 補足 • サタースウェイトの方法 • 帰無分布に適切な自由度の計算 • より正しい結果を導く

7. 卒論のウリ、その２ • 小標本における分散成分の検定結果のシュミレーションによる比較 • 「当該変量効果が必要かどうか」ということにも興味がある • 提案されている手法は漸近性を使っている • ワルド検定、尤度比(LR)検定、修正LR検定 • そんなにデータは多くない • そのときの動向を知ることは有益 • だからシミュレーションで確認する

8. 卒論の問題点 • 小標本における分散成分の検定、誰かやってるかも？ • 尤度理論における小標本問題は既出だろう • 修正LR検定についてはやられていない？ • 被昇天データ、有意になる見込みがない・・・ • 上田さんのデータ、アンバランス乱塊法３要因！ • 普通の３要因とも違うのです • 論文に使用おっけぃ？少なからずお役には立てそうだが・・ • 果たして魅力的か？ • “統計家”に対しても、“向こう三軒両隣”に対しても

9. 経時データの方が、よりappealingかも！？ • 震災ストレスデータを笠松さんと一緒に協力して分析！？ • どこいらから経時データを貰ってくる・探りあてるetc. • メタ・アナリシス＠低SC • 調査時期を変量効果にして、性差を見るetc. • メタ？とか、考えてたらさぁ • 分析例を詰め込んだ「おもちゃのカンヅメ」みたいな論文？

10. 今後の（研究）スケジュール • ９月：院試 • 許してください • １０月からシミュレーション＆分析 • データはもう取らない方向性です • appealingな実例を探す「予定」です • 10月後半の実験実習に乞うご期待

11. 左から光の刺激来ますよブロック 反応時間(RT)のグラフ→ 右から来たら反応遅い 音の刺激で来たら反応遅い と考えられる ニュートラルのRTとの差はどうなのか推定＆検定 点線：ニュートラルのRT 方向同じ、光→音の場合、差はなさそう・・・ 実例：上田さんデータ