많은 심리학 연구에서 참가자는 같은 단어, 그림, 또는 얼굴 사진을 보는 등 같은 세트의 아이템에 노출되거나
가족이던 학급이던 국가던 어떤 집단으로 군집화되기도 한다.
어떤 경우던 심리학 연구에서는 적어도 두 가지 원인에 의해 데이터의 비독립성이 발생할 수 있다.
첫 번째는 item에 의한 비독립성이고,
두 번째는 사람 또는 집단에 의한 비독립성이다.
본 논문의 저자들은 통계분석 시 이 두 가지 원인을 동시에 고려해야 함을 매우 강조한다.
선행연구에서는 이를 동시에 고려하지 않을 시,
1종 오류율이 60%까지 증가할 수 있음(Judd et al., 2012)을 보여주기도 했다고 한다.
다만 주의할 점은 데이터의 비독립성을 야기하는 원인이 저 두 가지만 있는 것이 아니라는 것이다.
예를 들어, 연구에서 실험 협력자가 있다면 실험 협력자도 분석 모형에 추가해야 할 것이다.
따라서 연구자는 자신의 연구 설계에서 데이터의 비독립성을 야기할 수 있는 여러 원인들을
면밀히 생각하고 이를 분석 모형에 포함하도록 노력해야 한다.
반응형
'통계 공부 > Linear Mixed Effects Model' 카테고리의 다른 글
Brauer & Curtin(2018) 논문: 수렴 문제 다루기 (0) | 2023.04.06 |
---|---|
Brauer & Curtin(2018) 논문: 최대무선효과구조(maximal random effects structure) (0) | 2023.04.05 |
Brauer & Curtin(2018) 논문: Restricted Maximum Likelihood (ReML) (0) | 2023.04.03 |
Brauer & Curtin(2018) 논문: 한 셀 당 하나의 관찰치만 있는 경우 (0) | 2023.04.02 |
Brauer & Curtin(2018) 논문: 다수준 모형으로의 확장 (0) | 2023.03.31 |