Key points are not available for this paper at this time.
De nombreux chercheurs en temps de réaction (RT) tronquent leurs ensembles de données, excluant comme spuriens tous les RT en dehors d'une plage prédéfinie. Une telle troncature peut introduire un biais car des RT extrêmes mais valides peuvent être exclus. Cet article examine les effets de biais de la troncature sous diverses hypothèses concernant les distributions sous-jacentes des RT valides et spuriens. Pour la moyenne, la médiane, l'écart type et l'asymétrie des RT, le biais de troncature est plus important que certains effets expérimentaux souvent étudiés. La troncature peut également sérieusement déformer les relations linéaires entre le RT et une variable indépendante, les motifs de RT additifs dans des conceptions factorielles et les fonctions de risque, mais elle a peu d'effet sur la puissance statistique. Les auteurs rapportent une procédure maximum de vraisemblance prometteuse pour estimer les propriétés d'une distribution non tronquée à partir d'un échantillon tronqué et présentent dans une annexe un ensemble de procédures pour contrôler les biais de troncature lors de l'examen des hypothèses.
Ulrich et al. (Sat,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: