実験心理学のための階層ベイズ回帰：認知制御のケーススタディ

実験心理学文献におけるいわゆる「再現性危機」に起因して、特定の分析手法が報告された結果の正確性と精度を向上させる可能性があるかどうかを再評価する必要性が高まっています。この問題はここで探求され、二つの以前に収集されたデータセットを対象とした認知制御の二重メカニズム（DMCC）課題バッテリーを通じたケーススタディによって示されます。このケーススタディは、統計的推論へのより厳密な分析アプローチとして階層ベイズ回帰（HBR）モデルがもたらす独自の利点を強調しています。DMCCデータセットでは、二つのセットのHBRモデルが提示され、前者の推定値が後者の事前分布として使用されます。理論的に興味のあるすべての効果の累積事後分布を体系的に生成することに加えて、HBRモデルの特定の応用が、(1) データセット間の効果の一貫性の推定; (2) 無効果の相対的強度の推定; (3) 反応時間分布の特定の特性の正確なモデリング; (4) 試行レベルでの精度パターンの適切なモデリングに関する新しい知見を提供する様子をさらに示します。