정신 과학의 강력한 통계적 방법과 신뢰성 운동

일반 선형 모델(GLM)은 심리학에서 가장 자주 적용되는 통계 모델 가족이다. GLM 내에서 연구 중인 효과는 비편향적이고 최적의 매개변수 추정치를 생성하는 최소자승(OLS) 추정을 사용하여 추정되며, (1) 이상값 및 영향력 있는 사례가 없고, (2) 선형성 및 첨가성, 구형 오차, 정규 오차의 가정이 충족될 때 비편향적 영가설 유의성 검정을 제공한다. 이 논문은 먼저 OLS에 대한 기술적 설명과 그 통계적 가정에 대한 개요를 제공한다. 이어서 가정의 위반을 감지하고 해결하기 위해 일반적으로 사용되는 방법들, 그리고 이러한 방법의 현재 적용이 분석 과정에서 너무 많은 유연성을 허용하여 발견의 재현성을 저해할 수 있는 방법에 대해 논의한다. 매개변수 추정의 정확도와 통계 검정의 힘을 개선할 수 있는 몇 가지 강력한 추정 방법 - 즉 부트스트래핑, 이분산 일관 표준 오차, M-추정량 및 다듬기를 간단히 소개한다. 이러한 방법이 투명하게 민감도 분석을 사전 등록하는 데 어떻게 사용될 수 있는지에 대한 안내를 제공하며, 문제 있는 연구자의 자유도를 분석 프로세스에 포함시킬 기회를 줄인다.