일반 선형 모델에서의 편향의 원천: 심리학 연구에서의 분석 관행 평가

초록 일반 선형 모델(GLMs)에서 편향 없는 추정과 가설 검정은 통계적 가정 준수와 영향력 있는 데이터 포인트 부재와 같은 여러 조건이 충족되어야 합니다. 본 연구는 심리학 연구자들이 분석 작업을 수행할 때 이러한 편향 원천에 얼마나 주의를 기울이는지를 조사했습니다. 우리는 두 개의 데이터 분석 시나리오를 완료한 188명의 심리학 연구자를 모집했습니다. 연구자들의 분석 스크립트와 설명은 비정상 모델 오류, 이분산성, 이상치 및 영향 사례와 관련된 주의 수준에 따라 코딩되었습니다. 모든 범주에서 연구자들은 잠재적인 문제에 대한 검사를 전혀 하지 않거나 현재 문제를 감지하기에 충분하지 않은 검사를 수행했다는 사실을 발견했습니다. 연구 방법을 가 ense 향한 교육을 시행하는 연구자들이 비교육 교수진, 박사후 연구원 및 박사 과정 학생들보다 올바른 검사를 수행할 가능성이 더 높았지만, 이 차이는 작았고 가장 높은 후방 밀도 구간도 상당히 겹쳤습니다. 우리는 위반된 가정과 영향 사례를 정기적으로 무시하는 것의 함의에 대해 논의하고 일반 최소 제곱 GLMs를 보완하거나 대체하기 위한 더 빈번한 강건한 통계 방법의 적용 필요성을 제시합니다.