实践
方法:测量变化与权力在密集的纵向研究
密集的纵向设计允许研究人员描述复杂的心理变化过程在个人或团体,以及这种变化半岛体育官方网址入口的原因和后果。这种类型的研究涉及频繁,重复测量的个人,有时在日常生活中,在实验室环境中,使用智能手机和其他移动设备。
使用这些重复测量,研究人员可以洞察在个人动态的心理过程,以及个体差异在半岛体育官方网址入口这些过程的动力学。这些差异,例如,在健康和福祉与个体差异有关。作为一个例子,在2010年心理科学文章中,彼得Kuppens和他的同事们用密集的纵向设计表明情感inertia-the程度个体的情绪状态对改变可以自卑和抑郁有关。
权力和样本容量
统计力量是正确的概率拒绝零假设时,备择假设是真的在人口研究(科恩,1988)。因此,电力检测产生影响取决于(a)对人口的影响的大小,(b)预定的类型我错误率(即。、显著性水平)和(c)所使用的统计检验的标准误差。权力如果高人口的影响较大,显著性水平比较大,统计检验的标准误差更小。因为标准误差与样本容量(增大样本量较小导致标准错误),动力分析可以通知足够的样本大小。一定要选择一个足够大的样本容量检测人群中与给定的大小产生影响。研究高功率可以提高研究结果的重现性。
足够的样本大小的重要性
然而,由于密集的纵向设计使用频繁的重复措施,它们需要足够的样本容量规划,通常计算在其他设计也许不能实现就业。足够数量的参与者使研究人员能够控制的准确性和电力统计测试和建模,导致实证结果的可复制性半岛体育官方网址入口(例如,Szucs &埃尼迪斯,2017)。
“虽然实力分析通常用于通知样本容量规划一般(科恩,1988),他们还没有在IL密集的纵向研究,确立了“写吉乃特Lafit,珍妮k .阿道夫大多Dejonckheere,伊内兹Myin-Germeys,沃尔夫冈Viechtbauer(马斯特里赫特大学)和伊娃Ceulemans(所有Katholieke项目鲁汶)在2021年的一篇文章心理科学的方法和实践的进步。
在他们的文章中,Lafit和同事提供一个教程显示如何执行基于仿真的能力分析和选择适当数量的参与者模型广泛应用于密集的纵向研究。他们还提供R闪亮的应用程序代码直接从R .交互式web应用程序构建代码可通过一个Git仓库托管在GitHub上github.com/ginettelafit/PowerAnalysisIL并通过OSFosf.io / vguey。
是什么让权力分析在密集的纵向设计复杂?
Lafit和同事(2021)解释了为什么执行功率分析密集的纵向设计和选择一个适当的样本大小可以有挑战性,这些设计和获得的复杂数据的潜在应用统计模型的复杂性。的原因包括:
- 密集的纵向数据具有多级结构,重复观测是嵌套在个人。
- 观察更密集的纵向研究的时间比传统的纵向设计(即。每天,措施通常发生几次)。
- 使用的统计模型(通常是多层次回归模型)必须区分个人间的差异和个体内的变化。
- 统计模型应该考虑时间依赖关系来控制或量化和模型,这需要研究者包括序列相关错误或滞后的结果变量的预测多级模型。半岛体育官方网址入口
根据Lafit和同事(2021),主要问题研究人员可能会遇到当试图计算密集的权力(和样本大小)纵向设计,计算工具在多级半岛体育官方网址入口模型不占时间依赖性。用户友好的应用程序开发可以让研究者去正确地考虑这样的时间依赖关系。半岛体育官方网址入口他们在教程中,解释如何部署应用程序模型广泛应用于研究个体差异在密集的纵向研究。
使用的应用程序进行动力分析
如果你有兴趣使用分析工具由Lafit和同事(2021)计算推荐的参与者人数密集的纵向设计,你可以在你的电脑上下载应用程序并运行它在R或RStudio。在打开页面的应用程序,选择感兴趣的人口模型,设置参数值,并运行你的力量分析。
“因为许多研究(即使用相同的采样协议。,a fixed number of at least approximately equidistant observations) within individuals, we assume that this protocol is fixed and focus on the number of participants,” Lafit and colleagues (2021) note. In their article, they provide step-by-step instructions and illustrations of computations for different types of models that explicitly account for the temporal dependencies in data by assuming serially correlated errors or including autoregressive effects. These models include:
- 模型评估两组个体之间的差异在结果变量的均值,
- 模型评估的影响一个连续的1级预测结果的兴趣,
- 模型评估连续2级的影响预测结果的兴趣,
- 模型研究两组个体差异对一级预测之间的关系和利益的结果,
- 模型,考虑横向校正连续二级指标之间的相互作用和连续的一级指标,和
- 多级自回归模型捕获的时间依赖的结果。
这篇文章最初发表在2022年3月/ 4月的印刷版观察者bdapp官网下载在标题下,与权力”方法:测量变化。”
反馈这篇文章?电子邮件apsbdapp官网下载observer@psychologicalscience.org或向下滚动置评。
引用
科恩,j . (1988)。行为科学统计能量分析(第二版)。Erlbaum。
Kuppens, P。,Allen, N. B., & Sheeber, L. B. (2010). Emotional inertia and psychological maladjustment.心理科学,21(7),984 - 991。https://doi.org/10.1177/0956797610372634
Lafit G。,Adolf, J., Dejonckheere, E., Viechtbauer, W., & Ceulemans, E. (2021). Selection of the number of participants in intensive longitudinal studies: A user-friendly Shiny app and tutorial to perform power analysis in multilevel regression models that account for temporal dependencies. 心理科学的方法和实践的进步, 4(1)。https://doi.org/10.1177/2515245920978738
Szucs D。,& Ioannidis, J. P. A. (2017). Empirical assessment of published effect sizes and power in the recent cognitive neuroscience and psychology literature.公共科学图书馆生物学,15(3),文章e2000797。https://doi.org/10.1371/journal.pbio.2000797
APS定期打开特定的在线文章讨论在我们的网站上。有效的2021年2月,你必须登录APS成员发表评论。通过发布评论,你同意我们社区指导原则和显示您的个人信息,包括你的名字和联系。任何意见、发现、结论或建议在文章评论的作家和不一定反映APS的观点或文章的作者。有关更多信息,请参阅我们的社区指导原则。
请登录你的APS账户置评。