交差妥当性研究【多変量解析】

交差妥当性研究【多変量解析】 | 統計解析 - ChatGPT・Python・エクセルを使った講義で最速マスター

セミナー詳細                    解析ご相談                    LINEでお友達

交差妥当性研究|【多変量解析・統計学・統計解析】

交差妥当性研究【多変量解析】


目次  交差妥当性研究【多変量解析】

 

 

交差妥当性研究

 

WAIS-R IQ の推定において、 NARTの係数が負(−0.7)になっていることに注意しよう。

 

一方,教育スコアは正(4.6)である。これは. NARTスコアは,テストでの正答数に比べて誤答数がどれぐらいあったか,という形でつくられているからである。

 

つまり,高いNARTスコアは読解力が低いことを表している。

 

一方で,教育スコアはたんに学校教育の年数を意味する。

 

したがって,高い教育スコアはより多くの教育を受けたことを表している。

 

このように,これらの符号は互いに逆になっていて,NARTとIQは負の関係なのに教育スコアとIQは正の関係にある。

 

2つ目の群のデータが,交差妥当性を検証するために用いられた。

 

49名の実験参加者それぞれの予測IQスコアは,導出研究によって見いだされた回帰式に,参加者のNARTスコアと教育スコアを代人することにより計算された。

 

これらの予測IQスコアは,実際に得られた49名のIQスコアとの相関があるかどうか検証される。

 

 

第二のデータは,予測されたIQと実際のIQの関係を示す指標として集められたからだ。

 

この交差妥当性のための71!は元の研究で得られた回帰係数の予測がどれぐらいよかったかの指標である。

 

最初の交差妥当性研究では,交差妥当性が0.69で,元の研究と一致しており,統計的にも有意だ。

 

ここまでの例では,古典的な導出研究と交差妥当性の検証について見てきた。

 

さらに一歩進んで二重の交差妥当性の検証研究を行う。

 

すなわち,すでに説明したものに加えて,2つ目の49名の参加者のデータを導出研究として,1つ目の104名のデータを相互検証研究として検討し直したのである。彼らは第二のサンプルから得られたすべての予測変数と基準変数のデータを使って, MRC分析をして。新しい回帰方程式を得た。

 

この方程式は2回目の導出研究として示してある。統計的に有意であることが示されている。

 

次に,1つ目の群の104名の参加者それぞれのIQスコアの予測に用いることで,この式を相互検証した。

 

これらの予測IQスコアは,相互検証の値の統計的な有意性を明らかにするために取得した,

 

104名の参加者の実際のIQスコアと相関していた(2回目の導出研究)。

 

違いについての統計的有意性検定はこの研究では示されていないが,二次交互妥当性研究の(0.68)と2回目の導出研究からの(0.75)の比較を見ても,縮小はわずかしか生じてないことが明らかである。

 

 

交差妥当性研究【多変量解析】


セミナー詳細                    解析ご相談                    LINEでお友達

交差妥当性研究【多変量解析】

交差妥当性研究【多変量解析】