[논문 리뷰] Model Specification in Mixed-Effects Models: A Focus on Random Effects

Keith R. Lohse, Allan J. Kozlowski외 1명|arXiv (Cornell University)|2022. 09. 28.

Advanced Statistical Modeling Techniques인용 수 5

한 줄 요약

이 논문은 종단적 설계, 요인별 반복 측정 설계, 다중 변동원 설계의 세 가지 일반적인 연구 설계에서 혼합효모 모델의 난수 효과를 명시하기 위한 구조화된 프레임워크를 제시한다. 공개된 코드를 활용한 사례 연구를 통해 잘못된 추론을 방지하기 위해 난수 효과를 올바르게 식별하고 포함하는 방법을 명확히 하며, 연구자들과 심사위원들이 실용적으로 활용할 수 있는 가이드라인을 제공한다.

ABSTRACT

Mixed-effect models are flexible tools for researchers in a myriad of fields, but that flexibility comes at the cost of complexity and if users are not careful in how their model is specified, they could be making faulty inferences from their data. We argue that there is significant confusion around appropriate random effects to be included in a model given the study design, with researchers generally being better at specifying the fixed effects of a model, which map onto to their research hypotheses. To that end, we present an instructive framework for evaluating the random effects of a model in three different situations: (1) longitudinal designs; (2) factorial repeated measures; and (3) when dealing with multiple sources of variance. We provide worked examples with open-access code and data in an online repository. We think this framework will be helpful for students and researchers who are new to mixed effect models, and to reviewers who may have to evaluate a novel model as part of their review.

연구 동기 및 목표

• 고정효모에 대한 강한 이해에도 불구하고 연구자들 사이에서 혼합효모 모델의 적절한 난수 효과에 대한 널리 퍼진 혼동을 해결하기 위해.
• 연구 설계와 데이터 구조에 맞게 난수 효과를 일관되게 명시할 수 있는 체계적인 접근 방식을 제공하기 위해.
• 학생, 연구자, 심사위원들이 새로운 혼합효모 모델을 더 자신감 있고 일관성 있게 평가할 수 있도록 지원하기 위해.
• 특히 복잡하거나 중첩된 설계에서 잘못 설정된 난수 효과로 인한 잘못된 추론 위험을 줄이기 위해.
• 투명하고 재현 가능한 사례 연구와 오픈소스 코드를 통해 혼합효모 모델링의 최선의 실천 방식을 촉진하기 위해.

제안 방법

• 종단적, 요인별 반복 측정, 다중 변동원 설계의 세 가지 다른 설계 유형에 맞춘 세 부분으로 구성된 프레임워크를 개발한다.
• 모의 실험과 실제 데이터 사례를 통해 난수 효과가 실험적 또는 관찰적 구조와 어떻게 연결되어야 하는지 설명한다.
• 분산성분 분해 원리를 적용하여 어떤 요인이 난수 효과로 간주되어야 할지 식별한다.
• 특히 중첩 및 교차 난수 효과의 경우, 설계 행렬과 그룹화 구조가 난수 효과를 결정하는 데서 수행하는 역할을 강조한다.
• 비전문가들이 접근 가능하고 재현 가능한 결과를 얻을 수 있도록 공개 저장소에 R 코드와 데이터를 제공한다.
• 모델 선택을 위해 진단 검사와 최대우도비 검정을 통해 난수 효과 구조의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 종단적 연구 설계에서 연구자들은 어떤 요인이 난수 효과로 모델링되어야 하는지 어떻게 정확히 식별할 수 있는가?
• RQ2 다중 내부 요인을 포함한 요인별 반복 측정 설계에서 적절한 난수 효과 구조는 무엇인가?
• RQ3 연구 참가자, 자료, 세션 등 여러 난수 변동원을 고려할 때 과적합 또는 과소적합을 피하기 위해 어떻게 모델링해야 하는가?
• RQ4 제안된 난수 효과 구조가 이론적으로나 통계적으로 타당한지 평가할 수 있는 기준은 무엇인가?
• RQ5 왜곡된 표준오차와 잘못된 p값을 초래하는 난수 효과 설정의 일반적인 함정을 피하기 위해 연구자들이 어떻게 해야 하는가?

주요 결과

• 적절한 난수 효과 설정은 반경보수적 추론과 과도한 I형 오류 비율을 방지하기 위해 필수적이다.
• 이 프레임워크는 중첩 및 교차 요인을 포함한 다양한 설계에서 난수 효과 구조의 모호함을 성공적으로 해결한다.
• 종단적 설계에서는 개인의 경로를 반영하기 위해 난수 절편과 기울기를 자주 포함할 필요가 있으며, 이는 모델 적합도를 향상시킨다.
• 요인별 반복 측정 설계에서는 설계 구조에 따라 참가자, 자료, 또는 둘 다에 난수 효과를 포함할지 여부를 명확히 한다.
• 최대우도비 검정과 정보 기준(예: AIC, BIC)의 사용은 최적의 난수 효과 구조를 선택하기 위한 모델 비교 및 선택을 지원한다.
• 공개된 코드와 데이터 덕분에 이 프레임워크는 다양한 연구 분야에서 재현 및 응용이 가능하다.