[논문 리뷰] Variability as a Predictor: A Bayesian Variability Model for Small Samples and Few Repeated Measures

Joshua F. Wiley, Bei Bei외 2명|arXiv (Cornell University)|2014. 11. 11.

Statistical Methods and Bayesian Inference참고 문헌 30인용 수 12

한 줄 요약

이 논문은 소수의 표본 및 반복 측정 수가 적은 설정에서 개인 내 변동성을 예측 변수로 추정하기 위한 새로운 베이지안 계층 모델을 제안하며, 전통적인 개인 표준편차(ISD) 방법에 비해 더 높은 정확도를 제공한다. 이 방법은 오픈소스 R 패키지 VARIAN에 구현되어 있으며, 시뮬레이션에서 뛰어난 매개변수 추정 성능을 보이며, 실제 데이터에 적용되어 수면 변동성이 수면 품질과 우울 증상에 미치는 영향을 중재 분석을 통해 탐색한다.

ABSTRACT

Whilst most psychological research focuses on differences in means, a growing body of literature demonstrates the value of considering differences in intra-individual variability. Compared to the number of methods available for analyzing mean differences, there is a paucity of methods available for analyzing intra-individual variability, particularly when variability is treated as a predictor. In the present article, we first reviewed methods of analyzing intra-individual variability as an outcome, including the individual standard deviation (ISD) and some recent methods. We then introduced a novel Bayesian method for analyzing intra-individual variability as a predictor. To make this method easily accessible to the research community, we developed an open source R package, VARIAN. To compare the accuracy of parameter estimates using the proposed Bayesian analysis against the ISD as a predictor in a regression, we carried out a simulation study. We then demonstrated, using empirical data, how the estimated intra-individual variability derived from the proposed Bayesian analysis can be used to answer the following two questions: (1) is intra-individual variability in daily time-in-bed associated with subjective sleep quality? (2) does subjective sleep quality mediate the association between time-in-bed variability and depressive symptoms? We concluded with a discussion of methodological and practical considerations that can help guide researchers in choosing methods for evaluating intra-individual variability.

연구 동기 및 목표

• 소수의 표본과 적은 반복 측정이 있는 상황에서 개인 내 변동성을 예측 변수로 분석하기 위한 강력한 통계적 방법의 부족을 해결하기 위해.
• 기존의 방법(예: 개인 표준편차(ISD))에 비해 개인의 변동성을 더 잘 추정할 수 있는 베이지안 계층 모델을 개발하기 위해.
• 심리학 및 헬스 과학 분야의 연구자들이 쉽게 활용할 수 있도록 접근성 있고 오픈소스인 R 패키지(VARIAN)를 개발하기 위해.
• 모델의 성능을 ISD와 비교하기 위해 시뮬레이션 연구와 실증 적용을 수행하기 위해.
• 정신건강 및 수면 연구에서 변동성이 예측 변수로 사용되는 실제 연구 질문을 해결하는 데 모델의 유용성을 입증하기 위해.

제안 방법

• 제안된 방법은 참가자 간에 강도를 공유함으로써 소수의 표본에서도 개인 수준의 변동성을 더 정밀하게 추정하는 베이지안 계층 모델을 사용한다.
• 개별 참가자의 반복 측정는 정규 우도와 각 개인의 평균에 대한 랜덤 효과, 그리고 별도의 랜덤 효과를 가진 변동성에 대해 모델링한다.
• 개별 참가자별 평균의 분산과 개별 참가자별 표준편차의 분산을 추정함으로써 변동성을 예측 변수로 간주할 수 있도록 한다.
• 약한 정보를 가진 사전분포와 마르코프 체인 몬테카를로(MCMC) 샘플링을 활용하여 후행 추론을 수행함으로써, 제한된 데이터에서도 강인성을 확보한다.
• VARIAN R 패키지는 모델 피팅, 진단, 후행 예측을 위한 사용자 친화적인 기능을 포함하여 모델을 구현한다.
• 기존의 ISD 방법과 대비되며, 이는 변동성을 기초 분포를 모델링하지 않고 고정된 요약 통계량으로 간주한다.

실험 결과

연구 질문

• RQ1 일일 수면 시간 변동성은 주관적 수면 품질과 관련이 있는가?
• RQ2 주관적 수면 품질은 수면 시간 변동성과 우울 증상 간의 관계를 중재하는가?
• RQ3 소수의 표본과 적은 반복 측정 조건에서, 베이지안 변동성 모델은 개인 표준편차(ISD)에 비해 매개변수 정확도를 어떻게 개선하는가?
• RQ4 전통적 방법이 실패할 때, 베이지안 모델은 변동성과 결과 간의 의미 있는 연관성을 탐지할 수 있는가?
• RQ5 심리학 및 건강 과학 연구에서 개인 내 변동성을 예측 변수로 사용할 때의 방법론적 및 실용적 고려사항은 무엇인가?

주요 결과

• 시뮬레이션 연구에서 베이지안 변동성 모델은 소수의 표본 크기와 낮은 반복 측정 수 조건에서도 ISD 방법에 비해 더 정확하고 정밀한 매개변수 추정을 제공하였다.
• 실증 데이터에서 수면 시간 변동성과 주관적 수면 품질 간의 유의미한 연관성이 베이지안 모델에 의해 성공적으로 탐지되었으며, 이는 ISD에 의해 일관되게 포착되지 않았다.
• 주관적 수면 품질은 수면 시간 변동성과 우울 증상 간의 관계를 유의미하게 중재하는 것으로 밝혀졌으며, 이는 불규칙한 수면 패턴이 관련된 심리적 경로를 지지한다.
• VARIAN R 패키지는 모델의 효율적 구현을 가능하게 하였으며, 모델 적합도를 검증하기 위한 명확한 진단 및 후행 예측 검증 기능을 제공하였다.
• 변동성을 예측 변수로 추정할 때, 베이지안 접근법은 ISD에 비해 더 강인하고 유의미한 유형 I 오류 비율이 낮았다.
• 표본 크기가 작고 반복 측정 수가 제한된 경우, 통계적 효율성과 타당성이 향상됨을 감안할 때 연구자들은 ISD 대신 베이지안 모델을 사용할 것을 권장받는다.