[論文レビュー] Exact Power of the Rank-Sum Test for a Continuous Variable
本稿は、連続的アウトカムにおけるウィルコクソン・マン・ホイットニー順位和検定のパワーを、効果量として $ p = P(X < Y) $ を用いた正確なモンテカルロ法を提案する。この手法は小標本において正確であり、漸近的近似に依存せず、オープンソースのRパッケージ wmwpow として実装されており、小標本状況下でノエターおよびオブライエン＝カステルオーレの既存の近似法を上回る性能を示す。
Accurate power calculations are essential in small studies containing expensive experimental units or high-stakes exposures. Herein, exact power of the Wilcoxon Mann-Whitney rank-sum test of a continuous variable is formulated using a Monte Carlo approach and defining P(X < Y) = p as a measure of effect size, where X and Y denote random observations from two distributions hypothesized to be equal under the null. Effect size p fosters productive communications because researchers understand p = 0.5 is analogous to a fair coin toss, and p near 0 or 1 represents a large effect. This approach is feasible even without background data. Simulations were conducted comparing the exact power approach to existing approaches by Rosner & Glynn (2009), Shieh et al. (2006), Noether (1987), and O'Brien-Castelloe (2006). Approximations by Noether and O'Brien-Castelloe are shown to be inaccurate for small sample sizes. The Rosner & Glynn and Shieh et al. approaches performed well in many small sample scenarios, though both are restricted to location-shift alternatives and neither approach is theoretically justified for small samples. The exact method is recommended and available in the R package wmwpow. KEYWORDS: Mann-Whitney test, Monte Carlo simulation, non-parametric, power analysis, Wilcoxon rank-sum test
研究の動機と目的
- 高価または高リスクの実験単位を伴う小標本研究における正確なパワー計算の課題に対処すること。
- 漸近的近似に依存しない正確なウィルコクソン・マン・ホイットニー検定のパワー計算手法を開発すること。
- 分布のパrameter化を回避するため、解釈可能な効果量 $ p = P(X < Y) $ を用いたユーザーフレンドリーなアプローチを提供すること。
- 小標本条件下での既存のパワー近似手法の性能を評価・比較すること。
- p、odds、または指定された分布を用いた実効的パワー計算を可能にする、無料で利用可能なRパッケージ wmwpow を提供すること。
提案手法
- ユーザーが誤差許容度を制御できる正確なパワーをモンテカルロシミュレーションで定式化する。
- 効果量を $ p = P(X < Y) $ と定義し、帰無仮説と対立仮説の下で独立な確率変数 $ X $ と $ Y $ を用いる。
- ウィルコクソン・マン・ホイットニー検定統計量 $ W = \sum_{i=1}^{m} \sum_{j=1}^{n} \mathbf{1}(Y_j > X_i) $ を用い、一致対（concordant pairs）を数える。
- 指定された $ F $ および $ G $ の下でデータをシミュレートすることで、対立仮説下での $ W $ の正確な分布を用いる。$ p $ が与えられた場合には、指数分布、正規分布、二重指数分布などのパラメトリック族を用いる。
- 3つの一般的な分布について、$ p $、分布パラメータ（例：レート、平均、スケール）および効果量の間の解析的関係を導出する。
- Rパッケージ wmwpow にこの手法を実装し、$ p $、odds、または分布パラメータを入力としてサポートする。
実験結果
リサーチクエスチョン
- RQ1提案された正確なモンテカルロ法は、小標本状況下で既存の近似法と比べてどのように異なるか？
- RQ2効果量 $ p = P(X < Y) $ は、ノンパラメトリックパワー分析における従来の効果量測定の実用的かつ解釈可能な代替手段として機能できるか？
- RQ3$ p $ を一定に保った場合、分布の仮定がパワーにどの程度影響を及えるか？
- RQ4小標本サイズにおいて、ノエター（1987）およびオブライエン＝カステルオーレ（2006）の既存の近似法はどれほど正確か？
- RQ5ロズナー＆グリーン（2009）およびシエヒら（2006）の手法は小標本状況でどの程度の性能を示し、理論的根拠はあるか？
主な発見
- 正確なモンテカルロ法は、漸近的近似に依存せず、小標本サイズであっても正確なパワー推定を提供する。
- ノエター（1987）およびオブライエン＝カステルオーレ（2006）の近似法は、特に $ m $ と $ n $ が両方とも小さい場合に不正確であることが判明した。
- ロズナー＆グリーン（2009）およびシエヒら（2006）の手法は多くの小標本状況で良好な性能を示したが、位置シフト代替仮説に限定されており、小標本における理論的根拠に欠けている。
- 効果量 $ p = P(X < Y) $ は非常に解釈可能な指標であり、$ p = 0.5 $ は差がない（公平なコイン投げに相当）ことを示し、0または1に近い値は大きな効果を示す。
- $ p $ を固定した場合、正規分布、指数分布、ラプラス分布などの異なる母集団分布に対してもこの手法は頑健であることが示され、分布の形状が与えられた $ p $ に対するパワーにほとんど影響しないことが示された。
- Rパッケージ wmwpow はCRANに公開されており、$ p $、odds、または指定された分布パラメータを用いた実効的パワー計算を可能にしている。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。