[fpr 1029] ドライバーの反応時間の分析・検定手法について教えてください-お礼

岡本安晴

岡本@金沢大学です。


  Stevens (Science, 1968, p.852)の

                              The question is
         thereby made to turn, not on whether
         the measurement scale determines the
         choice of a statistical procedure, but
         on how and to what degree an inap-
         propriate statistic may lead to a deviant
         conclusion.

に従って、RTの検定における変換の影響をシミュレーションで
調べてみました。

  RTデータを乱数で生成するための分布は次のように決めました。

  まず、刺激が提示されるとランダムな時間間隔で入力系にシグナルが入力
されると考えます。これはRandom Walkモデルの一種と考えることができます。
  シグナルがk個入力されたとき反応系に反応の命令が行くと考えます。kは
判断の基準と考えることができます。シグナルの間隔は指数分布に従うと
します。これはシグナルがポアッソン過程に従うということです。
  このとき、反応系(運動系)の時間を無視すると、反応時間は独立なk個の
指数分布の和になるので、Erlang-n分布に従います。

  Erlang-n分布を描画するプログラムを次のホームページ

         http://www.users.kudpc.kyoto-u.ac.jp/~e50048/rt/

にアップロードしておきました。興味のある方は試して下さい。

  反応時間は2条件の下で独立なサンプルとして得られるものとします。
すなわち、x[1],...,x[n]、と、y[1],...,y[n]、の2グループのデータを生成
します。
  x[i]は常にパラメータがLambda=0.05, k=5であるErlang-n分布に従う乱数で
生成します。
  y[i]の方は、Lambda=0.05として、kの値を5,6,7,10と変えます。
  また、1条件あたりのデータ数nの値も10,20,50,100の3通りについて
調べます。

  検定法は、変換しない場合、対数変換、逆数変換の場合のt検定、とMann-
Whitney U テストです。

  シミュレーションに用いたプログラムはErlang-n分布の描画プログラムと
同じホームページ

        http://www.users.kudpc.kyoto-u.ac.jp/~e50048/rt/

にアップロードしてあります。

  シミュレーションの結果を以下の表にまとめます。m1/m2の形でm2回の
検定においてm1回有意差が認められたことを示します。p1~p2の形は
有意差の認められる確率をm1/m2の頻度から2項検定に基づいて95%水準の
信頼区間として表わしたものです。

  k=5の欄は、x[i]とy[i]が同じ分布の場合です。したがって、p1~p2は
第一種の誤りの確率の推定値です。
  k=5以外の欄は、x[i]とy[i]の分布が異なるときに有意差ありとされる
確率なので、p1~p2は検定力の推定になります。

  検定はすべて片側検定で行っています。

  検定の水準は5%と1%です。

  Uテストの検定は標準正規分布による近似を用いています。

====================================================================
          無変換         対数変換       逆数変換         Uテスト
====================================================================
n=10
--------------------------------------------------------------------
k=5
   5%     501/10000       491/10000       456/10000       537/10000
       0.046~0.055    0.045~0.054    0.042~0.050    0.049~0.058

   1%      95/10000        94/10000        63/10000        86/10000
       0.008~0.012    0.008~0.011    0.005~0.008    0.007~0.011
--------------------------------------------------------------------
k=6
   5%    2352/10000      2452/10000      2253/10000      2397/10000
       0.227~0.244    0.237~0.254    0.217~0.234    0.231~0.248

   1%     750/10000       773/10000       562/10000       744/10000
       0.070~0.080    0.072~0.083    0.052~0.061    0.069~0.080
--------------------------------------------------------------------
k=7
   5%    5552/10000      5745/10000      5356/10000      5625/10000
       0.545~0.565    0.565~0.584    0.526~0.545    0.553~0.572

   1%    2751/10000      2879/10000      2135/10000      2637/10000
       0.266~0.284    0.279~0.297    0.206~0.222    0.255~0.272
--------------------------------------------------------------------
k=10
   5%    9916/10000      9936/10000      9799/10000      9910/10000
       0.990~0.993    0.992~0.995    0.977~0.983    0.989~0.993

   1%    9342/10000      9445/10000      8347/10000      9276/10000
       0.929~0.939    0.940~0.949    0.827~0.842    0.922~0.933
====================================================================
n=20
--------------------------------------------------------------------
k=5
    5%    517/10000       497/10000       496/10000       530/10000
       0.047~0.056    0.046~0.054    0.045~0.054    0.049~0.058

    1%     96/10000        92/10000        79/10000        83/10000
       0.008~0.012    0.007~0.011    0.006~0.010    0.007~0.010
--------------------------------------------------------------------
k=6
    5%   3824/10000      4030/10000      3733/10000      3933/10000
       0.373~0.392    0.393~0.413    0.364~0.383    0.384~0.403

    1%   1558/10000      1656/10000      1300/10000      1484/10000
       0.149~0.163    0.158~0.173    0.123~0.137    0.141~0.156
--------------------------------------------------------------------
k=7
    5%   8136/10000      8376/10000      8076/10000      8168/10000
       0.806~0.821    0.830~0.845    0.800~0.815    0.809~0.824

    1%   5638/10000      5993/10000      5136/10000      5559/10000
       0.554~0.574    0.590~0.609    0.504~0.523    0.546~0.566
--------------------------------------------------------------------
k=10
    5%  10000/10000     10000/10000      9995/10000     10000/10000
        0.9997~1.0     0.9997~1.0  0.9988~0.9998     0.9997~1.0

    1%   9991/10000      9998/10000      9906/10000      9995/10000
         0.998~         0.9993~        0.989~         0.9988~
             0.9996         0.99998           0.992          0.9998
====================================================================
n=50
--------------------------------------------------------------------
k=5
    5%    537/10000       516/10000       515/10000       517/10000
       0.049~0.058    0.047~0.056    0.047~0.056    0.047~0.056

    1%     94/10000        98/10000        86/10000        95/10000
       0.008~0.011    0.008~0.012    0.007~0.011    0.008~0.012
--------------------------------------------------------------------
k=6
    5%   6881/10000      7236/10000      6821/10000      6978/10000
       0.679~0.697    0.715~0.732    0.673~0.691    0.689~0.707

    1%   4264/10000      4634/10000      3993/10000      4304/10000
       0.417~0.436    0.454~0.473    0.390~0.409    0.421~0.440
--------------------------------------------------------------------
k=7
    5%   9926/10000      9951/10000      9902/10000      9932/10000
       0.991~0.994    0.994~0.996    0.988~0.992    0.991~0.995

    1%   9549/10000      9683/10000      9396/10000      9594/10000
       0.951~0.959    0.965~0.972    0.935~0.944    0.955~0.963
--------------------------------------------------------------------
k=10
    5%  10000/10000     10000/10000     10000/10000     10000/10000
         0.997~1.0      0.997~1.0      0.997~1.0      0.997~1.0

    1%  10000/10000     10000/10000      9996/10000     10000/10000
         0.997~1.0      0.997~1.0  0.9990~0.9999      0.997~1.0
====================================================================
n=100
--------------------------------------------------------------------
k=5
    5%    529/10000       503/10000       484/10000       495/10000
       0.049~0.057    0.046~0.055    0.044~0.053    0.045~0.054

    1%     99/10000        99/10000        95/10000       100/10000
       0.008~0.012    0.008~0.012    0.008~0.012    0.008~0.012
--------------------------------------------------------------------
k=6
    5%   9154/10000      9348/10000      9041/10000      9207/10000
       0.910~0.921    0.930~0.940    0.898~0.910    0.915~0.926

    1%   7550/10000      7959/10000      7296/10000      7626/10000
       0.746~0.763    0.788~0.804    0.721~0.738    0.754~0.771
--------------------------------------------------------------------
k=7
    5%  10000/10000      9999/10000      9999/10000     10000/10000
         0.997~1.0      0.9994~        0.9994~       0.997~1.0
                           0.999998        0.999998

    1%   9996/10000      9999/10000      9991/10000      9998/10000
         0.99898~       0.9994~        0.998~         0.9993~
             0.9999        0.999998          0.9996         0.99998
--------------------------------------------------------------------
k=10
    5%  10000/10000     10000/10000     10000/10000     10000/10000
         0.997~1.0      0.997~1.0      0.997~1.0      0.997~1.0

    1%  10000/10000     10000/10000      10000/10000     10000/10000
         0.997~1.0      0.997~1.0       0.997~1.0      0.997~1.0
=====================================================================

  上の表から、いずれの検定法もよく似た結果であることが分かります。

  対数変換が、若干、検定力が他より高いようです。

  しかし、 Stevens (Science, 1968, p.853)の

         The scientist has reason to feel that
      a statistical model that specifies the
      form of a canonical distribution be-
      comes uninterpretable when the empir-
      ical domain concerns only ordinal data.

に従うとき、反応時間が順序尺度のレベルであると考えるならば、
ノンパラメトリック検定(Uテスト)を用いるのが心理学的な考え方
としては正しく、しかも上の表から判断するときノンパラメトリック検定
を避ける理由はないということになります。



                                               岡本 安晴
                                               c00279 (at) simail.ne.jp


スレッド表示 著者別表示 日付順表示 トップページ

ここは心理学研究の基礎メーリングリストに投稿された過去の記事を掲載しているページです。