返回
Synthesizing Single-Case Experimental Designs: Modeling Complex Data Structures
DOI:10.1007/s10864-025-09602-x.png)
摘要
En 中文
将多层模型应用于分析多个单被试研究的数据,可能导致在选择和估计适当模型方面面临挑战。过于复杂的模型可能无法得到良好估计,而过于简单的模型可能导致效应估计及其标准误差产生偏差。研究者旨在选择一个既能回答其研究问题、又足够简单以得到良好估计的模型,同时复杂到使效应估计几乎无偏、推断准确。这项蒙特卡洛模拟研究评估了使用不同复杂程度的混合线性模型来近似在个体内和跨个体间变化的非线性过程所带来的后果。我们发现,用两条线性分段对治疗阶段数据进行建模,所产生的治疗效应估计偏差更小、推断更准确,优于用二次轨迹对治疗阶段进行建模;并且,估计更复杂的异质方差结构,比假设简单方差结构能获得更准确的置信区间。
Keyword:
Single-case design
Multiple-baseline
Multilevel models
Non-linear models
期刊
J
IF:
1.2
论文数:
34
被引数:
1.1K
机构
引用论文
Using response ratios for meta-analyzing single-case designs with behavioral outcomes
school psychology
IF4.1
Multilevel Modeling of Single-Case Data: A Comparison of Maximum Likelihood and Bayesian Estimation单例数据的多级建模: 最大似然和贝叶斯估计的比较

