抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
徹底した前処理と機能的磁気共鳴画像(fMRI)データの注意深い時間系列解析後でも,アーチファクトと他の問題は分散がグループレベルモデルにおける被験者にわたって一定であることを仮定の違反をもたらすことができる。これは集団レベルでの連続共変量をモデル化するとき,特に,勾配は異常値によってバイアスを容易にした。種々のモデルは,第一レベル分散を使用するか,被験者を差別的に群レベル残留大きさを用いモデルを含む異常値に対処するために提案した。最も典型的に用いられるロバスト回帰,回帰勾配のロバストな推定量を,以前にfMRI研究との関連で研究し,いくつかのシナリオにおいて良く機能することが分かったが,I型誤り制御の損失はいくつかの異常値設定のための発生する可能性がある。異分散自己相関一致(HAC)推定器,ロバスト傾斜と分散推定を用いたロバストな回帰の第二のタイプは,良く作用し,良好なI型誤り制御したが,大きなサンプルサイズ(500 1000名)によることが示されている。より小さなサンプルサイズを持つI型誤差制御は,このモデルでは検討されておらず,FSLの火炎1とFSLの異常値減量などの異常値を扱う他のモデリング法と比較していない。サンプルサイズと不等分散性,あるいは被験者間変動により駆動される,の範囲での連続的共変量を用いるグループレベル推論に焦点を当てて,ロバスト回帰のスタイルは,通常の最小二乗(OLS),FSLの火炎1,異常値減量アルゴリズムによる火炎1とKendallのタウと比較した。さらに,OLS統計とOLSとノンパラメトリック推論を用いたCookの距離測度を用いた主題省略を研究した。これらモデルの賛否両論と同様にデータの異常値を検出し,膨張したI型誤り率を避けるために注意しての一般的戦略を考察した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
