ポスト
大雑把にはこんなイメージ。 A.試験条件が狭い ≒ 内的妥当性が高い ≒ 個人差が小さい ≒ 固定効果モデルが適切 B.試験条件が広い ≒ 内的妥当性が低い ≒ 個人差が大きい ≒ 変量効果モデルが適切
メニューを開くみんなのコメント
メニューを開く![](https://rts-pctr.c.yimg.jp/BgIFgYJGVIVv8u0nVJvw8B2FauAYMF4jOP5zFJAV4i5e72TLbER0xQeK1l8ZZ0OL8DxzFrkREON4BKSjd76ETuDlQFJPqP3ZUY_diUfeEVp2039Bl3-kGa7VdUvBU3_spePi_h4FJESQDWzzGpT39nRj7caEsHU0m5Fn0RLRYSgQrY8HNln75jS4kIpXlZcmTtuaY155Sh0KIVZAOZbawNjtGY8zgyOodoEGBggORgg=)
なので、試験条件と現場条件を照らし合わせていてもダメで、平均効果量推定値にどの程度の個人差がありえそうか?(試験条件が十分に狭いか?)を吟味しなければならない。 pic.twitter.com/yE6X4pVdfi
大雑把にはこんなイメージ。 A.試験条件が狭い ≒ 内的妥当性が高い ≒ 個人差が小さい ≒ 固定効果モデルが適切 B.試験条件が広い ≒ 内的妥当性が低い ≒ 個人差が大きい ≒ 変量効果モデルが適切
メニューを開くなので、試験条件と現場条件を照らし合わせていてもダメで、平均効果量推定値にどの程度の個人差がありえそうか?(試験条件が十分に狭いか?)を吟味しなければならない。 pic.twitter.com/yE6X4pVdfi