標準化された平均差統計を使用した単一ケース設計の分析とメタ分析：プライマーとアプリケーション

この記事では、無作為化実験などの被験者間デザインで使用されるD統計と同じメトリックである単一ケースのデザインのD統計を紹介し、そのような統計がSCD研究で役立つ理由をいくつか提供します。Dには正式な統計開発があり、適切な電力分析が伴い、使いやすいSPSSマクロを使用して推定できます。以前のD統計、オーバーラップ統計、マルチレベルモデリングなど、他のアプローチと比較して、Dの利点と短所の両方について説明します。計算には少なくとも3つのケースが必要であり、通常分布の結果と定常性、ある程度詳細に議論される仮定を想定しています。また、これらの仮定をテストする方法も示します。記事のコアは、自己相関の推定と、ケース分散間の合計分散の比率（ケース内のケース分散内）、マクロを使用して電力を計算する方法、および1つの研究でDを計算する方法を深く示していますDを使用して、付録の構文を含む、フリープログラムRの単一ケース設計を使用した研究のメタ分析を実施する方法。この構文には、データの読み取り方法、固定およびランダム効果の平均効果サイズの計算方法、森林プロットと累積メタ分析の準備、さまざまな影響統計を推定して、不均一性と効果サイズに寄与する研究を特定し、さまざまな種類の出版バイアス分析を行う。このDは、SCDからのデータの分析とメタ分析の両方に役立つことが証明される場合があります。

This article presents a d-statistic for single-case designs that is in the same metric as the d-statistic used in between-subjects designs such as randomized experiments and offers some reasons why such a statistic would be useful in SCD research. The d has a formal statistical development, is accompanied by appropriate power analyses, and can be estimated using user-friendly SPSS macros. We discuss both advantages and disadvantages of d compared to other approaches such as previous d-statistics, overlap statistics, and multilevel modeling. It requires at least three cases for computation and assumes normally distributed outcomes and stationarity, assumptions that are discussed in some detail. We also show how to test these assumptions. The core of the article then demonstrates in depth how to compute d for one study, including estimation of the autocorrelation and the ratio of between case variance to total variance (between case plus within case variance), how to compute power using a macro, and how to use the d to conduct a meta-analysis of studies using single-case designs in the free program R, including syntax in an appendix. This syntax includes how to read data, compute fixed and random effect average effect sizes, prepare a forest plot and a cumulative meta-analysis, estimate various influence statistics to identify studies contributing to heterogeneity and effect size, and do various kinds of publication bias analyses. This d may prove useful for both the analysis and meta-analysis of data from SCDs.