測定ツールによる天井効果への対処方法

被験者（2グループ）の振動を知覚する能力を測定する心理生理学的データを収集しました。振動プローブはますます小さな変位で皮膚に対して動き、被験者はいつ振動を感じるかを示します。残念ながら、高周波数では、プローブは短距離しか移動できず、プローブが移動できる最大距離は、被験者が知覚するのに十分な大きさではない場合があります。したがって、一部の被験者には正確なしきい値がありますが、振動を感じたことがない人には、しきい値がそれより大きいことを知っている値があります。このデータをまだ含める方法はありますか？そして、それを分析する最良の方法は何ですか？

異種混合モデルを使用して、根本的に異なるソースからの複合効果を記述するのが好きです。

あなたはダイアン・ランバートのスタイルの「ゼロ膨張ポアソン」モデルのようなものを見るかもしれません。「ゼロ膨張ポアソン回帰、製造の欠陥への応用」、ダイアン・ランバート、Technometrics、Vol。34、Iss。1、1992

実験の統計的計画を医学に適用しても病気を完全に治すことはできないという考えと矛盾するように思われるので、この考えは特に楽しいと思います。概念の背後にあるのは、科学的方法が医学の目的を達成できないという考えです。「完全に」健康な個人からの疾患データはなく、データは疾患の治療法を知らせることができないという考えに由来します。測定しなければ、改善の余地はありません。

ゼロ膨張モデルのようなものを使用すると、部分的に「エラーのない」データから有用な情報を抽出できます。「サイレント」と考えられる情報を取得し、それを話すようにするプロセスへの洞察を使用しています。私にとって、これはあなたがやろうとしていることの一種です。

今、私は使用するモデルの組み合わせを断定することはできません。まず、ゼロインフレートガウス混合モデル（GMM）を使用できると思います。GMMは、フーリエ級数近似のPDFいとこに似た、連続PDFの経験的普遍的な近似のビットですが、グローバルな適用性を改善し、通常、良い」近似。

最高の幸運。

編集：

ゼロ膨張モデルの詳細：

• http://jirss.irstat.ir/files/site1/user_files_f6193f/admin-A-10-1-27-630ff9e.pdf
• http://faculty.franklin.uga.edu/dhall/sites/faculty.franklin.uga.edu.dhall/files/HallZhangStatMod04.pdf

結果をクラスタリングし、スケールを定義することが解決策になる場合があります。

そのように（または異なる方法で）カテゴリ変数を作成します。

1. 高感度
2. 通常の感度
3. 低感度
4. インセンシティブ（あなたのケースではスケールから外れているもの）

この変数を使用して分析を行うこともできますが、結果が意味のあるものであるかどうかは、カテゴリをどの程度適切に定義するかによって異なります。