基礎科学における逐次仮説検定

私は薬理学者であり、私の経験では、基本的な生物医学研究のほとんどすべての論文で、スチューデントのt検定を使用しています（推論をサポートするため、または期待に準拠するために...）。数年前、スチューデントのt検定は使用できる最も効率的なテストではないことに気付きました：順次テストでは、あらゆるサンプルサイズでより大きな検出力、または同等の検出力で平均してはるかに小さなサンプルサイズが得られます。

さまざまな複雑さの連続手順が臨床研究で使用されていますが、基本的な生物医学研究の出版物で使用されている手順を見たことはありません。私は、彼らが最も基本的な科学者が見そうなすべての入門レベルの統計教科書にも欠席していることに注意します。

私の質問は3つあります。

1. 順次テストの非常に大きな効率の利点を考えると、なぜより広く使用されないのですか？
2. 非統計学者によるそれらの使用が推奨されないことを意味する逐次的方法の使用に関連する欠点はありますか？
3. 統計の学生は、シーケンシャルなテスト手順について教えられていますか？

暫定分析（Jennison and Turnbull、2000）およびコンピューター化された適応テスト（van der Linden and Glas、2010）以外のシーケンシャルテストとその応用についてはあまり知りません。1つの例外は、高額な費用と被験者登録の難しさに関連する一部のfMRI研究です。基本的に、この場合、シーケンシャルテストの主な目的は、実験を早期に停止することです。したがって、これらの非常に調整されたアプローチが通常の統計学のクラスで教えられていないことは驚きではありません。

ただし、連続テストには落とし穴がないわけではありません（タイプIおよびIIのエラーを事前に指定する必要があり、停止ルールの選択と結果のマルチルックを正当化する必要があります。p値は、固定値のようにnullの下で均一に分布していませんサンプルデザインなど）。ほとんどの設計では、何らかの費用対効果の基準を最適化するために、事前に指定された実験設定で作業するか、予備の電力研究を実施しました。この場合、標準の試験手順が適用されます。

私は、しかし、固定についてはMaik Dierkesから次の用紙た対：非常に興味深いオープンサンプルデザイン実験のシーケンシャルな設計のための請求を。