최근 우울감 감소와 인지 기능 향상을 위해 극소량의 환각제를 복용하는 '마이크로도징(Microdosing)'이 관심을 받고 있습니다. 하지만 그 효과가 며칠 동안 지속된다는 주장을 검증하기 위해서는 개인의 일상적 기분 변화를 매일 추적하는 경험표집법(EMA) 형태의 데이터 수집이 필요합니다.
한 개인이 여러 날에 걸쳐 기분 점수를 반복 측정한 데이터는 서로 독립적이지 않고 개인에게 내재(Nested)되어 있습니다. 일반적인 분산분석(ANOVA)으로는 사람마다 평소 우울한 정도가 다르다는 점과 약물을 복용했을 때 기분이 변하는 정도가 다르다는 '개인차'를 통계적으로 분리하여 제어하기 어렵습니다.
선형 혼합 모형(Linear Mixed Model, LMM)은 연구자가 확인하고자 하는 '고정 효과(Fixed Effects)'뿐만 아니라 통계적으로 제어해야 할 대상인 개인차, 즉 '무선 효과(Random Effects)'를 단일 모형 내에서 동시에 추정하는 분석 기법입니다. 이 튜토리얼은 개인차를 통제한 상태에서 복용 여부와 집단 간의 상호작용 효과를 단일 모형으로 한 번에 검증하는 방법을 마스터하는 데 목적이 있습니다.
💡 이 튜토리얼에서 배울 수 있는 핵심 내용
분석 목표: 마이크로도징 집단이 위약 집단에 비해 약을 복용한 당일에만 기분이 유의미하게 상승하고 휴지기에는 효과가 사라지는지 선형 혼합 모형으로 검증합니다.
GAMLj3 모듈(Linear Mixed Model)의 확장성:
모형 통합: 반복 측정 데이터의 위계적 특성을 반영하여 고정 효과(Fixed Effects)와 무선 효과(Random Effects)를 통합 검증하는 인터페이스 조작법 숙지
무선 효과 추정: 무선 절편(Random Intercept)과 무선 기울기(Random Slope)의 설정 및 개인차 제어 원리 이해
모형 해석: Marginal R²와 Conditional R²의 비교, 잔차의 정규성 검토 및 사후 분석(Post Hoc) 시각화
📚 목 차 (Full Version 구성)
사전 준비: 필수 모듈(GAMLj3) 설치
논문 사례 및 가설
선형 혼합 모형(Linear Mixed Model)이란?
분석 수행 전 필수 확인 사항 (Assumption Checks)
jamovi로 분석/해석하기 (변수 할당 및 모델 제어)
퀴즈 및 실습 결과 대조
참고문헌
📂 실습용 데이터(CSV) 및 jamovi 결과 파일(omv) 제공
자세한 통계량 해석과 실제 분석 세팅 화면은 아래 유료 콘텐츠에서 확인하실 수 있습니다. ⬇⬇
jamovi(자모비) 선형 혼합 모형 (Linear Mixed Model) : 마이크로도징은 정말 일상의 우울함을 날려줄까?
"다이어리 종단 연구(EMA)를 통한 마이크로도징의 단기적 효과와 약물 반응의 개인차(무선 효과) 검증"
최근 우울감 감소와 인지 기능 향상을 위해 극소량의 환각제를 복용하는 '마이크로도징(Microdosing)'이 관심을 받고 있습니다. 하지만 그 효과가 며칠 동안 지속된다는 주장을 검증하기 위해서는 개인의 일상적 기분 변화를 매일 추적하는 경험표집법(EMA) 형태의 데이터 수집이 필요합니다.
한 개인이 여러 날에 걸쳐 기분 점수를 반복 측정한 데이터는 서로 독립적이지 않고 개인에게 내재(Nested)되어 있습니다. 일반적인 분산분석(ANOVA)으로는 사람마다 평소 우울한 정도가 다르다는 점과 약물을 복용했을 때 기분이 변하는 정도가 다르다는 '개인차'를 통계적으로 분리하여 제어하기 어렵습니다.
📚 목 차 (Full Version 구성)
자세한 통계량 해석과 실제 분석 세팅 화면은 아래 유료 콘텐츠에서 확인하실 수 있습니다. ⬇⬇
Linear Mixed Model
[Variable_Assignment] Dependent Variable, Factors, Cluster variables...
이 내용은 Advanced 회원 전용입니다
2. 구매 후 아래 [전체 내용 보기] 버튼을 통해 모든 내용을 즉시 확인하실 수 있습니다.