Loading article…
工学、科学、統計学において、複製とは、同じまたは類似の条件下で研究や実験を繰り返すプロセスです。これは、元の主張を検証し、結果の正確性を確認または否定するとともに、元の実験の欠陥を特定して修正するための重要なステップです。[ 1 ] ASTM は、規格 E1847 で、複製を「…実験で比較するすべての処理の組み合わせのセットを繰り返すこと。それぞれの繰り返しを複製と呼びます。」と定義しています。
完全要因計画では、反復とは、同じ要因レベルでの複数の実験実行のことです。要因レベルの組み合わせ、要因レベルの組み合わせのグループ、あるいは計画全体を反復することができます。たとえば、3 つの要因があり、それぞれに 2 つのレベルがあり、これらのレベルのすべての可能な組み合わせをテストする実験 (完全要因計画) のシナリオを考えてみましょう。この計画の完全な反復 1 回は 8 回の実行 () この設計は、一度だけ実行することも、複数回繰り返して実行することもできます。[ 2 ]
統計学における複製には主に2つの種類があります。1つ目は「厳密な複製」（「直接複製」とも呼ばれる）と呼ばれるもので、元の研究をできるだけ忠実に再現して、元の結果を正確に再現できるかどうかを確認するものです。[ 3 ]例えば、特定の食事が減量に及ぼす影響に関する研究を、同じ食事プランと測定方法を用いて繰り返す場合などです。2つ目の複製は「概念的複製」と呼ばれます。これは、元の研究と同じ理論を異なる条件で検証するものです。[ 3 ]例えば、減量ではなく血糖値に対する同じ食事の影響を、異なる測定方法を用いて検証する場合などです。
正確な（直接的な）再現と概念的な再現の両方が重要です。直接的な再現は、最初にテストされた条件内での発見の正確性を確認するのに役立ちます。一方、概念的な再現は、それらの発見の背後にある理論の妥当性を検証し、それらの発見が真実であり続けるさまざまな条件を探ります。本質的に、概念的な再現は、発見がどの程度一般化できるかについての洞察を提供します。[ 4 ]
複製は、同じ項目の繰り返し測定とは異なります。繰り返し測定と複製測定はどちらも、同じ実験因子レベルで複数の観測値を取得します。ただし、繰り返し測定は単一の実験セッション中に収集されるのに対し、複製測定は異なる実験セッションにわたって収集されます。 [ 2 ]統計学における複製は、外部妥当性を確保するために異なる試行間での実験結果の一貫性を評価するのに対し、繰り返しは同じまたは類似の実験内での精度と内部一貫性を測定します。[ 5 ]
再現例：異なる日に別々のグループで、新薬の血圧への影響をテストする。
繰り返し測定の例：1回のセッション中に、同一グループ内で血圧を複数回測定する。
統計学分野における再現研究では、研究結果の信頼性を評価するために、いくつかの重要な手法と概念が用いられます。以下に、再現研究で用いられる主な統計的手法と概念をいくつか示します。
P値：p値は、帰無仮説が真である場合に、観測されたデータが偶然に発生する確率の尺度です。再現研究では、p値は、結果が一貫して再現可能かどうかを判断するのに役立ちます。再現研究におけるp値が低いということは、結果が偶然によるものではない可能性が高いことを示しています。[ 6 ]例えば、ある研究でテスト条件が結果に統計的に有意な影響を与えることがわかり、再現研究でも統計的に有意な影響が見つかった場合、これは元の発見が再現可能である可能性が高いことを示唆しています。
信頼区間：信頼区間は、真の効果量が収まる可能性のある値の範囲を示します。再現研究では、元の研究と再現研究の信頼区間を比較することで、結果が一貫しているかどうかを確認できます。[ 6 ]例えば、元の研究で治療効果が95%信頼区間[5, 10]で報告され、再現研究で同様の効果が信頼区間[6, 11]で見つかった場合、この重複は両方の研究で一貫した結果を示しています。
例えば、製品を生産する連続プロセスを考えてみましょう。製品のバッチが処理または加工されます。最後に、テストまたは測定が行われます。10個のテスト値を取得するには、いくつかの選択肢があります。考えられる選択肢は次のとおりです。
それぞれの選択肢には異なるデータ分析手法が必要となり、異なる結論が得られるだろう。
{{citation}}: CS1メンテナンス: 場所 (リンク)