デザイン

• コントロールグループはあるか

モデル

• 検定の前提は満たしているか（正規分布）
• 従属変数の尺度は適切か（名義、順序、間隔、比率）
• 独立変数の数は適切か
• モデルについて説明できるか（独立変数の数・種類・条件、従属変数の種類・尺度、統計量、対応あるなし、サンプルサイズ、サンプルの取得方法）

サンプル

• サンプルサイズは適正であるか。
• サンプルサイズが得られない時には、Powerを利用するか
• 研究で求められている精度は得られているか
  • おもにサンプルサイズで決まる
• サンプルの取り方は適切か
  • 無作為になっているか
  • コントロールされたブロック化になっているか
• サンプルサイズにあった検定方法をつかっているか
• 得られたサンプルの統計量に大きな偏りはないか
• サンプルに外れ値はないか→中央値を使うこと
• 外れ値の評価および取り扱い方法は正しいか

１つの変数

• 適切な代表値を選んでいるか
  • 平均（算術平均、中央値）
  • 分布（クォンタイル、分散、レンジ）
• 適切な分布を選んでいるか

２つの変数の比較

• 相関はみせかけではないか
• 層別は必要か

２つの量的変数

• 回帰分析を参照

２つの質的変数

• クロス集計
• 相関係数、連関係数
• Χ検定とフィッシャーの検定のどちらが適切であるか
• 数量化理論ＩＩ類

独立変数が量的変数、従属変数が質的変数

• 判別式とロジスティック分析の選択

独立変数が質的変数、従属変数が量的変数

• 数量化理論Ｉ類

回帰分析

• 回帰分析の前提を満たしているか
  • varianceは等しい
  • 線形
  • はずれ値がない
• 見せかけの回帰ではないか
• 第三の要因がないか
• 交絡要因は考慮されているか
• right skewnessであればlogをとること
• 外れ値は適切に処理されているか
  • 外れ値を取り除くと結果にどのような影響が出るか
  • 対数化で正規化できないか
  • robust methodを採用する
• 線形回帰に無理に当てはめていないか
• Varianceが独立変数の値に従って変化している
• 独立変数が多すぎる
• 因果関係をあてはめていないか

検定

• 有意さが出たとしても実際の差があるとはかぎらない
  • サンプル数が多すぎないか
• 有意さが出ないとしても差がないとは限らない
  • サンプル数が少なすぎないか
• 検定方法を恣意的にえらんでいないか
• 従属変数の尺度に合わせた適切な検定方法を選んでいるか

解釈

• 集団に対する評価を個体に割り振っていないか