みんなで築く

Garamszegi, L.Z., Calhim, S., Dochtermann, N., Hegyi, G., Hurd, P., Jorgensen, C., Kutsukake, N., Lajeunesse, M. J., Pollard, K. A., Schielzeth, H., Symonds, M. R. E. & Nakagawa, S. Changing philosophies and tools for statistical inferences in behavioral ecology. Behavioral Ecology 20: 1363-1375

http://beheco.oxfordjournals.org/content/20/6/1363.full

有意差いや，p値至上主義の牙城を崩すのは難しいでしょうが，ここ10年ほどでジョジョに変わってきているのは誰も（統計等を少しかじれば）が感じるところ。この論文では，AICなどの情報理論の手法，ベイズの手法，そしてeffect sizeの手法を例を交えながら軽く説明しています。

やはり個人的に印象に残ったのが「repeatability」。つまり同一サンプルから複数回データを得ることですが，前までは擬似反復とか（nの水増し）言われてた気がしないでもないですが，個体内のバラツキ（もしくは観察バラツキ）を計測することによって，その推定精度をあげること。結局，混合モデル（さらにはベイズ）に落ち着くのですが，そのバラツキを測定する重要性はおおいにあるでしょう。例えば，ある個体を複数回記録して，ただ平均値をプロットしてそれで相関関係をみるよりかは，バラツキを含めた解析をする方が変なバイアスに邪魔されないし，精度が上がる。当たり前です。しかし，この当たり前な部分をやっていく必要がある。

そして様々な手法があるけども，必ずしも新しい手法がいいわけではない。新旧手法を試して，自分のデータの前提をよく踏まえ吟味する必要がある。何なら，電子付録（electronic appendices）に生データを載せることで，別の見方を読者もできるし，別の人によって，より詳しい解析もできるかもしれない。何より情報（データ）の共有は総合的な解析（系統関係を考慮したメタ解析）とかにより重要になる。

勝手な意訳ですが，いやホントに素晴らしいと思いました。著者のBeStatというサイトも面白そう。ますます複雑に解析できる時代が来る。そんな中でデータ屋と処理屋が場所を共有できるのはいいですね。