Under different display-duration conditions

Facial expressions of emotion (KDEF): Identification under different display-duration conditions
MANUEL G. CALVO
doi: 10.3758/BRM.40.1.109
(2008) Behavior Research Methods, 40, 109-115.

Full Text (PDF)
Supplemental Materials: Facial Expression Norms

http://brm.psychonomic-journals.org/content/40/1/109.refs

Emotional stimuli processed without attention

Pessoa, L. (2005). To what extent are emotional stimuli processed without attention and awareness? Current Opinion of Neurobiology, 15, 188-196.

Pessoa, L., Japee, S., & Ungerleider, L.G. (2005). Visual awareness and the detection of fearful faces. Emotion, Jun;5(2):243-7.

Masking とSDTが使われている。
http://www.indiana.edu/%7Elceiub/publications.html#2005

Visual search for faces: salient physical features

J Exp Psychol Gen. 2008 Aug;137(3):471-94.
Detection of emotional faces: salient physical features guide effective visual search.
Calvo MG, Nummenmaa L.
PMID: 18729711 [PubMed - indexed for MEDLINE]
PubMed

p.472 R
Discriminability could determine visual search differences between facial expressions at three levels: purely visual saliency, featural, and configural.


Psychol Bull. 2008 Sep;134(5):662-76.
Visual search for faces with emotional expressions.
Frischen A, Eastwood JD, Smilek D.
PMID: 18729567 [PubMed - indexed for MEDLINE
PubMed

対応がある場合の計数データの検定

ありがちな間違いのひとつ。大学院生などに何度か質問されたので、ここにまとめておくことにした。

計数データで対応がある場合に、対応がない場合のようにχ二乗検定を行っていることがある。以下の場合では、代わりにマクネマー検定が行われている（χ二乗分布は使用される）。「対応」については、量的変数ではt検定や分散分析などでしつこく言われるので意識されているようだが、計数データでは独立な場合と「何か違う」程度で、具体的にどうしたらよいかは意外に盲点になっているようだ。

Rの例：対応のあるデータの分析に対応のないデータの分析法を使おうとする
RjpWiki


SPSSで計算したいという人もいるので。

ＳＰＳＳによる例：χ2検定とMcNemar検定（マクネマー検定）
http://www.ibaraki-kodomo.com/toukei/chi.html


検定の名前とソフトウェアの使い方だけでは心細い。対応がない場合のχ2検定との関係や二項検定なども含めて理解しておきたい。

対応のある場合の比率の差の検定（マクネマー検定と二項検定）（群馬大学、青木繁伸氏）
RとSPSSが採用している方法の比較もふれられている。
http://aoki2.si.gunma-u.ac.jp/lecture/Hiritu/McNemar-test.html

ベイズ統計入門

ベイズ統計については、以下などを参照。

ベイズ統計学（松原望氏）
http://www.qmss.jp/appstat/contents/bayes/default.htm

Rでベイズ統計学
RjpWiki

IRT: BILOG-MG，R, およびEasyEstimation間の比較

以下にIRTをBILOG-MG，R,およびEasyEstimationで実行した場合の比較がある。

http://irtanalysis.main.jp/note/hikaku.htm

Rについては、
Rで項目反応理論（RjpWiki)
を参照している。

Responding to reviewers' comments

英文雑誌へ投稿した際に、reviewerのコメントにどのような文章で答えるかは気を使う問題だ。心がまえのようなものはいくつかあるだろうが、ここでは具体的な表現に関するものを探してみた。

具体的なポイントの他に、cover letter の例文も示されている。スライド形式で見やすい。
http://www.slideshare.net/HSLUofM/responding-to-reviewers-comments

修正対応表の形式で、簡潔な表現が参考になるだろう。
http://www.nursing-research-editor.com/authors/OMR/43/OMRAuthorResponses.pdf

ひとつひとつのコメントに返答する文章の例として参考になる。
http://www.hydrol-earth-syst-sci-discuss.net/6/C625/2009/hessd-6-C625-2009-supplement.pdf

雑誌記事の一部で、投稿全般についてのアドヴァイスだが、reviewerへの返答の例もある。
http://www-fhs.mcmaster.ca/surgery/documents/preparing_reports.pdf

コメントへの返答の考えかた。
http://archpedi.ama-assn.org/cgi/reprint/156/2/105.pdf

具体的な返答例にリンクしている。
http://enl.usc.edu/~ramesh/writings/responding_to_reviewers.html

Reorganization of the middle fusiform gyrus

Nature Precedings : hdl:10101/npre.2008.2467.1 : Posted 4 Nov 2008

Dynamic reorganization of the middle fusiform gyrus: long-term bird expertise predicts decreased face selectivity

Chun-Chia Kung, Colin Ellis, and Michael J. Tarr

http://precedings.nature.com/documents/2467/version/1

Fusiform gyrus: Ramachandran on your mind

Ramachandranが、Fusiform gyrus（紡錘状回）と顔知覚の関係を含めて一般向けに脳の話をしている。共感覚や有名な幻肢の治療例もリアルに紹介される。

Talks VS Ramachandran on your mind
TED.com
http://www.ted.com/talks/vilayanur_ramachandran_on_your_mind.html

cf.
Fusiform gyrus
http://www.med.umich.edu/lrc/coursepages/M1/anatomy/html/atlas/n1a2p13.html

face information in time, frequency and space

Decoding face information in time, frequency and space from direct intracranial recordings of the human brain.
Tsuchiya N, Kawasaki H, Oya H, Howard MA 3rd, Adolphs R
PLoS ONE, 2008;3(12):e3892

Full Text
PLoS ONE

cf.
http://www.emotion.caltech.edu/papers.html

Rで検定力分析

分散分析の検定力分析をRで行うことができる。
power.anova.test()
を利用。exampleを見ればわかりやすいだろう。

> example(power.anova.test)

pwr.n.> power.anova.test(groups=4, n=5, between.var=1, within.var=3)

Balanced one-way analysis of variance power calculation

groups = 4
n = 5
between.var = 1
within.var = 3
sig.level = 0.05
power = 0.3535594

NOTE: n is number in each group


pwr.n.> # Power = 0.3535594
pwr.n.>
pwr.n.> power.anova.test(groups=4, between.var=1, within.var=3,
pwr.n.+ power=.80)

Balanced one-way analysis of variance power calculation

groups = 4
n = 11.92613
between.var = 1
within.var = 3
sig.level = 0.05
power = 0.8

NOTE: n is number in each group


pwr.n.> # n = 11.92613
pwr.n.>
pwr.n.> ## Assume we have prior knowledge of the group means:
pwr.n.> groupmeans <- c(120, 130, 140, 150)

pwr.n.> power.anova.test(groups = length(groupmeans),
pwr.n.+ between.var=var(groupmeans),
pwr.n.+ within.var=500, power=.90) # n = 15.18834

Balanced one-way analysis of variance power calculation

groups = 4
n = 15.18834
between.var = 166.6667
within.var = 500
sig.level = 0.05
power = 0.9

NOTE: n is number in each group

>

２番目の例は、必要なサンプルの大きさを求めるもの。
詳しくは、
> help(power.anova.test)

検定力分析プログラム G*Power3

　サンプルの大きさ，有意水準（α），検定力（検出力：1－β），効果量の4 つの間には，他の3 つが決まれば残りの1 つが決まるという関係がある（村井, 2006）。
　G*Power3は、設定した有意水準（α）、検定力（1-β）、効果量から必要なサンプルの大きさをもとめることができる（その他の組み合わせも可）ソフトウェアG Powerの最新版で、下記サイトからダウンロードできる（フリー）。Mac OS X 10.4 および Windows XP/Vista　に対応する。
　使い方は、オンラインヘルプ（親切で明快：英文）を参照。
　実際には実験に先立って、先行研究や予備実験から効果量を推定し、設定したαおよび目標とする1-βから、必要なサンプルの大きさを求めることになるだろう。なお、G*Powerで出力される Total sample size は、複数の群のサンプルの大きさをあわせたもので、対応のある場合などには解釈に注意すること。
　日本語での解説も、検索で見つかるようだ。


G*Power3
Institut fur Experimentelle Psychologie/Heinrich-Heine-Universitaet Duesseldorf
http://www.psycho.uni-duesseldorf.de/abteilungen/aap/gpower3/


References
村井潤一郎. (2006). 「サンプルサイズに関する一考察」 吉田寿夫 (編) 『心理学研究法の新しいかたち』 114-141. 東京：誠信書房.

---
以上、2007-09-23 掲載のものに一部加筆

accuracy, response times, and ratings of intensity

Palermo, R., & Coltheart, M. (2004). Photographs of facial expression: accuracy, response times, and ratings of intensity. Behavior Research Methods, Instruments, & Computers, 36, 634-638.

BRM


Supplemental Materials: Face Expression Norms
http://brm.psychonomic-journals.org/content/36/4/634/suppl/DC1

顔表情知覚の時間特性

鈴木敦命・渋井進・繁桝算男. (2003, 1月).
「顔表情知覚の時間特性: 刺激呈示時間の操作がカテゴリー知覚に与える影響」.
電子情報通信学会ヒューマンコミュニケーション基礎研究会(口頭発表), 岡山.
電子情報通信学会技術研究報告, 102, 25-30.
http://ci.nii.ac.jp/naid/110003271352/

鈴木敦命・星野崇宏・繁桝算男. (2003, 9月).
「項目反応理論にもとづく顔表情認知能力の測定」.
日本行動計量学会第31回大会(口頭発表), 名城大学. 抄録集, 234-237.

瞬間的表情変化の知覚

織田 朝美, 向田 茂, 加藤 隆 (2008). 瞬間的表情変化の知覚における顔の部位の効果 . 感情心理学研究, 16, 119-132 .

J-STAGE
http://www.jstage.jst.go.jp/article/jsre/16/2/16_119/_article/-char/ja