Các nhà nghiên cứu xử lý dữ liệu quỹ đạo chuột đã vật lộn với cùng loại vấn đề trong một vài năm nay.
Hehman et al (báo chí) có một đánh giá khá toàn diện về phương pháp sắp ra mắt, nhưng tôi sẽ tóm tắt một số điểm có thể được sử dụng cho bạn ở đây. Tôi chắc chắn cũng có những giải pháp khác, nhưng chúng có những ưu điểm là a) tương đối đơn giản và b) được thiết lập trong tài liệu tâm lý học.
Tải các bài kiểm tra t
Có lẽ là cách đơn giản nhất và phương pháp đã được sử dụng từ bài báo theo dõi chuột ban đầu (Spivey et al, 2005) , là chỉ chạy thử nghiệm t riêng cho mỗi bước (101 trong số chúng theo dõi chuột) và báo cáo khoảng thời gian mà hai điều kiện của bạn khác nhau đáng kể, mà tôi đoán là khoảng 37.139 đến 39.288 trong ví dụ của bạn. Nếu thử nghiệm của bạn không chỉ là so sánh hai nhóm, Scherbaum và cộng sự (2010) đã làm điều tương tự với 101 mô hình hồi quy, cho phép chúng thể hiện ảnh hưởng của các yếu tố khác nhau tại các thời điểm khác nhau.
Đường cong tăng trưởng / hồi quy đa thức
Một cách tiếp cận khác, miễn phí là sử dụng phân tích đường cong tăng trưởng, còn được gọi là hồi quy đa thức. Phương pháp này thường được sử dụng để phân tích hình dạng của các đường cong tăng trưởng theo chiều dọc (do đó là tên) trong những thứ như quần thể vi khuẩn, hoặc chiều cao của trẻ em theo thời gian, rất phổ biến trong nghiên cứu theo dõi bằng mắt và cũng đã được áp dụng để theo dõi chuột. Về bản chất, thay vì phù hợp với hồi quy tuyến tính thông thường:
Propsuprised=α+β1∗Condition+ϵ
β1ConditionPr o ps u p r i s đ dTi m đTi m đ2Ti m đ3
Pr o ps u p r i s đ d= Α + β1Co n di t i o n + β2Ti m đ + β3Ti m đ * Co n di t i o n + β4Ti m đ2+ β5Ti m đ2∗ Co n di t i o n + [ . . . ] + Ε
Mặc dù rõ ràng phức tạp hơn, điều này cho phép bạn rút ra kết luận về hình dạng của mỗi đường cong, thay vì chỉ thực tế là cái này cao hơn cái kia.
Dan Mirman có một hướng dẫn tuyệt vời (và một cuốn sách) về điều này, cụ thể là về dữ liệu theo dõi bằng mắt, nhưng có thể được áp dụng ở nơi khác.
Súng lớn thống kê - mô hình hỗn hợp phụ gia tổng quát
McKeown và Sneddon (2014) (bản in sẵn ở đây ) vừa xuất bản một bài báo về chính xác những gì bạn muốn làm, hoặc, theo cách nói của họ: "giữ các thành phần phản ứng được chia sẻ liên tục do cảm xúc nhận thức theo thời gian, trong khi cho phép suy luận liên quan sự khác biệt tuyến tính giữa các nhóm ".
Tôi đề cập đến điều này cho đầy đủ, nhưng toán học liên quan ở đây thực sự rất khó (tôi đã dành ra một thời gian vào tuần tới để tự mình tìm ra nó), vì vậy trong khi tôi không nghĩ rằng điều này sẽ phù hợp với luận án của bạn, thì nó chắc chắn một cái gì đó để nhận thức, và gây ấn tượng với mọi người bằng cách trích dẫn.
