Cho thí nghiệm sau, phương pháp thống kê chính xác để trả lời câu hỏi dưới đây là gì:
Một người tham gia được hiển thị hình ảnh liên tiếp và được yêu cầu trả lời cho dù cô ấy nhìn thấy một vật hoặc khuôn mặt sau mỗi bức ảnh. Trong mỗi thử nghiệm (trình bày hình ảnh), hình ảnh được trình bày (1 trong 210 khuôn mặt riêng lẻ hoặc 1 trong 210 đối tượng riêng lẻ) được đặt chồng lên một lượng nhiễu ngẫu nhiên nhất định (từ 5% đến 98%). Hình ảnh được trình bày trong mỗi thử nghiệm là khá nhỏ, vì vậy mỗi thử nghiệm cũng có một nền tảng. Nền có thể là màu đen, một vật thể lớn hoặc một khuôn mặt lớn. Các hình ảnh riêng lẻ được khớp với nhau, nghĩa là mỗi hình ảnh riêng lẻ được trình bày tổng cộng 3 lần, 1 lần với nền đen, 1 lần với một đối tượng lớn làm nền và 1 lần với khuôn mặt lớn làm nền. Lượng nhiễu ngẫu nhiên được chồng lên trên một ảnh riêng lẻ được giữ không đổi trong 3 điều kiện nền khác nhau. Đối tượng trong nền đối tượng lớn không thay đổi và không được bao gồm trong một trong 210 hình ảnh đối tượng riêng lẻ được trình bày. Tương tự, khuôn mặt trong nền mặt lớn không thay đổi và không được bao gồm trong một trong 210 hình ảnh khuôn mặt riêng lẻ được trình bày. Không có tiếng ồn được thêm vào bất kỳ nền.
Câu hỏi tôi muốn trả lời là liệu nhận thức về một trong hai khuôn mặt, đối tượng hoặc cả hai đều khác nhau đáng kể giữa 3 điều kiện nền khác nhau. Xem câu hỏi 5 bên dưới để biết thêm chi tiết về câu hỏi tôi muốn trả lời
Vì vậy, cuối cùng, tôi có một bảng dữ liệu, trông như thế này:
+ ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- + | Người tham gia | Thể loại | ID Pic | Độ ồn | Bối cảnh | Phản hồi * | + ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- + | 1 | 0 | 1 | 5% | 1 | 0 | | 1 | 0 | 1 | 5% | 2 | 0 | | 1 | 0 | 1 | 5% | 3 | 0 | | | | | | | | | 1 | 0 | 2 | 24% | 1 | 0 | | 1 | 0 | 2 | 24% | 2 | 1 | | 1 | 0 | 2 | 24% | 3 | 0 | | | | | | | | | 1 | 0 | 3 | 80% | 1 | 1 | | 1 | 0 | 3 | 80% | 2 | 0 | | 1 | 0 | 3 | 80% | 3 | 1 | | | | | | | | | .. | .. | .. | .. | .. | .. | + ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- + | 1 | 1 | 211 | 12% | 1 | 1 | | 1 | 1 | 211 | 12% | 2 | 1 | | 1 | 1 | 211 | 12% | 3 | 1 | | | | | | | | | 1 | 1 | 212 | 20% | 1 | 1 | | 1 | 1 | 212 | 20% | 2 | 0 | | 1 | 1 | 212 | 20% | 3 | 1 | | | | | | | | | 1 | 1 | 213 | 75% | 1 | 0 | | 1 | 1 | 213 | 75% | 2 | 0 | | 1 | 1 | 213 | 75% | 3 | 1 | | | | | | | | | .. | .. | .. | .. | .. | .. | + ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- +
trong đó Danh mục là khuôn mặt (0) hoặc đối tượng (1) và Phản hồi cũng là khuôn mặt (0) hoặc đối tượng (1). Phản ứng của người tham gia là biến phụ thuộc. Dichotomous với một liên tục cơ bản. Vì mỗi người tham gia được đo trong cả 3 điều kiện nền, đây là một thiết kế phụ thuộc. Vì, đối với một hình ảnh riêng lẻ, tôi giữ nhiễu không đổi trong 3 điều kiện nền, nó được ghép nối hoặc khớp với nhau.
Đầu tiên tôi nghĩ về việc tính toán các mối tương quan biserial và so sánh chúng dựa trên thống kê t nhưng sau đó tôi thấy hồi quy logistic có vẻ phù hợp với cấu trúc dữ liệu của tôi hơn. Nhưng tôi vẫn cảm thấy rằng các mẫu phù hợp và thiết kế phụ thuộc nên được kết hợp trong phân tích bằng cách nào đó. Vì vậy, khi tôi tìm kiếm điều đó, Regression Logistic Regression đã xuất hiện.
Vấn đề là, trong Hồi quy logistic có điều kiện, việc khớp được thực hiện trên biến phụ thuộc. Chúng thường khớp 1 trong biến phụ thuộc với một hoặc nhiều mẫu 0. Tôi không khớp với biến phụ thuộc nhưng trên các biến độc lập (cùng hình ảnh có cùng mức nhiễu trong từng điều kiện nền). Vì vậy, tôi không nghĩ rằng tôi có thể sử dụng Hồi quy logistic có điều kiện cho dữ liệu này nhưng tôi không thể tìm thấy bất cứ điều gì khác phù hợp.
Ai đó có nhiều kinh nghiệm hơn về thống kê có thể giải thích cho tôi cách chính xác để trả lời câu hỏi trên cho dù nhận thức về một trong hai khuôn mặt, đối tượng hoặc cả hai đều khác nhau đáng kể giữa 3 điều kiện nền khác nhau.
Cảm ơn sự giúp đỡ của bạn.
[Quy trình thí nghiệm]
Thí nghiệm có tổng cộng 1260 thử nghiệm. Được tạo thành từ 210 khuôn mặt riêng lẻ và 210 đối tượng riêng lẻ được trình bày 3 lần mỗi mặt (một lần với mỗi 3 nền khác nhau). Thứ tự thử nghiệm được chọn ngẫu nhiên với các ràng buộc là trong khối thứ nhất, khối thứ hai và khối cuối cùng của 420 thử nghiệm, mỗi nền được trình bày chính xác 140 lần và mỗi đối tượng riêng lẻ và mỗi khuôn mặt riêng lẻ được trình bày chính xác một lần. Hầu hết nhưng không phải tất cả các khuôn mặt và vật thể khác nhau đều có một lượng nhiễu khác nhau được thêm vào chúng, nhưng tiếng ồn cho một khuôn mặt hoặc vật thể riêng lẻ được giữ nguyên trong 3 điều kiện nền khác nhau.
[Hỏi và Đáp]
1. Có bao nhiêu người tham gia? Có tổng cộng 5 người tham gia.
2. Có giới hạn nào về tiếng ồn không? Tiếng ồn được phân tách theo các bước 0,5% và trong phạm vi [5%, 98%]. Nhiễu được rút ngẫu nhiên từ một vectơ nhiễu (không thay thế) và được gán cho ảnh. Vectơ này bao gồm phân phối tiếng ồn (210 mục nhập cho mỗi loại) không bao gồm mọi giá trị có thể từ 5% đến 98% trong các bước 0,5% nhưng bỏ qua một số giá trị đó và bao gồm một số giá trị khác tối đa 3 lần ( trả lời câu hỏi 3). Điều này đảm bảo rằng mỗi người tham gia trải nghiệm cùng một mức độ nhiễu (mặc dù không có khả năng cho cùng một hình ảnh vì các mức nhiễu được gán ngẫu nhiên cho các hình ảnh riêng lẻ khi bắt đầu thử nghiệm) và có độ phủ tốt trên toàn phạm vi nhưng tiêu điểm là ở mức độ nhiễu gần ngưỡng mà tại đó (đối với thiết lập của chúng tôi), người tham gia có thể nhận ra hình ảnh trong khoảng 50% thời gian. Ngưỡng này đã được tìm thấy trong một nghiên cứu sơ bộ với những người tham gia khác sử dụng cùng một hình ảnh được trình bày trên nền đen. Do đó, nền đen là nền mặc định trong thí nghiệm này.
3. Có thể hai hoặc nhiều hình ảnh có thể được trình bày với cùng một mức độ nhiễu? Có, điều này sẽ xảy ra nhiều lần và bao gồm tối đa 3 hình ảnh riêng lẻ cho cùng một mức độ nhiễu, nhưng không quá 3.
4. Bạn có thể xác nhận rằng bạn không quan tâm đến sự liên kết của tiếng ồn với phản ứng?Câu hỏi này rất khó trả lời cho tôi. Người ta dự đoán rằng hiệu ứng của các nền khác nhau là (nếu có ở tất cả hiện tại) nổi bật nhất nếu các hình ảnh khó nhìn hơn tức là có nhiều nhiễu hơn. Vì vậy, tôi muốn xem xét tiếng ồn trong phân tích, nhưng tôi không nhất thiết yêu cầu phân tích phải cho tôi biết bất cứ điều gì về mối liên hệ của tiếng ồn với phản hồi. Tôi chỉ quan tâm đến việc phát hiện bất kỳ loại khác biệt nào giữa các điều kiện nền với càng nhiều năng lượng càng tốt. Lúc đầu, tôi muốn điều chỉnh 2 đường cong tâm lý cho mỗi 3 điều kiện nền khác nhau (xác suất đáp ứng với loại tương ứng so với mức độ nhiễu) và sau đó so sánh sự dịch chuyển của sự phù hợp tâm lý để kiểm tra sự khác biệt trong điều kiện nền. Tuy nhiên, một phân tích bootstrapping cho thấy phương sai của quy trình lắp là quá lớn để có thể phát hiện sự thay đổi trong phạm vi mà tôi đang mong đợi. Vì vậy, tôi cho rằng thông tin về mối liên hệ của tiếng ồn với phản ứng cũng có thể làm giảm sức mạnh của các loại phân tích khác. Nếu đây là trường hợp, tôi không cần nó.
5. Ý của bạn là 'nhận thức' và 'cả hai'. Bạn thực sự muốn biết điều gì? Bởi 'nhận thức về [danh mục]' Tôi không có nghĩa là phần trăm đúng nhưng '[danh mục] phản hồi'. Giả định mà tôi có (và tôi muốn kiểm tra điều đó) là một khu vực quay mặt sẽ ảnh hưởng đến người tham gia để phản hồi bằng khuôn mặt NHƯNG một khu vực đối tượng sẽ KHÔNG ảnh hưởng đến người tham gia phản hồi với đối tượng(giả định này có thể không có ý nghĩa gì với bạn với tư cách là một người đọc nhưng đó là những gì tôi cần kiểm tra). Ý tôi là với 'cả hai' đó là trường hợp nền mặt ảnh hưởng đến người tham gia trả lời bằng khuôn mặt VÀ nền tảng đối tượng ảnh hưởng đến người tham gia phản hồi với đối tượng, tôi cho rằng chỉ có nền mặt mới có hiệu lực về nhận thức sẽ là sai. Các mức nhiễu khác nhau được đưa vào vì cơ hội ảnh hưởng đến nhận thức đối với một trong các loại sẽ lớn hơn khi hình ảnh khó nhìn / nhận biết hơn. Vì vậy, nếu có hiệu ứng phụ thuộc nền tảng vào nhận thức đối với bất kỳ danh mục nào, không có khả năng hiển thị trong phạm vi nhiễu 5% - 20% mà là trong phạm vi nhiễu cao hơn.
Xin vui lòng cho tôi biết nếu bạn cần thêm thông tin.