Một thiết kế biện pháp lặp đi lặp lại có thể là phi thời gian trong tự nhiên?


8

Bất cứ khi nào tôi đọc về các biện pháp lặp đi lặp lại hoặc thiết kế bên trong chủ đề trong các cuốn sách khác nhau và trên các trang web, ví dụ luôn được đưa ra là một kiểu thiết kế các biện pháp theo chiều dọc hoặc lặp đi lặp lại (ví dụ: mọi người được đo trên cùng một tỷ lệ nhiều lần trong ngày). Đối với thử nghiệm của tôi, tôi đã cho mọi người thấy một số hình ảnh khác nhau theo thứ tự ngẫu nhiên, và sau đó nhóm các hình ảnh này thành các loại khác nhau. Đây có phải là ví dụ về thiết kế lặp lại hoặc thiết kế bên trong đối tượng, nghĩa là tôi có thể sử dụng biện pháp lặp lại (bên trong đối tượng) ANOVA trên dữ liệu của mình không (cho rằng nó thỏa mãn tất cả các giả định cơ bản)?


2
Bạn dường như có HAI hình thức phụ thuộc ở đây: Theo người và theo thể loại. Vì vậy, có lẽ bạn cần một mô hình đa cấp để giải thích cho cả hai
Peter Flom

Câu trả lời:


9

Theo truyền thống, vâng, thiết kế của bạn có thể được coi là một thiết kế đo lường lặp đi lặp lại trong đó bạn coi người đó là một đơn vị quan sát lặp đi lặp lại và bạn coi các hình ảnh trong mỗi thể loại là bản sao đồng nhất của nhau, thu gọn chúng thành một thể loại trung bình và coi là một thể loại biến trong-Ss.

Tuy nhiên, như Peter Flom lưu ý, có thể (rất có thể?) Rằng sự biến thiên trong danh mục trong ảnh của bạn đáng để tính toán, trong trường hợp đó bạn sẽ muốn chuyển sang bối cảnh mô hình hiệu ứng hỗn hợp trong đó bạn sẽ coi thể loại là hiệu ứng cố định và cả mã thông báo người và danh mục dưới dạng hiệu ứng ngẫu nhiên chéo. Xem Baayen et al 2008 để được giải thích.


Cảm ơn đã tham khảo! Tôi đã in nó ra và sẽ chìm vào răng tối nay.
Speldosa

Bây giờ đó một tài liệu tham khảo tốt. Đặc biệt hữu ích vì các yếu tố của bạn cũng được vượt qua. Gelman và Hill 2007 Phần 2 nếu bạn muốn giải trình chậm hơn.
liên hợp chiến binh

@Mike Lawrence Vì vậy, khi bạn thực hiện một phương pháp mô hình hóa hiệu ứng hỗn hợp, bạn không thu gọn dữ liệu của mình (trong trường hợp này cho chủ đề và danh mục) thành một ý nghĩa duy nhất mà sử dụng tất cả các quan sát? Tôi đang thực hiện một phương pháp phát hiện tín hiệu cho một số dữ liệu của mình và bạn rõ ràng không thể nói về các khái niệm như "tỷ lệ trúng trừ tốc độ báo động sai" cho các quan sát đơn lẻ. Ngoài ra, trong bài báo, họ đề cập rằng mô hình này mạnh mẽ chống lại các vi phạm chống lại tính toàn cầu và tính đồng nhất. Điều này có nghĩa là tôi có thể hủy bỏ câu hỏi khó hiểu của mình về các lựa chọn thay thế cho RM-ANOVA trong các trường hợp không có tính toàn cầu của dữ liệu?
Speldosa

@Splingosa, Thật vậy, khi sử dụng các mô hình hiệu ứng hỗn hợp, bạn muốn giữ dữ liệu của mình ở định dạng thô, dùng thử. Điều này đặc biệt xảy ra khi dữ liệu thô có bản chất nhị thức (xem: scTHERirect.com/science/article/pii/S0749596X07001283 ), như ngụ ý rằng bạn đề cập đến lý thuyết phát hiện tín hiệu trong nhận xét của bạn.
Mike Lawrence

@Splingosa, liên quan đến SDT trong các mô hình hiệu ứng hỗn hợp, xem springerlink.com/content/71p13107473qh842 , giải thích rằng nếu bạn có mô hình hiệu ứng hỗn hợp với responseDV, các hiệu ứng tương tác với realityIV sẽ phản ánh các hiệu ứng trên d 'trong khi các hiệu ứng không liên quan đến realityhiệu ứng phản ánh trên tiêu chí.
Mike Lawrence
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.