Khi nào một biện pháp lặp đi lặp lại ANOVA được ưa thích hơn một mô hình hiệu ứng hỗn hợp?

Để trả lời cho câu hỏi này , liên quan đến việc liệu thiết kế của tôi nơi tôi trình bày ngẫu nhiên những người tham gia với hình ảnh từ các loại khác nhau có phải là một ví dụ mà tôi nên sử dụng một biện pháp lặp lại ANOVA hay không, tôi đã nhận được câu trả lời rằng tôi nên sử dụng mô hình hỗn hợp thay thế, với một trong những lý do là tôi có hai dạng phụ thuộc: cho các môn học và cho các thể loại.

Câu hỏi của tôi là bây giờ: Không phải lúc nào bạn cũng có hai sự phụ thuộc theo cách này khi thực hiện kiểu thiết kế các biện pháp lặp đi lặp lại này sao? Đó là, trong trường hợp nào thì ANOVA được đo lặp lại sẽ thích hợp hơn với phương pháp mô hình hóa hiệu ứng hỗn hợp và tại sao?

Tôi không hoàn toàn chắc chắn mô hình thực tế "các biện pháp lặp lại ANOVA" mô tả, nhưng tôi nghĩ một vấn đề chung là liệu có nên đặt hiệu ứng ngẫu nhiên của bất kỳ loại nào trong một mô hình hay không, ví dụ như chỉ điều chỉnh các ước tính phương sai để bao gồm các phụ thuộc cảm ứng (như trong Bảng sửa lỗi tiêu chuẩn sửa chữa so với các mô hình đa cấp tranh luận trong phân tích dữ liệu cắt ngang theo chuỗi thời gian). Vì vậy, tôi sẽ đi đến câu hỏi đó trước, sau đó giải quyết câu hỏi của bạn.

Hiệu ứng cố định và ngẫu nhiên

Hai nguyên tắc bổ sung về thời điểm sử dụng hiệu ứng ngẫu nhiên thay vì cố định là:

1. Thể hiện một sự vật (chủ đề, loại kích thích, v.v.) với hiệu ứng ngẫu nhiên khi bạn quan tâm sử dụng mô hình để khái quát cho các trường hợp khác của điều đó không có trong phân tích hiện tại, ví dụ như chủ đề khác hoặc các loại kích thích khác. Nếu không sử dụng một hiệu ứng cố định.
2. Đại diện cho một điều với một hiệu ứng ngẫu nhiên khi bạn nghĩ rằng đối với bất kỳ trường hợp nào của sự việc, các trường hợp khác trong tập dữ liệu có khả năng cung cấp thông tin về nó. Nếu bạn mong đợi không có thông tin như vậy, sau đó sử dụng một hiệu ứng cố định.

Cả hai đều thúc đẩy một cách rõ ràng bao gồm các hiệu ứng ngẫu nhiên của chủ thể: bạn thường quan tâm đến quần thể người nói chung và các yếu tố của bộ phản ứng của từng đối tượng có mối tương quan, có thể dự đoán được với nhau và do đó có nhiều thông tin về nhau. Nó là ít rõ ràng cho những thứ như kích thích. Nếu chỉ có ba loại kích thích thì 1. sẽ thúc đẩy một hiệu ứng cố định và 2. sẽ đưa ra quyết định phụ thuộc vào bản chất của các kích thích.

Những câu hỏi của bạn

Một lý do để sử dụng mô hình hỗn hợp trên các hiệu ứng lặp đi lặp lại ANOVA là vì mô hình trước đây có tính tổng quát cao hơn đáng kể , ví dụ như chúng hoạt động dễ dàng như nhau với các thiết kế cân bằng và không cân bằng và chúng dễ dàng được mở rộng sang các mô hình đa cấp. Trong phần đọc (giới hạn) của tôi về ANOVA cổ điển và các phần mở rộng của nó, các mô hình hỗn hợp dường như bao gồm tất cả các trường hợp đặc biệt mà phần mở rộng ANOVA làm. Vì vậy, tôi thực sự không thể nghĩ ra một lý do thống kê để thích các biện pháp lặp đi lặp lại ANOVA. Những người khác có thể giúp đỡ ở đây. (Một lý do xã hội học quen thuộc là lĩnh vực của bạn thích đọc về các phương pháp mà các thành viên lớn tuổi hơn đã học ở trường sau đại học, và một lý do thực tế là có thể mất nhiều thời gian hơn để học cách sử dụng các mô hình hỗn hợp so với một phần mở rộng nhỏ của ANOVA.)

chú thích

Một lưu ý cho việc sử dụng các hiệu ứng ngẫu nhiên, phù hợp nhất với dữ liệu không chính xác, là để duy trì tính nhất quán, bạn phải giả sử rằng các hiệu ứng ngẫu nhiên không tương thích với các hiệu ứng cố định của mô hình hoặc thêm hiệu ứng cố định có nghĩa là đồng biến cho hiệu ứng ngẫu nhiên (đã thảo luận ví dụ như trong bài viết của Bafumi và Gelman).

Nếu những người tham gia của bạn nhìn thấy những bức ảnh giống hệt nhau trong từng điều kiện (rõ ràng không phải là trường hợp trong ví dụ ban đầu của bạn bởi vì mỗi danh mục có thể chứa các hình ảnh khác nhau), ANOVA trên ô có thể cho bạn biết chính xác những gì bạn muốn biết. Một lý do để thích nó là nó dễ hiểu và dễ giao tiếp hơn (bao gồm cả những người đánh giá khi bạn sẽ cố gắng xuất bản nghiên cứu của mình).

Nhưng về cơ bản là có, nếu bạn chạy thử nghiệm trong đó một số người phải làm gì đó để đáp ứng với một số điều kiện (ví dụ như thể loại hình ảnh) với các thử nghiệm lặp đi lặp lại trong mỗi điều kiện, thì luôn có trường hợp bạn có hai nguồn thay đổi. Các nhà nghiên cứu trong một số lĩnh vực (ví dụ tâm lý học) thường xuyên sử dụng các mô hình đa cấp (hoặc một số lựa chọn thay thế cũ khác như phân tích F1 / F2 của Clark) vì lý do đó trong khi các lĩnh vực khác (ví dụ như nhiều công việc trong tâm lý học thực nghiệm chính thống) về cơ bản bỏ qua vấn đề (không lý do khác mà có thể thoát khỏi nó, từ những gì tôi có thể nói).

Bài viết này cũng thảo luận về câu hỏi này:

Raaijmakers, JGW, Schrijnemakers, JMC, & Gremmen, F. (1999). Làm thế nào để đối phó với "Sự sai lầm về ngôn ngữ có hiệu lực cố định": Những quan niệm sai lầm phổ biến và giải pháp thay thế. Tạp chí bộ nhớ và ngôn ngữ , 41 (3), 416-426.

Không bao giờ. Một biện pháp lặp đi lặp lại ANOVA là một loại, có lẽ là mô hình hiệu ứng hỗn hợp đơn giản nhất. Tôi khuyên bạn thậm chí không nên học các biện pháp lặp đi lặp lại, ngoại trừ để biết làm thế nào để phù hợp với một hiệu ứng hỗn hợp, mà là học các phương pháp hiệu ứng hỗn hợp. Phải mất nhiều nỗ lực hơn vì chúng không thể được hiểu là công thức nấu ăn nhưng mạnh hơn nhiều vì chúng có thể được mở rộng thành nhiều hiệu ứng ngẫu nhiên, cấu trúc tương quan khác nhau và xử lý dữ liệu bị thiếu.

Xem Gueorguieva, R., & Krystal, JH (2011). Di chuyển qua ANOVA. Arch Gen tâm thần học, 61, 310 Từ317. http://doi.org/10.1001/archpsyc.61.3.310