[問題] 二因子混合設計交互作用不顯著

看板Statistics作者 (☆ 妮奇拉 ☆)時間10年前 (2015/04/14 11:22), 10年前編輯推噓2(2推 0噓 26→)
留言28則, 3人參與, 最新討論串1/3 (看更多)
統計的方式是二因子混合設計 獨立樣本是組別（憂鬱組和控制組） 相依樣本是情緒種類 依變項是情緒的辨識正確率 結果組別和情緒種類分別都顯著 但交互作用不顯著 第一個問題： 照統計書的寫法　接下來應該是要跑主要效果的檢定 請問這時候是使用單因子變異數分析嗎 第二個問題： 研究目的是想兩個組別在各種情緒種類辨識正確率上的差異 （即兩組在哪些情緒的辨識正確率上會有顯著差異， 　而不是哪幾種情緒的整體正確率上會有顯著差異...這部分有點拗口~"~） 所以對我來說　重要的資料應該是獨立樣本的主要效果 此時應該是使用獨立樣本單因子變異數分析嗎？ 那以結果呈現而言　此前提下可以省略呈現相依樣本的主要效果嗎？ （因為非實驗目的） 第三個問題： 主要效果的alpha值還是0.05嗎？ 例如如果是獨立樣本的主要效果 alpha值需要除以2嗎？ ◎自問自答：因為只有進行一次比較，故alpha值仍為.05。 謝謝大家的回答！ >"< -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.115.141.52 ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1428981779.A.30C.html ※ 編輯: Nikira (140.115.141.52), 04/14/2015 11:31:10
→
04/14 11:44, , 1F
既然是二因子 獨變項應該有2個吧? 依變項哪來的效果
04/14 11:44, 1F
→
04/14 11:44, , 2F
看獨變項誰主要效果顯著就作誰 2個都顯著就都做
04/14 11:44, 2F
→
04/14 11:45, , 3F
第3個問題 應該是調整錯誤率 作幾次就除以幾吧....
04/14 11:45, 3F
→
04/14 11:50, , 4F
解釋變數和反應變數交代不清楚。要不要再重po一次？
04/14 11:50, 4F
感謝樓上的提醒...大概睡眠太少用錯專有名詞...QQ 應該是指混合設計的獨立樣本與相依樣本，不是獨變項與依變項...耍笨了~"~
→
04/14 11:51, , 5F
我猜猜的，DV是正確率，fixed IV是組別，randomIV是情緒
04/14 11:51, 5F
是a大敘述的意思沒錯！好厲害>"<
→
04/14 11:57, , 6F
原則上 照你修改完的想法做就對了....
04/14 11:57, 6F
哇，這陣子翻了好幾本書才有這樣的猜測...如果對了我會很感動的QQ!! 謝謝樓上二位的解答！
→
04/14 14:41, , 7F
一位受測者貢獻幾個反應值？
04/14 14:41, 7F
→
04/14 14:55, , 8F
每種情緒都做，每種情緒共10題～
04/14 14:55, 8F
→
04/14 14:59, , 9F
那麼至少還有一個隨機因子是受測者。
04/14 14:59, 9F
→
04/14 15:02, , 10F
建議你還是把實驗設計交代清楚，免得一來一往白問白答
04/14 15:02, 10F
憂鬱組30人，控制組30人， 圖片分為7種情緒類型（正向情緒3種，負向情緒4種），每種情緒類型各10張； 每個受試者都要看完7*10=50張情緒圖片， 答對得1分，答錯得0分。 實驗假設是，憂鬱組在其中一到兩種負向情緒的辨識正確率會低於控制組。 不知道這樣算不算詳細的實驗流程...如果有需要補充的部分還請不吝告知QQ!!
推
04/14 15:43, , 11F
5*10 的5是什麼？sorry我還是沒看懂
04/14 15:43, 11F
對不起...應該是7...指七種情緒種類QQ
→
04/14 15:53, , 12F
那反應變數是不是指同一人同一情緒處理的總分或平均分？
04/14 15:53, 12F
對喔是平均分!!
→
04/14 15:58, , 13F
重覆你所說的，受測者被隨機分配到二種A處理。每位受測
04/14 15:58, 13F
→
04/14 15:59, , 14F
者會看7種圖，每種圖10次。同受測者同圖的分數平均為
04/14 15:59, 14F
→
04/14 15:59, , 15F
反應變數。這樣的描述正確嗎？
04/14 15:59, 15F
我不太理解「兩種A處理」的意思？ 受試者有兩組，不太算隨機分配，因為是臨床組和控制組，誰在哪一組是一開始就選好的； 所有的受試者都要看過一模一樣的圖片，所有人的施測過程都是一樣的～ ※ 編輯: Nikira (140.115.141.52), 04/14/2015 16:11:32
→
04/14 16:13, , 16F
sorry那是個冗字。不過，你目前已經說明得很清楚了。
04/14 16:13, 16F
→
04/14 16:14, , 17F
回到模型的話題，你確實需要受測者這個隨機因子，還有
04/14 16:14, 17F
→
04/14 16:16, , 18F
這個因子要不要安排與其它因子的交互作用也需要想想。
04/14 16:16, 18F
→
04/14 16:18, , 19F
另外，也要考慮受測者不是隨機由你指定對解釋結果的影響
04/14 16:18, 19F
→
04/14 16:19, , 20F
這或許不影響分析過程，但解釋結果時要注意解釋的方式。
04/14 16:19, 20F
→
04/14 16:21, , 21F
還有一個可能更讓你頭痛的問題：同受測者看70圖的順序，
04/14 16:21, 21F
→
04/14 16:21, , 22F
以及如何排除受測者內的經驗效應。
04/14 16:21, 22F
→
04/14 16:22, , 23F
這都有可能要納入混合模型之中。
04/14 16:22, 23F
因為data已經收集完畢了...所以有一些實驗設計的部分也來不及更改了orz 目前是只能假設沒有其他可能的干擾因素，單純以雙因子混合變異數分析來跑資料>< ※ 編輯: Nikira (140.115.141.52), 04/14/2015 16:29:39
→
04/14 16:33, , 24F
不考慮受測者這個因子並不洽當。那只適用於1人只看10圖
04/14 16:33, 24F
→
04/14 16:33, , 25F
而不是70圖的情況。
04/14 16:33, 25F
→
04/14 16:34, , 26F
換句話說，這樣會有嚴重的假重覆數問題。
04/14 16:34, 26F
推
04/14 16:58, , 27F
我不想說太多 這實驗設計 我認為用二因子MANOVA才對
04/14 16:58, 27F
→
04/14 17:04, , 28F
同意c大看法。這會單純很多。
04/14 17:04, 28F
※ 編輯: Nikira (140.115.141.52), 04/14/2015 17:14:03 ※ 編輯: Nikira (140.115.141.52), 04/14/2015 17:15:20
‣ 更多 Nikira 的文章
文章代碼(AID): #1LB8WJCC (Statistics)
‣ 更多 Nikira 的文章
文章代碼(AID): #1LB8WJCC (Statistics)