[問題] 一致性資料處理

看板Statistics作者 (RyanF)時間6年前 (2019/11/10 04:32), 6年前編輯推噓2(2推 0噓 25→)
留言27則, 3人參與, 6年前最新討論串1/1
想請問我今天有一筆資料是每位受試者有一百分的額度可以按照五個變項（欄）分配分數 ，那這筆資料最後想跑kappa一致性檢定，請問這樣的raw data必須要先如何處理？還是 我可以直接硬幹下去？ 我的疑問是這筆資料其實可以以百分比來看待，但百分比資料這樣縱向（欄）的資料分數 會不會造成某種問題？ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.136.144.7 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Statistics/M.1573331569.A.EF5.html
推
11/10 21:27, 6年前 , 1F
當然不行。你想想，若分數變1000分，難不成你的樣本量
11/10 21:27, 1F
→
11/10 21:27, 6年前 , 2F
也變10倍？
11/10 21:27, 2F
→
11/10 21:30, 6年前 , 3F
係數不會變，但檢驗是和樣本數有關的。
11/10 21:30, 3F
確實沒錯，謝謝大大的解答，但想知道這種資料型態該如何處理，上網搜了一段時間也沒 找到方法QQ ※ 編輯: asd2213857 (114.136.144.7 臺灣), 11/11/2019 01:27:30
→
11/11 02:02, 6年前 , 4F
可以先說明你的實驗設計與目的。
11/11 02:02, 4F
→
11/11 18:11, 6年前 , 5F
百分比資料可參考compositional data analysis
11/11 18:11, 5F
→
11/11 19:04, 6年前 , 6F
CoDA是好主意。不過我還是希望看看實驗設計，特別是一致
11/11 19:04, 6F
→
11/11 19:05, 6年前 , 7F
性的評估是怎麼被安排在設計之內的。
11/11 19:05, 7F
沒接觸過coda，不好意思想請問大大們有什麼推薦的文獻嗎？實驗設計目前我也還不知道 ，老闆只先要我跑這筆資料的受試者間一致性檢定，真傷腦筋 ※ 編輯: asd2213857 (114.136.143.214 臺灣), 11/15/2019 12:21:11
→
11/15 17:43, 6年前 , 8F
先弄清楚研究問題 CoDA大部分用來研究其他變因對百分
11/15 17:43, 8F
→
11/15 17:44, 6年前 , 9F
比組成的影響 若已假設百分比被其他變因影響 卻又
11/15 17:44, 9F
→
11/15 17:45, 6年前 , 10F
期待受試者結果都一致 就是矛盾了
11/15 17:45, 10F
→
11/15 17:47, 6年前 , 11F
抽樣和設計不確定怎麼可能知道怎麼分析才對？
11/15 17:47, 11F
→
11/15 17:48, 6年前 , 12F
先問清楚這些資料是怎麼來的，如何測得，要回答什麼問題
11/15 17:48, 12F
→
11/15 17:50, 6年前 , 13F
一個受測者測幾次？受測者如何決定？受測者是否相同條件
11/15 17:50, 13F
→
11/15 17:50, 6年前 , 14F
都是必須要知道的。
11/15 17:50, 14F
資料是邀請約15個人，對同一個物品做評比，認為此物品的特徵比，一個物品都由五個特 徵，每人給予100分拿去分配五個特徵的分數，沒有實驗介入，只是想檢查15個人對這個 物品有無一致的認識。 沒有假設實驗介入，單純檢查～麻煩各位大大了 我對coda不熟QQ ※ 編輯: asd2213857 (223.137.52.50 臺灣), 11/18/2019 02:54:39
→
11/18 20:43, 6年前 , 15F
這完全沒有統計上的一致性可言啊...
11/18 20:43, 15F
→
11/18 20:44, 6年前 , 16F
如果是15個人分別看A物品與B物品打分數，才有所謂A與B
11/18 20:44, 16F
→
11/18 20:44, 6年前 , 17F
的一致性。
11/18 20:44, 17F
→
11/18 21:02, 6年前 , 18F
不過不表示沒事可做啦。至少你可以對CoDA做cluster
11/18 21:02, 18F
→
11/18 21:06, 6年前 , 19F
例子在 Using the R package“compositions”
11/18 21:06, 19F
推
11/18 23:19, 6年前 , 20F
更正，你可能是問同一問題在15人間的一致性格。我誤解
11/18 23:19, 20F
→
11/18 23:19, 6年前 , 21F
這件事。
11/18 23:19, 21F
→
11/18 23:21, 6年前 , 22F
然而，我不認為這可以被檢驗，除非有更多假設。
11/18 23:21, 22F
→
11/20 13:51, 6年前 , 23F
首先 定義預期什麼情況才算"夠一致"
11/20 13:51, 23F
→
11/20 13:53, 6年前 , 24F
定義"夠一致"的理想情況容許多大的變異度 (更精確來
11/20 13:53, 24F
→
11/20 13:54, 6年前 , 25F
說是要定義整個機率分布模型) 然後才能檢定真實觀測
11/20 13:54, 25F
→
11/20 13:54, 6年前 , 26F
得的資料是否偏離"夠一致"的狀況
11/20 13:54, 26F
準確來說，應該是有好幾個不同的物品，每個物品都邀請15個人做評估，然後做k個評分 者k個物品的一致性檢定，這樣子也沒辦法做嗎？ 對這方面一直不太清楚。另外請問這原 始資料處理方面的數學跟維基百科的compositional data是一樣的嗎？謝謝你們的熱心幫 忙，嗚嗚 ※ 編輯: asd2213857 (223.137.29.107 臺灣), 11/23/2019 20:09:28
→
11/24 12:38, 6年前 , 27F
.
11/24 12:38, 27F
‣ 更多 asd2213857 的文章
文章代碼(AID): #1Tno9nxr (Statistics)