Cara comunità,
Ho una domanda riguardante l'interpretazione di un effetto principale e di interazione del modello misto adattato ai tempi di reazione. Devo variabili fittizie codificate.
Analizzo i tempi di lettura delle frasi. La prima variabile ripete la valenza della prima parte della frase (positiva o negativa) mentre l'altra è codificata la stessa ma per la seconda parte della frase. In questo modo ho quattro tipi di frasi. nn, pn, np, pp. Voglio testare se le frasi congruenti (nn, pp) sono elaborate più velocemente di quelle incongruenti (np, pn). Questo effetto dovrebbe anche essere significativo per confronti come questo: nn
Quindi la mia prima domanda è piuttosto generale. Con la mia codifica così com'è, posso interpretare in modo significativo gli effetti principali e di interazione? Per quanto riguarda l'outpout di jmp, come interpreterei i risultati dei test degli effetti fissi? (Mi dispiace per questa domanda di base, ci ho già pensato molto ma in qualche modo mi sento molto incerto sull'interpretazione al momento)
Inoltre sarebbe sufficiente interpretare le comparazioni a coppie? Sarebbe possibile fare un confronto a coppie di due due? Quindi in questo modo: nn = pp
Sarei davvero molto grato per qualsiasi suggerimento.
Julia, alcuni dettagli importanti sembrano mancare o non capisco il tuo esperimento. Hai solo 4 frasi (nn, np, pn, pp) e ogni persona ha un tempo di lettura per ciascuna? (un esperimento di blocco randomizzato)
Ogni misura rappresentava una persona e una frase uniche?
Ci sono state più di 4 frasi, in cui la frase potrebbe avere un effetto (es. 24 frasi, 6 di ciascun tipo, in cui una delle 6 frasi in nn ha avuto un tempo di lettura molto più lungo rispetto alle altre 5 nn frasi).
Prima di esaminare i test comparativi, è necessario verificare sempre la validità delle ipotesi e degli errori nei dati. Guarda il grafico della variabilità di Reading Time per Y e Question, Type (nn, np, pn, pp). Se ogni persona legge più di una frase, la persona / soggetto dovrebbe essere anche una colonna di raggruppamento.
In allegato è un set di dati simulato in cui 30 soggetti ciascuno legge 4 frasi (l'ordine è stato randomizzato). L'effetto simulato era Congruent Sentences (20,2) e Incongruent Sentences (26,3). Vengono mostrati gli script per esempio grafici e analisi. Questo potrebbe non corrispondere al tuo esperimento o alla codifica, ma potrebbe darti qualche idea.
Nota, questo è stato simulato in modo che solo l'interazione sia significativa. Con fattori semplici come questi, a volte è più facile presentare i risultati utilizzando un fattore (Tipo) con livelli, nn, np, pn, pp. Quando il test globale è significativo (controllando gli errori di tipo 1), utilizzare un test di confronto multiplo.
