独立性とカテゴリ変数のカイ二乗検定私は統計にかなり慣れていません。 参加者がいくつかの音楽サンプルのテンポを再現するためにタップすることになっている実験を設計しました。私は x 変数である 60、120、および 150 bpm のテンポ値で音楽サンプルを操作し、カテゴリカルおよびノミナルとしてラベル付けしました。 記録されたテンポ値 (y 変数) に加えて、S ファクターと呼ばれるもう 1 つの変数を調べています。 S ファクターはカテゴリ変数であり、指定されたテンポと再現されたテンポが一致するかどうかについての情報を提供してくれます。 たとえば。 60 bpm が 60 bpm で認識された場合、ラベルは 1 = 同じです。 60 が 120 で認識された場合、ラベルは 2=Double です。 S-factor 0-Half、1=同じ、2=Double、3=その他の 4 つのラベルがあります。
私の H0 は = 知覚されるテンポは与えられたテンポと同じです。つまり、60 は 60 で知覚され、120 は 120 で知覚され、150 は 150 で知覚されます。
H1 = 知覚されたテンポは、与えられたテンポと同じではありません。
2 つの質問があります。
1) 歌が提示される与えられたテンポ (60bpm、120bpm、および 150bpm) は、カテゴリ変数または連続変数ですか? S ファクターは、名義変数または順序変数としてラベル付けする必要がありますか?
2）仮説を検証するために、与えられたテンポと知覚されたテンポの両方がカテゴリカルであるため、独立性のカイ 2 乗検定を行うべきか、それとも分析に行くべきか ---> モデルに適合 ----> テンポを x として置く-変数と y 変数としての S ファクター? これらが問題を見るための2つの異なるアプローチなのか、それともどちらか1つだけが正しいのかどうかはわかりません。
Re: 独立性とカテゴリ変数のカイ二乗検定はい、S が Half、Same、または Double に一致しない結果があります。 しかし、それらは非常に少ないです。 詳しく説明すると、84 個の音楽クリップがあり、28 個の音楽クリップのそれぞれが 60、120、および 150 bpm の特定のテンポ値に設定されています。つまり、28 個のクリップが 60 bpm に設定され、28 個のクリップが 120 bpm に設定され、28 個のクリップが 150 bpm に設定されています。 . 与えられたテンポ 120 の脈動率が 119 で取得された場合、その値の S を Double とラベル付けします。 ただし、120 分の脈動が 80 として得られた場合は、その他として分類されます。 私はすでにデータを持っています。 現在、統計分析で問題が発生しています。
Re: 独立性とカテゴリ変数のカイ二乗検定はい、S が一致しない結果がありますハーフ、セイム、またはダブル。 しかし、それらは非常に少ないです。 詳しく説明すると、84 個の音楽クリップがあり、28 個の音楽クリップのそれぞれが 60、120、および 150 bpm の特定のテンポ値に設定されています。つまり、28 個のクリップが 60 bpm に設定され、28 個のクリップが 120 bpm に設定され、28 個のクリップが 150 bpm に設定されています。 .
与えられたテンポ 120 の脈動率が 119 で取得された場合、その値の S を Double とラベル付けします。 ただし、120 分の脈動が 80 として得られた場合は、その他として分類されます。
私はすでにデータを持っています。 現在、統計分析で問題が発生しています。
Re: 独立性とカテゴリ変数のカイ二乗検定はい、S が一致しない結果がありますハーフ、セイム、またはダブル。 しかし、それらは非常に少ないです。 詳しく説明すると、84 個の音楽クリップがあり、28 個の音楽クリップのそれぞれが 60、120、および 150 bpm の特定のテンポ値に設定されています。つまり、28 個のクリップが 60 bpm に設定され、28 個のクリップが 120 bpm に設定され、28 個のクリップが 150 bpm に設定されています。 .
与えられたテンポ 120 の脈動率が 119 で取得された場合、その値の S を Double とラベル付けします。 ただし、120 分の脈動が 80 として得られた場合は、その他として分類されます。
私はすでにデータを持っています。 現在、統計分析で問題が発生しています。
Re: 独立性とカテゴリ変数のカイ二乗検定まず、課題で S = その他のレベルをどのように使用しますか? Half、Same、または Double と完全に一致しない結果の場合はどうなりますか?
第二に、なぜ量的変数を質的変数に変換するのでしょうか? 情報の損失は常にあります。 分析ではなく解釈だと思います。
第三に、すでにデータを持っていますか、それともまだ研究を計画していますか?
最後に、提示されたテンポ (X) と観測されたテンポ (Y) が両方とも連続数値変数であることを考えると、回帰分析を使用します。 分散分析では、カイ 2 乗ではなく F 比が表示されます。 各用語の t 比が表示されます。 最初に散布図でデータを調べて、データに問題があるかどうか、非ランダム パターンがあるかどうか、およびデータのモデル化に必要な複雑さ (たとえば、線形、二次、三次など) を判断します。 これはすべて、X による Y の適合 > 二変量プラットフォームで実行できます。
Re: 独立性とカテゴリ変数のカイ二乗検定S を正しく定義していないと思います。 ラベルの昇順はありますが、実際には昇順ではありません。
たとえば、これは、60 bpm で提示された曲が 30 bpm で認識された場合を意味します。 次に、脈動は 30 になりますが、S ファクターは半分であるか、値ラベルが 0 です。 60 bpm が 60 bpm で認識された場合、S ファクターは同じまたは値ラベル 1 になります。 各曲はそれぞれ独立しているので、与えられたテンポ値と拍動率のみに応じて、ラベルも独立して割り当てられていると思います。
そのような場合、S はまだ序数ですか?
Re: 独立性とカテゴリ変数のカイ二乗検定あなたの S の説明から、カテゴリレベルが 1 < 2 < 3 の増加する差を示していると信じるようになりました。 したがって、このような場合は序数モデリング タイプを使用します。
y 対 x のモデルを当てはめ、予測された y を使用して S を計算することをお勧めします。 S の品質は、観測された y に基づいて S を割り当て、それを分析またはモデル化しようとする場合よりも高くなると思います。
Re: 独立性とカテゴリ変数のカイ二乗検定私は実際のテンポを測定しますが、それは主観的で応答として記録される脈動であるため、脈動 (y 変数) と呼んでいます。 脈動を連続変数としてラベル付けしました。 特定のテンポの各曲について、対応する脈動率を記録します。
与えられたテンポも連続変数でなければならない理由がわかりました! ありがとうございました。
脈動を取得したら、S 変数を導き出し、ラベルを割り当てます。 S が名目ではなく序数でなければならない理由をまだ理解できません。
Re: 独立性とカテゴリ変数のカイ二乗検定通常、可能な限り連続因子を使用します。 3 つのレベルしか提示していませんが、テンポの選択肢は無限にありますが、要素は依然として連続しています。
S は要因ではありません。 これは別の (派生した) 応答です。 これは、応答変数 Y (記録されたテンポ) と重複しています。 実際のテンポを測定しますか、それとも 3 つのレベルのいずれかに分類しますか? 前者の場合は、連続数値データ列を使用してください。 後者の場合は、序数データ列を使用します。
変数が 2 つしかないと思うので、Fit Y by X を使用して分析を開始できます。 ロジスティックまたはコンティンジェンシーが起動するかどうかはわかりません。 それは、上記の私の質問への回答に依存します。
