独立性和分类变量的卡方检验我对统计很陌生。 我设计了一个实验，参与者应该点击以重现一些音乐样本的节奏。我以 60、120 和 150 bpm 的速度值操作了音乐样本，这是我的 x 变量，我将其标记为分类和名义。 除了记录的速度值（y 变量）之外，我还在查看另一个变量，我称之为 S 因子。 S 因子是一个分类变量，如果给定的速度和再现的速度匹配，它会为我提供信息。 例如。如果在 60 bpm 时感知到 60 bpm，则标签为 1 = 相同。 如果在 120 处感知到 60，那么标签是 2=Double。 S-factor 0- Half 中有 4 个标签，1 = 相同，2 = 双，3 = 其他。
我的 H0 是 = 感知节奏与给定节奏相同，这意味着 60 将在 60 时感知，120 将在 120 时感知，150 在 150 时感知。
H1 = 感知速度与给定速度不同。
我有两个问题：
1) 歌曲呈现的给定速度（60bpm、120 bpm 和 150 bpm）是分类变量还是连续变量？ S 因子应该标记为名义变量还是有序变量？
2）为了检验假设，我应该做独立性的卡方检验，因为给定速度和感知速度都是分类的还是我应该去分析--->拟合模型---->把速度作为x - 变量和 S 因子作为 y 变量？ 如果这是两种不同的看待问题的方法，或者其中只有一种是正确的，我不知道？
回复：独立性和分类变量的卡方检验是的，有些结果 S 不匹配 Half、Same 或 Double。 但他们很少。 详细地说，我有 84 个音乐片段，28 个音乐片段中的每一个都设置为 60、120 和 150 bpm 的特定速度值，即 28 个片段设置为 60 bpm，28 个片段设置为 120 bpm，28 个片段设置为 150 bpm . 如果在 119 获得给定节奏 120 的脉动率，我将 S 标记为该值的 Double。 但是，如果 120 的脉动获得为 80，则将其标记为“其他”。 我已经有了数据。 我现在遇到了统计分析的问题。
回复：独立性和分类变量的卡方检验是的，有些结果 S 不匹配一半、相同或双倍。 但他们很少。 详细地说，我有 84 个音乐片段，28 个音乐片段中的每一个都设置为 60、120 和 150 bpm 的特定速度值，即 28 个片段设置为 60 bpm，28 个片段设置为 120 bpm，28 个片段设置为 150 bpm .
如果在 119 获得给定节奏 120 的脉动率，我将 S 标记为该值的 Double。 但是，如果 120 的脉动获得为 80，则将其标记为“其他”。
我已经有了数据。 我现在遇到了统计分析的问题。
回复：独立性和分类变量的卡方检验是的，有些结果 S 不匹配一半、相同或双倍。 但他们很少。 详细地说，我有 84 个音乐片段，28 个音乐片段中的每一个都设置为 60、120 和 150 bpm 的特定速度值，即 28 个片段设置为 60 bpm，28 个片段设置为 120 bpm，28 个片段设置为 150 bpm .
如果在 119 获得给定节奏 120 的脉动率，我将 S 标记为该值的 Double。 但是，如果 120 的脉动获得为 80，则将其标记为“其他”。
我已经有了数据。 我现在遇到了统计分析的问题。
回复：独立性和分类变量的卡方检验首先，您将如何在作业中使用 S = 其他级别？ 是否适用于与 Half、Same 或 Double 不完全匹配的任何结果？
第二，为什么要将定量变量转换为定性变量？ 信息总是丢失。 我想这是为了解释，而不是分析。
第三，您是否已经拥有数据或仍在计划研究？
最后，假设呈现的速度 (X) 和观察到的速度 (Y) 都是连续数值变量，您将使用回归分析。 方差分析将呈现 F 比率而不是卡方。 每个术语都有一个 t 比率。 首先检查散点图中的数据以确定是否存在任何数据问题、是否存在非随机模式以及对数据建模所需的可能复杂性（例如，线性、二次、三次等）。 这一切都可以通过 Fit Y by X > Bivariate 平台来完成。
回复：独立性和分类变量的卡方检验我想我没有正确定义 S。 它确实有标签递增顺序，但它们实际上并不是按递增顺序排列的。
例如，这意味着如果以 60 bpm 呈现的歌曲以 30 bpm 被感知。 然后脉动将为 30，但 S 因子为一半，或者我的值标签为 0。 如果在 60 bpm 时感知到 60 bpm，则 S 因子将是 Same 或值标签 1。 每首歌曲都是相互独立的，所以我假设标签也是独立分配的，仅取决于给定的速度值和脉动率。
在这种情况下，S 仍然是序数吗？
回复：独立性和分类变量的卡方检验您对 S 的描述使我相信分类水平表明差异越来越大：1 < 2 < 3。 所以在这种情况下我会使用序数建模类型。
我建议您拟合 y 与 x 的模型，然后使用预测的 y 来计算 S。 我认为 S 的质量将高于根据观察到的 y 分配 S 然后尝试对其进行分析或建模。
回复：独立性和分类变量的卡方检验我确实测量了实际速度，但我称之为脉动（y 变量），因为它是主观的并记录为响应的脉动。 我已将脉动标记为连续变量。 对于给定速度的每首歌曲，我记录其相应的脉动率。
我现在明白为什么给定的速度也应该是一个连续的变量！ 谢谢你。
一旦我得到脉动，我就会推导出 S 变量并分配标签。 我仍然无法理解为什么 S 应该是序数而不是名义。
回复：独立性和分类变量的卡方检验通常尽可能多地使用连续因子。 你只展示了三个级别，但是节奏的选择是无限的，但因素仍然是连续的。
S 不是一个因素。 这是另一个（派生的）响应。 它与您的响应变量 Y（记录的节奏）是多余的。 您是否测量实际速度或将其分为三个级别之一？ 如果是前者，则使用连续的数值数据列。 如果是后者，则使用序数数据列。
我认为您只有两个变量，因此您可以使用 X 拟合 Y 来开始分析。 我不确定它是否会启动 Logistic 或 Contingency。 这取决于我上面问题的答案。
