獨立性和分類變量的卡方檢驗我對統計很陌生。 我設計了一個實驗，參與者應該點擊以重現一些音樂樣本的節奏。我以 60、120 和 150 bpm 的速度值操作了音樂樣本，這是我的 x 變量，我將其標記為分類和名義。 除了記錄的速度值（y 變量）之外，我還在查看另一個變量，我稱之為 S 因子。 S 因子是一個分類變量，如果給定的速度和再現的速度匹配，它會為我提供信息。 例如。如果在 60 bpm 時感知到 60 bpm，則標籤為 1 = 相同。 如果在 120 處感知到 60，那麼標籤是 2=Double。 S-factor 0- Half 中有 4 個標籤，1 = 相同，2 = 雙，3 = 其他。
我的 H0 是 = 感知節奏與給定節奏相同，這意味著 60 將在 60 時感知，120 將在 120 時感知，150 在 150 時感知。
H1 = 感知速度與給定速度不同。
我有兩個問題：
1) 歌曲呈現的給定速度（60bpm、120 bpm 和 150 bpm）是分類變量還是連續變量？ S 因子應該標記為名義變量還是有序變量？
2）為了檢驗假設，我應該做獨立性的卡方檢驗，因為給定速度和感知速度都是分類的還是我應該去分析--->擬合模型---->把速度作為x - 變量和 S 因子作為 y 變量？ 如果這是兩種不同的看待問題的方法，或者其中只有一種是正確的，我不知道？
回复：獨立性和分類變量的卡方檢驗是的，有些結果 S 不匹配 Half、Same 或 Double。 但他們很少。 詳細地說，我有 84 個音樂片段，28 個音樂片段中的每一個都設置為 60、120 和 150 bpm 的特定速度值，即 28 個片段設置為 60 bpm，28 個片段設置為 120 bpm，28 個片段設置為 150 bpm . 如果在 119 獲得給定節奏 120 的脈動率，我將 S 標記為該值的 Double。 但是，如果 120 的脈動獲得為 80，則將其標記為“其他”。 我已經有了數據。 我現在遇到了統計分析的問題。
回复：獨立性和分類變量的卡方檢驗是的，有些結果 S 不匹配一半、相同或雙倍。 但他們很少。 詳細地說，我有 84 個音樂片段，28 個音樂片段中的每一個都設置為 60、120 和 150 bpm 的特定速度值，即 28 個片段設置為 60 bpm，28 個片段設置為 120 bpm，28 個片段設置為 150 bpm .
如果在 119 獲得給定節奏 120 的脈動率，我將 S 標記為該值的 Double。 但是，如果 120 的脈動獲得為 80，則將其標記為“其他”。
我已經有了數據。 我現在遇到了統計分析的問題。
回复：獨立性和分類變量的卡方檢驗是的，有些結果 S 不匹配一半、相同或雙倍。 但他們很少。 詳細地說，我有 84 個音樂片段，28 個音樂片段中的每一個都設置為 60、120 和 150 bpm 的特定速度值，即 28 個片段設置為 60 bpm，28 個片段設置為 120 bpm，28 個片段設置為 150 bpm .
如果在 119 獲得給定節奏 120 的脈動率，我將 S 標記為該值的 Double。 但是，如果 120 的脈動獲得為 80，則將其標記為“其他”。
我已經有了數據。 我現在遇到了統計分析的問題。
回复：獨立性和分類變量的卡方檢驗首先，您將如何在作業中使用 S = 其他級別？ 是否適用於與 Half、Same 或 Double 不完全匹配的任何結果？
第二，為什麼要將定量變量轉換為定性變量？ 信息總是丟失。 我想這是為了解釋，而不是分析。
第三，您是否已經擁有數據或仍在計劃研究？
最後，假設呈現的速度 (X) 和觀察到的速度 (Y) 都是連續數值變量，您將使用回歸分析。 方差分析將呈現 F 比率而不是卡方。 每個術語都有一個 t 比率。 首先檢查散點圖中的數據以確定是否存在任何數據問題、是否存在非隨機模式以及對數據建模所需的可能複雜性（例如，線性、二次、三次等）。 這一切都可以通過 Fit Y by X > Bivariate 平台來完成。
回复：獨立性和分類變量的卡方檢驗我想我沒有正確定義 S。 它確實有標籤遞增順序，但它們實際上並不是按遞增順序排列的。
例如，這意味著如果以 60 bpm 呈現的歌曲以 30 bpm 被感知。 然後脈動將為 30，但 S 因子為一半，或者我的值標籤為 0。 如果在 60 bpm 時感知到 60 bpm，則 S 因子將是 Same 或值標籤 1。 每首歌曲都是相互獨立的，所以我假設標籤也是獨立分配的，僅取決於給定的速度值和脈動率。
在這種情況下，S 仍然是序數嗎？
回复：獨立性和分類變量的卡方檢驗您對 S 的描述使我相信分類水平表明差異越來越大：1 < 2 < 3。 所以在這種情況下我會使用序數建模類型。
我建議您擬合 y 與 x 的模型，然後使用預測的 y 來計算 S。 我認為 S 的質量將高於根據觀察到的 y 分配 S 然後嘗試對其進行分析或建模。
回复：獨立性和分類變量的卡方檢驗我確實測量了實際速度，但我稱之為脈動（y 變量），因為它是主觀的並記錄為響應的脈動。 我已將脈動標記為連續變量。 對於給定速度的每首歌曲，我記錄其相應的脈動率。
我現在明白為什麼給定的速度也應該是一個連續的變量！ 謝謝你。
一旦我得到脈動，我就會推導出 S 變量並分配標籤。 我仍然無法理解為什麼 S 應該是序數而不是名義。
回复：獨立性和分類變量的卡方檢驗通常盡可能多地使用連續因子。 你只展示了三個級別，但是節奏的選擇是無限的，但因素仍然是連續的。
S 不是一個因素。 這是另一個（派生的）響應。 它與您的響應變量 Y（記錄的節奏）是多餘的。 您是否測量實際速度或將其分為三個級別之一？ 如果是前者，則使用連續的數值數據列。 如果是後者，則使用序數數據列。
我認為您只有兩個變量，因此您可以使用 X 擬合 Y 來開始分析。 我不確定它是否會啟動 Logistic 或 Contingency。 這取決於我上面問題的答案。
