261202_fr-FR

liliconcom

Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Salut,

J'ai un doute sur la méthode statistique à utiliser pour comprendre la relation entre :

- une variable nominale catégorielle (appelée "niveau d'expertise", avec deux options de réponse du bus : "expert" et "non-expert")

et

- une variable dépendante (nommée "durée totale des fixations")

 

Je voudrais vérifier si une caractéristique d'un groupe de personnes, en l'occurrence le niveau d'expertise, et plus précisément, s'il s'agit d'un expert ou d'un non-expert, influence la durée totale du temps que ces personnes ont passé à regarder les choses (durée totale de fixation ).

 

Quelle méthode statistique dois-je utiliser pour cela ? Et comment interpréter les résultats (quel paramètre clé vérifier et comment l’interpréter) ?

 

Merci de votre attention.

 

 

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

En effet, il y a beaucoup de choses à considérer dans cette étude. Pour l'instant, les informations que vous fournissez sur le traitement et l'interrogation des données revêtent une grande importance. Je vais y travailler davantage.

Merci pour votre attention.

 

 

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Pour être honnête, je ne comprends vraiment pas « l’étude ». Pourquoi est-il important combien de temps quelqu’un regarde un tableau ? Que cherchent-ils? Comment savez-vous quand ils l'ont trouvé ? En d’autres termes, je ne vois aucune mesure d’efficacité. Qu'est-ce qu'ils « ont » après avoir regardé le tableau pendant x temps ? Mesurez-vous une sorte d’activité cérébrale ? Est-ce qu'ils « évaluent » le tableau après ce délai ?

 

À mon humble avis, votre regroupement en 2 catégories (experts et non) est excessivement simplifié.

 

D'autres pensées:

• Je pense que vous devriez élargir l'étude pour inclure davantage de variables (distance du tableau, intensité de la lumière, type d'éclairage, angle de vue, artistes supplémentaires (peut-être de genres différents)).  
• Vous n'avez aucun moyen d'estimer ou de séparer l'erreur de mesure (à la fois au sein et entre les observateurs). Par exemple, vous ne demandez pas à la même personne d’observer deux fois le même tableau.

La première étape pour traiter les valeurs aberrantes est de les identifier. Il existe de nombreuses façons de procéder (certaines méthodes déjà présentées ci-dessus dans le fil de discussion). Une fois identifiés, vous devez réfléchir à la raison pour laquelle ils sont « différents ». Je suggère toujours de prédire les valeurs aberrantes de votre étude avant de réaliser l'étude. Qu’est-ce qui pourrait provoquer des points de données inhabituels ? Faites-le avant l'étude, puis observez si l'une de vos « explications » prédites se produit pendant l'étude. Dans de nombreux cas, ce sont les informations les plus informatives. Une fois que vous avez compris pourquoi ils se sont produits, vous pouvez alors jouer au jeu de les supprimer de l'ensemble de données... L'objectif n'est PAS d'avoir un excellent ensemble de données (ou de superbes graphiques, tracés ou effets statistiquement significatifs). L’objectif est d’apprendre.

 

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Merci @Mark_Bailey et @statman .

Il est difficile pour moi de répondre à la question de l’importance pratique en ce moment, car j’apprends encore à comprendre les données. Je ne sais pas encore quel pourrait être un paramètre correct de changement de comportement visuel des experts regardant des images de ce type. Je vais vérifier, c'est un bon point.

Dans cette recherche, j'utilise les données de suivi oculaire d'experts et de non-experts examinant 27 peintures différentes du même artiste. Je sais qu'ils fixent les peintures parce que j'ai utilisé une procédure de cartographie qui filtre le comportement visuel mappé sur des instantanés des peintures. Les objets sont similaires dans la manière dont ils représentent des portraits de personnes sur un fond abstrait, mais il s'agit toujours de 27 tableaux différents de tailles différentes, chacun ayant sa propre singularité. Le temps de fixation était gratuit : les gens avaient le temps qu'ils voulaient pour regarder les images, donc chaque participant regardait les images pendant une durée différente. L'expertise était déterminée en vérifiant le profil des personnes : s'il s'agissait de professionnels dans des domaines non liés à l'analyse artistique, ils étaient considérés comme des non-experts ; et s’ils étaient des professionnels des domaines de l’analyse de l’art, ils étaient considérés comme des experts. Je comprends que cela puisse créer un biais car il s'agit d'un paramètre subjectif.

Ma première réflexion a été de savoir si l’expertise pouvait affecter la façon dont les gens regardent les images. Une façon de vérifier cela consistait à comparer les points de vue des experts et des non-experts, en vérifiant les fixations sur différents domaines d'intérêt. Pour cette analyse, j'ai utilisé quelques histogrammes de distribution de base (je n'ai pas mis ces données ici). Ensuite, j'ai pensé aux deux autres données de suivi oculaire dont je dispose : la durée de fixation et le nombre de fixations. Je supposais que le temps total pendant lequel les gens fixent les peintures et le nombre total de fixations pourraient être influencés d'une manière ou d'une autre par l'expertise (par exemple : plus ils regardent, plus ils ont tendance à obtenir des informations à partir des images ; moins ils regardent, plus il est facile de les observer). c'est à eux d'inspecter les images ; plus il y a de fixations, plus l'inspection visuelle est détaillée, etc.). Je vérifiais cela à titre exploratoire.

La façon dont les gens regardent peut être influencée par beaucoup de choses, vous avez tout à fait raison. @statman , mais j'essayais de vérifier si l'expertise jouait de toute façon un rôle sur le comportement visuel global.

Vos deux analyses sont excellentes, merci encore ! Je ne sais tout simplement pas encore comment extraire les valeurs aberrantes de cette analyse.

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Juste pour ajouter aux résultats de Mark, voici une analyse multivariée sur les 2 variables dépendantes. Vous n'avez pas précisé la signification pratique. Mahalanobis détecte également un certain nombre de valeurs aberrantes. Les valeurs aberrantes peuvent être une erreur de mesure, une erreur de documentation ou d'autres variables de bruit non prises en compte (une des raisons de garder une trace de l'ordre temporel dans votre ensemble de données).

 

Je joue juste ici... Sur quoi "ils" se concentrent-ils ? Comment savez-vous qu’ils se concentrent sur « ça » ? Dans quelle mesure les objets sur lesquels on se fixe sont-ils différents ? Existe-t-il une relation entre l'objet sur lequel on se fixe et le temps de fixation ? Hypothèse : Nous avons tous un biais, le biais peut affecter le temps de fixation. Par exemple, s'il existe une certaine caractéristique (par exemple, une couleur ou un motif) vers laquelle il existe un biais, l'observateur consacrera peut-être plus de temps à cette caractéristique. Dans le monde de l’inspection qualité, lorsqu’un inspecteur détecte un défaut ou une zone de défauts, cela influence l’endroit et ce qu’il recherche lors des inspections futures.

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Merci d'avoir fourni vos données dans un tableau de données JMP, importé depuis votre classeur Excel.

 

Une analyse de distribution montre que vos réponses sont fortement asymétriques à droite. Le biais est apparent dans l’analyse Oneway.

 

 

Votre hypothèse est que la réponse moyenne est plus élevée pour les experts que pour les non-experts. On observe le contraire. La différence des moyennes est de -3,878. Le rapport t approprié est de -0,84444 et Prob > t est de 0,8.

 

Les réponses présentent également des écarts qui ne sont pas les mêmes. J'ai appliqué la transformation logarithmique pour supprimer le biais et stabiliser la variance. La transformation a révélé quelques valeurs aberrantes extrêmes dans les deux réponses qui exercent probablement une très forte influence sur la statistique par rapport au reste de l’échantillon.

 

 

Le rapport t est désormais de -1,59778 avec un Prob > t de 0,9437.

 

J'ai trouvé essentiellement la même analyse de la réponse Fixation Count.

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Merci @Mark_Bailey et @statman , vos suggestions ont été d'une grande aide. J'ai réussi à créer le graphique et à utiliser certaines méthodes d'analyse. Je ne sais tout simplement pas si j'ai choisi la bonne méthode et si je les ai interprétées correctement. Veuillez trouver ci-dessous mon interprétation et le fichier joint de l'ensemble de données.

PS La question à laquelle j'essaie de répondre est de savoir si l'expertise influence le moment où les gens regardent quelque chose (à titre de comparaison, j'ai ajouté une deuxième variable à mon analyse, qui est le nombre de fixations). Plus précisément, j'aimerais savoir quel type d'expertise (experte ou non experte) influence le temps et le nombre de fixation, et comment chacune d'entre elles l'influence.

Mon analyse est la suivante :

"Afin de vérifier dans quelle mesure l'expertise a un effet sur le temps de fixation total et le nombre de fixations, une modélisation exploratoire de régression linéaire a été réalisée. L'analyse de variance indique qu'il n'y a pas de relation entre le temps de fixation total et l'expertise (Rapport F = 0,5838 ; valeur p = 0,4456). Cela signifie que l'expertise variable n'a pas influencé le temps passé par les gens à se concentrer sur les images. Une analyse similaire suggère cependant qu'il existe une relation entre l'expertise variable et le nombre de fixations (rapport F = 1,3631, valeur p = 0,2442). Cela indique que l'expertise influence légèrement le nombre de fixations effectuées".

Merci encore une fois pour votre précieux soutien.

 

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Comme le dit Mark, Ajustez Y par X. Quelques autres réflexions :

1. Assurez-vous d’abord de bien comprendre la signification pratique. Dans quelle mesure un changement dans la « Durée de fixation » est important pour vous. Dans quelle mesure un changement a-t-il une valeur scientifique ?

2. Pour des travaux futurs, pourriez-vous créer davantage de catégories d'expertise (au moins une échelle ordinale). Plus le processus est proche du continu, plus il est efficace.

3. Tracez les données avec tous les « tests » statistiques. Est-ce que ça fait du sens?

4. Comment l'expertise est-elle déterminée ? Erreur de mesure?

5. Vous souciez-vous de la variation de la durée ?

 

Vous pouvez toujours joindre l'ensemble de données JMP pour que nous puissions l'examiner.

Re : Relation entre la variable indépendante nominale catégorielle et la variable dépendante continue

Votre tableau de données comportera deux colonnes de données : Durée totale de fixation (données numériques, type de modélisation continue) et Niveau d'expertise (données de caractères, type de modélisation nominale). Sélectionner Analyser > Ajuster Y par X . Sélectionner Durée totale de fixation et cliquez Oui . Sélectionner Niveau d'expertise et cliquez X . Cliquez sur D'ACCORD .

 

Or le choix de la méthode d’analyse dépend de la nature des données. Le menu du triangle rouge fournit des commandes pour exécuter toutes les méthodes disponibles, mais la méthode appropriée dépend des hypothèses que chaque méthode fait sur les données. Il existe des méthodes paramétriques telles que le test t de Student (cas de variance égale et non égale), l'analyse de variance (ANOVA, cas de variance égale) et l'analyse des moyennes (ANOM). Il existe de nombreux tests non paramétriques.