Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaCIAO,
Ho un dubbio su quale metodo statistico utilizzare per comprendere la relazione tra:
- una variabile nominale categoriale (denominata "livello di competenza", con due opzioni di risposta al bus: "esperto" e "non esperto")
E
- una variabile dipendente (denominata "durata totale delle fissazioni")
Vorrei verificare se una caratteristica di un gruppo di persone, in questo caso il livello di competenza, e più specificamente, se essere un esperto o un non esperto, influenza la durata totale del tempo trascorso da queste persone a guardare le cose (durata totale della fissazione ).
Quale metodo statistico dovrei usare per questo? E come interpretare i risultati (quale parametro chiave controllare e come interpretarlo)?
Grazie per l'attenzione.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaIn effetti, ci sono molte cose a cui pensare in questo studio. Per ora le informazioni da voi fornite sul trattamento e sull'interrogatorio dei dati sono state di grande importanza. Ci lavorerò di più.
Grazie per l'attenzione.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaAd essere sincero, non capisco davvero lo "studio". Perché è importante quanto tempo qualcuno guarda un dipinto? Cosa stanno cercando? Come fai a sapere quando l'hanno trovato? In altre parole, non vedo alcuna metrica di efficacia. Cosa "hanno" dopo aver guardato il dipinto per un periodo x di tempo? Stai misurando una sorta di attività cerebrale? "Valutano" il dipinto dopo quel periodo?
IMHO il tuo raggruppamento in 2 categorie (esperti e non) è eccessivamente semplificato.
Altri pensieri:
- Penso che dovresti espandere lo studio per includere più variabili (distanza dal dipinto, intensità della luce, tipo di illuminazione, angolo di visione, ulteriori artisti (magari di generi diversi)).
- Non hai alcun modo per stimare o separare l'errore di misurazione (sia all'interno che tra l'osservatore). Ad esempio, non è possibile che la stessa persona osservi lo stesso dipinto due volte.
Il primo passo per gestire i valori anomali è identificarli. Esistono molti modi per farlo (alcuni metodi già mostrati sopra nel thread). Una volta identificati bisogna pensare al motivo per cui sono “diversi”. Suggerisco sempre di prevedere i valori anomali nel tuo studio prima di eseguire lo studio. Cosa potrebbe causare punti dati insoliti? Fallo prima dello studio e poi osserva se qualcuna delle "spiegazioni" previste si verifica durante lo studio. In molti casi, queste sono le informazioni più informative. Una volta compreso il motivo per cui sono accaduti, puoi giocare a rimuoverli dal set di dati... L'obiettivo NON è quello di avere un grande set di dati (o ottimi grafici, grafici o effetti statisticamente significativi). L'obiettivo è imparare.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaGrazie @Mark_Bailey E @statman .
È difficile per me rispondere in questo momento alla domanda sul significato pratico perché sto ancora imparando a comprendere i dati. Non so ancora quale possa essere un parametro corretto di cambiamento del comportamento visivo degli esperti che guardano immagini di questo tipo. Controllerò, è un buon punto.
In questa ricerca utilizzo i dati di tracciamento oculare di esperti e non esperti che guardano 27 diversi dipinti dello stesso artista. So che stanno fissando i dipinti perché ho utilizzato una procedura di mappatura che filtra il comportamento visivo mappato sulle istantanee dei dipinti. Gli oggetti sono simili nel modo in cui rappresentano ritratti di persone su uno sfondo astratto, ma si tratta pur sempre di 27 dipinti diversi di diverse dimensioni, ognuno con la propria singolarità. Il tempo di fissazione era libero: le persone avevano il tempo che volevano per guardare le immagini, quindi ogni partecipante guardava le immagini per un periodo di tempo diverso. La competenza è stata determinata verificando il profilo delle persone: se erano professionisti di aree non legate all'analisi artistica, erano considerati non esperti; e se erano professionisti nell'ambito dell'analisi artistica, erano considerati esperti. Capisco che questo possa creare un pregiudizio poiché si tratta di un parametro soggettivo.
Il mio primo pensiero è stato se la competenza potesse influenzare il modo in cui le persone guardano le immagini. Un modo per verificarlo è stato confrontare il punto in cui guardavano esperti e non esperti, verificando le fissazioni su diverse aree di interesse. Per questa analisi ho utilizzato alcuni istogrammi di distribuzione di base (non ho inserito questi dati qui). Poi ho pensato agli altri due dati di tracciamento oculare che ho: durata della fissazione e conteggio delle fissazioni. Presumevo che il tempo complessivo in cui le persone fissano i dipinti e la quantità di fissazioni totali potessero essere influenzati in qualche modo dall'esperienza (ad esempio: più guardano, più tendono a ottenere informazioni dalle immagini; meno guardano, più è facile spetta a loro ispezionare le immagini; maggiori sono le fissazioni, più dettagliata sarà l'ispezione visiva, ecc.). Lo stavo controllando a titolo esplorativo.
Il modo in cui le persone guardano può essere influenzato da molte cose, hai assolutamente ragione @statman , ma stavo comunque cercando di verificare se l'esperienza avesse un ruolo sul comportamento visivo complessivo.
Entrambe le vostre analisi sono fantastiche, grazie ancora! Semplicemente non so ancora come estrarre i valori anomali da questa analisi.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaGiusto per aggiungere all'output di Mark, ecco l'analisi multivariata sulle 2 variabili dipendenti. Non hai specificato il significato pratico. Mahalanobis rileva anche una serie di valori anomali. I valori anomali potrebbero essere errori di misurazione, errori di documentazione o altre variabili di rumore non prese in considerazione (uno dei motivi per tenere traccia dell'ordine temporale nel set di dati).
Sto solo giocando qui... Su cosa si stanno fissando "loro"? Come fai a sapere che si stanno fissando su "questo"? Quanto sono diversi gli oggetti su cui ci si fissa? Esiste una relazione tra l'oggetto su cui si fissa e il tempo di fissazione? Ipotesi: tutti abbiamo un pregiudizio, il pregiudizio può influenzare il tempo di fissazione. Ad esempio, se c'è una certa caratteristica (ad esempio, colore o motivo) verso la quale c'è una propensione, forse l'osservatore dedicherà più tempo a quella caratteristica. Nel mondo dell'ispezione della qualità, quando un ispettore vede un difetto o un'area di difetti, ciò influenza dove e cosa cercherà nelle ispezioni future.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaGrazie per aver fornito i tuoi dati in una tabella dati JMP, importata dalla tua cartella di lavoro Excel.
Un'analisi della distribuzione mostra che le risposte sono fortemente distorte a destra. La distorsione è evidente nell’analisi Oneway.
La tua ipotesi è che la risposta media sia più alta per gli esperti che per i non esperti. Si osserva il contrario. La differenza nelle medie è -3,878. Il rapporto t appropriato è -0,84444 e Prob > t è 0,8.
Le risposte mostrano anche variazioni che non sono le stesse. Ho applicato la trasformazione del registro per rimuovere l'inclinazione e stabilizzare la varianza. La trasformazione ha rivelato alcuni valori anomali estremi in entrambe le risposte che probabilmente esercitano un'influenza molto elevata sulla statistica rispetto al resto del campione.
Il rapporto t è ora -1,59778 con una Prob > t di 0,9437.
Ho trovato essenzialmente la stessa analisi della risposta del conteggio di fissazione.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaGrazie @Mark_Bailey E @statman , i tuoi suggerimenti sono stati di grande aiuto. Sono riuscito a creare la grafica e ad utilizzare alcuni metodi di analisi. Semplicemente non sono sicuro di aver scelto il metodo giusto e di averli interpretati correttamente. Di seguito trovate la mia interpretazione e il file allegato del set di dati.
Sal La domanda a cui sto cercando di rispondere è se la competenza influenza il tempo in cui le persone guardano qualcosa (per confronto, ho aggiunto una seconda variabile alla mia analisi, che è il conteggio della fissazione). Più specificatamente, mi piacerebbe sapere quale tipo di competenza (esperta o non esperta) influenza il tempo di fissazione e il conteggio, e come ciascuna di esse lo influenza.
La mia analisi è questa:
"Al fine di verificare in che misura l'esperienza ha un effetto sul tempo di fissazione totale e sul conteggio delle fissazioni, è stata eseguita una modellazione esplorativa della regressione lineare. L'analisi della varianza indica che non esiste alcuna relazione tra il tempo totale di fissazione e l'esperienza (rapporto F = 0,5838; valore p = 0,4456). Ciò significa che la competenza variabile non ha influenzato il tempo che le persone hanno trascorso concentrandosi sulle immagini. Un'analisi simile suggerisce tuttavia che esiste una relazione tra la competenza variabile e il conteggio delle fissazioni (rapporto F = 1,3631, valore p = 0,2442). Ciò indica che la competenza influenza leggermente la quantità di fissazioni eseguite".
Grazie ancora per il vostro prezioso supporto.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaCome afferma Mark, adatta Y con X. Alcuni altri pensieri:
1. Assicurati di comprendere prima il significato pratico. Quanto conta per te il cambiamento nella "Durata della fissazione". Quanto di un cambiamento ha valore scientifico?
2. Per il lavoro futuro, potresti creare più categorie di competenze (almeno una scala ordinale). Più si avvicina al continuo, più è efficiente.
3. Tracciare i dati insieme a eventuali "test" statistici. Ha senso?
4. Come viene determinata la competenza? Errore di misurazione?
5. Ti interessa la variazione della Durata?
Puoi sempre allegare il set di dati JMP affinché possiamo esaminarlo.
Re: Relazione tra variabile indipendente nominale categoriale e variabile dipendente continuaLa tabella dati avrà due colonne di dati: Durata totale della fissazione (dati numerici, tipo di modellazione continua) e Livello di competenza (dati del personaggio, tipo di modellazione nominale). Selezionare Analizzare > Adatta Y per X . Selezionare Durata totale della fissazione e fare clic Y . Selezionare Livello di competenza e fare clic X . Clic OK .
Ora la scelta del metodo di analisi dipende dalla natura dei dati. Il menu del triangolo rosso fornisce comandi per eseguire tutti i metodi disponibili, ma il metodo appropriato dipende dalle ipotesi che ciascun metodo fa sui dati. Esistono metodi parametrici come il t-Test di Student (casi di varianza uguale e non uguale), l'analisi della varianza (ANOVA, caso di varianza uguale) e l'analisi delle medie (ANOM). Esistono molti test non parametrici.
