범주형 명목 독립변수와 연속형 종속변수의 관계안녕,
다음 사이의 관계를 이해하기 위해 어떤 통계적 방법을 사용해야 하는지 궁금합니다.
- 하나의 범주형 명목 변수("전문 수준"으로 명명되고 두 가지 버스 응답 옵션: "전문가" 및 "비전문가")
그리고
- 하나의 종속 변수("총 고정 기간"으로 명명)
한 그룹의 사람들의 특성, 이 경우에는 전문 지식 수준, 보다 구체적으로 전문가인지 비전문가인지가 이 사람들이 사물을 보는 데 소비한 총 시간(총 집착 기간)에 영향을 미치는지 확인하고 싶습니다. ).
그러려면 어떤 통계 방법을 사용해야 합니까? 그리고 결과를 해석하는 방법(확인할 핵심 매개변수 및 해석 방법)은 무엇입니까?
많은 관심 부탁드립니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계사실 이번 연구에서는 생각해 볼 부분이 많다. 현재로서는 데이터 처리 및 질문에 관해 귀하가 제공하는 정보가 매우 중요했습니다. 나는 그것에 대해 더 많은 노력을 기울일 것입니다.
관심을 가져주셔서 감사합니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계솔직히 말해서 나는 "공부"를 정말로 이해하지 못합니다. 누군가가 그림을 얼마나 오랫동안 보는 것이 왜 중요한가요? 그들은 무엇을 찾고 있나요? 그들이 그것을 언제 찾았는지 어떻게 알 수 있나요? 즉, 효능 지표가 표시되지 않습니다. x 시간 동안 그림을 본 후에 그들이 "가진" 것은 무엇입니까? 일종의 뇌 활동을 측정하고 있나요? 그 이후에 그들은 그림을 "평가"합니까?
IMHO의 두 가지 범주(전문가 및 비전문가)로의 그룹화는 지나치게 단순화되었습니다.
다른 생각들:
- 더 많은 변수(그림과의 거리, 빛의 강도, 조명 유형, 화각, 추가 아티스트(아마도 다른 장르))를 포함하도록 연구를 확장해야 한다고 생각합니다.
- 측정 오류(관찰자 내부 및 관찰자 간 모두)를 추정하거나 분리할 수 있는 방법이 없습니다. 예를 들어, 같은 사람이 같은 그림을 두 번 관찰하게 할 수는 없습니다.
이상값을 처리하는 첫 번째 단계는 이상값을 식별하는 것입니다. 이를 수행하는 방법은 여러 가지가 있습니다(몇 가지 방법은 이미 스레드에 나와 있습니다). 일단 식별되면 왜 "다른"지 생각해야 합니다. 나는 항상 연구를 수행하기 전에 연구의 이상치를 예측할 것을 제안합니다. 비정상적인 데이터 포인트의 원인은 무엇입니까? 연구 전에 이 작업을 수행한 다음 연구 중에 예상했던 "설명"이 발생하는지 관찰하십시오. 대부분의 경우 이는 가장 유익한 정보입니다. 이러한 일이 발생한 이유를 이해하고 나면 데이터 세트에서 이를 제거하는 게임을 할 수 있습니다. 목표는 훌륭한 데이터 세트(또는 훌륭한 그래프, 도표 또는 통계적으로 유의미한 효과)를 갖는 것이 아닙니다. 목표는 배우는 것입니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계감사합니다 @마크_베일리 그리고 @statman .
실용적인 중요성에 대한 질문은 제가 아직 데이터를 이해하는 방법을 배우는 단계이기 때문에 지금 당장 답변하기가 어렵습니다. 그러한 종류의 이미지를 보는 전문가의 시각적 행동 변화에 대한 올바른 매개변수가 무엇인지 아직 모르겠습니다. 확인해 보겠습니다. 좋은 지적입니다.
이 연구에서 나는 같은 예술가가 그린 27점의 서로 다른 그림을 바라보는 전문가와 비전문가의 시선 추적 데이터를 사용하고 있습니다. 나는 그림의 스냅샷에 매핑된 시각적 행동을 필터링하는 매핑 절차를 사용했기 때문에 그들이 그림을 수정하고 있다는 것을 알고 있습니다. 그 물체들은 추상적인 배경을 가진 사람들의 초상화를 표현하는 방식에서 유사하지만, 여전히 서로 다른 크기의 27개의 서로 다른 그림이며, 각각은 고유한 특이점을 가지고 있습니다. 고정 시간은 무료였습니다. 사람들은 이미지를 보고 싶은 시간이 있었기 때문에 각 참가자는 서로 다른 시간 동안 이미지를 보았습니다. 전문성은 사람들의 프로필을 확인하여 결정되었습니다. 예술 분석 관련 분야가 아닌 전문가라면 비전문가로 간주되었습니다. 미술 분석 분야의 전문가라면 전문가로 간주됩니다. 이는 주관적인 매개변수이므로 편향이 발생할 수 있음을 이해합니다.
나의 첫 번째 생각은 전문 지식이 사람들이 이미지를 보는 방식에 영향을 미칠 수 있다는 것이었습니다. 이를 확인하는 한 가지 방법은 전문가와 비전문가가 보는 곳을 비교하고 다양한 관심 영역에 대한 고정을 확인하는 것이었습니다. 이 분석을 위해 나는 몇 가지 기본 분포 히스토그램을 사용했습니다(여기에는 이 데이터를 넣지 않았습니다). 그런 다음 저는 제가 가지고 있는 다른 두 가지 시선 추적 데이터인 고정 지속 시간과 고정 횟수를 생각했습니다. 나는 사람들이 그림을 고정하는 전체 시간과 전체 고정의 양이 전문 지식에 의해 어느 정도 영향을 받을 수 있다고 가정했습니다. 이미지를 검사하는 것입니다. 고정이 많을수록 육안 검사가 더 세밀해집니다. 나는 그것을 탐색적으로 확인하고 있었다.
사람들이 보는 곳은 많은 것들에 의해 영향을 받을 수 있습니다. 당신 말이 절대적으로 옳습니다 @statman , 하지만 어쨌든 전문성이 전체적인 시각적 행동에 영향을 미치는지 확인하려고 했습니다.
두 분석 모두 훌륭합니다. 다시 한 번 감사드립니다! 이 분석에서 이상값을 추출하는 방법을 아직 모르겠습니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계Mark의 결과에 추가하기 위해 여기에 2개의 종속 변수에 대한 다변량 분석이 있습니다. 실질적인 의미를 지정하지 않았습니다. Mahalanobis는 또한 여러 가지 이상값을 감지합니다. 이상값은 측정 오류, 문서 오류 또는 고려되지 않은 기타 노이즈 변수일 수 있습니다(데이터 세트에서 시간 순서를 추적해야 하는 이유 중 하나).
그냥 여기서 놀고 있는데... "그들"이 무엇에 집착하고 있는 걸까요? 그들이 "그것"에 집착하고 있다는 것을 어떻게 알 수 있습니까? 집착하는 대상은 얼마나 다른가요? 시선을 고정하는 대상과 시선을 고정하는 시간 사이에는 어떤 관계가 있는 걸까요? 가설: 우리 모두는 편견을 가지고 있습니다. 편견은 고정 시간에 영향을 미칠 수 있습니다. 예를 들어, 편견이 있는 특정 특징(예: 색상 또는 패턴)이 있는 경우 관찰자는 해당 특징에 더 많은 시간을 할애할 것입니다. 품질 검사 세계에서 검사관이 하나의 결함이나 결함 영역을 발견하면 이는 향후 검사에서 찾는 위치와 대상에 영향을 미칩니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계Excel 통합 문서에서 가져온 JMP 데이터 테이블의 데이터를 제공해 주셔서 감사합니다.
분포 분석에 따르면 오른쪽으로 크게 치우친 반응이 있는 것으로 나타났습니다. 왜곡은 Oneway 분석에서 명백하게 나타납니다.
귀하의 가설은 비전문가보다 전문가의 평균 반응이 더 높다는 것입니다. 그 반대가 관찰됩니다. 평균의 차이는 -3.878입니다. 적절한 t-비율은 -0.84444이고 Prob > t는 0.8입니다.
또한 응답은 동일하지 않은 차이를 나타냅니다. 왜곡을 제거하고 분산을 안정화하기 위해 로그 변환을 적용했습니다. 변환을 통해 두 응답 모두에서 표본의 나머지 부분에 비해 통계에 매우 높은 영향을 미칠 수 있는 몇 가지 극단적인 이상값이 드러났습니다.
이제 t-비율은 -1.59778이고 Prob > t는 0.9437입니다.
나는 Fixation Count 응답에 대해 본질적으로 동일한 분석을 발견했습니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계감사합니다 @마크_베일리 그리고 @statman , 귀하의 제안이 큰 도움이 되었습니다. 나는 그래픽을 만들고 몇 가지 분석 방법을 사용할 수 있었습니다. 내가 올바른 방법을 선택했는지, 올바르게 해석했는지 잘 모르겠습니다. 아래에서 내 해석과 데이터 세트의 첨부 파일을 찾아보십시오.
추신 내가 대답하려는 질문은 전문성이 사람들이 무언가를 보는 시간에 영향을 미치는지 여부입니다(비교를 위해 분석에 두 번째 변수인 집착 횟수를 추가했습니다). 좀 더 구체적으로 어떤 종류의 전문 지식(전문가 또는 비전문가)이 고정 시간과 횟수에 영향을 미치고, 각각이 어떻게 영향을 미치는지 알고 싶습니다.
내 분석은 이렇습니다.
"전문 지식이 총 고정 시간과 고정 횟수에 어느 정도 영향을 미치는지 확인하기 위해 선형 회귀에 대한 탐색적 모델링을 수행했습니다. 분산 분석에서는 총 고정 시간과 전문성 사이에 관계가 없음을 나타냅니다(F 비율 = 0.5838; p 값 = 0.4456). 이는 다양한 전문성이 사람들이 이미지에 집중하는 데 소요되는 시간에 영향을 미치지 않았음을 의미합니다. 유사한 분석에 따르면 다양한 전문성과 고정 횟수 사이에 관계가 존재하는 것으로 나타났습니다(F 비율 = 1.3631, p 값 = 0.2442). 이는 전문 지식이 수행되는 고정의 양에 약간 영향을 미친다는 것을 나타냅니다."
여러분의 소중한 지원에 다시 한 번 감사드립니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계Mark가 말했듯이 Y를 X로 맞춥니다. 다른 생각들:
1. 먼저 실질적인 의미를 이해했는지 확인하세요. "고정 기간"의 변화가 얼마나 중요한지. 얼마나 많은 변화가 과학적 가치를 갖고 있나요?
2. 향후 작업을 위해 더 많은 전문 지식 범주(최소한 순서 척도)를 만들 수 있습니까? 연속에 가까울수록 효율적입니다.
3. 통계적 "테스트"와 함께 데이터를 도표화합니다. 말이 되나요?
4. 전문성은 어떻게 결정되나요? 측정 오류?
5. Duration의 변화에 관심이 있으신가요?
언제든지 우리가 볼 수 있도록 JMP 데이터 세트를 첨부할 수 있습니다.
Re: 범주형 명목 독립변수와 연속형 종속변수의 관계데이터 테이블에는 두 개의 데이터 열이 있습니다. 총 고정 기간 (숫자 데이터, 연속 모델링 유형) 및 전문 지식 수준 (문자 데이터, 명목 모델링 유형). 선택하다 분석하다 > X로 Y 맞추기 . 선택하다 총 고정 기간 그리고 클릭 와이 . 선택하다 전문 지식 수준 그리고 클릭 엑스 . 딸깍 하는 소리 좋아요 .
이제 분석 방법의 선택은 데이터의 성격에 따라 달라집니다. 빨간색 삼각형 메뉴는 사용 가능한 모든 방법을 수행하는 명령을 제공하지만 적절한 방법은 각 방법이 데이터에 대해 설정하는 가정에 따라 달라집니다. 스튜던트 t-검정(등분산 및 비등분산 사례), 분산 분석(ANOVA, 등분산 사례), 평균 분석(ANOM)과 같은 매개변수적 방법이 있습니다. 비모수적 테스트가 많이 있습니다.
