Relación entre variable independiente nominal categórica y variable dependiente continuaHola,
Tengo una duda sobre qué método estadístico utilizar para entender la relación entre:
- una variable nominal categórica (llamada "nivel de experiencia", con dos opciones de respuesta del bus: "experto" y "no experto")
y
- una variable dependiente (llamada "duración total de las fijaciones")
Me gustaría comprobar si una característica de un grupo de personas, en este caso el nivel de experiencia, y más concretamente si ser experto o no experto, influye en la duración total del tiempo que estas personas pasan mirando cosas (duración total de fijación). ).
¿Qué método estadístico debo utilizar para eso? ¿Y cómo interpretar los resultados (qué parámetro clave comprobar y cómo interpretarlo)?
Gracias por su atención.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaDe hecho, hay muchas cosas en las que pensar en este estudio. Por ahora fue de gran importancia la información que usted brinda sobre el tratamiento de datos y cuestionamiento. Trabajaré más en ello.
Gracias por su atención.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaPara ser honesto, realmente no entiendo el "estudio". ¿Por qué importa cuánto tiempo alguien mira un cuadro? ¿Qué están buscando? ¿Cómo sabes cuándo lo encontraron? En otras palabras, no veo ninguna métrica de eficacia. ¿Qué "tienen" después de mirar la pintura durante x cantidad de tiempo? ¿Estás midiendo algún tipo de actividad cerebral? ¿"Califican" la pintura después de ese tiempo?
En mi humilde opinión, su agrupación en 2 categorías (expertos y no) está demasiado simplificada.
Otros pensamientos:
- Creo que deberías ampliar el estudio para incluir más variables (distancia desde la pintura, intensidad de la luz, tipo de iluminación, ángulo de visión, artistas adicionales (quizás de diferentes géneros)).
- No tiene ninguna forma de estimar o separar el error de medición (tanto dentro como entre observadores). Por ejemplo, no es posible que la misma persona observe el mismo cuadro dos veces.
El primer paso para lidiar con valores atípicos es identificarlos. Hay muchas maneras de hacer esto (algunos métodos ya se muestran arriba en el hilo). Una vez identificados hay que pensar por qué son "diferentes". Siempre sugiero predecir los valores atípicos en su estudio antes de realizarlo. ¿Qué podría causar puntos de datos inusuales? Haga esto antes del estudio y luego observe si alguna de las "explicaciones" previstas sucede durante el estudio. En muchos casos, estos son los datos más informativos. Una vez que comprenda por qué sucedieron, podrá jugar a eliminarlos del conjunto de datos... El objetivo NO es tener un gran conjunto de datos (ni grandes gráficos, diagramas o efectos estadísticamente significativos). El objetivo es aprender.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaGracias @Mark_Bailey y @statman .
La pregunta sobre el significado práctico me resulta difícil de responder en este momento porque todavía estoy aprendiendo a comprender los datos. Aún no sé cuál podría ser el parámetro correcto del cambio de comportamiento visual de los expertos que observan imágenes de este tipo. Lo comprobaré, ese es un buen punto.
En esta investigación estoy utilizando datos de seguimiento ocular de expertos y no expertos que observan 27 pinturas diferentes del mismo artista. Sé que están fijando las pinturas porque utilicé un procedimiento de mapeo que filtra el comportamiento visual mapeado en instantáneas de las pinturas. Los objetos son similares en la forma en que representan retratos de personas con un fondo abstracto, pero no dejan de ser 27 pinturas diferentes de diferentes tamaños, cada una de ellas con su propia singularidad. El tiempo de fijación era gratuito: las personas tenían el tiempo que querían para mirar las imágenes, por lo que cada participante miraba las imágenes durante un tiempo diferente. La especialización se determinó comprobando el perfil de las personas: si eran profesionales de áreas ajenas al análisis de arte, se consideraban no expertos; y si eran profesionales de áreas de análisis de arte, eran considerados expertos. Entiendo que esto puede crear un sesgo ya que es un parámetro subjetivo.
Lo primero que pensé fue si la experiencia podría afectar la forma en que la gente mira las imágenes. Una forma de comprobarlo era comparar dónde miraban los expertos y los no expertos, verificando fijaciones en diferentes Áreas de Interés. Para este análisis utilicé algunos histogramas de distribución básicos (no puse estos datos aquí). Luego pensé en los otros dos datos de seguimiento ocular que tengo: duración de la fijación y recuento de fijación. Estaba asumiendo que el tiempo total que las personas fijan en las pinturas y la cantidad total de fijaciones podrían estar influenciadas de alguna manera por la experiencia (por ejemplo: cuanto más miran, más tienden a obtener información de las imágenes; cuanto menos miran, más fácil es que ellos inspeccionen las imágenes; cuantas más fijaciones, más detallada será la inspección visual, etc). Lo estaba comprobando de forma exploratoria.
La mirada de la gente puede verse influenciada por muchas cosas, tienes toda la razón @statman , pero estaba tratando de comprobar si la experiencia desempeñaba un papel en el comportamiento visual general de todos modos.
Tus dos análisis son geniales, ¡gracias una vez más! Simplemente no sé todavía cómo extraer los valores atípicos de este análisis.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaSolo para agregar al resultado de Mark, aquí hay un análisis multivariado de las 2 variables dependientes. No especificaste importancia práctica. Mahalanobis también detecta una serie de valores atípicos. Los valores atípicos podrían ser errores de medición, errores de documentación o algunas otras variables de ruido que no se tienen en cuenta (una razón para realizar un seguimiento del orden temporal en su conjunto de datos).
Sólo estoy jugando aquí... ¿En qué se están fijando "ellos"? ¿Cómo sabes que se están fijando en "eso"? ¿Qué tan diferentes son los objetos en los que se fija? ¿Existe alguna relación entre el objeto que se está fijando y el tiempo de fijación? Hipótesis: todos tenemos un sesgo, el sesgo puede afectar el tiempo de fijación. Por ejemplo, si hay una determinada característica (p. ej., color o patrón) hacia la que existe un sesgo, tal vez el observador dedique más tiempo a esa característica. En el mundo de la inspección de calidad, cuando un inspector ve un defecto o un área de defectos, esto influye en dónde y qué buscará en futuras inspecciones.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaGracias por proporcionar sus datos en una tabla de datos JMP, importada de su libro de Excel.
Un análisis de distribución muestra que tiene respuestas fuertemente sesgadas hacia la derecha. El sesgo es evidente en el análisis Oneway.
Su hipótesis es que la respuesta media es mayor para los expertos que para los no expertos. Se observa lo contrario. La diferencia de medias es -3,878. La relación t apropiada es -0,84444 y Prob > t es 0,8.
Las respuestas también exhiben variaciones que no son iguales. Apliqué la transformación logarítmica para eliminar la inclinación y estabilizar la variación. La transformación reveló algunos valores atípicos extremos en ambas respuestas que probablemente ejercen una influencia muy alta en la estadística en comparación con el resto de la muestra.
La relación t es ahora -1,59778 con un Prob > t de 0,9437.
Encontré esencialmente el mismo análisis de la respuesta del Conteo de Fijación.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaGracias @Mark_Bailey y @statman , tus sugerencias fueron de gran ayuda. Logré crear el gráfico y utilizar algunos de los métodos de análisis. Simplemente no estoy seguro de haber elegido el método correcto y de haberlo interpretado correctamente. Encuentre a continuación mi interpretación y el archivo adjunto del conjunto de datos.
PD La pregunta que intento responder es si la experiencia influye en el momento en que las personas miran algo (a modo de comparación, agregué una segunda variable a mi análisis, que es el recuento de fijación). Más concretamente, me gustaría saber qué tipo de experiencia (experta o no experta) influye en el tiempo de fijación y el conteo, y cómo influye cada uno de ellos.
Mi análisis es este:
"Para verificar en qué medida la experiencia tiene un efecto sobre el tiempo total de fijación y el recuento de fijaciones, se realizó un modelo exploratorio de regresión lineal. El análisis de varianza indica que no existe relación entre el tiempo total de fijación y la pericia (F Ratio = 0,5838; valor de p = 0,4456). Esto significa que la variable experiencia no influyó en el tiempo que las personas dedicaron a concentrarse en las imágenes. Sin embargo, un análisis similar sugiere que existe una relación entre la variable experiencia y el recuento de fijación (Relación F = 1,3631, valor de p = 0,2442). Esto indica que la experiencia influye ligeramente en la cantidad de fijaciones realizadas".
Gracias una vez más por su valioso apoyo.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaComo dice Mark, Ajustar Y por X. Algunos otros pensamientos:
1. Primero asegúrese de comprender el significado práctico. ¿Qué importancia tiene para usted un cambio en la "Duración de la fijación"? ¿Qué grado de cambio tiene valor científico?
2. Para trabajos futuros, ¿podría crear más categorías de Experiencia (al menos alguna escala ordinal)? Cuanto más cerca de lo continuo, más eficiente.
3. Trazar los datos junto con las "pruebas" estadísticas. ¿Tiene sentido?
4. ¿Cómo se determina la experiencia? ¿Error de medición?
5. ¿Te importa la variación en la Duración?
Siempre puede adjuntar el conjunto de datos JMP para que podamos verlo.
Re: Relación entre variable independiente nominal categórica y variable dependiente continuaSu tabla de datos tendrá dos columnas de datos: Duración total de la fijación (datos numéricos, tipo de modelado continuo) y Nivel de experiencia (datos de caracteres, tipo de modelado nominal). Seleccionar Analizar > Ajustar Y por X . Seleccionar Duración total de la fijación y haga clic Y . Seleccionar Nivel de experiencia y haga clic X . Hacer clic DE ACUERDO .
Ahora bien, la elección del método de análisis depende de la naturaleza de los datos. El menú del triángulo rojo proporciona comandos para ejecutar todos los métodos disponibles, pero el método apropiado depende de las suposiciones que cada método hace sobre los datos. Existen métodos paramétricos como la prueba t de Student (casos de varianzas iguales y no iguales), análisis de varianza (ANOVA, caso de varianzas iguales) y análisis de medias (ANOM). Existen muchas pruebas no paramétricas.
