分類名目自變數與連續因變數之間的關係你好，
我對使用哪種統計方法來理解之間的關係有疑問：
- 一個分類名目變數（稱為“專業等級”，具有兩個匯流排回應選項：“專家”和“非專家”）
和
- 一個因變數（稱為「注視總持續時間」）
我想檢查一群人的特徵（在本例中為專業水平），更具體地說，是專家還是非專家，是否會影響人們花在看事物上的總持續時間（總注視時間） ）。
我應該使用哪種統計方法？ 以及如何解釋結果（要檢查哪些關鍵參數以及如何解釋它）？
感謝您的關注。
回覆：分類名目自變數與連續因變數之間的關係確實，這項研究有很多值得思考的地方。 目前，您提供的有關數據處理和質疑的資訊非常重要。 我會在這方面做更多的工作。
感謝您的關注。
回覆：分類名目自變數與連續因變數之間的關係說實話，我實在不太懂「學」。 為什麼人們看一幅畫的時間很重要？ 他們在找什麼？ 你怎麼知道他們什麼時候找到的？ 換句話說，我沒有看到任何功效指標。 他們看了這幅畫 x 時間後「擁有」了什麼？ 你在測量某種大腦活動嗎？ 在那之後他們會對這幅畫進行「評價」嗎？
恕我直言，您將其分為兩類（專家和非專家）過於簡化。
其他想法：
- 我認為你應該擴大研究範圍以包含更多變數（與繪畫的距離、光強度、照明類型、視角、其他藝術家（可能來自不同流派））。
- 您沒有任何方法來估計或分離測量誤差（觀察者內部和觀察者之間）。 例如，你不能讓同一個人觀察同一幅畫兩次。
處理異常值的第一步是識別它們。 有很多方法可以做到這一點（一些方法已經在上面的線程中顯示）。 一旦確定，你就必須思考為什麼它們「不同」。 我總是建議在進行研究之前預測研究中的異常值。 什麼可能導致異常數據點？ 在研究之前執行此操作，然後觀察您預測的“解釋”是否在研究期間發生。 在許多情況下，這些是資訊最豐富的資訊。 一旦你了解它們發生的原因，那麼你就可以玩把它們從資料集中刪除的遊戲……目標不是擁有一個偉大的資料集（或偉大的圖表、圖表或統計上顯著的影響）。 目標是學習。
回覆：分類名目自變數與連續因變數之間的關係謝謝@馬克貝利和@statman 。
現在回答這個實際意義問題對我來說是一個挑戰，因為我仍在學習如何理解數據。 我還不知道專家在觀看此類圖像時視覺行為變化的正確參數是什麼。 我會檢查一下，這是一個好點。
在這項研究中，我使用了專家和非專家的眼動追蹤數據來觀看同一位藝術家的 27 幅不同畫作。 我知道他們正在修復這些畫作，因為我使用了一個映射程序來過濾映射到畫作快照上的視覺行為。 這些物體在表現抽象背景人物肖像的方式上很相似，但它們仍然是27幅不同尺寸的不同畫作，每幅畫都有自己的獨特性。 注視時間是免費的：人們有時間觀看圖像，因此每個參與者觀看圖像的時間不同。 專業知識是透過檢查人們的個人資料來確定的：如果他們是非藝術分析相關領域的專業人士，那麼他們被認為是非專家；如果他們是非藝術分析相關領域的專業人士，他們被認為是非專家。如果他們是藝術分析領域的專業人士，他們就被認為是專家。 我知道這可能會產生偏見，因為這是一個主觀參數。
我的第一個想法是專業知識是否會影響人們看待圖像的方式。 檢查這一點的一種方法是比較專家和非專家的觀察方向，驗證對不同興趣領域的關注。 對於此分析，我使用了一些基本的分佈直方圖（我沒有將這些數據放在這裡）。 然後我想到了我擁有的另外兩個眼動追蹤數據：注視持續時間和注視次數。 我假設人們注視繪畫的總時間和總注視量可能會在某種程度上受到專業知識的影響（例如：他們看的越多，他們就越傾向於從圖像中獲取資訊；他們看的越少，就越容易讓他們檢查影像；注視點越多，目視檢查越詳細，等等）。 我正在探索性地檢查這一點。
人們看的地方會受到很多東西的影響，你說得絕對正確@statman ，但我試圖檢查專業知識是否對整體視覺行為起作用。
您的分析非常好，再次感謝您！ 我只是還不知道如何從這個分析中提取異常值。
回覆：分類名目自變數與連續因變數之間的關係為了補充 Mark 的輸出，以下是 2 個因變數的多變量分析。 你沒有具體說明實際意義。 馬哈拉諾比斯也檢測到許多異常值。 異常值可能是測量錯誤、文件錯誤或未考慮到的其他一些雜訊變數（追蹤資料集中時間順序的原因之一）。
只是在這裡玩…「他們」在關注什麼？ 你怎麼知道他們正在關注「它」？ 被注視的物體有何不同？ 被注視的物體和注視時間之間有關係嗎？ 假設：我們都有偏見，偏見可能會影響注視時間。 例如，如果存在對某個特徵（例如顏色或圖案）存在偏見，則觀察者可能會在該特徵上花費更多時間。 在品質檢查領域，當檢查員發現一個缺陷或缺陷區域時，這會影響他們在未來檢查中尋找的位置和內容。
回覆：分類名目自變數與連續因變數之間的關係感謝您在 JMP 資料表中提供從 Excel 工作簿匯入的資料。
分佈分析顯示您的回應具有強烈的右偏。 在單向分析中這種偏差很明顯。
您的假設是專家的平均反應高於非專家的平均反應。 觀察到的情況恰恰相反。 平均值之差為-3.878。 適當的 t 比為 -0.84444，Prob > t 為 0.8。
反應也表現出不相同的差異。 我應用對數變換來消除偏差並穩定方差。 此轉換揭示了兩個回應中的一些極端異常值，與樣本的其餘部分相比，這些異常值可能對統計資料產生非常大的影響。
t 比現在為 -1.59778，機率 > t 為 0.9437。
我發現對注視計數反應的分析基本上相同。
回覆：分類名目自變數與連續因變數之間的關係謝謝@馬克貝利和@statman ，您的建議很有幫助。 我設法創建了圖形並使用了一些分析方法。 我只是不確定我是否選擇了正確的方法，以及我是否正確地解釋了它們。 請在下面找到我的解釋和資料集的附加文件。
PS 我試圖回答的問題是，專業知識是否會影響人們觀看某事物的時間（為了進行比較，我在分析中添加了第二個變量，即註視次數）。 更具體地說，我想知道哪種專業知識（專家或非專家）會影響注視時間和計數，以及它們各自如何影響它。
我的分析是這樣的：
「為了驗證專業知識對總注視時間和注視次數的影響程度，我們進行了線性迴歸的探索性建模。 變異數分析顯示總注視時間和專業知識之間不存在關係（F 比率 = 0.5838；p 值 = 0.4456）。 這意味著不同的專業知識不會影響人們花在圖像上的時間。 類似的分析表明，變數專業知識和注視次數之間存在關係（F 比率 = 1.3631，p 值 = 0.2442）。 這顯示專業知識會稍微影響所執行的注視量」。
再次感謝您的寶貴支持。
回覆：分類名目自變數與連續因變數之間的關係如 Mark 所說，用 X 擬合 Y。 其他一些想法：
1.首先確保你了解實際意義。 「注視持續時間」的變化對您來說有多重要。 有多少變化具有科學價值？
2. 對於未來的工作，您能否創造更多的專業知識類別（至少是一些有序規模）。 越接近連續，效率越高。
3. 繪製資料以及任何統計「測試」。 是否有意義？
4. 專業知識是如何決定的？ 測量誤差？
5. 您關心持續時間的變化嗎？
您可以隨時附上 JMP 資料集供我們查看。
回覆：分類名目自變數與連續因變數之間的關係您的資料表將有兩個資料列：總注視時間（數值數據，連續建模類型）和專業水平（字元數據，名義建模類型）。 選擇分析>透過 X 擬合 Y 。選擇總注視時間然後單擊是。選擇專業水平然後單擊X 。點選好的。
現在分析方法的選擇取決於資料的性質。 紅色小三角選單提供了執行所有可用方法的命令，但適當的方法取決於每種方法對資料所做的假設。 參數方法包括學生 t 檢定（等方差和非等方差情況）、變異數分析（ANOVA、等方差情況）和平均值分析 (ANOM)。 有許多非參數檢定。
