Was ist angesichts des folgenden Experiments die richtige statistische Methode, um die folgende Frage zu beantworten:
Eine Teilnehmerin erhält nacheinander Bilder und muss nach jedem Bild antworten, ob sie ein Objekt oder ein Gesicht gesehen hat. In jedem Versuch (Bildpräsentation) wird das präsentierte Bild (entweder 1 von 210 einzelnen Gesichtern oder 1 von 210 einzelnen Objekten) mit einer bestimmten Menge an zufälligem Rauschen (zwischen 5% und 98%) überlagert. Das dargestellte Bild in jedem Versuch ist eher klein, daher hat jeder Versuch auch einen Hintergrund. Der Hintergrund kann entweder schwarz, ein großes Objekt oder ein großes Gesicht sein. Die einzelnen Bilder werden abgeglichen, dh jedes einzelne Bild wird insgesamt dreimal dargestellt, einmal mit schwarzem Hintergrund, einmal mit einem großen Objekt als Hintergrund und einmal mit einem großen Gesicht als Hintergrund. Die Menge an zufälligem Rauschen, die einem einzelnen Bild überlagert ist, wird über die 3 verschiedenen Hintergrundbedingungen konstant gehalten. Das Objekt im großen Objekthintergrund ändert sich nicht und ist nicht in einem der 210 dargestellten Einzelobjektbilder enthalten. In ähnlicher Weise ändert sich das Gesicht im großen Gesichtshintergrund nicht und ist nicht in einem der 210 dargestellten einzelnen Gesichtsbilder enthalten. Keinem Hintergrund wird Rauschen hinzugefügt.
Die Frage, die ich beantworten möchte, ist, ob sich die Wahrnehmung von Gesichtern, Objekten oder beiden zwischen den drei verschiedenen Hintergrundbedingungen erheblich unterscheidet. Weitere Informationen zu der Frage, die ich beantworten möchte, finden Sie in Frage 5 unten
Am Ende habe ich also eine Datentabelle, die so aussieht:
+ ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- + | Teilnehmer | Kategorie | Bild ID | Geräuschpegel | Hintergrund | Antwort * | + ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- + | 1 | 0 | 1 | 5% | 1 | 0 | | 1 | 0 | 1 | 5% | 2 | 0 | | 1 | 0 | 1 | 5% | 3 | 0 | | | | | | | | | 1 | 0 | 2 | 24% | 1 | 0 | | 1 | 0 | 2 | 24% | 2 | 1 | | 1 | 0 | 2 | 24% | 3 | 0 | | | | | | | | | 1 | 0 | 3 | 80% | 1 | 1 | | 1 | 0 | 3 | 80% | 2 | 0 | | 1 | 0 | 3 | 80% | 3 | 1 | | | | | | | | | .. | .. | .. | .. | .. | .. | + ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- + | 1 | 1 | 211 | 12% | 1 | 1 | | 1 | 1 | 211 | 12% | 2 | 1 | | 1 | 1 | 211 | 12% | 3 | 1 | | | | | | | | | 1 | 1 | 212 | 20% | 1 | 1 | | 1 | 1 | 212 | 20% | 2 | 0 | | 1 | 1 | 212 | 20% | 3 | 1 | | | | | | | | | 1 | 1 | 213 | 75% | 1 | 0 | | 1 | 1 | 213 | 75% | 2 | 0 | | 1 | 1 | 213 | 75% | 3 | 1 | | | | | | | | | .. | .. | .. | .. | .. | .. | + ------------- + ------------- + ------------- + ------- ------ + ------------- + ------------- +
Dabei ist Kategorie Gesicht (0) oder Objekt (1) und Antwort auch Gesicht (0) oder Objekt (1). Die Antwort des Teilnehmers ist die abhängige Variable. Dichotom mit einem zugrunde liegenden Kontinuum. Da jeder Teilnehmer unter allen 3 Hintergrundbedingungen gemessen wird, handelt es sich um ein abhängiges Design. Da ich für ein einzelnes Bild das Rauschen über die 3 Hintergrundbedingungen konstant halte, ist es irgendwie gepaart oder angepasst.
Zuerst dachte ich darüber nach, die biserialen Korrelationen zu berechnen und sie basierend auf der t-Statistik zu vergleichen, aber dann sah ich eine logistische Regression, die besser zu meiner Datenstruktur zu passen schien. Aber ich bin immer noch der Meinung, dass die übereinstimmenden Proben und das abhängige Design irgendwie in die Analyse einbezogen werden sollten. Als ich danach suchte, tauchte die bedingte logistische Regression auf.
Das Problem ist, dass bei der bedingten logistischen Regression der Abgleich für die abhängige Variable erfolgt. Sie stimmen normalerweise mit einer 1 in der abhängigen Variablen mit einer oder mehreren 0 Stichproben überein. Ich stimmte nicht mit der abhängigen Variablen überein, sondern mit den unabhängigen Variablen (gleiche Bilder mit gleichem Rauschpegel in jeder Hintergrundbedingung). Daher glaube ich nicht, dass ich für diese Daten die bedingte logistische Regression verwenden kann, aber ich konnte nichts anderes finden, das passt.
Könnte mir jemand mit mehr Erfahrung in der Statistik erklären, wie die obige Frage richtig beantwortet werden kann, ob sich die Wahrnehmung von Gesichtern, Objekten oder beiden zwischen den drei verschiedenen Hintergrundbedingungen erheblich unterscheidet.
Danke für deine Hilfe.
[Versuchsdurchführung]
Das Experiment hat insgesamt 1260 Versuche. Bestehend aus 210 einzelnen Gesichtern und 210 einzelnen Objekten, die jeweils dreimal präsentiert werden (einmal mit jeweils 3 verschiedenen Hintergründen). Die Versuchsreihenfolge wird mit der Einschränkung randomisiert, dass im ersten, zweiten und letzten Block von 420 Versuchen jeder Hintergrund genau 140 Mal und jedes einzelne Objekt und jedes einzelne Gesicht genau einmal dargestellt wird. Den meisten, aber nicht allen verschiedenen einzelnen Gesichtern und Objekten wird eine unterschiedliche Menge an Rauschen hinzugefügt, aber das Rauschen für ein einzelnes Gesicht oder Objekt wird über die 3 verschiedenen Hintergrundbedingungen, die es darstellt, konstant gehalten.
[Fragen & Antworten]
1. Wie viele Teilnehmer? Insgesamt gibt es 5 Teilnehmer.
2. Gibt es Grenzen für Lärm? Das Rauschen wird in Schritten von 0,5% und im Bereich [5%, 98%] diskretisiert. Das Rauschen wird zufällig aus einem Rauschvektor (ohne Ersatz) gezogen und einem Bild zugewiesen. Dieser Vektor enthält eine Rauschverteilung (210 Einträge für jede Kategorie), die nicht jeden möglichen Wert zwischen 5% und 98% in Schritten von 0,5% enthält, sondern einige dieser Werte überspringt und einige andere Werte bis zu dreimal enthält ( Antwort auf Frage 3)). Dies stellt sicher, dass jeder Teilnehmer den gleichen Rauschpegel erfährt (obwohl dies für dieselben Bilder nicht wahrscheinlich ist, da die Rauschpegel zu Beginn des Experiments zufällig den einzelnen Bildern zugewiesen werden) und dass über den gesamten Bereich, aber den Fokus, eine gute Abdeckung besteht ist auf Geräuschpegel nahe der Schwelle, bei der (für unser Setup) die Teilnehmer das Bild in etwa 50% der Zeit erkennen können. Diese Schwelle wurde in einer Vorstudie mit anderen Teilnehmern unter Verwendung der gleichen Bilder auf schwarzem Hintergrund ermittelt. Daher ist der schwarze Hintergrund der Standardhintergrund in diesem Experiment.
3. Ist es möglich, dass zwei oder mehr Bilder mit demselben Rauschpegel dargestellt werden? Ja, dies geschieht mehrmals und umfasst bis zu 3 Einzelbilder bei gleichem Rauschpegel, jedoch nicht mehr als 3.
4. Können Sie bestätigen, dass Sie nicht an der Zuordnung von Lärm zur Antwort interessiert sind?Diese Frage ist für mich schwer zu beantworten. Es ist zu erwarten, dass der Effekt unterschiedlicher Hintergründe (wenn überhaupt vorhanden) am stärksten ist, wenn die Bilder schwerer zu sehen sind, dh wenn mehr Rauschen vorhanden ist. Ich möchte also das Rauschen in der Analyse berücksichtigen, aber ich benötige nicht unbedingt die Analyse, um mir etwas über die Zuordnung des Rauschens zur Antwort zu sagen. Ich bin nur daran interessiert, Unterschiede zwischen den Hintergrundbedingungen mit so viel Leistung wie möglich festzustellen. Zuerst wollte ich 2 psychometrische Kurven für jede der 3 verschiedenen Hintergrundbedingungen anpassen (Wahrscheinlichkeit, mit der jeweiligen Kategorie gegen den Geräuschpegel zu reagieren) und dann die Verschiebungen der psychometrischen Anpassungen vergleichen, um Unterschiede in den Hintergrundbedingungen festzustellen. Jedoch, Eine Bootstrapping-Analyse ergab, dass die Varianz des Anpassungsverfahrens zu groß ist, um Verschiebungen in dem von mir erwarteten Bereich erkennen zu können. Daher gehe ich davon aus, dass Informationen über die Assoziation von Rauschen mit der Reaktion die Leistung anderer Arten von Analysen ebenfalls verringern können. Wenn dies der Fall ist, brauche ich es nicht.
5. Was meinst du mit "Wahrnehmung" und "beides"? Was willst du eigentlich wissen? Mit "Wahrnehmung von [Kategorie]" meine ich nicht Prozent korrekt, sondern "[Kategorie] Antworten". Die Annahme , ich habe (und ich zu testen möchte , dass) ist , dass ein Gesicht -background einen Teilnehmer reagieren mit beeinflussen würde Gesicht BUT ein Objekt -background würde nicht einen Teilnehmer reagieren mit beeinflussen Objekt(Diese Annahme ergibt für Sie als Leser wahrscheinlich keinen Sinn, aber das muss ich testen). Was ich mit "beides" meine, ist, dass, sollte es sein, dass ein Gesichtshintergrund einen Teilnehmer beeinflusst, mit Gesicht zu antworten, UND ein Objekthintergrund einen Teilnehmer beeinflusst, mit Objekt zu antworten, meine Annahme, dass nur der Gesichtshintergrund eine Wirkung hat auf Wahrnehmung wäre falsch. Die verschiedenen Geräuschpegel wurden berücksichtigt, da die Wahrscheinlichkeit, die Wahrnehmung in Bezug auf eine der Kategorien zu beeinflussen, größer sein sollte, wenn die Bilder schwerer zu sehen / zu erkennen sind. Wenn es also für eine der Kategorien einen hintergrundabhängigen Effekt auf die Wahrnehmung gibt, ist es unwahrscheinlich, dass dieser im Rauschbereich von z. B. 5% - 20%, sondern im höheren Rauschbereich angezeigt wird.
Bitte lassen Sie mich wissen, wenn Sie weitere Informationen benötigen.