ในการตอบคำถามนี้เกี่ยวกับว่าการออกแบบของฉันที่ฉันนำเสนอผู้เข้าร่วมด้วยภาพจากหมวดหมู่ที่แตกต่างกันเป็นตัวอย่างที่ฉันควรใช้มาตรการ ANOVA ซ้ำ ๆ หรือไม่ฉันได้รับคำตอบว่าฉันควรใช้รูปแบบผสมแทนด้วยหนึ่งใน เหตุผลที่ทำให้ฉันมีการพึ่งพาสองรูปแบบ: สำหรับวิชาและสำหรับหมวดหมู่
คำถามของฉันคือตอนนี้: มันไม่ใช่กรณีที่คุณมีสองการพึ่งพาในลักษณะนี้เมื่อทำการออกแบบมาตรการซ้ำ ๆ แบบนี้หรือไม่? นั่นคือภายใต้สถานการณ์ใดที่ ANOVA จะทำซ้ำมาตรการจะดีกว่าวิธีการสร้างแบบจำลองผลกระทบผสมและทำไม?
คำตอบ:
ฉันไม่ โดยสิ้นเชิงแน่ใจว่าสิ่งที่รูปแบบที่เกิดขึ้นจริง "มาตรการซ้ำ ANOVA" อธิบาย แต่ฉันคิดว่าหนึ่งในปัญหาทั่วไปคือไม่ว่าจะนำผลกระทบแบบสุ่มของชนิดใด ๆ ในรูปแบบมากกว่าเช่นเพียงแค่ปรับประมาณการความแปรปรวนเพื่อให้ครอบคลุมการอ้างอิงเหนี่ยวนำ (ใน ข้อผิดพลาดมาตรฐานที่ได้รับการแก้ไขแบบพาเนลเทียบกับตัวแบบหลายระดับอภิปรายในการวิเคราะห์ข้อมูลข้ามส่วนอนุกรมเวลา ดังนั้นฉันจะไปที่คำถามนั้นก่อนจากนั้นพูดกับคุณ
เอฟเฟกต์แบบคงที่และแบบสุ่ม
หลักการเสริมสองข้อเกี่ยวกับเวลาที่จะใช้แบบสุ่มมากกว่าผลกระทบคงที่คือ:
ทั้งคู่มีแรงจูงใจอย่างชัดเจนรวมถึงเอฟเฟกต์แบบสุ่ม: คุณมักจะสนใจประชากรมนุษย์โดยทั่วไปและองค์ประกอบของชุดการตอบสนองของแต่ละเรื่องมีความสัมพันธ์กันสามารถคาดเดาได้จากกันและกันและให้ข้อมูลซึ่งกันและกัน มันไม่ชัดเจนสำหรับสิ่งต่าง ๆ เช่นสิ่งเร้า หากมีสิ่งเร้าสามประเภทเท่านั้น 1. จะกระตุ้นให้เกิดผลที่แน่นอนและ 2. จะตัดสินใจขึ้นอยู่กับลักษณะของสิ่งเร้า
คำถามของคุณ
เหตุผลหนึ่งที่จะใช้รูปแบบการผสมมากกว่าผลกระทบซ้ำ ANOVA คือว่าอดีตเป็นอย่างมากทั่วไปมากขึ้นเช่นที่พวกเขาทำงานอย่างเท่าเทียมกันได้อย่างง่ายดายด้วยการออกแบบที่สมดุลและไม่สมดุลย์และพวกเขาจะขยายได้อย่างง่ายดายกับรุ่นหลายระดับ ในการอ่าน ANOVA แบบคลาสสิกและส่วนขยายแบบ จำกัด (ยอมรับอย่าง จำกัด ) ของฉันแบบผสมดูเหมือนจะครอบคลุมทุกกรณีพิเศษที่ส่วนขยาย ANOVA ทำ ดังนั้นฉันจึงไม่สามารถคิดเหตุผลทางสถิติที่จะชอบการวัด ANOVA ซ้ำ ๆ ได้ คนอื่นอาจช่วยได้ที่นี่ (เหตุผลทางสังคมวิทยาที่คุ้นเคยคือสาขาของคุณชอบที่จะอ่านเกี่ยวกับวิธีการที่สมาชิกเก่าเรียนรู้ในระดับบัณฑิตศึกษาและเหตุผลเชิงปฏิบัติคืออาจใช้เวลานานกว่านี้เล็กน้อยในการเรียนรู้วิธีการใช้แบบจำลองหลากหลายกว่า ANOVA)
บันทึก
ข้อแม้สำหรับการใช้เอฟเฟ็กต์แบบสุ่มที่เกี่ยวข้องมากที่สุดสำหรับข้อมูลที่ไม่ใช่ประสบการณ์คือการรักษาความมั่นคงคุณต้องสมมติว่าเอฟเฟกต์แบบสุ่มไม่เกี่ยวข้องกับเอฟเฟกต์คงที่ของโมเดลหรือเพิ่มเอฟเฟกต์คงที่ เช่นในกระดาษของ Bafumi และ Gelman)
lmerไม่มีค่า p ใด ๆในการสรุปมาตรฐานเลย
หากผู้เข้าร่วมของคุณเห็นภาพเดียวกันที่แน่นอนในแต่ละเงื่อนไข (ซึ่งไม่ชัดเจนในตัวอย่างดั้งเดิมของคุณเนื่องจากแต่ละหมวดหมู่จะมีภาพที่แตกต่างกัน) ANOVA ในเซลล์อาจหมายถึงบอกสิ่งที่คุณต้องการทราบอย่างแน่นอน เหตุผลหนึ่งที่ชอบคือมันค่อนข้างง่ายต่อการเข้าใจและสื่อสาร (รวมถึงผู้ตรวจสอบเมื่อคุณจะพยายามเผยแพร่การศึกษาของคุณ)
แต่โดยทั่วไปแล้วถ้าคุณทำการทดลองที่ผู้คนจำนวนมากต้องทำอะไรบางอย่างเพื่อตอบสนองต่อเงื่อนไขสองสามอย่าง (เช่นหมวดหมู่รูปภาพ) ที่มีการทดลองซ้ำ ๆ ในแต่ละสภาพ นักวิจัยในบางสาขา (เช่นภาษาศาสตร์จิตวิทยา) ใช้แบบจำลองหลายระดับเป็นประจำ (หรือทางเลือกอื่น ๆ ที่เก่ากว่าเช่นการวิเคราะห์ F1 / F2 ของคลาร์ก) อย่างแม่นยำด้วยเหตุผลนั้นในขณะที่สาขาอื่น ๆ (เช่นงานวิจัยทางจิตวิทยาทดลอง เหตุผลอื่นที่สามารถหลีกหนีจากสิ่งที่ฉันสามารถบอกได้)
บทความนี้ยังกล่าวถึงคำถามนี้:
Raaijmakers, JGW, Schrijnemakers, JMC, & Gremmen, F. (1999) วิธีจัดการกับ "การเข้าใจผิดของภาษาเป็นผลคงที่": ความเข้าใจผิดที่พบบ่อยและการแก้ปัญหาทางเลือก วารสารหน่วยความจำและภาษา , 41 (3), 416-426
ไม่เคย การวัดซ้ำ ANOVA เป็นประเภทเดียวซึ่งอาจเป็นรูปแบบเอฟเฟกต์ที่ง่ายที่สุด ฉันจะไม่แนะนำแม้แต่การเรียนรู้มาตรการซ้ำ ๆ ยกเว้นเพื่อให้รู้ว่าจะปรับให้เหมาะสมกับเอฟเฟ็กต์แบบผสมได้อย่างไร ใช้ความพยายามมากขึ้นเนื่องจากไม่สามารถเข้าใจได้ว่าเป็นสูตรอาหาร แต่มีประสิทธิภาพมากกว่าเนื่องจากสามารถขยายไปเป็นเอฟเฟกต์แบบสุ่มหลายแบบได้โครงสร้างความสัมพันธ์ที่แตกต่างกันและจัดการข้อมูลที่หายไป
ดู Gueorguieva, R. , & Krystal, JH (2011) ย้ายไปที่ ANOVA Arch Gen Psychiatry, 61, 310–317 http://doi.org/10.1001/archpsyc.61.3.310