Un plan de mesures répété peut-il être de nature non temporelle?

Chaque fois que je lis sur les mesures répétées ou la conception intra-sujets dans différents livres et sur des pages Web, l'exemple qui est toujours évoqué est une sorte de conception de mesures longitudinales ou répétées (par exemple, les personnes sont mesurées sur la même échelle plusieurs fois dans la journée). Pour mon expérience, j'ai montré aux gens un certain nombre d'images différentes dans un ordre aléatoire, puis j'ai regroupé ces images en différentes catégories. Est-ce un exemple de mesures répétées ou de conception intra-sujets, c'est-à-dire, puis-je utiliser une ANOVA à mesures répétées (intra-sujets) sur mes données (étant donné qu'elle satisfait toutes les hypothèses de base)?

anova repeated-measures

— Speldosa
source

Vous semblez avoir DEUX formes de dépendance ici: par personne et par catégorie. Vous avez donc probablement besoin d'un modèle à plusieurs niveaux pour tenir compte des deux

— Peter Flom

Traditionnellement, oui, votre conception peut être traitée comme une conception à mesures répétées dans laquelle vous traitez la personne comme une unité d'observation répétée et vous traitez les images de chaque catégorie comme des réplications homogènes les unes des autres, les réduisant à une moyenne et traitant la catégorie comme un variable intra-SS.

Cependant, comme le note Peter Flom, il est possible (probable?) Que la variabilité intra-catégorie de vos images mérite d'être prise en compte, auquel cas vous voudrez passer à un contexte de modélisation à effets mixtes où vous traiterez la catégorie comme un effet fixe et jeton de personne et de catégorie comme effets aléatoires croisés. Voir Baayen et al 2008 pour l'explication.

— Mike Lawrence
source

Merci pour la référence! Je l'ai imprimé et je vais y mettre mes dents ce soir.

— Speldosa

Maintenant que est une bonne référence. Particulièrement utile car vos facteurs sont également croisés. Gelman et Hill 2007 Partie 2 si vous voulez une exposition plus lente.

— conjugateprior

@Mike Lawrence Donc, lorsque vous adoptez une approche de modélisation à effets mixtes, vous ne réduisez pas vos données (dans ce cas pour le sujet et la catégorie) en une seule moyenne mais utilisez plutôt toutes les observations? J'adopte une approche de détection de signal pour certaines de mes données, et vous ne pouvez évidemment pas parler de concepts tels que le "taux de réussite moins le taux de fausses alertes" pour des observations uniques. De plus, dans le document, ils mentionnent que ce modèle est robuste contre les violations de la sphéricité et de l'homoscadasticité. Cela signifie-t-il que je peux annuler ma question à propos des alternatives à RM-ANOVA en cas de non-sphéricité des données?

— Speldosa

@Spledosa, En effet, lorsque vous utilisez des modèles d'effets mixtes, vous souhaitez conserver vos données dans leur format brut, essai par essai. C'est particulièrement le cas lorsque les données brutes sont de nature binomiale (voir: sciencedirect.com/science/article/pii/S0749596X07001283 ), comme l'indique le fait que vous vous référez à la théorie de détection de signal dans votre commentaire.

— Mike Lawrence

@Spledosa, En ce qui concerne le SDT dans les modèles d'effets mixtes, voir springerlink.com/content/71p13107473qh842 , qui explique que si vous avez un modèle d'effets mixtes avec responsecomme DV, les effets qui interagissent avec realitycomme IV reflètent les effets sur d 'alors que les effets qui n'impliquent pas de realityrefléter les effets sur le critère.

— Mike Lawrence