如何計算此混合設計實驗的誤差率方差分析？

Question

使用下面的數據框，我設法計算了主題反應時間的重複測量ANOVA。這是有問題的數據幀：

> str(a) 
'data.frame': 2778 obs. of 9 variables: 
$ Phase : Factor w/ 1 level "Test": 1 1 1 1 1 1 1 1 1 1 ... 
$ Subject : Factor w/ 17 levels "1","2","3","5",..: 7 7 7 7 7 7 7 7 7 7 ... 
$ Group : Factor w/ 2 levels "Attn","Dist": 1 1 1 1 1 1 1 1 1 1 ... 
$ Global : Factor w/ 2 levels "D","S": 1 1 1 1 1 1 1 1 1 1 ... 
$ Local : Factor w/ 2 levels "D","S": 1 1 1 1 1 1 1 1 1 1 ... 
$ trialtype: Factor w/ 1 level "Dist": 1 1 1 1 1 1 1 1 1 1 ... 
$ RT  : num 477 682 720 NaN 604 720 910 707 705 758 ... 
$ ACC  : logi TRUE TRUE TRUE FALSE TRUE TRUE ... 

，這裏是我用來計算ANOVA的反應時間代碼：

raw<-read.table('R_notarg_noattn.tdf',header=T) 
head(raw) 
str(raw) 
raw$Subject = factor(raw$Subject) 

raw$logrt = log10(raw$RT) # logorithm of RT 
hist(raw$logrt) 

tsttrl_nooutliers = subset(raw, logrt>2 & ACC==TRUE) # take values greater than 2 logs AND where subj responded correctly 
attach(tsttrl_nooutliers) # make column names available as global variables 
hist(logrt) 
summary(aovrt <- aov(logrt ~ Group*Global*Local + Error(Subject/(Global*Local)), subset=Phase=='Test', data=tsttrl_nooutliers)) # ANOVA table 

meanrt=10^tapply(logrt,list(Global=Global, Local=Local, Group=Group), mean) # de-log and calculate means by condition 

par(mfcol=c(1,2)) # c() *combines* values into vector/list; par() sets graphical parameters... equivalent to Matlab's set() ???? 
barplot(meanrt[,,'Attn'],beside=T,ylim=c(700,1000),xpd=F) 
barplot(meanrt[,,'Dist'],beside=T,ylim=c(700,1000),xpd=F) 

detach(tsttrl_nooutliers) 

我想上的錯誤重複類似的分析費率，這些費率編碼在布爾型列ACC中。我想知道如何去做這件事，因爲這個計算需要按照每個條件計算錯誤率的中間步驟。當我說「條件」時，我的意思是說獨特的因素組合，即$ Group，$ Global，$ Local，$ trialtype（只選擇其中的$ Phase == Test，如前面的代碼片段所示）。

有人能指出我正確的方向嗎？總之，我不清楚如何獲得錯誤率，然後我應該沒有問題喂入aov函數。

Answer 1

我不同意使用aov（）不會產生任何問題，因爲您將從分析連續結果轉爲離散結果（乘法觀察二項式）。撇開通常需要泊松迴歸或邏輯迴歸的事實，可以將「ACC」的總和/長度累計在$ Subject，$ Group，$ Global，$ Local和$ trialtype的類別中。目前，只有一個級別爲$ trialtype和$ Phase，因此子集似乎不需要，但是如果此str（）輸出位於子集上，那麼您可以通過僅使用$ trialtype ==「Test」將其限制爲那些a[a$trialtyp=="Test" , ]作爲你的數據框。

categ.a <- with(a, tapply(a$ACC, INDEX =list(Subject Group, Global, Local), 
        FUN = function(x) { 
            sum(x)/ length(x) } 

編輯1：您可能需要尋求關於如何在www.stackexchange.com上尋求離散結果的本研究設計的統計諮詢。如果您正確設置了glm（）或lmer（）分析，則可能甚至不需要此步驟。我一直認爲，我可能會嘗試使用$ Subject作爲具有ACC == TRUE的混合模型中的一個級別，作爲使用log（長度（ACC））偏移的泊松錯誤的結果。

編輯2：如果您在每個主題和類別中都有足夠的數字表示錯誤率是「僞連續的」，即不是很大的零，那麼原始方法可能就足夠了。

Answer 2

您不能正確進行RT分析，因此很難看到如何進行錯誤分析。您無法對原始值進行方差分析，您需要首先彙總到條件。排除異常值後（無論如何，這些異常值的理由是什麼？），然後您需要彙總rt。

agg <- aggregate(RT ~ Group + Global + Local + Subject, data = tsttrl_nooutliers, mean) 

然後，你可以做造型。我不想告訴你如何去做精確度，儘管你現在應該能夠弄明白。您需要閱讀Dixon (2008)和Jaeger (2008)。不建議對精度進行方差分析，他們做的很好，覆蓋了大部分原因。