¿Puede un diseño de medidas repetidas ser de naturaleza no temporal?

Cada vez que leo sobre medidas repetidas o diseño dentro de las asignaturas en diferentes libros y páginas web, el ejemplo que siempre aparece es algún tipo de diseño de medidas longitudinales o repetidas (por ejemplo, las personas se miden en la misma escala varias veces durante el día). Para mi experimento, mostré a las personas una cantidad de imágenes diferentes en orden aleatorio, y luego las agrupé en diferentes categorías. ¿Es este un ejemplo de medidas repetidas o diseño dentro de las asignaturas, es decir, puedo usar un ANOVA de medidas repetidas (dentro de las asignaturas) en mis datos (dado que satisface todos los supuestos básicos)?

anova repeated-measures

— Speldosa
fuente

Aquí parece tener DOS formas de dependencia: por persona y por categoría. Por lo tanto, probablemente necesite un modelo multinivel para tener en cuenta ambos

— Peter Flom

Tradicionalmente, sí, su diseño puede tratarse como un diseño de medidas repetidas en el que trata a la persona como una unidad de observación repetida y trata las imágenes de cada categoría como réplicas homogéneas, colapsando a una media y tratando la categoría como una dentro de la variable Ss.

Sin embargo, como señala Peter Flom, es posible (¿probable?) Que valga la pena tener en cuenta la variabilidad intracategoría en sus imágenes, en cuyo caso querrá pasar a un contexto de modelado de efectos mixtos donde tratará la categoría como un efecto fijo y ficha de persona y categoría como efectos aleatorios cruzados. Ver Baayen et al 2008 para la explicación.

— Mike Lawrence
fuente

Gracias por la referencia! Lo imprimí y hundiré mis dientes en él esta noche.

— Speldosa

Ahora que es una buena referencia. Particularmente útil ya que sus factores también se cruzan. Gelman y Hill 2007 Parte 2 si quieres una exposición más lenta.

— conjugateprior

@Mike Lawrence Entonces, cuando adoptas un enfoque de modelado de efectos mixtos, no colapsas tus datos (en este caso para el sujeto y la categoría) a una sola media, sino que utilizas todas las observaciones. Estoy tomando un enfoque de detección de señal para algunos de mis datos, y obviamente no puedes hablar de conceptos como "tasa de aciertos menos tasa de falsas alarmas" para observaciones individuales. Además, en el documento, mencionan que este modelo es robusto contra las violaciones contra la esfericidad y la homoscadasticidad. ¿Significa esto que puedo cancelar mi próxima pregunta sobre alternativas al RM-ANOVA en casos de falta de esfericidad de los datos?

— Speldosa

@Spledosa, de hecho, cuando se usan modelos de efectos mixtos, desea mantener sus datos en su formato crudo, prueba por prueba. Este es especialmente el caso cuando los datos sin procesar son de naturaleza binomial (consulte: sciencedirect.com/science/article/pii/S0749596X07001283 ), como lo implica el hecho de que se refiera a la teoría de detección de señales en su comentario.

— Mike Lawrence

@Spledosa, con respecto al SDT en modelos de efectos mixtos, consulte springerlink.com/content/71p13107473qh842 , que explica que si tiene un modelo de efectos mixtos con responseDV, los efectos que interactúan realitycomo IV reflejan efectos en d 'mientras que los efectos que no implican realityreflejar los efectos sobre el criterio.

— Mike Lawrence