অনুসরণ করুন: আনোভা প্লট আনুমানিক এসএস বা প্রকৃত এসইএস-এর মধ্যে-মধ্যে মিশ্রিত?

Question

আমি বর্তমানে একটি কাগজ শেষ করছি এবং গতকাল থেকে এই প্রশ্নে হোঁচট খেয়েছি যা আমাকে একই প্রশ্নটি নিজের কাছে দাঁড় করিয়েছে। ডেটা থেকে আসল স্ট্যান্ডার্ড ত্রুটি বা আমার আনোভা থেকে অনুমান করা কোনটি দিয়ে আমার গ্রাফটি সরবরাহ করা ভাল?
যেহেতু গতকাল থেকে প্রশ্নটি বরং অনির্দিষ্ট ছিল এবং আমার যথেষ্ট সুনির্দিষ্ট আমি ভাবলাম এই ফলো-আপ প্রশ্নটি উত্থাপন করা উপযুক্ত হবে।

বিশদ:
আমি কয়েকটি জ্ঞানীয় মনোবিজ্ঞানের ডোমেনে (শর্তাধীন যুক্তি) দুটি গ্রুপের (ইন্ডাকটিভ এবং ডিডাকটিভ নির্দেশাবলী, অর্থাত্ একটি বিষয়গুলির মধ্যে ম্যানিপুলেশন) দুটি বিষয়ের মধ্যে ম্যানিপুলেশনগুলির সাথে (সমস্যার ধরণ এবং সমস্যার বিষয়বস্তু, প্রত্যেকটির সাথে তুলনা করে) একটি পরীক্ষা চালিয়েছি দুটি ফ্যাক্টর স্তর)।

ফলাফলগুলি এর মতো দেখায় (আনোভা আউটপুট থেকে এসই-অনুমানের সাথে বাম প্যানেল, এসই সহ উপাত্ত থেকে অনুমান করা এসই সহ ডান প্যানেল):
নোট করুন যে বিভিন্ন লাইন দুটি পৃথক গোষ্ঠীর প্রতিনিধিত্ব করে (অর্থাত্ বিষয়গুলির মধ্যে হেরফের) এবং এর মধ্যে- এক্সেস-অক্ষের (অর্থাৎ, 2x2 ফ্যাক্টরের স্তর) বিষয়গুলির ম্যানিপুলেশনগুলি প্লট করা হয়।

পাঠ্যটিতে আমি আনোভা সম্পর্কিত স্বতন্ত্র ফলাফল এবং মাঝখানে সমালোচনামূলক ক্রস-ওভার মিথস্ক্রিয়া জন্য এমনকি পরিকল্পনামূলক তুলনা সরবরাহ করি। এসই এস সেখানে পাঠকদের তথ্যের পরিবর্তনশীলতা সম্পর্কে কিছু ইঙ্গিত দেবে। আমি স্ট্যান্ডার্ড বিচ্যুতি এবং আত্মবিশ্বাসের ব্যবস্থাগুলির চেয়ে এসইগুলি পছন্দ করি কারণ এসডিগুলিকে প্লট করা সাধারণ না এবং এর মধ্যে-এবং-বিষয় সিআইয়ের মধ্যে তুলনা করার সময় গুরুতর সমস্যা রয়েছে (যেমনটি অবশ্যই এসইগুলির ক্ষেত্রে প্রযোজ্য) তাত্ক্ষণিকভাবে তাত্পর্যপূর্ণ তাত্পর্য নির্ধারণ করা এত সাধারণ বিষয় নয় তাদের কাছ থেকে).

আমার প্রশ্নের পুনরাবৃত্তি করতে: আনোভা থেকে অনুমান করা এসইগুলি প্লট করা ভাল বা কাঁচা ডেটা থেকে অনুমান করা এসইগুলি প্লট করা উচিত?

আপডেট:
আমি মনে করি অনুমিত এসইগুলি কী তা সম্পর্কে আমার একটু স্পষ্ট হওয়া উচিত। estimated marginal meansএসপিএসে আনোভা আউটপুটটি আমাকে এসই এবং সিআই-র সাথে সম্পর্কিত করে। এটিই বাম গ্রাফে চক্রান্ত করা হয়েছে। যতদূর আমি এটি বুঝতে পারি, তাদের উচিত অবশিষ্টাংশের এসডি হওয়া উচিত। তবে, অবশিষ্টাংশগুলি সংরক্ষণ করার সময় তাদের এসডিগুলি কোনওভাবে অনুমানিত এসইগুলির কাছে নয়। সুতরাং একটি গৌণ (সম্ভাব্য এসপিএস নির্দিষ্ট) প্রশ্নটি হবে:
এই এসইগুলি কী কী?

---

আপডেট 2: অবশেষে আমি একটি আর-ফাংশন লিখতে সক্ষম হয়েছি যা অবশেষে এটি নিজের পছন্দ করে (আমার গৃহীত উত্তর দেখুন) নিজের মতো করে একটি প্লট তৈরি করতে সক্ষম হওয়া উচিত। কারও কাছে যদি সময় থাকে তবে আমি যদি এটির দিকে নজর দিতে পারি তবে আমি সত্যিই প্রশংসা করব। এটা এখানে.

Comments

আপনি কি ভবিষ্যদ্বাণী করা পরিবর্তনশীল, "মানে প্রস্তাবনা" স্পষ্ট করতে পারেন? এটি কি 0-100 স্কেল যা অংশগ্রহণকারীরা প্রতিক্রিয়ার জন্য ব্যবহার করেছিল, বা এটি কি পরীক্ষার অনুপাতের একটি পরিমাপ যা অংশগ্রহণকারীরা "হ্যাঁ, আমি সমর্থন করি" (বনাম "না, আমি সমর্থন করি না") বলেছিলেন। যদি পরে থাকে তবে অনুপাত হিসাবে এই ডেটাটি বিশ্লেষণ করা অনুচিত। পরিবর্তে, আপনাকে দ্বিপদী লিঙ্ক ফাংশন সহ মিশ্র প্রভাবগুলির মডেল ব্যবহার করে কাঁচা, পরীক্ষার মাধ্যমে ট্রায়াল ডেটা বিশ্লেষণ করা উচিত।

— মাইক লরেন্স

দুঃখিত, এটি বাদ দেওয়ার জন্য: এটি একটি 0-100 প্রতিক্রিয়া স্কেল।

— হেনরিক

আপনার কি অনেকগুলি 0 বা 100 রয়েছে? যদি তা না হয় তবে আমি 100 এর দ্বারা ভাগ করে নেওয়া এবং চূড়ান্ত পর্যায়ে সীমার সীমাবদ্ধতা বিবেচনায় রাখতে একটি লজিট ট্রান্সফর্ম সম্পাদন বিবেচনা করব। এটি বাইনারি লিঙ্ক ফাংশন দ্বারা অর্জন করা হয় যা আপনার কাছে বাইনারি ডেটা থাকে তবে এটি কেবলমাত্র আপনার কাছে অনুপাতের মতো ডেটা থাকলেই দরকারী here তবে, আপনি রূপান্তর 1 বা 0 তে লগইট করতে পারবেন না, সুতরাং আপনার 100 বা 0 এর কোনও প্রতিক্রিয়া টস করতে হবে

— মাইক লরেন্স

ওফস, ঠিক বুঝতে পেরেছি যে আমার প্রথম মন্তব্যটি 100% সঠিক নয়। প্রতিটি প্লট করা গড়টি 0-100 স্কেলে দুটি প্রতিক্রিয়াগুলির গড়কে উপস্থাপন করে। এই ডেটাতে 100 এর কাছাকাছি অনেক মান, এবং কয়েকটি সরাসরি 100 এ রয়েছে তবে 0 এবং আশেপাশে 0 খুব কম, আপনার প্রস্তাবটি ন্যায্য করার জন্য আপনার কাছে কিছু সাহিত্য আছে?

— হেনরিক

অন্যান্য ডেটা ভিজ্যুয়ালাইজেশন লোকেরা দাবি করতে পারে যে বার গ্রাফগুলি মানবতার বিরুদ্ধে অপরাধ: অপ

— মাইক লরেন্স

Answer 1

আমার প্রশ্নের অনুপ্রেরণামূলক উত্তর এবং আলোচনার ফলাফল হিসাবে আমি নিম্নলিখিত প্লটগুলি তৈরি করেছি যা কোনও মডেল ভিত্তিক পরামিতিগুলির উপর নির্ভর করে না, তবে অন্তর্নিহিত ডেটা উপস্থাপন করে।

কারণগুলি হ'ল আমি যে ধরণের স্ট্যান্ডার্ড-ত্রুটি চয়ন করতে পারি তার থেকে পৃথক, স্ট্যান্ডার্ড-ত্রুটি একটি মডেল ভিত্তিক পরামিতি। সুতরাং, কেন অন্তর্নিহিত ডেটা উপস্থাপন করবেন না এবং এর মাধ্যমে আরও তথ্য প্রেরণ করবেন না?

তদ্ব্যতীত, আনোভা থেকে এসই বেছে নেওয়া হলে, আমার নির্দিষ্ট সমস্যার জন্য দুটি সমস্যা দেখা দেয়।
প্রথমে (কমপক্ষে আমার জন্য) এটি SPSSআনোভা আউটপুট থেকে এসইগুলি আসলে কী তা স্পষ্ট নয় ( মন্তব্যগুলিতে এই আলোচনাটিও দেখুন )। এগুলি কোনওভাবে এমএসই সম্পর্কিত, তবে কীভাবে ঠিক তা আমি জানি না।
দ্বিতীয়ত, অন্তর্নিহিত অনুমানগুলি মেটানো হলে এগুলি কেবল যুক্তিসঙ্গত। যাইহোক, নিম্নলিখিত প্লটগুলি দেখায়, বৈষম্যের এককতার অনুমানগুলি স্পষ্টভাবে লঙ্ঘিত হয়েছে।

বক্সপ্লট সহ প্লটগুলি:

সমস্ত ডেটা পয়েন্ট সহ প্লটগুলি:

নোট করুন যে দুটি গোষ্ঠী বাম বা ডানদিকে কিছুটা স্থানচ্যুত হয়েছে: বামদিকে অনুদানমূলক, ডানদিকে প্ররোচিত। মাধ্যমগুলি এখনও কালো রঙে প্লট করা হয়েছে এবং ধূসর রঙের পটভূমিতে ডেটা বা বক্সপ্লটগুলি। বাম এবং ডানদিকে প্লটগুলির মধ্যে পার্থক্যগুলি হ'ল যদি উপায়গুলি পয়েন্ট বা বক্সপ্লটগুলির মতো একই স্থানচ্যুত হয় বা সেগুলি কেন্দ্রীয়ভাবে উপস্থাপিত হয়।
গ্রাফগুলির ননপটিম মানের এবং অনুপস্থিত এক্স-অক্ষ লেবেলগুলির জন্য দুঃখিত।

যে প্রশ্নটি রয়ে গেল তা হল, উপরের প্লটগুলির মধ্যে কোনটি এখন বেছে নেওয়া উচিত। আমাকে এটি সম্পর্কে চিন্তা করতে হবে এবং আমাদের কাগজের অন্য লেখককে জিজ্ঞাসা করতে হবে। তবে এখনই, আমি "পয়েন্টস উইথ ডিসলোকটেড" পছন্দ করি। এবং আমি এখনও মন্তব্য করতে খুব আগ্রহী হবে।

---

আপডেট: কিছু প্রোগ্রামিংয়ের পরে অবশেষে পংক্তির মতো প্লেটের মতো প্লট তৈরি করতে আমি আর-ফাংশন লিখতে পেরেছি dis এটি পরীক্ষা করে দেখুন (এবং আমাকে মন্তব্যগুলি প্রেরণ করুন) !

Comments

দুর্দান্ত হেনরিক। আমি "পয়েন্টস উইথ ডিসলোকটেড" পছন্দ করি। লাইন বিভাগগুলির সাথে বিষয়গুলি লিঙ্ক করা খুব বিশৃঙ্খলাযুক্ত দেখাচ্ছে। কৃপা. বৈষম্যের একক হিসাবে আমি কিছুটা বেশি সত্যবাদী। বৈকল্পিক সমস্যাটি কাঁচা ডেটা হিসাবে দেখায় তেমন খারাপ নাও হতে পারে। বেশিরভাগ ক্ষেত্রেই আমার সন্দেহ হয় যে আপনি গ্রুপ বৈষম্যের মধ্যে বিপরীতে তুলনা করবেন। বৈসাদৃশ্য বৈকল্পিকগুলি আরও একজাতীয় হবে যে কাঁচা তথ্যের ভেরিয়েন্সগুলি। যদি বিভিন্ন বৈকল্পিকের সাথে কাঁচা ব্যবস্থাগুলি তুলনা করা হয় (যেমন এমপি-ভ্যালিয়াড এবং প্লাজিবল গ্রুপে ইনডাকটিভ বনাম ডিডুকটিভ) একটি ব্যাক-আপ হিসাবে নন-প্যারাম্যাট্রিক পরীক্ষা ব্যবহার করা যেতে পারে।

— থাইলাকোলিও

আমি কেন্দ্রীয়ভাবে পয়েন্টগুলি পছন্দ করি। এটি লাইনগুলির একটি সত্য উপস্থাপনা আছে। আপনি পয়েন্ট ছোট করতে পারে।

— জন

Answer 2

আপনি এই ধরণের পরীক্ষামূলক ডিজাইনের সাথে অনুমানমূলক উদ্দেশ্যে একক যুক্তিসঙ্গত ত্রুটি বার খুঁজে পাবেন না। এটি কোনও পুরানো সমস্যা যার কোনও পরিষ্কার সমাধান নেই।

আপনার কাছে এসই অনুমান করা অসম্ভব বলে মনে হচ্ছে। এই জাতীয় নকশায় দুটি ধরণের ত্রুটি রয়েছে, এস ত্রুটির মধ্যে এবং এর মধ্যে রয়েছে। এগুলি সাধারণত একে অপরের থেকে খুব আলাদা এবং তুলনামূলক নয়। আপনার ডেটা উপস্থাপন করার জন্য খুব ভাল কোনও একক ত্রুটি বার নেই।

কেউ তর্ক করতে পারে যে ডেটা থেকে কাঁচা এসই বা এসডিগুলি অনুজ্ঞামূলক অর্থে বর্ণনামূলকভাবে সবচেয়ে গুরুত্বপূর্ণ। তারা হয় কেন্দ্রীয় প্রবণতা প্রাক্কলন (এসই) বা ডেটা (এসডি) এর পরিবর্তনশীলতার গুণমান সম্পর্কে বলে। যাইহোক, তবুও এটি কিছুটা স্বতন্ত্র কারণ কারণ আপনি যে জিনিসটি এস এর মধ্যে পরীক্ষা করছেন এবং পরিমাপ করছেন সেটি কোনও কাঁচা মূল্য নয় বরং এস ভেরিয়েবলের মধ্যে থাকা প্রভাবের কারণ। অতএব, কাঁচা মূল্যবোধের পরিবর্তনের রিপোর্টিং অর্থহীন বা এস এর প্রভাবগুলির সাথে সম্মত বিভ্রান্তিকর।

আমি এ জাতীয় গ্রাফ এবং সংলগ্ন প্রভাব গ্রাফগুলিতে প্রভাবগুলির পরিবর্তনশীলতা নির্দেশ করে কোনও ত্রুটি বারকে সাধারণত সমর্থন করি না। সেই গ্রাফে সিআই থাকতে পারে যা পুরোপুরি যুক্তিসঙ্গত। প্রভাব গ্রাফের উদাহরণগুলির জন্য ম্যাসন এবং লফটাস (2003) দেখুন। কেবলমাত্র তাদের ((বেশ সম্পূর্ণরূপে অব্যর্থহীন) ত্রুটি বারগুলি যেগুলি দেখায় তার গড় মানগুলিকে কেবল অপসারণ করে এবং কেবল প্রভাব ত্রুটি বারগুলি ব্যবহার করে।

আপনার অধ্যয়নের জন্য আমি প্রথমে ডেটাটিকে 2 x 2 x 2 ডিজাইন হিসাবে (2 প্যানেল 2x2) হিসাবে প্রত্যাবর্তন করব এবং তারপরে অবিলম্বে বৈধতা, কার্যকারিতা, নির্দেশনা এবং মিথস্ক্রিয়া প্রভাবগুলির আত্মবিশ্বাসের অন্তরগুলির সাথে সংলগ্ন একটি গ্রাফ প্লট করব। নির্দেশ গোষ্ঠীর জন্য এসডি এবং এসইগুলি একটি সারণীতে বা পাঠ্যে রাখুন।

(প্রত্যাশিত মিশ্র প্রভাব বিশ্লেষণের প্রতিক্রিয়ার জন্য অপেক্ষা করছে;))

আপডেট: ঠিক আছে, সম্পাদনা করার পরে এটি কেবলমাত্র আপনার পছন্দসই জিনিসটি স্পষ্ট হ'ল এটির মূল্য নির্ধারণের গুণমান দেখানোর জন্য একটি এসই ব্যবহার করা উচিত। সেক্ষেত্রে আপনার মডেল মানগুলি ব্যবহার করুন। উভয় মান একটি মডেলের উপর ভিত্তি করে এবং আপনার নমুনায় কোনও 'সত্য' মান থাকে না। আপনি আপনার ডেটাতে যে মডেলটি প্রয়োগ করেছেন সেগুলি থেকে সেগুলি ব্যবহার করুন। তবে নিশ্চিত হয়ে নিন যে আপনি পাঠকদের এই চিত্রের শিরোনামে সতর্ক করেছেন যে এস এস বা প্রভাবগুলির সাথে আপনার ইন্টারঅ্যাকশনের মধ্যে এই এসईগুলির কোনও অনুমানমূলক মূল্য নেই।

আপডেট 2: আপনি যে ডেটা উপস্থাপন করেছেন সেগুলি পিছনে ফিরে তাকানো ... এটি সন্দেহজনকভাবে শতাংশের মতো দেখায় যা প্রথমে আনোভা দিয়ে বিশ্লেষণ করা উচিত হয়নি। তা হোক বা না হোক, এটি একটি পরিবর্তনশীল যা 100 এ সর্বোচ্চ হয় এবং চূড়ান্ত পর্যায়ে বৈকল্পিকতা হ্রাস করেছে তাই এটি এখনও এনোভা দিয়ে বিশ্লেষণ করা উচিত নয়। আমি আপনার rm.plot প্লট মত অনেক কাজ। আমি এখনও শর্তগুলির মধ্যে পৃথক প্লটগুলি করার জন্য প্রলুব্ধ হব, কাঁচা তথ্য দেখাব এবং এস এর মধ্যে পরিবর্তনশীলতা সরিয়ে ডেটা দেখানোর শর্তের মধ্যে।

Comments

গ্রাফটি যেমন রয়েছে তেমন প্লট করার জন্য আমার কাছে (অ-পরিসংখ্যানগত) কারণ রয়েছে: আপনি সরাসরি গবেষণার প্রশ্নের উত্তর দেখতে পান। তদ্ব্যতীত, আমি মধ্যবর্তী সমস্যার মধ্যে যেমন জানি আমি অনুমানমূলক উদ্দেশ্যে ত্রুটি বারগুলি সন্ধান করছি না। তবে, আমাকে মেসন অ্যান্ড লোফটাসে ফিরিয়ে আনার জন্য ধন্যবাদ, আমি অবশ্যই ভুলে গিয়েছিলাম যে তাদের মিশ্র উদাহরণ রয়েছে। এটি আমার উদ্দেশ্যটি কার্যকর করে কিনা সে সম্পর্কে আমাকে ভাবতে হবে।

— হেনরিক

Answer 3

এটি দেখতে খুব সুন্দর একটি পরীক্ষার মতো লাগে, তাই অভিনন্দন!

আমি জন ক্রিস্টির সাথে একমত, এটি একটি মিশ্র মডেল, তবে শর্ত থাকে এটি একটি আনোভা ডিজাইনে প্রপরিচিতভাবে নির্দিষ্ট করা যেতে পারে (এবং সুষম) আমি কেন দেখতে পারি না কেন এটি এতটা তৈরি করা যায় না। বিষয়গুলির মধ্যে দুটি ফ্যাক্টর এবং 1-ফ্যাক্টর, তবে বিষয়গুলির মধ্যে ফ্যাক্টর (ইনডাকটিভ / ডিডাকটিভ) স্পষ্টভাবে আন্তঃ-বিষয়গুলির প্রভাবগুলির সাথে সংশোধন করে (সংশোধন করে)। আমি ধরে নিলাম প্লট করা উপায়গুলি আনোভা মডেল (এলএইচএস) থেকে এবং সুতরাং মডেলটি সঠিকভাবে নির্দিষ্ট করা হয়েছে। ভাল হয়েছে - এটি অ-তুচ্ছ!

কিছু পয়েন্ট: 1) "আনুমানিক" বনাম "প্রকৃত" "ত্রুটি" একটি মিথ্যা দ্বিবিজ্ঞান। উভয়ই অন্তর্নিহিত মডেল ধরে এবং সেই ভিত্তিতে অনুমান করে। যদি মডেলটি যুক্তিসঙ্গত হয় তবে আমি যুক্তি দিয়ে বলতে পারি যে মডেল-ভিত্তিক অনুমানগুলি ব্যবহার করা ভাল (সেগুলি বৃহত্তর নমুনাগুলির পুলিংয়ের উপর ভিত্তি করে)। তবে জেমস যেমন উল্লেখ করেছেন, আপনার যে তুলনা করা হচ্ছে তার উপর নির্ভর করে ত্রুটিগুলি পৃথক হয়ে গেছে, তাই কোনও সহজ উপস্থাপনা সম্ভব নয়।

2) আমি বাক্স-প্লট বা পৃথক ডেটা পয়েন্টগুলি প্লট করা দেখতে পছন্দ করব (যদি খুব বেশি না হয়), সম্ভবত কিছু পার্শ্ববর্তী জিটর সহ, তাই একই মানযুক্ত পয়েন্টগুলি আলাদা করা যায়।

http://en.wikipedia.org/wiki/Box_plot

3) যদি আপনাকে অবশ্যই গড়ের ত্রুটির একটি অনুমানের পরিকল্পনা করতে হবে তবে এসডিগুলি কখনও প্লট করবেন না - এগুলি নমুনার মানক বিচ্যুতির একটি অনুমান এবং জনসংখ্যার পরিবর্তনশীলতার সাথে সম্পর্কিত, উপায়গুলির পরিসংখ্যানগত তুলনা নয়। সাধারণত এসই এর চেয়ে 95% আত্মবিশ্বাসের অন্তর অন্তর্নিয়োগ করার পক্ষে ভাল তবে এই ক্ষেত্রে নয় (দেখুন 1 এবং জন এর বক্তব্য)

৪) এই ডেটা নিয়ে যে বিষয়টি আমাকে উদ্বেগ করছে তা হ'ল ইউনিফর্ম বৈকল্পিকতা অনুমান করা সম্ভবত সম্ভবত লঙ্ঘন করা হয়েছে কারণ "এমপি বৈধ এবং উদ্দীপক" ডেটা স্পষ্টতই 100% সীমা দ্বারা আবদ্ধ করা হয়েছে, বিশেষত কর্তনকারীদের জন্য। আমি এই বিষয়টি কতটা গুরুত্বপূর্ণ তা আমার নিজের মধ্যে টস করছি। একটি মিশ্র-প্রভাব লজিট (দ্বিপদী সম্ভাব্যতা) এ স্থানান্তর সম্ভবত আদর্শ সমাধান, তবে এটি খুব কঠিন জিজ্ঞাসা। অন্যকে উত্তর দেওয়া ভাল।

Comments

আমি আপনার সুপারিশটি 1 টি বুঝতে পেরেছি তা সম্পর্কে আমি নিশ্চিত নই actual আসল এসই হিসাবে [অর্থাত্, এসডি / স্কয়ার্ট (এন)] এবং আনুমানিক এসই উভয়ই মডেল ভিত্তিক, আপনি মডেল ভিত্তিক ব্যবহার করার পরামর্শ দেন। তাহলে কোনটি? অথবা আপনার অর্থ: আরও জটিল মডেলের সাথে যান (এখানে: আনোভা) কারণ দুটি মডেলই যুক্তিযুক্ত।

— হেনরিক

পয়েন্ট 1 সম্পূর্ণরূপে একমত

— জন

হাই হেনরিক, সাধারণ উদাহরণ - দুটি গ্রুপের তুলনা করুন (x1, x2) এনডি অনুমান করা হয়েছে। অনুমান এবং মডেল: 1) স্বতন্ত্রভাবে নমুনাযুক্ত, বিভিন্ন বৈকল্পিক। এক্স 1, এস 2 এর জন্য এসই আলাদাভাবে অনুমান করা হয়েছে। এটি স্পষ্টতই অনেক গ্রাফিকাল উপস্থাপনা অনুমান করা হয়। আনুমানিক এসইএস পৃথক হয়। 2) উদ্বিগ্ন।, একই ভ্যার। সাধারন আনোভা অনুমান। পুলযুক্ত আরএসএস ব্যবহার করে এসই অনুমান করুন। অনুমানগুলি সঠিক হলে অনুমান আরও দৃust়। 3) প্রতিটি এক্স 1 এর একটি এক্স 2 জুড়ি থাকে। এক্স 1-এক্স 2 থেকে এসই অনুমান করা হয়েছে। এগুলি কার্যকরভাবে চক্রান্ত করার জন্য আপনাকে x1-x2 পার্থক্যটি প্লট করতে হবে। একবার আপনি 1) এবং 2 টি মিশ্রিত করুন) অর্থবহ এসই বা সিআইএসের প্লট করার ক্ষেত্রে আপনার আসল সমস্যা হবে।

— থাইলাকোলিও

হেনরিক, এই চক্রান্ত সম্পর্কে একটি মন্তব্য। আপনার কতটি বিষয় আছে? আমি পৃথকভাবে ডেটা প্লট করার দৃ strongly়ভাবে পরামর্শ দেব এবং ব্যক্তিদের লিঙ্ক করতে লাইন বিভাগগুলি ব্যবহার করব। (লাইন বিভাগগুলি লিঙ্ক করার অর্থ প্রতারণামূলক)) এসইগুলি প্লট করার দরকার নেই। ধারণাটি আপনার পরিসংখ্যান বিশ্লেষণকে দৃশ্যত সমর্থন করবে। শর্ত থাকে যে প্লটটি খুব বিশৃঙ্খলা না হয়ে যায়, পাঠকের দেখতে হবে (উদাহরণস্বরূপ) যে স্পষ্ট সংখ্যাগরিষ্ঠতা এমপি-বৈধ-ইমপ্লাস থেকে ইন্ডিকটিভ গ্রুপের জন্য এসি-ইনভাল-প্লাজে যায় এবং ডিডুকটিভ গ্রুপের জন্য ডাউন হয়। দেখুন: jstor.org/stable/2685323?seq=1 বিশেষত ডুমুর 1 এবং 9 নীচের প্যানেলগুলি।

— থাইলাকোলিও

Answer 4

ইদানীং আমি মিশ্র প্রভাব বিশ্লেষণ ব্যবহার করে চলেছি এবং বুটস্ট্র্যাপিং ব্যবহার করছি (এর সাথে আমার বিবরণটি দেখুন ), যা আস্থা-বিরতি লাভ করে যা অভ্যন্তর বিপরীতে-ঝামেলার মধ্যে সংবেদনশীল নয় প্রচলিত সিআই এর

এছাড়াও, আমি উপরের গ্রাফের মতো একই ভিজ্যুয়াল নান্দনিকতায় একাধিক ভেরিয়েবল ম্যাপিং এড়াতে পারব; আপনার এক্স-অক্ষের সাথে ম্যাপযুক্ত 3 টি ভেরিয়েবল (এমপি / এসি, বৈধ / অবৈধ, শ্রদ্ধেয় / প্রসারণযোগ্য) রয়েছে যা নকশা এবং নিদর্শনগুলি পার্স করা বরং এটি জটিল করে তোলে। আমি পরিবর্তে ম্যাপিংয়ের পরামর্শ দেব, বলুন, এক্স / অক্ষের সাথে এমপি / এসি, ফেসবুক কলামগুলিতে বৈধ / অবৈধ, এবং সারি সারি থেকে প্রশংসনীয় / ত্রুটিযুক্ত। এটি সহজেই অর্জনের জন্য আর-তে ggplot2 দেখুন eg

library(ggplot2)
ggplot(
    data = my_data
    , mapping = aes(
        y = mean_endorsement
        , x = mp_ac
        , linetype = deductive_inductive
        , shape = deductive_inductive
)+
geom_point()+
geom_line()+
facet_grid(
    plausible_implausible ~ valid_invalid
)

Comments

মাইক, প্যাকেজ ল্যাঙ্গুয়েজে pvals.fnc ফাংশনটি লিমার মডেলের হাইপোথেসিগুলি মূল্যায়নের জন্য একটি এমসিসিএম করে - তবে এটি এলোমেলো opালু দিয়ে নকশাগুলি পরিচালনা করে না - যা আমাকে সন্দেহ করতে পরিচালিত করে যে এলোমেলো opালু সহ এমসিএমসি করার কোনও কারণ ছিল? যেভাবেই সমস্যাযুক্ত, আপনি কি নিশ্চিতভাবে জানেন যে এরকম কোনও সমস্যা নেই?

— রাসেলপিয়ের্স

আমাকে স্বীকার করতে হবে যে এমসিসিএম কীভাবে কাজ করে তা এখনও খুঁজে বের করতে পারিনি, যা আমি এর পরিবর্তে বুটস্ট্র্যাপিংয়ের পক্ষে বেছে নিয়েছিলাম reasons বুটস্ট্র্যাপিংটি এলোমেলো slালু দিয়ে সম্ভব হওয়া উচিত, যেমনটি আপনি জানিয়েছিলেন, pvals.fnc আপনাকে এলোমেলো slালু মডেলগুলির জন্য সিআই করতে দেয় না কারণ এটি কোনও কারণে অবৈধ, এবং আরও সম্ভবত এই অবৈধতা প্রসারিত হতে পারে যেমন মডেল বুটস্ট্র্যাপিং। আমি স্বজ্ঞাতভাবে মনে করি না যে বুটস্ট্র্যাপিংয়ের সাথে কোনও সমস্যা হবে, তবে এটি আমার সীমিত দক্ষতার ফাংশন হতে পারে।

— মাইক লরেন্স