নকশাযুক্ত পরীক্ষায় আনোভা এবং আনকোভার মধ্যে কীভাবে চয়ন করবেন?

আমি একটি পরীক্ষা নিরীক্ষণ করছি যার মধ্যে নিম্নলিখিত রয়েছে:

ডিভি: স্লাইস খরচ (ক্রমাগত বা শ্রেণিবদ্ধ হতে পারে)
চতুর্থ: স্বাস্থ্যকর বার্তা, অস্বাস্থ্যকর বার্তা, কোনও বার্তা (নিয়ন্ত্রণ) (3 টি গ্রুপে মানুষ এলোমেলোভাবে নিযুক্ত করা হয় - শ্রেণিবদ্ধ) এটি ফালিটির স্বাস্থ্যকরতা সম্পর্কে ম্যানিপুলেটেড বার্তা।

নিম্নলিখিত চতুর্থ ব্যক্তি পৃথক পার্থক্য ভেরিয়েবল হিসাবে বিবেচনা করা যেতে পারে:

ইমপালসিভিটি (এটি শ্রেণীবদ্ধ হতে পারে, উচ্চতর বনাম কম বা অবিচ্ছিন্ন এবং একটি স্কেল দ্বারা পরিমাপ করা হয়)
মিষ্টি স্বাদ পছন্দ (এটি একটি প্রশ্নাবলি দ্বারাও মাপা হয় যা প্রতিটি প্রশ্নের জন্য 3 টি বিকল্প পছন্দ করে)
বিএমআই - অংশগ্রহণকারীদের সেই অনুযায়ী ওজন করা হবে (এটি এছাড়াও শ্রেণিবদ্ধ বা ধারাবাহিক হিসাবে বিবেচনা করা যেতে পারে)।

যেহেতু গ্রুপগুলি এলোমেলোভাবে 3 টি গ্রুপের মধ্যে একটিতে নির্ধারিত হবে আমি ধরে নিই যে আমি কোনও ধরণের একটি আনোভা করছি এবং সম্ভবত আমি ফ্যাক্টরিয়াল আনোভা ব্যবহার করব যার সাথে আমি আগ্রহী যেখানে IV সবচেয়ে বেশি প্রভাব ফেলে তবে IV এর মধ্যে ইন্টারঅ্যাকশনগুলি যেমন গবেষণাটি নির্দেশ করে যে কিছু সংমিশ্রনের মধ্যে সম্পর্ক আছে।

তবে IV এর সমস্ত শ্রেণিবদ্ধ বা ধারাবাহিক বা মিশ্রিত হওয়া ভাল কিনা তা জানার কারণে এটি সম্পর্কে আমি পুরোপুরি নিশ্চিত নই।

অথবা আনকোভা একটি সম্ভাবনা বা এমনকি রিগ্রেশনও তবে জরিপগুলির উত্তরগুলির উপর ভিত্তি করে তাদের গোষ্ঠীভুক্ত করা হয়েছে এমন গোষ্ঠীগুলিতে নির্ধারিত হয়ে যাওয়ার বিষয়ে আমি নিশ্চিত নই।

আমি আশা করি এটি বোধগম্য হয় এবং আমার প্রশ্নের সম্পর্কে কারও কাছ থেকে শোনার প্রত্যাশায়।

— Mobo
সূত্র

হাই মেলরি, এটি একটি আকর্ষণীয় পরীক্ষার মতো মনে হচ্ছে। আপনার জন্য IV, আপনি কীভাবে প্রতিটি DVঅবিচ্ছিন্ন স্কেলের সাথে সম্পর্কিত তা জানতে আগ্রহী , বা আপনি IVগ্রুপগুলির প্রভাব সম্পর্কে আরও আগ্রহী , যেমন ওজনযুক্ত লোকেরা সাধারণ ওজনের লোকের চেয়ে বেশি টুকরো খান (আপনার BMIপরিমাপের জন্য)?

— মিশেল

হাই মিশেল, আপনার মন্তব্যের জন্য ধন্যবাদ। সত্যি কথা বলতে আমি এখনও উন্নয়নের পর্যায়ে আছি এবং পুরো জায়গা জুড়ে যাচ্ছি! তবে আমার একটি অস্থায়ী লক্ষ্য রয়েছে যা হ'ল: অধ্যয়নের মূল লক্ষ্য হ'ল প্রকৃত খাদ্য গ্রহণের খাবারের স্বাস্থ্যকরতা সম্পর্কে খাদ্য সম্পর্কিত বিশ্বাসের প্রভাবগুলি তদন্ত করা। অতিরিক্ত হিসাবে, একটি গৌণ লক্ষ্য হ'ল সংবেদন চাওয়া, মিষ্টি স্বাদ পছন্দ এবং বিএমআই খাবার গ্রহণের উপর খাদ্য সম্পর্কিত বিশ্বাসের প্রভাবকে কতটা সীমিত করতে পারে তা আবিষ্কার করা ''

— মোবো

হাই আবার মিশেল - কেবল পূর্বের মন্তব্যে যোগ করুন। যাইহোক যেহেতু আমি বলেছিলাম যে আমি কিছু চতুর্থ শ্রেণীর মধ্যে ইন্টারঅ্যাকশনগুলিতে আগ্রহী তা গবেষণার সম্পর্কগুলিকে বোঝায় যেগুলি বেশি ওজনযুক্ত লোকেরা সংবেদনশীল সন্ধানের সাথে সম্পর্কযুক্ত। আমি যেখানে আছি সেখানে কি এই সহায়তা করে? আমি আপনার চিন্তা শুনতে আগ্রহী হবে। ধন্যবাদ।

— মোবো

হাই মেলরি, আমি BMIএকটি অবিচ্ছিন্ন ব্যবস্থা হিসাবে যোগ করব না , এবং এটি আপনার গবেষণার প্রশ্ন হিসাবে কম ওজন / স্বাভাবিক / অতিরিক্ত ওজন / স্থূলকেন্দ্রগুলি ব্যবহার করবো , না ক্রমবর্ধমান BMIস্কোরের সাথে টুকরো পরিমাণ বাড়বে কিনা not আমি IVঅন্যটির ধারাবাহিক হিসাবে চেষ্টা করব । আমি আপনার লেখার বিষয়ে পেশাগতভাবে আগ্রহী হব তাই আপনি কি প্রকাশ করতে চলেছেন?

— মিশেল

হাই মিশেল, এর জন্য ধন্যবাদ। আমি প্রকাশ করতে খুঁজছেন হবে। এটি কি আপনার আগ্রহের ক্ষেত্র? সুতরাং আপনি কি বলছেন এটি একটি কল্পিত আনোভা করা উপযুক্ত হবে, আমি মনে করি আমার সাথে অনেকগুলি ভেরিয়েবল সম্ভবত কাজ করার চেষ্টা করা হতে পারে।

— মোবো

ইতিহাসের সত্য হিসাবে, রিগ্রেশন এবং আনোভা পৃথকভাবে বিকশিত হয়েছিল এবং traditionতিহ্যের একাংশের ফলে এখনও প্রায়শই পৃথকভাবে শেখানো হয়। এছাড়াও, লোকেরা প্রায়শই নকশাকৃত পরীক্ষাগুলির (যেমন, কোনও পরিবর্তনশীল / এলোমেলোভাবে নিয়োগের কৌশল) এবং পর্যবেক্ষণ গবেষণার জন্য যথাযথ হিসাবে রিগ্রেশনকে যথাযথ হিসাবে বিবেচনা করে (যেমন, কোনও সরকারী ওয়েবসাইট থেকে ডেটা ডাউনলোড করে সম্পর্কের সন্ধান)) যাইহোক, এই সমস্ত কিছু বিভ্রান্তিকর। একটি আনোভা হল একটি রিগ্রেশন, কেবলমাত্র যেখানে কোভেরিয়েটগুলি সমস্ত শ্রেণিবদ্ধ। একটি আনকোভা হ'লগুণগত এবং অবিচ্ছিন্ন covariates সহ একটি সংক্ষেপণ, কিন্তু কারণ এবং অবিচ্ছিন্ন ব্যাখ্যামূলক ভেরিয়েবল (অর্থাত্, তথাকথিত 'সমান্তরাল opাল অনুমান') মধ্যে পারস্পরিক মিথস্ক্রিয়া শর্ত ছাড়াই। কোনও গবেষণাটি পরীক্ষামূলক বা পর্যবেক্ষণমূলক কিনা, এটি বিশ্লেষণের সাথেই সম্পর্কিত নয়।

আপনার পরীক্ষাটি ভাল শোনাচ্ছে। আমি এটি একটি রিগ্রেশন হিসাবে বিশ্লেষণ করব (মনে মনে, আমি সবকিছুকে রিগ্রেশন বলি)। আপনি যদি তাদের সাথে আগ্রহী হন এবং আমি যদি তাদের সাথে আগ্রহী হন এবং / অথবা আপনি যে তত্ত্বগুলি নিয়ে কাজ করছেন সেগুলি অবশ্যই গুরুত্বপূর্ণ হতে পারে বলে আমি অন্তর্ভুক্ত করব। আপনি যদি ভাবেন যে কিছু ভেরিয়েবলের প্রভাব অন্যান্য ভেরিয়েবলের উপর নির্ভর করে তবে প্রয়োজনীয় ইন্টারঅ্যাকশন শর্তাদির সমস্তটিতে অবশ্যই নিশ্চিত হন। একটি বিষয় মনে রাখবেন যে প্রতিটি বর্ণনামূলক পরিবর্তনশীল (মিথস্ক্রিয়া শর্তাবলী সহ) একগুণ স্বাধীনতা গ্রহণ করবে, সুতরাং আপনার নমুনার আকার পর্যাপ্ত কিনা তা নিশ্চিত করুন। আমি চাই না dichotomize, বা অন্যথায় শ্রেণীগত করতে, আপনার ক্রমাগত ভেরিয়েবল কোনো (এটা সত্যিই একটি খারাপ জিনিস করতে দুর্ভাগ্যজনক যে এই অভ্যাস ব্যাপক, এটা করা হয়েছে)। অন্যথায়, আপনি আপনার পথে আছেন বলে মনে হচ্ছে।

আপডেট: অবিচ্ছিন্ন ভেরিয়েবলগুলিকে মাত্র দুটি (বা আরও) বিভাগ সহ ভেরিয়েবলগুলিতে রূপান্তর করতে হবে কিনা তা নিয়ে এখানে কিছুটা উদ্বেগ বলে মনে হচ্ছে। আমাকে এখানে কোনও মন্তব্য না করে সম্বোধন করুন। আমি আপনার সমস্ত পরিবর্তনশীল অবিচ্ছিন্ন হিসাবে রাখতে হবে । অবিচ্ছিন্ন ভেরিয়েবলগুলি শ্রেণীবদ্ধকরণ এড়ানোর বিভিন্ন কারণ রয়েছে:

শ্রেণিবদ্ধ করে আপনি তথ্য ফেলে দিবেন - কিছু পর্যবেক্ষণ বিভাজক রেখা থেকে আরও দূরে রয়েছে এবং অন্যরা এর কাছাকাছি থাকলেও তাদের সাথে একইরকম আচরণ করা হচ্ছে। বিজ্ঞানে, আমাদের লক্ষ্য আরও এবং আরও ভাল তথ্য সংগ্রহ করা এবং সেই তথ্যকে আরও সুসংহত ও সংহত করা। তথ্যকে দূরে ফেলে দেওয়া কেবল আমার বিপরীতে ভাল বিজ্ঞানের বিরোধী;
আপনি @ ফ্লোরিয়ান পয়েন্ট হিসাবে (সংযোগের জন্য ধন্যবাদ!) হিসাবে পরিসংখ্যানগত শক্তি হারাতে চান;
@ রোল্যান্ডো 2 পয়েন্ট দেখায় আপনি অ-রৈখিক সম্পর্কগুলি সনাক্ত করার ক্ষমতা হারাবেন;
কেউ যদি আপনার কাজ পড়ে এবং যদি আমরা অন্য জায়গায় লাইন বি / টি বিভাগের রেখা আঁকেন তবে কী ঘটবে তা ভাবছেন? (উদাহরণস্বরূপ, আপনার বিএমআই উদাহরণটি বিবেচনা করুন, যদি সেই সময়ের সাহিত্যে যা ঘটছে তার উপর ভিত্তি করে এখন থেকে অন্য 10 বছর বয়সী কেউ যদি ওজন কম হয় এবং যারা রোগব্যাধিযুক্ত স্থূল লোকদের সম্পর্কেও জানতে চান?) তারা কেবলমাত্র ভাগ্যের বাইরে, তবে আপনি যদি সবকিছুকে তার মূল আকারে রাখেন তবে প্রতিটি পাঠক তাদের নিজস্ব পছন্দসই শ্রেণিবদ্ধকরণ প্রকল্পটি মূল্যায়ন করতে পারেন;
$X$ $\begin{aligned} X_{s p l i n e} & = 0 & if X \leq .7 \\ X_{s p l i n e} & = X - .7 & if X > .7 \end{aligned}$ $\begin{aligned} X_{spline} &= 0 &\text{if } X\le{.7} \\ X_{spline} &= X-.7 &\text{if } X>.7 \end{aligned}$ $X_{spline}$ $X$

আমার মতে 1 এবং 5 হ'ল সবচেয়ে গুরুত্বপূর্ণ।

— gung - মনিকা পুনরায় স্থাপন করুন
সূত্র

হাই গুং আপনার মন্তব্যের জন্য ধন্যবাদ অনেক. সুতরাং আপনি রিগ্রেশন ব্যবহার করবেন এবং চতুর্থ শ্রেণীর কোনওটি তখন শ্রেণীবদ্ধ হবে না? আমি ভাবছিলাম যে BMI অতিরিক্ত ওজন / স্থূলকায় বা স্বাভাবিক হতে পারে; স্বাদ পছন্দগুলিতে বিভাগগুলি রয়েছে এবং সংবেদনের সন্ধানের জন্য শ্রেণিবদ্ধ হতে পারে কারণ এটি সত্য / মিথ্যা বিবৃতি যা পরে এমন স্কোর প্রদান করবে যা তারপরে শ্রেণিবদ্ধ করা যেতে পারে। তবে আপনি কি তাদেরকে সত্যিকারের ধারাবাহিক হিসাবে দেখছেন?

— মোবো

হাই আবার গ্যাং, এটি আমার অভ্যাসগত লক্ষ্য যা কিছুটা স্পষ্টতাও সরবরাহ করতে পারে: বর্তমান অধ্যয়নের মূল লক্ষ্য হ'ল প্রকৃত খাদ্য গ্রহণের খাবারের স্বাস্থ্যকরতা সম্পর্কে খাদ্য সম্পর্কিত বিশ্বাসের প্রভাবগুলি তদন্ত করা। অতিরিক্তভাবে, একটি গৌণ লক্ষ্য হ'ল সংবেদন চাওয়া, মিষ্টি স্বাদ পছন্দ এবং বিএমআই খাদ্য গ্রহণের উপর খাদ্য সম্পর্কিত বিশ্বাসের প্রভাবকে কতটা সীমিত করতে পারে তা আবিষ্কার করা। আমি আপনার চিন্তা শুনতে আগ্রহী হবে।

— মোবো

@ গুং দ্বারা সুন্দর উত্তর। আমি এই ধারণাটিকে দ্বিতীয় করব যে আদর্শভাবে আপনি আপনার অবিচ্ছিন্ন পরিবর্তনগুলি যেমন আছে তেমনই বজায় রাখবেন, যেহেতু এটি আপনাকে সর্বাধিক তথ্য দেবে। অবিচ্ছিন্ন এবং শ্রেণিবদ্ধ ভবিষ্যদ্বাণী উভয়কে কীভাবে অন্তর্ভুক্ত করা যায় তা শিখতে প্রচুর লোকের পক্ষে এটি দু: সাহসী মনে হয় তবে এটি এই গবেষণার জন্য বা ভবিষ্যতের ভবিষ্যতের জন্যও কার্যকরভাবে পরিণত হতে পারে। এবং আপনি তাদের শ্রেণিবদ্ধ করেছেন বা না করুন, এমন কোনও অলৈখিক সম্পর্কের উদয় করার উপায়গুলি অনুসন্ধান করার চেষ্টা করুন - সম্ভবত ইউ-আকারের, বা উল্টো-ডাউন-ইউ-আকারের, বা জে, বা বিপরীত-জে। এটি আপনার অধ্যয়নকে যথেষ্ট পরিমাণে সমৃদ্ধ করতে পারে।

— Rolando2

হ্যাঁ +1 উত্তর এর জন্য! অবিচ্ছিন্ন ভেরিয়েবলগুলি ডিকোটমাইজ করা কখনই ভাল ধারণা নয় কারণ উদাহরণস্বরূপ, ক্ষমতা হারিয়ে গেছে (যেমন বিখ্যাত জ্যাকব কোহেনের নিবন্ধটি unc.edu/~rcm/psy282/cohen.1983.pdf )। আপনার "বার্তা" IV কে একটি রিগ্রেশন বিশ্লেষণে চিকিত্সা করার জন্য, আমি এর প্রভাব (এবং এই IV এর সাথে সম্পর্কিত মিথস্ক্রিয়া) পরীক্ষা করার জন্য কনট্রাস্ট কোডগুলি ব্যবহার করার পরামর্শ দেব, উদাহরণস্বরূপ জুড, সিএম, এবং ম্যাককলিল্যান্ড, জিএইচ, রায়ান, সি (২০০৮) )। ডেটা বিশ্লেষণ: একটি মডেল তুলনা পদ্ধতির (দ্বিতীয় সংস্করণ)। নিউ ইয়র্ক: রাউটলেজ প্রেস।

— ফ্লোরিয়ান

হাই রোল্যান্ডো 2, আপনার মতামতের জন্য অনেক ধন্যবাদ। আপনি ঠিক বলেছেন যে আমি সম্ভবত স্পষ্টত এবং ধ্রুবক উভয় ভেরিয়েবলগুলি একত্রিত করতে খুব কষ্ট পাচ্ছি যা কোন বিশ্লেষণটি ব্যবহার করতে হবে তা নির্ধারণ করা আমার পক্ষে কঠিন হয়ে উঠছে। আমার অস্থায়ী লক্ষ্য হ'ল: বর্তমান অধ্যয়নের মূল লক্ষ্য হ'ল প্রকৃত খাদ্য গ্রহণের খাবারের স্বাস্থ্যকরতা সম্পর্কে খাদ্য সম্পর্কিত বিশ্বাসের প্রভাবগুলি তদন্ত করা। অতিরিক্ত হিসাবে, একটি গৌণ লক্ষ্য হ'ল সংবেদন চাওয়া, মিষ্টি স্বাদ পছন্দ এবং বিএমআই খাবার গ্রহণের উপর খাদ্য সম্পর্কিত বিশ্বাসের প্রভাবকে কতটা সীমিত করতে পারে তা আবিষ্কার করা '' এ নিয়ে ভাবনা?

— মোবো