আনোভা অ-স্বতন্ত্র পর্যবেক্ষণ সহ

Question

এই প্রশ্নের ভারবজ পটভূমি জন্য দুঃখিত:

মাঝে মাঝে প্রাণীর আচরণের তদন্তে, একজন পরীক্ষক কোনও পরীক্ষার ব্যবস্থায় একটি বিষয় বিভিন্ন, প্রাক-সংজ্ঞায়িত জোনে যে পরিমাণ সময় ব্যয় করেন সে বিষয়ে আগ্রহী। আনোভা ব্যবহার করে বিশ্লেষণ করা এই ধরণের ডেটা আমি প্রায়শই দেখেছি; যাইহোক, আনোভা পর্যবেক্ষণগুলি স্বাধীন বলে ধরে নিয়েছে এবং এগুলি বিশ্লেষণে সত্যিকার অর্থে তারা কখনই স্বাধীন নয় (যেহেতু এক জোনে বেশি সময় ব্যয় করার অর্থ অন্য জোনগুলিতে কম ব্যয় করা হয়) এই ধরণের বিশ্লেষণগুলির বৈধতা সম্পর্কে আমি কখনই পুরোপুরি নিশ্চিত হইনি! )।

উদাহরণ স্বরূপ,

ডিআর স্মিথ, সিডি স্ট্রিপলিন, এএম জেলার, আরবি মেলম্যান, জে ড্রাগো, সিপি লোলার, এম। গ্যালাগার, মাউসের ডিএএএ-র ডোপামাইন রিসেপ্টরগুলির অভাবের আচরণগত মূল্যায়ন , নিউরোসায়েন্স, খণ্ড ৮ 86, সংখ্যা ১, ২১ মে 1998, পৃষ্ঠা 135-146

উপরোক্ত নিবন্ধে, তারা অবাধ-স্বাধীনতার ক্ষতিপূরণ দেওয়ার জন্য স্বাধীনতার ডিগ্রি 1 টি কমিয়েছে। তবে, আমি নিশ্চিত নই যে এ জাতীয় কৌশলগুলি কীভাবে আনোভা অনুমানের এই লঙ্ঘনকে প্রশমিত করতে পারে।

সম্ভবত একটি চি-স্কোয়ার পদ্ধতি আরও উপযুক্ত হতে পারে? এই জাতীয় ডেটা বিশ্লেষণ করতে আপনি কী করবেন (জোনগুলির জন্য অগ্রাধিকার, অঞ্চলগুলিতে ব্যয় করা সময়ের ভিত্তিতে)?

ধন্যবাদ!

Answer 1

(ক্যাভেট এমপোটার: আমি এই অঞ্চলে বিশেষজ্ঞ নই)

যদি আপনি কেবলমাত্র প্রতি স্থান হিসাবে ব্যয় করা সময়ের পার্থক্য সম্পর্কে কথা বলতে চান, তবে বিষয়টিকে এলোমেলো প্রভাব হিসাবে ব্যবহার করে বহু-জাতীয় মিশ্র মডেল হিসাবে গণ্য হিসাবে "সময়-প্রতি-অবস্থান" ডেটা জমা দেওয়ার জন্য (এমসিসিএমসিজিএলএমএম প্যাকেজটি দেখুন) করতে হবে কৌতুক.

আপনি অবস্থান পক্ষপাত পার্থক্য সম্পর্কে কথা বলতে চান মাধ্যমে সময়, তারপর যুক্তিসংগত অন্তর এ সম্ভবত হতে পারে বিন সময় (হয়তো আপনার সময়জ্ঞান ডিভাইস? রেজল্যুশন করার জন্য), প্রতিটি ব্যবধান যে সময়ে মাউস এর অবস্থান অনুযায়ী (শ্রেণীভুক্ত যেমন। যদি 3 অবস্থানগুলি, প্রতিটি অন্তর 1 বা 2 বা 3 লেবেলযুক্ত হয়, এবং আবার এলোমেলো প্রভাব হিসাবে বিষয় সঙ্গে একটি বহু-মিশ্র মিশ্র প্রভাব প্রভাব মডেল ব্যবহার করুন কিন্তু এই সময় একটি নির্দিষ্ট প্রভাব হিসাবে অন্তর অন্তর্ভুক্ত (যদিও কেবলমাত্র বিরতি ফ্যাক্টরিজিং পরে, যা শক্তি হ্রাস করে কিন্তু সাহায্য করা উচিত সময়ের মাধ্যমে অ-রৈখিকতা ক্যাপচার করুন)।

Answer 2

মাইক,

আমি সম্মত হই যে মোট সময়ের ভিত্তিতে একটি আনোভা সম্ভবত এখানে সঠিক পদ্ধতির নয়। তদ্ব্যতীত, আমি নিশ্চিত নই যে চি স্ক্যুরে আপনার সমস্যা সমাধান করে। চি স্কোয়ারটি এই ধারণাকে সম্মান করবে যে আপনি একই সাথে দুটি স্থানে থাকতে পারবেন না, তবে এটি সমস্যাটি সমাধান করে না যে সময় N এবং সময় N + 1 এর মধ্যে সম্ভাব্য নির্ভরতা রয়েছে। এই দ্বিতীয় ইস্যুটি সম্পর্কিত, আমি আপনার পরিস্থিতি এবং লোকেরা চোখ এবং মাউস ট্র্যাকিংয়ের ডেটা দিয়ে কী চালায় তার মধ্যে কিছু উপমা দেখতে পাচ্ছি। কোনও ধরণের একটি বহুজাতিক মডেল আপনার উদ্দেশ্যগুলি ভালভাবে পরিবেশন করতে পারে। দুর্ভাগ্যক্রমে, এই ধরণের মডেলের বিবরণগুলি আমার দক্ষতার বাইরে। আমি নিশ্চিত যে কিছু পরিসংখ্যান বইয়ের কোথাও সেই বিষয়ে একটি দুর্দান্ত ছোট্ট প্রাইমার রয়েছে, তবে আমার মাথার উপরের দিক থেকে আমি আপনাকে নির্দেশ করব:

• বার ডিজে (২০০৮) মাল্টিলেভেল লজিস্টিক রিগ্রেশন ব্যবহার করে 'ভিজ্যুয়াল ওয়ার্ল্ড' আইট্র্যাকিংয়ের ডেটা বিশ্লেষণ করছে। স্মৃতি ও ভাষার জার্নাল, বিশেষ সংখ্যা: উত্থিত ডেটা বিশ্লেষণ (59) পিপি 457-474
• https://r-forge.r-project.org/projects/gmpm/ ডাঃ বার দ্বারা তৈরি করা একই ইস্যুতে একটি প্যারাম্যাট্রিক পদ্ধতি

যদি কিছু হয় তবে sources উভয় উত্সই সম্পূর্ণ হওয়ার চেয়ে বেশি হওয়া উচিত কারণ তারা কীভাবে অবস্থানের সময়ক্রমকে বিশ্লেষণ করতে যায়।

Answer 3

স্থানিকভাবে সম্পর্কিত ত্রুটিযুক্ত মডেলগুলিতে সন্ধান করুন (এবং স্থানিকভাবে সংযুক্ত covariates)। জিওডা সম্পর্কিত উল্লেখ সহ একটি সংক্ষিপ্ত ভূমিকা এখানে পাওয়া যায় । প্রচুর গ্রন্থ রয়েছে; ভালগুলি হলেন নোয়েল ক্রেসি , রবার্ট হেইনিং এবং ফোদারিংহাম এট আল (শেষ লিঙ্কটি কোনও বইয়ের সাইট নয়, সারাংশে যায়)। কিছু আর কোড সম্প্রতি প্রকাশ পেয়েছে তবে আমি এর সাথে অপরিচিত।

Answer 4

আমি একটি উত্তর প্রস্তাব করতে যাচ্ছি যা একটি aতিহ্যবাহী আনোভা থেকে খুব আলাদা। টি-তে সমস্ত অঞ্চলে কোনও প্রাণী ব্যয় করার জন্য মোট সময়টি আসুক। আপনি টি কে জেগে ওঠার সময় বা এই জাতীয় কিছু হিসাবে নির্ধারণ করতে পারেন। মনে করুন আপনার জোন অঞ্চল আছে। তারপরে সংজ্ঞা অনুসারে আপনার কাছে:

যোগফল T_j = টি

আপনি l দ্বারা l এবং r টি টি দ্বারা ভাগ করে উপরেরটিকে সাধারণ করতে পারেন এবং পেয়েছেন

যোগ পি_জ = 1

যেখানে P_j একটি জোন জেতে ব্যয় করে এমন সময়ের অনুপাত।

এখন আপনার কাছে প্রশ্নটি হল যদি P_j সমস্ত j এর জন্য 1 / J থেকে উল্লেখযোগ্যভাবে পৃথক হয়।

আপনি ধরে নিতে পারেন যে পি_জে একটি ডারিচলেট বিতরণ অনুসরণ করে এবং দুটি মডেলের অনুমান করে।

নাল মডেল

বিতরণের প্যারামিটারগুলি সেট করুন যেমন P_j = 1 / J. (ডিস্ট্রিবিউশনের প্যারামিটারগুলি 1 তে সেট করা হবে))

বিকল্প মডেল

জোন নির্দিষ্ট covariates একটি ফাংশন হতে বিতরণের পরামিতি সেট করুন। আপনি তখন মডেল প্যারামিটারগুলি অনুমান করতে পারেন।

আপনি বিকল্প মডেলটি বেছে নিতে পারেন যদি এটি কিছু ক্রাইটের (যেমন, সম্ভাবনা অনুপাত) এর নাল মডেলটিকে ছাড়িয়ে যায়।