方法：我向 15 位参与者展示了视听剪辑。我展示了六个不同的剪辑，对于每个剪辑，视觉和听觉信息之间都存在情感上的不一致。这些组合是：
- 视觉阴性与听觉阳性
- 视觉阴性，听觉中性
- 视觉正面与听觉负面
- 视觉正面，听觉中性
- 视觉中性与听觉负面
- 视觉中性，听觉阳性
我要求参与者做出情绪判断，剪辑是快乐的、愤怒的还是中性的。有五次重复。
研究问题：当参与者观看带有不一致情绪信息的显示器时，他们的情绪选择是否受到视觉或听觉信息的驱动？
基本分析：因为对不一致的刺激本身没有“正确”的反应，所以我计算了当情绪以听觉或视觉方式呈现时正确反应的趋势。通过从六种不一致条件下的“视觉正确”反应的比例中减去“听觉正确”反应的比例来估计趋势。例如，如果不一致的显示将视觉负面信息与听觉正面信息相结合，并且参与者回答这是一种负面互动，那么它就被视为视觉反应。估计的指数从 1（参与者总是正确地响应视觉信息）到 -1（参与者总是正确地响应听觉信息）不等。下面是在 R 中生成的图表，显示了平均趋势分数，带有标准误差线。数据可在此处获得- 列代表条件，行 - 每个参与者的趋势得分。
现在，说到重点，我有两个问题：
问题 1：检查这些不同剪辑之间的显着差异的最佳方法是什么？
我知道我可以简单地运行一系列 30 对 t 检验，但这似乎不是一个很好的解决方案。我认为我不能在这里使用 ANOVA - 我不知道如何为所有这些不一致的条件定义级别。也许我可以用一些不同的方式组织这些数据，但我真的不确定它会是什么。
问题 2：有没有更好的方法可以用来可视化这个？
我不喜欢上面的情节——事实上我真的不喜欢它。超大的图例很难阅读，区分每种情况的模式也是如此。我可以用颜色代替，但老实说我有点色盲，所以我宁愿避免它。
编辑
问题 1我决定使用配对 t 检验比较具有相同类型不一致信息的 6 对。可以正常工作以获得差异。
@AndyW 和 @gung 已经很好地回答了问题 2 - 我决定使用 x 轴垂直方向的纯 SE 条。在 R 中使用segplot()- 我需要调整细节，但大致就是这样。
