这是我的问题的说明：
我有两个刺激（A 和 B）给予了一些科目。每个受试者依次受到每种刺激 5 次（AAAAABBBBB 或 BBBBBAAAAA，但不是两者）。我已将这些刺激的呈现顺序随机分配给每个受试者。数据可能如下所示：
我的问题是如何统计显示：
- 刺激呈现顺序是否影响“响应”结果？
- 一种刺激比另一种更能引起反应吗？
第一个问题解决了这种比较：
第二个问题解决了这种比较：
我不记得学习如何处理这样的数据。谢谢你！
帮助找到具有重复测量的二元结果比例的统计检验
机器算法验证
假设检验
统计学意义
重复测量
2022-04-03 13:39:05
2个回答
假设您对主题的平均响应感兴趣并且由于您将它们视为两个单独的问题，我将提出两种不同且简单的处理方法，我相信这不是唯一的方法。
对于您的第一个问题，您可以创建一个新变量并将代码设置为 0 和 1 表示类型（例如 0=AAABBB，1=BBBAAA），并执行独立样本 t 检验（或非参数等效项，因为您不是给出关于响应分布的任何信息）使用响应的总和作为因变量。
对于第二个变量，您可以创建两个变量（在计算响应的总和后，您还必须将数据集从长格式更改为宽格式），一个代表受试者在接受刺激 A 时的反应，第二个代表对于受试者，当他们接受刺激 B 并使用响应的总和作为因变量进行相关样本 t 检验（或非参数等效）时。
注意：如果您对二进制结果建模感兴趣，那么 GLM 或 GLMM 将是合适的，因为 Glen_b 已经指出
不幸的是，这个答案更多的是评论，但我认为您的问题太复杂，无法在没有实际看到您的数据的情况下在这里正确回答。我想提供一些我认为对你很重要的建议：
- 决定你的结果应该是什么。你的例子和你的数据表明一个人对刺激有一段时间的反应，然后停止并且不再反应。在这种情况下，您的结果可能是个人是否以及何时停止响应。如果受试者可以在响应和不响应之间来回切换，我也会使用某种二项式模型。
- 考虑您的目标是构建模型（探索性）还是进行显着性检验（确认性）。在进行假设检验时，您不想让 p 值产生偏差，因此您应该坚持使用预先确定的模型来回答这些问题。如果你想构建一个模型，你可能不会去进行假设检验，而是看看你的模型能在多大程度上模拟看起来像你输入的数据。我认为在 Andrew Gelman 的贝叶斯数据分析中，有一个非常类似这样的数据模型。不幸的是，我手头没有我的副本。