タグ付けされた質問 「contrasts」

Subitizationは、応答時間のプロットの鋭い非線形性によるカウントとは区別された、数値の低いディスプレイの迅速で正確な列挙です。以下は、ワトソン、DG、メイラー、EA、およびブルース、LAM（2007）からの代表的なプロットです。ディスプレイ1〜3の平均列挙時間はほぼ線形に増加しますが、4の平均列挙時間は線形傾向に従っていないことに注意してください。一部の研究では、サブミティゼーションの「制限」はタスクの条件と参加者の作業記憶に依存していることが示唆されています。 肘の位置をテストする方法を探しています。最終的な目標は、参加者の助成限度を特定することです。現在、私の最善のアイデアは、多項式の対比を繰り返すようなことをすることです。基本的に、私は数値1〜3で二次トレンドをテストし、次に数値1〜4などでテストします。 それは私の統計的な知識の限界についてですが、このアイデアをあまり評価できません。考え？ 前もって感謝します。

8 linear-model  contrasts 

私は2つの因子AとB（5×3）と1つの共変量Xをサブジェクト内の設計に持っています。全体的なモデルを指定する方法は次のとおりです。 lme.out = lme(y~ A*B*X, random=~1|Subject, data=mydata) 私の解釈は、私がグラフで探していますということであるy~x傾きが異なるのレベルに基づいて共変量による変化、およびラインシフトアップまたはダウン、A及びB（インターセプトの変化）。 私が知りたいのは、因子を修正するA（レベルのいずれかをとる）場合、線（y~x）を見ると、どのような影響がありBますか？のレベルはBラインを上下にシフトしますか（切片）、またはラインの傾きを変更しますか（X）。 何らかのコントラスト分析を実行する必要がありますか？しかし、因子と共変量の間でコントラストがどのように機能するかはわかりません。 私が考えることができる1つの方法は、Aのさまざまなレベルに対応するデータのサブセットを取得し、次のようなモデルを作成することですlme(y~ B+X, random=~1|Subject, data=mydata[which(mydata$A = A1,])。このようにして、これらのモデル全体で得られる切片と勾配を比較できます。 私がしていることが理にかなっている場合、誰かが教えてもらえますか？どんな提案でも大歓迎です！

8 repeated-measures  interaction  lme4-nlme  contrasts  predictor