Jednostka Analiz

Original: http://davidakenny.net/u_o_a.htm#S

David A. Kenny
09 listopada 2010


Jeśli jesteś szczególnie zainteresowany analizą diadycznej, kliknij tutaj, aby przejść do książki, która omawia ten temat.


Na tej stronie znajdują się ćwiczenia badacz wytyczne dotyczące jednostki w analizie statystycznej. Dziękuję za pomoc Charles Judd mi wiele pomysłów na tej stronie. Wszelkie opinie, zarówno technicznych lub pedagogicznych, byłyby najbardziej doceniane.



Zarys

Komunikat o problemie

Niezależność Jednostek

Pomiar Non Niepodległości

Jednostka uogólnienia

 Jednostka miary
Jednostka cesji lub Sampling
Jak mogę dokonać analizy?
Referencje

Komunikat o problemie
W analizie statystycznej, to czasami nie jest jasne, jaki jest odpowiedni poziom analizy. Na przykład, ludzie są w grupach (np dzieci w klasach), a każda osoba lub grupa może być jednostką analityczną. (Grupa byłaby jednostką analityczną, obliczając średnią z tych osób, które są członkami grupy.) Czasami obie jednostki są skrzyżowane zamiast zagnieżdżonych; Na przykład, 30 sędziów ocenić 20 celów. Albo docelową rater, a nawet obserwacji może być jednostką analityczną. Ponieważ gniazdowania (na przykład dzieci w klasach) jest znacznie bardziej powszechne niż przejście, że sprawa jest na ogół zakłada się w poniższej dyskusji.

Niezależność Jednostek
Sednem analizy statystycznej jest replikacja lub powtarzane obserwacja zjawiska. Dla replikacja być prawdziwym replikacji, nie musi być niezależność obserwacji. (Na przykład, powielanie danych nie jest replikacji!) Niezależność obserwacji domniemywa się w standardowych miar zmienności. Aby zaistniało niezależności, dwie obserwacje nie są bardziej prawdopodobne, aby być podobna (lub inny) niż jakiekolwiek dwa inne obserwacje. Istnieje kilka czynników, które sprawiają, że jednostki nonindependent (Kenny & Judd, 1986). Uwagi można nonindependent powodu efektów kompozycyjnych, wspólny los i interakcji społecznych:

  • Efekty kompozycyjne odnoszą się do faktu, że zestawy są już podobne obserwacje przed badaniem zaczyna nawet.
  • Wspólna los odnosi się do faktu, że zestawy obserwacji mogą mieć wspólne przyczyny.
  • Interakcja społeczna odnosi się do bezpośredniego i pośredniego oddziaływania pomiędzy parami obserwacji.

Stosując notację analizy ścieżka, efekt kompozycyjny jest zakrzywiona linia pomiędzy parę uwag, wspólny los jest nieprawdziwość (obserwacja spowodowane wspólnej zmiennej) i interakcja społeczna jest bezpośrednim skutkiem. Nonindependence byłby pozytywny, jeżeli nonindependent obserwacje były bardziej podobne niż niezależnych obserwacji; nonindependence byłaby negatywna, jeśli nonindependent obserwacje były bardziej różni się od niezależnych obserwacji. Stopień nonindependence może być postrzegany jako współczynnik korelacji, chociaż nie jest zazwyczaj mierzona za pomocą zwykłego Pearson Produkt momentu korelacji.

Pomiar Nonindependence
Aby ustalić jednostkę analizy, oceny, czy obserwacje są niezależne jest często pomocne. Oznacza to, że obserwacje, które są uważane za nonindependent, w rzeczywistości mogą być niezależne. Pomiar nonindependence może być trudne, ale w wielu przypadkach intraclass korelacji może być stosowany do pomiaru stopnia nonindependence. (Przeczytaj o tym miary dyads). Środek ten jest właściwy, gdy grupy obserwacji są ze sobą połączone. Kenny i Judd (1996) omawiają szeroki wachlarz środków nonindependence.

Jednostka uogólnienia
Kolejnym czynnikiem decydującym o jednostkę analizy jest poziom uogólnienia, że ​​badacz dąży do wykonania. Rozważmy naukowca, który mierzy 10 dzieci w 10 klasach z 10 różnych szkół, lub 1000 dzieci w ogóle. Możliwe są trzy poziomy uogólnienia: student, klasie i szkole. Jedna prosta zasada jest przeprowadzenie analizy na poziomie, przy którym chce się dokonać uogólnień. Więc jeśli ktoś chce wyciągnąć wnioski na temat osoby, osoba ta powinna być jednostką analityczną. Jednak, jak widać, ta prosta zasada może nie zawsze być przestrzegane.
Badacz powinien zdawać sobie sprawę z mitu ekologicznego (Robinson, 1950). Wnioski wyciągnięte z analizy przeprowadzonej na poziomie grupy nie mogą być stosowane na poziomie indywidualnym. Odwrotnie, analiz na poziomie indywidualnym może nie mieć zastosowania do poziomu grupy. W zasadzie, analiza powinna być przeprowadzona na poziomie, na którym powinny być wykonane uogólnienia. Istnieją jednak wyjątki od tej reguły.

Jednostka miary
Innym zjawiskiem jest jednostką miary. Znowu wracając do przykładu z dziećmi, klasie i szkole, niektóre zmienne mogą być mierzone na dzieci (np osiągnięć), niektóre w klasie (np płci nauczyciela), a niektóre w szkole (np wielkości szkoły). To, że środki o zmiennej w określonym poziomie nie oznacza, że ​​zmienna działa na tym poziomie. Rozważmy zmienną wielkość grupy. Przypuszczalnie zmienna ta działa na poziomie grupy. Jednakże, jeśli badacz zmienił jednostkę miary zmiennej i poprosił osoby, jak duża grupa była zmienna będzie nadal prawdopodobnie działa na poziomie grupy, a nie na poziomie indywidualnym.
Podobnym problemem jest to, że czasami badacz agreguje całej jednostki (tj średnich) i tak zmienia jednostkę miary. Na przykład do pomiaru atmosfery organizacyjnej, średnie z pojedynczych działań mogą być użyte. To, że średnia jest na poziomie organizacji, nie oznacza to, że w rzeczywistości pracuje się na tym poziomie.

Jednostka cesji lub Sampling
Ostatnim czynnikiem w decyzji o jednostką analizy jest czynniki projektowe. Należy wziąć pod uwagę, w którym urządzenie obserwacje są wybrane, aby wejść do badania czy są przypisane do poziomów zmienną niezależną. Dobrym pomysłem jest, aby wykonać analizę statystyczną na poziomie wyboru lub zadania. Tak więc, na przykład w przypadku podłóg w akademiku są przypisane do warunków doświadczalnych, wieloosobowym podłóg, osoba powinna być jednostką analizy. To nie jest “hard-and-szybki przepis”, tylko jako wytyczne. Na przykład, osoby może być jednostką przydziału, ale w przypadku osób ze sobą komunikować, a to może nie być możliwe stosowanie oddzielnych jako jednostkę analizy.

Jak mogę dokonać analizy?
Istnieją trzy główne podejścia do jednostki analizy kwestii, gdy osoby są zagnieżdżone w obrębie grup (lub obserwacje są zagnieżdżone osób) i opiera się na dyskusji Kenny (1996):

  • Agregacja: Określić najniższy poziom, przy którym obserwacje są niezależne, a następnie średnio wyniki obu środków przyczynowe i rezultatu na tym poziomie. Na przykład, jeśli dzieci są zagnieżdżone w klasach, które są zagnieżdżone w szkołach, aby szkoły jednostką analityczną. Dziecko jest najniższy poziom, a szkoła jest na najwyższym poziomie. Jeśli nie istnieją żadne szkole lub klasie efekt, to dziecko będzie jednostką analityczną. Gdyby nie było żadnych efektów szkolnych, ale były efekty w klasie, a następnie w klasie byłoby jednostką analityczną. Gdyby nie było efektu szkoły, potem szkoła byłaby jednostką analityczną. Strategia ta jest wskazane, gdy zmienne przyczynowe są mierzone na poziomie agregacji lub gdy większość zmienności zmiennej przyczynowego jest na tym poziomie. Tak więc, wyniki, zanim zostaną zebrane na zmienną przyczynowego, mają tę samą wartość.
  • W ramach analizy: Określenie najniższy poziom, przy którym nie są niezależne obserwacje oraz przeprowadzenie analizy w ramach każdej z tych jednostek oraz w każdej szkole. Zapisz prognozy z tych odrębnych analiz, a następnie sprawdzić, czy średnią z szacunków jest różna od zera. Strategia ta jest wskazane, jeśli zmienna przyczynowego różni się znacznie w ciągu jednostek nonindependent. Tak na przykład, jeśli pomieszczenia nie były niezależne i płeć ucznia była zmienna niezależna, to można by obliczyć średnią różnicę między chłopców i dziewcząt dla każdej klasie. Jeden problem z tym podejściem jest to, że często niektóre z tych szacunków są bardziej precyzyjne, a więc analiza powinna ważyć niektórych szacunków więcej niż inni.
  • W połączeniu lub zbiorczą analizę: Wielopoziomowe czyli hierarchiczne modelowanie liniowe zasadniczo łączy dwa powyższe strategie. W istocie, to rozwiązuje jednostką analityczną wątpliwość co czyni go pytanie pseudo. Wszystkie te obserwacje są analizowane, a stopień nonindependence empirycznie oszacowane. (Strategia ta jest praktycznie wymagane, gdy jednostki są przekraczane.)

Są to dwie kluczowe kwestie w określaniu jednostkę analizy. Po pierwsze, określenie musi być wykonany o najniższym poziomie jednostek, które są niezależne. Często analiza statystyczna jest to konieczne w celu określenia stopnia, w jakim jednostki są niezależne (choć może to być trudne: patrz (1998) koncepcję Kenny Kashy, & Bolger dotyczącą “wtórne nonindependence”). Po drugie, ustalenie musi być o stopień zmienności zmiennej przyczynowego. W przypadku większości jego odmianie jest pomiędzy jednostkami nonindependent powinien być użyty, agregacji lub uśredniania. Jeśli nie, wówczas w ramach analizy powinny być stosowane.
Zdarza się, że zasady dotyczące przydziału jednostki i jednostki uogólnienia zostaną naruszone. Na przykład, pomieszczenia może być jednostką przydziału, ale jeżeli nie ma dowodów nonindependence powodu klasie, osoba może być jednostką analizy. Alternatywnie, jeżeli istnieją dowody, że pomieszczenia są nonindependent, to człowiek powinien być jednostką analityczną, nawet jeśli osoba jest jednostką uogólnienia. Ponieważ wszystkie odmiany leczenia jest między klasami (przypominam, że klasa jest jednostka przyporządkowania), wówczas efekt leczenia będą obserwowane u zmienności w klasie, nie mieści się w klasie.


Referencje

Kenny, D. A. (1996). Konstrukcja i analiza badań społecznych interakcji. Annual Review of Psychology, 47, 59-86. (Kenny, D. A.  (1996).  The design and analysis of social-interaction research.  Annual Review of Psychology, 47, 59-86.)
Kenny, D. A., & Judd, C. M. (1986). Konsekwencje naruszania niezależności NMP w analizie wariancji. Psychological Bulletin, 99, 422-431. (Kenny, D. A., & Judd, C. M. (1986). Consequences of violating the independence assumption in analysis of variance. Psychological Bulletin, 99, 422-431.)
Kenny, D. A., i Judd, C. M. (1996). Ogólną procedurę szacowania współzależności. Psychological Bulletin, 119, 138-148. (Kenny, D. A., & Judd, C. M. (1996).  A general procedure for the estimation of interdependence.  Psychological Bulletin, 119, 138-148.)
Kenny, D. A., Kashy, D. A., & Bolger, N. (1998). Analiza danych w psychologii społecznej. W D. Gilbert, S. Fiske, & G. Lindzey (red.), Handbook of psychologii społecznej (4th ed., T. 1, s. 233-265). Boston, MA: McGraw-Hill. (Kenny, D. A., Kashy, D. A., & Bolger, N.  (1998).  Data analysis in social psychology.  In D. Gilbert, S. Fiske, & G. Lindzey (Eds.), Handbook of social psychology (4th ed., Vol. 1, pp. 233-265).  Boston, MA:  McGraw-Hill. )
Robinson, W. S. (1950). Korelacje ekologicznych oraz zachowania jednostek. American Sociological Review, 15, 351-357. (Robinson, W. S.  (1950).  Ecological correlations and the behavior of individuals.  American Sociological Review, 15, 351-357.)


 

Comments are closed.