Saya sedang melakukan percobaan yang memiliki yang berikut:
DV: Konsumsi slice (berkelanjutan atau bisa dikategorikan)
IV: Pesan sehat, pesan tidak sehat, tidak ada pesan (kontrol) (3 kelompok di mana orang ditugaskan secara acak - kategorikal) Ini adalah pesan yang dimanipulasi tentang kesehatan irisan.
IV berikut ini dapat dianggap sebagai variabel perbedaan individual:
Impulsif (ini bisa berupa kategoris misalnya. Tinggi versus rendah atau kontinu dan diukur dengan skala)
Preferensi rasa manis (ini juga diukur dengan kuesioner yang merupakan 3 pilihan untuk dipilih untuk setiap pertanyaan)
BMI - peserta akan ditimbang diukur sesuai (ini juga dapat dianggap baik kategoris atau kontinu).
Karena kelompok-kelompok akan secara acak ditugaskan ke salah satu dari 3 kelompok, saya berasumsi saya sedang melakukan semacam ANOVA dan mungkin akan menggunakan ANOVA faktorial karena saya tertarik dengan IV yang paling mempengaruhi DV tetapi juga interaksi antara IV seperti yang ditunjukkan oleh penelitian. bahwa ada hubungan antara beberapa kombinasi.
Tetapi saya tidak sepenuhnya yakin akan hal ini karena perlu tahu apakah yang terbaik adalah memiliki semua IV kategorikal atau kontinu atau campuran.
Atau apakah ANCOVA suatu kemungkinan atau bahkan regresi tetapi saya tidak yakin tentang hal itu karena mereka ditugaskan ke kelompok-kelompok kemudian dikategorikan berdasarkan jawaban mereka terhadap survei.
Saya harap ini masuk akal dan berharap untuk mendengar dari seseorang tentang pertanyaan saya.
IV
, apakah Anda tertarik untuk mengetahui bagaimana masing-masing terkait denganDV
skala berkelanjutan, atau apakah Anda lebih tertarik pada efekIV
kelompok, misalnya bahwa orang yang kelebihan berat badan makan lebih banyak irisan daripada orang dengan berat badan normal (untukBMI
ukuran Anda )?BMI
sebagai ukuran terus menerus, dan akan menggunakan kategori underweight / normal / overweight / obesitas karena itu adalah pertanyaan penelitian Anda, bukan apakah jumlah irisan meningkat dengan meningkatnyaBMI
skor. Saya akan mencoba yang lainIV
sebagai berkelanjutan. Apakah Anda akan menerbitkan karena saya akan tertarik secara profesional pada tulisan Anda?Jawaban:
Sebagai fakta sejarah, regresi dan ANOVA dikembangkan secara terpisah, dan, sebagian karena tradisi, masih sering diajarkan secara terpisah. Selain itu, orang sering menganggap ANOVA sesuai untuk percobaan yang dirancang (yaitu, manipulasi variabel / tugas acak) dan regresi sesuai untuk penelitian observasional (misalnya, mengunduh data dari situs web pemerintah dan mencari hubungan). Namun, semua ini sedikit menyesatkan. ANOVA adalah regresi, hanya satu di mana semua kovariat adalah kategori. ANCOVA adalahsebuah regresi dengan kovariat kualitatif dan kontinu, tetapi tanpa istilah interaksi antara faktor-faktor dan variabel penjelas kontinu (yaitu, apa yang disebut 'asumsi lereng paralel'). Adapun apakah suatu penelitian adalah eksperimental atau observasional, ini tidak terkait dengan analisis itu sendiri.
Eksperimen Anda terdengar bagus. Saya akan menganalisis ini sebagai regresi (dalam pikiran saya, saya cenderung menyebut semuanya regresi). Saya akan memasukkan semua kovariat jika Anda tertarik pada mereka, dan / atau jika teori yang Anda kerjakan menyarankan mereka mungkin penting. Jika Anda berpikir efek dari beberapa variabel mungkin tergantung pada variabel lain, pastikan untuk menambahkan semua istilah interaksi yang diperlukan. Satu hal yang perlu diingat adalah bahwa setiap variabel penjelas (termasuk istilah interaksi!) Akan mengkonsumsi tingkat kebebasan, jadi pastikan ukuran sampel Anda memadai. Saya tidak akan mendikotomisasi, atau membuat kategorikal, salah satu variabel kontinu Anda (sangat disayangkan praktik ini tersebar luas, itu benar-benar hal yang buruk untuk dilakukan). Kalau tidak, sepertinya Anda sedang dalam perjalanan.
Pembaruan: Tampaknya ada beberapa kekhawatiran di sini tentang apakah atau tidak untuk mengubah variabel kontinu menjadi variabel hanya dengan dua (atau lebih) kategori. Biarkan saya membahasnya di sini, bukan dalam komentar. Saya akan menjaga semua variabel Anda sebagai kontinu. Ada beberapa alasan untuk menghindari pengelompokan variabel kontinu:
1 & 5 menjadi yang paling penting, menurut saya.
sumber