Question

我正在分析实验中的响应时间（RT）数据。在这些实验中，每个人完成了一定数量的各种试验类型的试验。仅使用来自正确试验的RT数据;因此，每个受试者的每种试验类型要分析的RT的量不同。我正在尝试创建一个异常值函数，该函数应用的标准偏差截止值取决于要分析的试验次数（Van Selst＆amp; Jolicoeur，1994）。例如，如果第一个受试者有100个试验类型A的试验，我想计算该受试者的A试验的平均值和标准偏差然后应用标准偏差截止值（例如，试验大于平均值的绝对值加或减标明偏差的数量得分为0）。

我想使用的标准偏差截止值如下：

#n = # of trials
if n < 4 then SDout=3
if n == 4 then SDout=1.458
if n == 5 then SDout =1.68
if n == 6 then SDout=1.841
if n == 7 then SDout=1.961
if n == 8 then SDout=2.050
if n == 9 then SDout=2.12
if n == 10 then SDout=2.173
if n == 11 then SDout=2.22
if n == 12 then SDout=2.246
if n == 13 then SDout=2.274
if n == 14 the SDout=2.31
if n >= 15 & if n < 20 then SDout=2.326
if n >= 20 &if n < 25 then SDout=2.391
if n >= 25 & if n < 30 then SDout=2.41
if n >= 30 & if n < 35 then SDout=2.4305
if n >= 35 & if n < 50 then SDout=2.45  
if n >= 50 & if n < 100 then SDout=2.48
if n >= 100 then SDout=2.5

我的数据有3列：id（主题标识符），ttype（试用类型）和RT。

本质上我需要这个函数做的是：获取每个试验类型的每个受试者的RT平均值，SD和试验次数，然后根据SDout乘以SD得出的值测试RT并添加到了平均RT。最后，我想创建一个新列的功能，其中异地试验得分为0，“好”试验得分为1。

我可以想到实现这一点的一种方法是使用嵌套循环，试验类型嵌套在主题中。但是，编写此功能超出了我的技能水平，所以我在创建它时寻求帮助。如果有人有建议或提示，或非循环的方式来实现这一点，我将非常感激。

由于

Answer 1

所以你想要做一个Van Selst和Jolicoeur（1994）类型的异常值检查。从那时起，关于RT的工作已经有很多，其中包括强烈的论点，即任何这种异常拒绝都是站不住脚的（例如Ulrich＆amp; Miller，1994），以及如何以其他方式纠正问题的建议，如转换分布。此外，一些人建议分析前高斯假设下的分布，并将不同的含义归因于分布的正常和指数部分的情况。

一般而言，您收集的任何类型的数据都会有不时超过几个标准偏差的值。你看到它们的数量会像RT那样在偏态分布中被夸大。通常，像你正在尝试的异常值去除会消除3％的值。大约3％是关于具有那些SD截止值的RT的预期（我认为这是米勒的论文显示）。因此，您实际上并没有删除异常值，而是删除了响应分布的真实数据。

我建议你不要这样做。你有两个问题在RT。一个是你可以有真正有问题的异常值。另一个是分布是偏斜的（由于CLT，在具有足够数量的RT /主题的平均RT中被移除）。用异常值排除来纠正后者会导致很多问题。纠正前者需要异常拒绝技术，以帮助识别真正的异常值。

通常，您也会有准确度量。给定反应时间的准确度函数具有特征模式。 RT通常会非常快速地提高准确度，然后在一段时间内保持这种状态并在稍后的时间点下降（即使刺激持续可用）。您可以使用此函数的分析来摆脱不是异常值的RT，而不是反映您希望分析的内容。低于某个准确度阈值的早期RT不会实际上是对刺激的响应。他们将是猜测和期待。较晚的RT，高于准确度阈值但在准确度开始下降之后，将不会反映对刺激开始的响应，而是在稍后的时间作出决定。通常这两个都是少量的RT（尽管对象识别具有令人惊讶的模式）。

（当然，很多情况下你必须改变这些类型的评估。如果它是响应兼容性任务，早期的RT可能是推动你效果的唯一因素。如果任务有非常大的影响，例如搜索功能，这样的分析可能是站不住脚的。当然，如果你没有精确度测量就很难。在那些不同的情况下考虑不同的方法。但是不要盲目地抛出RT，因为它们有很大的z分数。）

Answer 2

如果你真的很想做这件事......

# This function does the basic outlier rejection
vjout<- function(x){
    n <- length(na.omit(x))
    if (n > 3) {
        CriterionSD <- c(0.0, 0.0, 0.0, 1.458, 1.68, 1.841, 1.961, 2.05, 2.12, 2.173, 2.22, 2.246, 2.274, 2.31, 2.326)
        m <- mean(x, na.rm=T)
        if (n > 15) c <- CriterionSD[15] else c <- CriterionSD[n]
        c <- c*sd(x, na.rm=T)
        x[abs(x-m) > c] <- NA
    }
    return(x)
}

# in order to use vjout to generate a new column of data assign it using 
# the following with subject and condition.  Then, you select the data
# excluding NA cells in the new column
vjoutlier<- function(rt, subj, cond){
    ave (rt, subj:cond, FUN=vjout)
}

为响应时间数据创建异常值函数

2 个答案: