今天要講 Stroop Effect 的資料結果。這是程式碼:
這是部分整理過的資料(CSV 格式)
"64c3847bdde41e419a293f0d","007","netural","image",839.6666666666666,2519,3
"64c3847bdde41e419a293f0d","007","incongruent","image",709.3333333333334,2128,3
"64c3847bdde41e419a293f0d","007","netural","english",1172,3516,3
"64c3847bdde41e419a293f0d","007","incongruent","english",968.3333333333334,2905,3
"64c3847bdde41e419a293f0d","007","netural","chinese",817,2451,3
"64c3847bdde41e419a293f0d","007","incongruent","chinese",1114.6666666666667,3344,3
"64c3847bdde41e419a293f0d","007","congruent","english",681.3333333333334,2044,3
"64c3ce3cd7d0d583be1a3390","haha","congruent","chinese",727.6666666666666,2183,3
"64c3ce3cd7d0d583be1a3390","haha","netural","english",652,1956,3
"64c3ce3cd7d0d583be1a3390","haha","incongruent","english",1034,3102,3
"64c3ce3cd7d0d583be1a3390","haha","netural","chinese",778.3333333333334,2335,3
"64c3ce3cd7d0d583be1a3390","haha","netural","image",1355.3333333333333,4066,3
"64c3ce3cd7d0d583be1a3390","haha","congruent","english",907.6666666666666,2723,3
"64c3ce3cd7d0d583be1a3390","haha","incongruent","chinese",1192,3576,3
"64c3ce3cd7d0d583be1a3390","haha","incongruent","image",833.3333333333334,2500,3
"64c3ce3cd7d0d583be1a3390","haha","congruent","image",1144.6666666666667,3434,3
以下就直接拿圖表來看圖說故事:
描述統計,可以想成是概觀的資料。像是算出中位數、平均數等等。先抓一個受試者的資料出來,培養一下對資料的感覺。
id | userId | consistency | elementType | rt | totalRt | |
---|---|---|---|---|---|---|
108 | 64c3ce3cd7d0d583be1a3390 | haha | congruent | chinese | 727.666667 | 2183 |
109 | 64c3ce3cd7d0d583be1a3390 | haha | netural | english | 652.000000 | 1956 |
110 | 64c3ce3cd7d0d583be1a3390 | haha | incongruent | english | 1034.000000 | 3102 |
111 | 64c3ce3cd7d0d583be1a3390 | haha | netural | chinese | 778.333333 | 2335 |
112 | 64c3ce3cd7d0d583be1a3390 | haha | netural | image | 1355.333333 | 4066 |
113 | 64c3ce3cd7d0d583be1a3390 | haha | congruent | english | 907.666667 | 2723 |
114 | 64c3ce3cd7d0d583be1a3390 | haha | incongruent | chinese | 1192.000000 | 3576 |
115 | 64c3ce3cd7d0d583be1a3390 | haha | incongruent | image | 833.333333 | 2500 |
116 | 64c3ce3cd7d0d583be1a3390 | haha | congruent | image | 1144.666667 | 3434 |
然後畫了箱形圖。感覺一致(congruent)跟中性(netural)的反應時間,相對於不一致(incongruent)有低一點。
把 3x3 分組的統計資料呈現出來。肉眼觀察,中性組的平均反應時間好像有比較低一點。
elementType | consistency | n | mean | |
---|---|---|---|---|
0 | chinese | congruent | 13 | 1016.820513 |
1 | english | congruent | 13 | 1174.384615 |
2 | image | congruent | 13 | 1361.564103 |
3 | chinese | incongruent | 13 | 1344.666667 |
4 | english | incongruent | 13 | 1376.775350 |
5 | image | incongruent | 13 | 1216.692308 |
6 | chinese | netural | 13 | 982.641026 |
7 | english | netural | 13 | 1168.192308 |
8 | image | netural | 13 | 999.525641 |
推論統計可以想成,算出目前資料呈現的狀態,在理論上發生的機率有多低。因為如果理論上發生的機率很低,結果卻還是出現了這個情況,就代表這個情況可能真的是因為某個操控的變項造成的。
這邊我跑了二因子變異數分析。兩個變項分別是語意的一致性(consistency)跟素材的類型(elementType)。結果發現,consistency 的 p value 值為 0.014323,統計上有顯著(小於 0.05)。代表說語意的一致性,確實有影響到反應時間
Source | SS | ddof1 | ddof2 | MS | F | p-unc | |
---|---|---|---|---|---|---|---|
0 | consistency | 1.344822e+06 | 2 | 24 | 672410.751327 | 5.094010 | 0.014323 |
1 | elementType | 3.111757e+05 | 2 | 24 | 155587.862681 | 1.587423 | 0.225180 |
2 | consistency * elementType | 9.234280e+05 | 4 | 48 | 230856.994424 | 1.477871 | 0.223636 |
我們再看一下折線圖。可以看到在 chinese 跟 english 的情況下,線條的走向還滿像的,都時呈現山峰的形狀。有一點 incongruent 反應時間偏高、netural 與 congruent 反應時間偏低的感覺。
看上面的圖表,可以知道 consistency 變項會對反應時間有顯著影響。但卻還無法知道,究竟是哪一個水準(一致、不一致、中性)特別有效果,這時就需要跑事後檢定有。由於上面的圖表可以得知,只有 consistency 有顯著效果,elementType、consistency * elementType(交互作用)則沒有統計上的顯著,所以只要針對 consistency 跑事後比較就好。表格如下。
這邊可以看到 incongruent vs netural 這組合,它們互相比較的 p-value 值是 0.023490,統計上有顯著(小於 0.05)。也就是說,一致性為中性時,它的反應時間有顯著地比不一致時還要快。
group1 | group2 | Diff | Lower | Upper | q-value | p-value | |
---|---|---|---|---|---|---|---|
0 | incongruent | congruent | 128.455031 | -105.122025 | 362.032087 | 1.848391 | 0.395861 |
1 | incongruent | netural | 262.591783 | 29.014727 | 496.168839 | 3.778539 | 0.023490 |
2 | congruent | netural | 134.136752 | -99.440304 | 367.713808 | 1.930148 | 0.363993 |
在前兩天我們設計了實驗,並做了假設:
目前看起來,兩點都沒有達到 XD。但在一致性的部分,不一致時確實有顯著地比中性時還要慢,因此實驗看起來沒這麼失敗。覺得欣慰。
如果做了這些處理的話,我覺得效果有可能會更明顯一點:
今天介紹了大概要怎麼看數據,以及回頭看當時實驗的假設有沒有被驗證成功。就算驗證失敗了,也可以從中試圖查找出失敗的原因,汲取教訓。科學實驗之所以重要,並不是因為它會成功,而是因為它可以被證偽、被否證。有了科學實驗這個指針,我們手上才有工具,在許多的偽科學中探查到前往真理的方向。
明天來講講 jsPsych 支援的眼動工具,或是介紹其他心理學實驗的工具。