Hilfe bei Auswertung

[Tom]

Liebe Mitglieder,

ich habe ein Problem bei der Auswertung meines Experimentes. Es geht darin u.a. um die Reaktionszeit bei einer visuellen Aufgabe, die aus drei verschiedenen Schwierigkeitsstufen (Variable: Load) besteht. Die Ausprägungen der Variable sind also Load 1, 2 und 3. Bei allen Probanden werden jeweils alle drei Load-Stufen mehrfach erhoben, sodass dies die Messwiederholungsvariable ist.
Als AV wird die Reaktionszeit (Variable: RT) gemessen.

Meine Frage: Wie kann ich mit R nun am besten ermitteln, ob es sich um signifikante Unterschiede zwischen den durchschnittlichen Reaktionszeiten in den jeweiligen Load-Stufen über alle Probanden hinweg handelt? Mein Hauptproblem besteht darin, dass mir R immer sagt, dass ich die Variable Load nicht dummy-kodieren kann bzw. keine Kontraste rechnen kann, weil diese Variable kein Faktor ist.

Ich danke euch schon mal vielmals für eure Hilfe

[bigben]

Wandle sie in eine factor Variable um. as.factor ist eine geeignete Funktion.

[Tom]

Probiere ich aus, danke!

[bigben]

Hi Tom,

wenn es damit funktioniert, dann ist es gut. Wenn nicht, poste bitte unbedingt ein paar Daten, anhand derer wir Dir vormachen können, wie es geht. Siehe dazu ggf. viewtopic.php?f=20&t=11

LG,
Bermhard

[Tom]

Hallo zusammen,

@ Bernhard: Danke für deine Hilfe, is.factor hat insofern funktioniert, als dass mir mit TRUE angezeigt wurde, dass ich richtig faktorisiert habe.
Allerdings treten jetzt leider weitere Fehlermeldungen auf (u.a. bzgl. Kontrastmatrixzeilen)
ich wollte daher jetzt einen Ausschnitt meiner Daten posten.
Weiß jemand, wie ich am besten einen Mix aus Daten zu Beginn (z.B. Zeile 1-15), am Ende und aus der Mitte zusammenstellen
und dann hier posten kann? Es handelt sich dabei um eine Tabelle, die ich in R eingelesen habe.
head() habe ich bereits ausprobiert, allerdings werden mir damit nur die ersten paar Zeilen in der Konsole angezeigt und ich weiß auch nicht genau,
wie ich die Tabelle in der Konsole neu abspeichern kann.
Danke für eure Hilfe.

LG
Tom

[ruedi_br]

ein kleiner Buchstabe, aber große Wirkung:
Bernhard hatte

as.factor

geschrieben, Du hingegen

is.factor

. Da kann man als Ergebnis nur TRUE oder FALSE erwarten.
Grüße
Ruedi

[bigben]

wie ich am besten einen Mix aus Daten zu Beginn (z.B. Zeile 1-15), am Ende und aus der Mitte zusammenstellen und dann hier posten kann?

z. B.

Code: Alles auswählen

lines <- c(1:15, 23, 24, 25, 35, 40, 146:150)
dput(iris[lines,])

oder einfach 20 beliebige Zeilen aus dem Datensatz (in beliebiger Reihenfolge)

Code: Alles auswählen

lines <- sample(1:nrow(iris), 20)
dput(iris[lines,])

Das Ergebnis von dput lässt sich dann gut hier in [ code]-Tags posten. Alternativ kannst Du natürlich sowas auch als csv speichern und hochladen

Code: Alles auswählen

lines <- sample(1:nrow(iris), 80)
ausschnitt <- iris[lines,]
write.csv(ausschnitt, file="C:\\Users\\bigben\\Desktop\\Ausschnitt.csv")

LG,
Bernhard

[Tom]

Super, vielen Dank für die Infos. Anbei sende ich einen Dateiausschnitt als csv.
Mein Hauptproblem ist immer noch, dass ich offenbar nicht richtig die Kontraste zur Messwiederholungs-Variable LOAD bilden kann.
Ich würde gerne wissen, wie ich die mittlere Reaktionszeit (Variable RTv) für alle drei Load-Stufen heraus bekomme
und ob es signifikante Unterschiede zwischen den jeweiligen Load-Stufen im Hinblick auf RTv gibt.

Außerdem würde ich gerne die Daten auf Ausreißer untersuchen, allerdings ist die gesamte Datenmenge viel zu groß, um mit einem
Scatterplot darüber zu schauen. Weiß jemand eine Lösung dafür, wie man am besten einen großen Datensatz auf Ausreißer hin untersuchen kann?

Vielen Dank für eure Hilfe.

LG Tom

[Tom]

Weiß jemand schon eine Lösung?

[EDi]

Ich würde gerne wissen, wie ich die mittlere Reaktionszeit (Variable RTv) für alle drei Load-Stufen heraus bekomme
und ob es signifikante Unterschiede zwischen den jeweiligen Load-Stufen im Hinblick auf RTv gibt.

Weiß jemand schon eine Lösung?

Was hast du denn schon gemacht? Die Schritte die ich machen würde:

1. Daten einlesen
2. Daten prüfen
3. Daten säubern
4. Model auftellen (z.B. ?lm())
5. Model prüfen
6. Estimates aus dem Modell ziehen (=mittlere RTv), alterative emmeans https://cran.r-project.org/web/packages ... asics.html
7. Contraste mit emmeans rechnen https://cran.r-project.org/web/packages ... isons.html