Как правильно оценить корреляцию между порядковым и непрерывным переменным?

14

Я хотел бы оценить соотношение между:

Порядковая переменная: испытуемых просят оценить предпочтение 6 видов фруктов по шкале от 1 до 5 (от очень отвратительных до очень вкусных). В среднем предметы используют только 3 балла.

Непрерывная переменная: одним и тем же субъектам предлагается быстро идентифицировать эти фрукты, что приводит к средней точности для 6 фруктов.

Является ли Спирман лучшим методом для анализа этих данных и / или есть ли другие хорошие методы, которые я мог бы рассмотреть?

correlation ordinal-data spearman-rho continuous-data Сан -
источник
1
Добро пожаловать в список. Порядковая переменная выглядит так, как будто на самом деле это 6 переменных (по одной на каждый фрукт). Мне также неясно, как создается идентификационная переменная, и не является ли она непрерывной.
Питер Флом - Восстановить Монику
Спасибо, это быстро! Таким образом, для каждого предмета у меня действительно есть 6 оценок предпочтения и 6 оценок точности. Точность - это средняя скорость попадания в 16 испытательных испытаниях (16 для каждого типа фруктов). Хит - это когда они выбирают правильный фрукт, а мисс - когда выбирают неправильный тип фруктов. Надеюсь, что это сделало это более ясным.
Сан

Ответы:

7

Вы можете использовать Spearman's, который основан на рангах и, следовательно, хорошо для порядковых данных. Тогда у вас будет шесть результатов.

Если вы хотите использовать другой подход, вы можете усложнить ситуацию и взглянуть на многоуровневую модель с повторением темы. Похоже, «точность» будет зависеть от «предпочтения». Таким образом, смешанная модель может посмотреть на это и объяснить несамостоятельность данных. Но, как уже отмечалось, это гораздо более сложная модель для реализации.

Питер Флом - Восстановить Монику
источник