2011-12-02 20:46:35解讀統計與研究譯者
適用時間序列實驗(time-series experiments)的統計方法
顧名思義 時間序列實驗與多個時間點有關 例如研究者對同一組對象進行重複測量 那麼所得訊息就是一種時間序列資料 重複測量變異數分析(repeated ANOVA)可以用來進行這種資料的分析
然而如果重複測量的次數很多(例如 五十次以上) 就很可能會形成一條回歸線 這個時候 迴歸分析似乎是比較適合的統計分析方法 有種叫做分段迴歸分析(segmented regression analysis)的方法 經常被用來分析 教學法 政策 治療法是否有效 它是時間序列實驗 這種"類實驗法"對於無法立即呈現效果的實驗介入 提供了有用的資訊 如果再加上一組控制組 其結果說服力近乎實驗研究
分段迴歸分析 顧名思義 如果實驗介入確有效果 那麼實驗前與實驗後的迴歸線 在實驗介入的那個時間點 可能會發生斷層現象(如果介入有立即效果) 或者介入點前後的回歸線具有不同的趨勢(如果介入隨著時間的發酵具有緩慢效果) 它使用了線性模型 換句話說 本來是一條直線 實驗介入產生效果 一條直線斷成兩條直線 兩條直線的斜率(傾斜度)可以不同
然而如果資料具有自我相關(autocorrelation)的問題 那麼建議使用ARIMA分析法
甚麼是自我相關的問題? 簡單地說 就是以線性模型無法正確估計
ARIMA(autoregressive integrated moving average)