关于心理语言学实验中实验时间效应建模的一点注记
统计方法学
2021-11-19 v2
摘要
Thul 等人（2020）提请注意，当采用广义加性混合模型（GAMM）并运用因子平滑来捕捉试次间依赖关系，分析实施特定因子设计的计时实验时，会出现一些问题。从一系列包含此类依赖关系的模拟中，他们得出结论：GAMM 不适用于被试间设计。他们还认为 GAMM 附带过多建模可能性，并建议改用线性混合模型（LMM）。我们回应 Thul 等人（2020）提出的问题，他们清楚地证明了在因子设计与因子平滑结合使用时确实会出现问题。我们表明，当使用 by-smooths 时该问题不会出现。此外，我们追踪到 mgcv 包中因子平滑实现的一个 bug，该 bug 将从 1.8-36 版本起被移除。为说明 GAMM 现在能产生正确估计，我们报告了实现不同被试间纵向效应的模拟研究。与 GAMM 相比，极大 LMM 略显保守，而 GAMM 提供的估计系数在多次模拟运行中变异性更小。我们还讨论了两个数据集，其中时变效应以具有理论信息性的方式与数值预测变量交互。此外，我们认为，一旦面对特定的心理语言学数据集，GAMM 为各领域科学研究者提供的广泛工具并不会带来不受控的研究者自由度。我们还引入了可复现与非可复现非线性效应之间的区分。我们得出结论：GAMM 是理解实验数据（包括带有时间效应的计时数据）的优秀且可靠的工具。
引用
@article{arxiv.2105.13786,
title = {A note on the modeling of the effects of experimental time in psycholinguistic experiments},
author = {R. Harald Baayen and Matteo Fasiolo and Simon Wood and Yu-Ying Chuang},
journal= {arXiv preprint arXiv:2105.13786},
year = {2021}
}
备注
29 pages, 6 figures, 14 tables