更好的假设，更有力的结论：关于 HCI 中序数回归的论述
统计方法学
2026-02-24 v1 人机交互
摘要
尽管在 HCI 中广泛使用序数测量手段，如 Likert 量表，但 HCI 研究者之间对分析此类数据的统计方法仍缺乏共识。parametric 和 non-parametric 方法在该学科中被广泛使用，但对其假设和适当性进行有限的反思。本文检阅近期在 HCI 中报告分析序数测量统计方法的研究作品。我们概述了常见使用的方法，讨论了其局限性，并聚焦于削弱这些方法所得洞见的关键假设和疏漏。最后，我们提倡并详细阐述了累积链接 (mixed) 模型 (CLM/CLMM) 用于分析序数数据。进一步，我们提供了使用 R 对已公开数据集的实际应用示例。本工作旨促进对 HCI 中分析序数数据统计方法的更好理解，并帮助未来工作整合实践。
引用
@article{arxiv.2602.18660,
title = {Better Assumptions, Stronger Conclusions: The Case for Ordinal Regression in HCI},
author = {Brandon Victor Syiem and Eduardo Velloso},
journal= {arXiv preprint arXiv:2602.18660},
year = {2026}
}
备注
21 pages, 16 figures, to be published in the Proceedings of the 2026 ACM CHI Conference on Human Factors in Computing Systems