У меня есть следующие настройки для анализа:
У нас есть около 150 предметов, и для каждого предмета мы провели пару тестов (в разных условиях) 18 раз.
18 различных условий теста являются взаимодополняющими, таким образом, что если мы будем усреднять результаты тестов (для каждого субъекта), мы не получим никакой корреляции между тестами (между субъектами).
То, что мы хотим знать, это корреляция (и значение P) между тестами в рамках предметов, но по всем предметам.
Способ, которым я сделал это сейчас, состоял в том, чтобы выполнить корреляцию для каждого субъекта, а затем посмотреть на распределение полученных корреляций, чтобы увидеть, отличается ли это среднее от 0.
Но я подозреваю, что может быть лучший способ ответить на тот же вопрос (кто-то сказал мне что-то о «географической корреляции», но поверхностный поиск не помог).
p.s: Я понимаю, что здесь может быть место для создания какой-то смешанной модели, но я бы предпочел представить «корреляцию», и я не уверен, как извлечь такой вывод из смешанной модели.
Кроме того, вот короткий фиктивный код, чтобы дать представление о том, о чем я говорю:
attach(longley)
N <- length(Unemployed)
block <- c(
rep( "a", N),
rep( "b", N),
rep( "c", N)
)
Unemployed.3 <- c(Unemployed + rnorm(1),
Unemployed + rnorm(1),
Unemployed + rnorm(1))
GNP.deflator.3 <- c(GNP.deflator + rnorm(1),
GNP.deflator + rnorm(1),
GNP.deflator + rnorm(1))
cor(Unemployed, GNP.deflator)
cor(Unemployed.3, GNP.deflator.3)
cor(Unemployed.3[block == "a"], GNP.deflator.3[block == "a"])
cor(Unemployed.3[block == "b"], GNP.deflator.3[block == "b"])
cor(Unemployed.3[block == "c"], GNP.deflator.3[block == "c"])
(I would like to somehow combine the last three correlations...)
Любые идеи будут приветствоваться.
Лучший,
Tal