您的位置: 首页  >  文章  >  斯特鲁普效应的调查分析

斯特鲁普效应的调查分析

分类: 文章 • 2024-04-09 21:48:18

背景

  目前在 优达学城 学习数据分析课程。第一个项目是对实验心理学中的典型现象——斯特鲁普效应展开调查，并进行假设分析。

实验概述

斯特鲁普效应(Stroop effect)在心理学中指干扰因素对反应时间的影响。例如当测试者被要求说出某个颜色和其覆盖的文字字面意义不符的词语时，被测者往往会反应速度下降，出错率上升。

准确的表述是当人们对某一特定刺激作出反应时，由于某种因素的干扰，被刺激者难以集中精力对特定刺激作出反应的现象叫“斯特鲁普效应”，因为这个效应是斯特鲁普发现的，故以其名斯特鲁普效应。

                  —— 来自百度百科《斯特鲁普效应》

实验分析

1. 数据来源

  由课程内容方提供，斯普鲁斯效应的实验数据来源

2. 自变量与因变量

自变量：
  文字条件，会有“一致”（即显示文字与打印颜色匹配）和“不一致”（即显示文字与打印颜色不匹配）两种情况

因变量：
  说出同等大小列表中墨色名称的时间

3. 假设及检验方法

假设“一致”情况的总体均值为 μcon；“不一致”情况的总体均值为 μincon

使用假设集

  • 零假设H0：两种情况下，所使用的时间并没有显著差异（μcon=μincon ）
  • 对立假设Ha：两种情况下，所使用的时间有显著差异（μcon≠μincon）

检验方法的选择

  1. 该实验是让同一批人在两组条件下进行的，属于重复衡量设计，得到的是相依样本
  2. 目前只有两个样本数据，并不知道总体的统计量（均值、标准偏差等），并且样本量只有24（小于30），无法进行Z检验，故而考虑t检验
  3. 检验没有方向性需求
  4. 比对t检验的前提条件：
    （1）受试者是从人群中被随机挑选的，并没有限制条件，故而实验样本是随机样本；
    （2）经过对两个样本的分析，其均表现出类似正态分布（如下图所示）。且样本为随机样本，故可以合理推测其总体是正态分布
    斯特鲁普效应的调查分析
    斯特鲁普效应的调查分析
    （3）实验是让同一个受试者参与两组条件稍有不同（但其它变量受控）所得出的两个样本数据，可以合理推测其总体方差相似

综上所述，本次选择的统计检验方法：相依样本双尾t检验（alpha水平 0.05）

4. 描述性统计数据

描述 符号 数值
“一致条件”的样本均值 μcon 14.051125
“不一致条件”的样本均值 μincon 22.0159166666667
样本均值的差值 μD 7.96479166666666
样本量 n 24
自由度 df 23
样本差值的标准偏差 σD 4.86482691035905
样本差值的标准误差 SE 0.99302863477834


5. 样本数据分布图

斯特鲁普效应的调查分析
观察：Incongruent情况下所用时间均大于Congruent情况

斯特鲁普效应的调查分析
观察：92%时间差值在15秒以内

6. 统计分析

本次统计分析使用双尾t检验，alpha水平为0.05

  1. 自由度为23，对应的t临界值为 tcritical = 2.069
  2. 根据双尾t检验公式得出t统计值：
     t = μD−0σD/n√=μD−0SE = 8.02070694410996
  3. P值：.0001 < .05
  4. 95%置信水平 （5.91021542131028， 10.019367912023）
  5. 效应量：
     r2=t2t2+df= .736636416144506 （约为73.66%）

结论

  通过计算，t统计值大于t临界值且P值远小于.05，可以拒绝零假设。说明两种情况下所使用的时间，有统计上的显著差异，并且“不一致”情况所使用的时间会比“一致”情况多6-10秒。有73.66%的差异是由于显示文字与打印颜色不一致造成的。该结果与期望一致。
 

参考文献

  1. http://latex.codecogs.com/eqneditor/editor.php 在线数学公式编辑
  2. https://d17h27t6h515a5.cloudfront.net/topher/2016/September/57ce3363_stroopdata/stroopdata.csv 斯普鲁斯效应数据来源
  3. http://baike.baidu.com/link?url=obl2sESngs5r7qFiQUQFDmspvdXyYD3-vLQ51mA9UrexZAjc5MGu3H_tbL0cK1aevp7xVVVW9YEeGbpPQS9QvF5N0PBM6bEvTh8tkaEYBJG 百度百科t检验
  4. http://www.csic.cornell.edu/Elrod/t-test/t-test-assumptions.html
  5. http://www.statisticshowto.com/when-to-use-a-t-score-vs-z-score/

其他

  1. 报告相关文件放到了GitHub上了，点击前往

最后打个小广告

我分享了300元学费红包给你，快来学Google、亚马逊、Facebook官方的机器学习、数据分析、前端开发课程。在这领取: https://cn.udacity.com/referral-invitation/?referral_recipient_amount_off=300&referral_recipient_coupon_code=AA5A51BB

如果有兴趣可以去优达学城看看

相关推荐