Übung 5
Datenanalyse mit bayesianischem t-Test in JASP.
In dieser Übung nutzen wir unser Wissen über die Signalentdeckungstheorie sowie die bayesianische Statistik, um die Daten von unserem Entscheidungsexperiment zu analysieren.
Die Übung 5 besteht aus den zwei folgenden Aufgaben:
1. Datenanalyse in JASP: Berechnen Sie in JASP mit einem t-Test, ob sich der Bias in Abhängigkeit vom Vorwissen verändert.
2. Peer Feedback: Geben Sie auf Ilias der Ihnen zugeordneten Person Rückmeldung zu ihrer Analyse und Einordnung einer anderen Person.
1. Datenanalyse in JASP
Bei dem Random Dot Experiment wurde das Vorwissen der Person mit einem cue - einem nach rechts oder nach links zeigenden Pfeil - manipuliert. Einige Trials enthielten auch gar keinen Pfeil, diese werden wir hier nicht analysieren. Wir interessieren uns dafür, ob die Personen durch das gegebene Vorwissen tatsächlich beeinflusst in ihren Entscheidungen beeinflusst wurden.
Als ein Mass für den Einfluss von Vorannahmen kann der “Bias” verwendet werden. Also wie stark eine Person dazu neigt, in eine bestimmte Richtung zu antworten. Mit Hilfe der Signalentdeckungstheorie haben wir hier die Sensitivität (dprime), das Kriterium (k) und den Bias (c) für jede Person und Bedingung berechnet.
Die Daten entsprechen dem Datensatz sdt_final, für die Analyse wurden die Daten ins wide-Format gebracht mit
sdt_final_wide <- sdt_final |>
pivot_wider(names_from = cue, values_from = c(dprime, c, k))und mit
write.csv(sdt_final_wide, "rdk_bayesian.csv", row.names = FALSE))abgespeichert. Sie können aber den Datensatz einfach herunterladen und müssen diese Schritte nicht ausführen.
Wir interessieren uns dafür, ob das Vorwissen den Bias der Versuchspersonen verschoben hat. Hat die Person aufgrund des Pfeils den sie gesehen hat, eher rechts oder links gedrückt? Dafür testen wir, ob sich die Bedingungen Pfeil zeigt nach rechts und Pfeil zeigt nach links in Bezug auf den Bias (c) unterscheiden.
Hierzu nutzen wir die Stärken eines bayesianischen t-Tests, wie hier behandelt.
👉 Laden Sie hier den Datensatz herunter: RDK data für Übung 5.
👉 Für diese Übung benötigen Sie JASP.
Folgende Variablen sind im Datensatz rdk_bayesian.csventhalten:
id: Versuchspersonenidentifikationdprime_none,dprime_right,dprime_left:dprimefür keinen Pfeil, einen Pfeil nach rechts, und einen Pfeil nach linksc_none,c_right,c_left: Bias für jede Person und Bedingungk_none,k_right,k_left: Kriterium für jede Person und Bedingung
Bayesianische Datenanalyse in JASP durchführen
Laden Sie den Datensatz in JASP und führen Sie einen Bayesianischen T-Test durch. Machen Sie sich Gedanken, welcher der drei auswählbaren T-Tests sich für unsere Daten am besten eignet.
Ergebnisse berichten und interpretieren
Erstellen Sie ein Word oder Text-File, kopieren und beantworten Sie darin folgende Fragen:
- Methoden
Welche Hypothesen, haben Sie getestet?
Welchen t-Test haben Sie verwendet?
- Resultate
Wie gross ist der Unterschied zwischen den Bedingungen?
Welche Bayes Factors haben Sie gefunden? Was bedeuten diese?
Was zeigt die eingefärbte “Torte”?
- Diskussion
Was wissen Sie nun über den Einfluss von Vorwissen auf Entscheidungen in unserem Experiment?
Gibt es wichtige Limitationen in der Interpretierbarkeit der Ergebnisse?
Was würden Sie ändern am Experiment, wenn Sie es noch einmal durchführen müssten?
Achten Sie darauf zu allen Punkten Antworten zu geben.
2. Peer Feedback erstellen
Fragen für Peer Feedback
Geben Sie im Textfeld auf Ilias der Ihnen zugeordneten Person kurz Feedback zu jedem Punkt. Das kann beispielsweise beinhalten, ob Sie auf dieselben Ergebnisse gekommen sind, oder ob Sie Ergänzungen haben.
Ihr Feedback sollte also mindestens (!!) 3 Rückmeldungspunkte umfassen.
Peer Feedback hochladen
Laden Sie Ihr Peer Feedback anschliessend als Word/Text-File auf Ilias hoch.
Reuse
Citation
@online{ellis2022,
author = {Andrew Ellis and Gerda Wyssen},
title = {Übung 5},
date = {2022-05-22},
url = {https://kogpsy.github.io/neuroscicomplabFS23//uebung-5_bayesian_data_analysis.html},
langid = {en}
}