两份问卷的统计分析

Question

这个问题是从 Stack Overflow 迁移过来的，因为它可以在 Cross Validated 上得到回答。 6 天前迁移。

我正在写一篇研究论文，我需要组织统计分析部分。 我有两份问卷，参与者数量相同（15 例）。 基本上，我们要求参与者在两种不同的条件下玩两种不同的游戏。

• 想象一下：游戏 A（在条件 1 和 2 下）（有 5 个问题的问卷）。 游戏 B（在条件 1 和 2 下）（问卷有 7 个问题）。 我们要求他们填写问卷以估计每个条件的总体满意度。 我想知道这里分析每种条件的结果的最佳统计方法是什么。 （单/双向）方差分析是一个好的解决方案吗？ 如果是，这是在 Python 上执行此操作的好方法吗？ （不幸的是，我不熟悉 R 并且我有点匆忙）以下是仅针对一个人（15 个中的 1 个）的问卷结果的示例。

Answer 1

感谢您提出修改后的问题。

对于游戏 A。两个条件的得分非常相似，您只有 7 分。

a1 = c(4, 3.5, 3, 4, 4.5, 4, 4)
a2 = c(4,   4, 4, 3,   4, 4, 4)

配对的 Wilcoxon 符号秩检验发现条件之间没有差异。 由于数据中的联系，P 值并不准确。 来自 R 的测试

wilcox.test(a1, a2, pair=T)

    Wilcoxon signed rank test 
    with continuity correction

data:  a1 and a2
V = 5, p-value = 1
alternative hypothesis: 
 true location shift is not equal to 0

将分数视为数字（即使我想知道它们是否可能是有序的分类选择），我们发现没有区别（高 P 值），同样是因为这两个条件的分数几乎相同。

t.test(a1, a2)$p.val
[1] 1

对于游戏 B。在所有五个类别中，条件 2 是首选。 由于差异的联系，Wilcoxon 签名等级测试将不起作用。 但是，将数据视为数值，配对 t 检验在 5% 水平上显着（P 值$0.012 < 0.05 = 5\\%.）$

b1 = c(4, 3, 3, 3, 4)
b2 = c(5, 4, 5, 5, 4.5)
t.test(b1, b2, pair=T)

        Paired t-test

data:  b1 and b2
t = -4.3333, df = 4, p-value = 0.01232
alternative hypothesis: 
 true difference in means is not equal to 0
95 percent confidence interval:
 -2.1329335 -0.4670665
sample estimates:
mean of the differences 
                   -1.3