Formatting data files for repeated-measures analyses in SPSS: Using the Aggregate and Restructure procedures
Notice bibliographique
Résumé
In this tutorial, we demonstrate how to use the Aggregate and Restructure procedures available in SPSS (versions 11 and up) to prepare data files for repeated-measures analyses.In the first two sections of the tutorial, we briefly describe the Aggregate and Restructure procedures.In the final section, we present an example in which the data from a fictional lexical decision task are prepared for analysis using a mixed-design ANOVA.The tutorial demonstrates that the presented method is the most efficient way to prepare data for repeated-measures analyses in SPSS.Specialized experiment generation and data collection software has greatly simplified the experimental psychologist's work during the last few decades.Commercially and freely available software such as E-Prime (Schneider, Eschman, & Zuccolotto, 2002a; 2002b) and PsyScope (Cohen, MacWhinney, Flatt, & Provost, 1993) allow for the creation of basic experiments in a few minutes.Moreover, once the testing is finished, the experimenter possesses a complete digital record of the participants' responses and reaction times, which can then be submitted to statistical analyses.Unfortunately, the raw data output files are rarely in a format to be immediately analyzed with SPSS.Because the typical data file usually includes one line per experimental trial (with participant identification, independent variables, and dependent variables appearing in separate columns), analyses involving repeated measures cannot be conducted without additional work.One must first calculate the average performance for each dependent variable at each level of each condition.Then, the data file must be reconfigured to show each participant's data on a single row (See Figure 1 for an illustration of the steps to be taken).It is only when these steps have been completed that the
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,033 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».