特魯普效應(yīng)測(cè)試

特魯普效應(yīng)是著名的心理學(xué)現(xiàn)象铡俐，展示了人們對(duì)事物的認(rèn)知過(guò)程已是一個(gè)自動(dòng)化的歷程。當(dāng)有一個(gè)新的刺激出現(xiàn)時(shí)妥粟，如果它的特征和原先的刺激相似或符合一致高蜂，便會(huì)加速人們的認(rèn)知；反之罕容，若新的刺激特征與原先的刺激不相同备恤，則會(huì)干擾人們的認(rèn)知，使人們的所需的反映數(shù)據(jù)變長(zhǎng)锦秒。

簡(jiǎn)單來(lái)說(shuō)露泊，斯特魯普效應(yīng)是當(dāng)有與原有認(rèn)知不同的情況出現(xiàn)時(shí)，人們的反應(yīng)時(shí)間會(huì)較長(zhǎng)旅择。

接下來(lái)驗(yàn)證特魯普效應(yīng)

通過(guò)網(wǎng)上的stroop實(shí)驗(yàn)做測(cè)試人的反應(yīng)時(shí)間

網(wǎng)址：https://faculty.washington.edu/chudler/java/ready.html

每名參與者得到兩組有顏色的文字惭笑，第一組數(shù)據(jù)是字體內(nèi)容和字體顏色一致，第二組數(shù)據(jù)是字體內(nèi)容和字體顏色不一致生真。

每名參與者對(duì)每組文字說(shuō)出文字的顏色沉噩，并分別統(tǒng)計(jì)完成每組的時(shí)間。每名參與者得到兩組有顏色的文字柱蟀，第一組數(shù)據(jù)是字體內(nèi)容和字體顏色一致川蒙，第二組數(shù)據(jù)是字體內(nèi)容和字體顏色不一致。每名參與者對(duì)每組文字說(shuō)出文字的顏色长已，并分別統(tǒng)計(jì)完成每組的時(shí)間畜眨。

此次實(shí)驗(yàn)共記錄25組數(shù)據(jù) ，并匯總到Excel的表格中

一术瓮、描述統(tǒng)計(jì)分析

#導(dǎo)入包
import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt

導(dǎo)入數(shù)據(jù)集

data = pd.read_csv('斯特魯普數(shù)據(jù)集.csv',encoding = 'GBK')
data.head()

Congruent列是（第一組數(shù)據(jù)）字體內(nèi)容和字體顏色一致情況下康聂，實(shí)驗(yàn)者的反應(yīng)時(shí)間。

Incongruent列是（第二組數(shù)據(jù)）字體內(nèi)容和字體顏色不一致情況下胞四，實(shí)驗(yàn)者的反應(yīng)時(shí)間恬汁。

查看數(shù)據(jù)的描述統(tǒng)計(jì)

data.describe()

# 第一組數(shù)據(jù)：字體內(nèi)容和字體顏色一致情況下，實(shí)驗(yàn)者的反應(yīng)時(shí)間
#第一組數(shù)據(jù)均值
con1_mean = data['Congruent'].mean()
# 第一組數(shù)據(jù)標(biāo)準(zhǔn)差
con1_std = data['Congruent'].std()

# 第一組數(shù)據(jù)：字體內(nèi)容和字體顏色一致情況下辜伟，實(shí)驗(yàn)者的反應(yīng)時(shí)間
# 第二組數(shù)據(jù)均值
con2_mean = data['Incongruent'].mean()
# 第二組數(shù)據(jù)標(biāo)準(zhǔn)差
con2_std = data['Incongruent'].std()

print('第一組數(shù)據(jù)：字體內(nèi)容和字體顏色Congruen（一致）情況下氓侧，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間是:',con1_mean,'秒,標(biāo)準(zhǔn)差是',con1_std,'秒')
print('第二組數(shù)據(jù)：字體內(nèi)容和字體顏色I(xiàn)ncongruent（不一致）—情況下，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間是:',con2_mean,'秒,標(biāo)準(zhǔn)差是',con2_std,'秒')

第一組數(shù)據(jù)：字體內(nèi)容和字體顏色Congruen（一致）情況下游昼，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間是: 13.926875 秒,標(biāo)準(zhǔn)差是 3.5402194271529703 秒
第二組數(shù)據(jù)：字體內(nèi)容和字體顏色I(xiàn)ncongruent（不一致）—情況下甘苍，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間是: 22.350749999999994 秒,標(biāo)準(zhǔn)差是 5.010217727196399 秒

觀察兩個(gè)樣本數(shù)據(jù)分布情況

fig=plt.figure(figsize=(20,9))
ax=fig.add_subplot(1,1,1)
data.plot(kind='bar',ax=ax)
plt.show()

[圖片上傳失敗...(image-2b7d0-1532578605410)]

描述分析結(jié)果可知，Incongruent（不一致） 情況下所用時(shí)間均大于Congruen（一致）情況烘豌，也就是當(dāng)字體內(nèi)容和字體驗(yàn)證不一致時(shí)，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間變長(zhǎng)

二看彼、推論統(tǒng)計(jì)分析

假設(shè)檢驗(yàn)

1.問題是什么廊佩？

要研究的問題是：驗(yàn)證特魯普效應(yīng)是否存在囚聚？

零假設(shè)和備選假設(shè)

零假設(shè)H0：特魯普效應(yīng)是不存在,即人們的反應(yīng)時(shí)間不會(huì)因?yàn)樽煮w內(nèi)容和字體顏色是否相同，測(cè)試時(shí)間不會(huì)變長(zhǎng) u1 = u2标锄，第一組的平均值等于第二組的平均值

備選假設(shè)H1：特魯普效應(yīng)是真的存在顽铸。顏色和文字不同的情況下，人們的完場(chǎng)測(cè)試的時(shí)間會(huì)變長(zhǎng)u1 < u2料皇，第一組的平均值小于第二組的平均值

檢驗(yàn)類型

因?yàn)樵撌褂脙山M數(shù)據(jù)是相關(guān)樣本谓松，所以選擇相關(guān)配對(duì)檢驗(yàn)

相關(guān)配對(duì)檢驗(yàn)只關(guān)注每對(duì)相關(guān)數(shù)據(jù)的差值，從而避免得到的結(jié)論受到參與人員間正常反應(yīng)時(shí)間獨(dú)立性的影響践剂。在只關(guān)注差值集的情況下鬼譬，樣本集處理后只有一組（差值集）。下面我們對(duì)樣本數(shù)據(jù)進(jìn)行處理逊脯，從而得到差值集优质。

#差值數(shù)據(jù)集
data['差值'] =data['Congruent'] -data['Incongruent']
data.head()

此次測(cè)試樣本大小是25，樣本大小小于30军洼，屬于小樣本巩螃，我們觀察下數(shù)據(jù)集分布是否符合t分布

import seaborn as sns

sns.distplot(data['差值'])
plt.title('差值數(shù)據(jù)集分布')
plt.show()

通過(guò)觀察數(shù)據(jù)集分布。近似符合正態(tài)分布匕争，滿足了t分布的條件避乏，可以使用t分布樣本檢驗(yàn)

檢驗(yàn)方向

由于備選假設(shè)中顏色和文字不同的情況下，人們的完場(chǎng)測(cè)試的時(shí)間會(huì)變長(zhǎng)甘桑，即u1 < u2淑际，小于號(hào)，因此檢驗(yàn)方向?yàn)閱挝矙z驗(yàn)中的左尾檢驗(yàn)扇住。

顯著水平為5%春缕，t檢驗(yàn)的自由度df=n-1=25-1=24

2.證據(jù)是什么？

#導(dǎo)入統(tǒng)計(jì)模塊（stats）
from scipy import stats
t,p_twoTail = stats.ttest_rel(data['Congruent'],data['Incongruent'])

print('t值=',t,'雙尾檢驗(yàn)的p值=',p_twoTail) 

t值= -8.088610872807587 雙尾檢驗(yàn)的p值= 3.548719149724915e-08

因?yàn)閟cipy計(jì)算出的是雙尾檢驗(yàn)的t值和p值艘蹋，但是我們這里是左尾檢驗(yàn)锄贼。
根據(jù)對(duì)稱性，雙尾的p值是對(duì)應(yīng)單尾p值的2倍

#單尾檢驗(yàn)的p值
p_oneTail=p_twoTail/2
print('單尾檢驗(yàn)的p值=',p_oneTail)

單尾檢驗(yàn)的p值= 1.7743595748624577e-08

3.判斷標(biāo)準(zhǔn)是什么女阀？

判斷標(biāo)準(zhǔn)這里設(shè)置顯著水平使用alpha=5%

alpha=0.05

4.做出結(jié)論

if(t<0 and p_oneTail<alpha):
    print('拒絕零假設(shè)宅荤，有統(tǒng)計(jì)顯著，特魯普效應(yīng)存在')
else:
    print('接受零假設(shè)浸策，沒有統(tǒng)計(jì)顯著冯键，特魯普效應(yīng)不存在')

拒絕零假設(shè)，有統(tǒng)計(jì)顯著庸汗，特魯普效應(yīng)存在

5.置信區(qū)間

求置信區(qū)間和t的值

置信水平對(duì)應(yīng)的t值（t_ci）

查找t表格獲取 95%的置信水平惫确，自由度是n-1對(duì)應(yīng)的t值 t=2.064

2）計(jì)算上下限

置信區(qū)間上限a=樣本平均值 - t_ci ×標(biāo)準(zhǔn)誤差

置信區(qū)間下限b=樣本平均值 - t_ci ×標(biāo)準(zhǔn)誤差

t_ci=2.064
#差值數(shù)據(jù)集平均值
sample_mean=data['差值'].mean()
#使用scipy計(jì)算標(biāo)準(zhǔn)誤差
se=stats.sem(data['差值'])
#置信區(qū)間上限
a=sample_mean - t_ci * se
#置信區(qū)間下限
b=sample_mean + t_ci * se

print('兩個(gè)平均值差值的置信區(qū)間，95置信水平 CI=[%f,%f]' % (a,b))

兩個(gè)平均值差值的置信區(qū)間，95置信水平 CI=[-10.573426,-6.274324]

6.效應(yīng)量

#差值數(shù)據(jù)集對(duì)應(yīng)的總體平均值是0
pop_mean=0
#差值數(shù)據(jù)集的標(biāo)準(zhǔn)差
sample_std=data['差值'].std()
d=(sample_mean - pop_mean) / sample_std

print('d=',d)

d= -1.6510807805255563

三改化、數(shù)據(jù)分析報(bào)告總結(jié)

1.描述統(tǒng)計(jì)分析

當(dāng)字體顏色和字體內(nèi)容Congruent(一致)時(shí)掩蛤，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間是13.92687 秒,標(biāo)準(zhǔn)差是 3.5402 秒

當(dāng)字體顏色和字體內(nèi)容Incongruent(不一致)時(shí)，實(shí)驗(yàn)者的平均反應(yīng)時(shí)間是22.3507 秒,標(biāo)準(zhǔn)差是 5.0102秒陈肛。

“Incongruent”的反應(yīng)時(shí)間大于“Congruent”時(shí)的反應(yīng)時(shí)間揍鸟，即當(dāng)字體顏色和字體內(nèi)容不一致時(shí)平均反映時(shí)間較長(zhǎng)

2、推論統(tǒng)計(jì)分析

1）假設(shè)檢驗(yàn)

相關(guān)配對(duì)檢驗(yàn)t(24)=-8.0886,p=3.5485e-08 (α=5%),左尾檢驗(yàn)

統(tǒng)計(jì)存在顯著差異句旱，拒絕零假設(shè)阳藻，說(shuō)明驗(yàn)證斯特魯普效應(yīng)真實(shí)存在的。

2）置信區(qū)間

兩個(gè)平均值差值的置信區(qū)間谈撒，95%置信水平 CI=[-10.573426,-6.274324]

3）效應(yīng)量

d= -1.651