行為分析之時間序列分析

陳勇汀pudding@nccu.edu.tw

政大圖檔所DLLL實驗室�投影片 http://l.pulipuli.info/16/sats

2016/10/27

資料來源

Bakeman, R., & Gottman, J. M. (1997). Observing interaction: an introduction to sequential analysis. Cambridge University Press.

Bakeman, R., & Quera, V. (2011). Sequential analysis and observational methods for the behavioral sciences. Cambridge University Press.

2

9. Analyzing time sequences

11. Time-window and log-linear sequential analysis

Chapter 9.

Analyzing time sequences

考量時間的滯後序列分析

1. The tyranny of time �時間的暴政
2. Taking time into account �考量時間的編碼方式
3. Micro to macro �微觀到宏觀考量世界的

時間序列分析

• Time-series analysis �時間序列分析
• Autocorrelation and time-series analysis�自相關與時間序列分析

3

考量時間的滯後序列分析

1. The tyranny of time �時間的暴政
2. Taking time into account �考量時間的編碼方式
3. Micro to macro �微觀到宏觀

4

原始序列分析的呈現方式

5

• N：觀察樣本的編碼次數 (10)
• N_s：觀察樣本中，雙事件序列的次數 (9)�也就是兩兩成對的事件頻率，計算如下：

AB BB BC CB BB BC CA AA AC

​

ABBCBBCAAC

序列加上時間標記的表示法(1/2)

1. SDIS標準格式：記錄開始(onset)與結束(offset)的時間

​

​

​

• 記錄時間模式(timing pattern)的改變

​

​

6

序列加上時間標記的表示法(2/2)

3. 固定間隔時間編碼 (coding intervals)

​

​

​

容易重複編碼……

7

如果以固定間隔編碼來看序列

• Interval = 15;�U, U, U, S, P, P …
• Interval = 15;�U, S, S, S, P, P …
• Interval = 15;�U, U, S, S, P, P …

​

這樣就不容易看到USP的模式了

8

信仰堅定，還是用序列分析計算吧

9

即使最後可能

不會顯著

序列分析工具PHP版

10

http://l.pulipuli.info/160905-sa-php-temp

貼上序列編碼

送出

帶有時間的時間序列

1. 轉換成時間單位為t的固定間隔時間編碼
2. 計算編碼的轉換次數
3. 進行原本的序列分析

11

如何分析：轉換成固定間隔編碼

12

l

l

t

t

A

t

t

l

1

2

3

4

5

6

l

t

13

l

l

t

t

A

t

t

l

1

2

3

4

5

6

套用原本的序列分析方法

14

l

l

t

t

A

t

t

l

1

2

3

4

5

6

換個時間單位再來分析

15

l

l

t

A

t

l

1

2

3

只要詳細記錄時間

就能夠從不同尺度

去做分析

從微觀到宏觀

• 不要拘泥從每個編碼資料中找尋模式� 試著從更宏觀的角度來看資料
• 更大的時間單位
• 以抽象、廣泛的編碼系統 取代 具體、細微
• 宏觀編碼系統的好處
• 比微觀系統更容易使用
• 可以發掘原本看不到的模式
• 試著應用統計的探索性分析
• 回歸資料本身所帶有的知識模式
• 用宏觀角度重新檢查資料

16

時間序列分析

4. Time-series analysis�時間序列分析
5. Autocorrelation and time-series analysis�自相關與時間序列分析

17

行為記錄的時間序列

18

http://www.aicepsych.com/unit-1-research-methods.html

時間

(開始/結束)

行為類型

程度

從類別編碼轉換成時間序列的方法(1/2)

1. 事件間隔法 (the Interevent Interval)

​

19

吸菸時間

吸菸長度

(換算小時)

時間區間

時間平均

(每小時平均)

繪製時間

序列圖

從類別編碼轉換成時間序列的方法(2/2)

2. 移動機率視窗法 (Moving probability-window)
• 1. 設定一個觀察範圍(視窗)
• 2. 計算出現在該視窗內的編碼時間長度，得到機率值
• 3. 向前移動一個時間單位
• 可以得到平滑的時間序列，但大多時候沒必要這樣做
3. 編碼系統的單變量縮放法 (univariate scaling)
• 將每一個變項、每一個人都做成各別的時間序列
• 使用統計計算變異數或迴歸

​

20

轉換成時間序列的其他方法

• 觀察資料加上正面影響的評分
• 聲音
• 臉部表情
• 肢體動作
• 講話方式
• 結合不同編碼維度
• 參與/不參與 + 正面/負面：參與=+1
• 夫妻互動對談：正面程度/負面程度�->累計的時間序列 (time series cumulated)
• 社群互動的程度：moving socimetric

21

使用時間序列分析的好處 (1/2)

可以看到整體視覺化的圖形

22

兩對門診情侶的互動狀況時間序列記錄

使用時間序列分析的好處 (2/2)

時間序列分析可以超越編碼系統的限制

• 瀏覽圖表就能夠觀察資料的斜率(slope)與水平(level)
• 可以找到罕見關鍵事件 (rare critical events)
• 可以看到整體的趨勢
• 可以找到改變的時間點
• 可以建構數學模型來發展新的理論
• 可以用來預測行為 (預測離婚)

23

時間序列分析法的用途

• 週期性分析 (cyclicity) = 光譜分析
• 罕見事件分析：中斷時間序列實驗
• 雙時間序列關係的分析 (cross correlation)
• 同步性分析 (synchronicity)
• 規律性分析 (autocorrelation)

24

時間序列分析工具

• Williams, E. A., & Gottman, J. M. (1982)
• A User’s Guide to the Gottman-Williams Time-Series Analysis Computer Programs for Social Scientists.
• Cambridge: Cambridge University Press.

25

• SPEC
• ITSE
• BIVAR

週期性分析 (Cyclicity)

• 驗證這個資料是否具有週期性
• 又稱光譜分析�(Spectral Analysis)

26

虛線：

0.95信賴區間

如果整個信賴區間在水平線虛線之前，則表示有顯著週期性

SPEC

罕見事件分析：中斷時間序列實驗

(interrupted time-series experiment)

時間30前後的斜率沒有顯著差異，但是水平有顯著差異

27

ITSE

多變量時間序列分析 (1/3)

丈夫會影響太太？或是太太會影響丈夫呢？

28

BIVAR

多變量時間序列分析 (2/3)

29

z值顯著，表示丈夫確實影響太太

BIVAR

多變量時間序列分析 (3/3)

http://blog.pulipuli.info/2016/10/r-cross-correlation-with-r.html

30

事件間的間隔

(Interevent Interval)

• 心跳間隔時間 (Interbeat Interval, IBI)
• 計算兩次出現峰值之間的時間
• 通常用於心電圖 (情緒)
• 這種心理學的研究方法可以讓我們重新詮釋行為的時間序列
• 計算發生事件與事件之間的時間長度
• 將每次改變繪製為時間序列
• 關注這個時間序列的改變

31

事件間隔應用

階段空間圖 (Phase-space plots)

事件之間的散佈圖 與 連續點的連結

最終會離婚的夫妻的負面互動序列

32

(X1, X2) = (13,13)

Chapter 11.

Time-window and

log-linear sequential analysis

時間窗格序列分析

11.1 Time-Window Sequential Analysis of Timed-Event Data�時間序列資料的時間窗格序列分析

11.2 The Sign Test: A Nonparametric Alternative�顯著性檢定：無母數的替代方案

​

對數線性分析

11.3 Lag-Sequential and Log-Linear Analysis of Single-code Event Data�單一編碼資料的滯後序列與對數線性分析

11.4 Overlapped and Nonoverlapped Tallying of m-Event Chains�多事件序列中重疊與非重疊的表示法

11.5 An Illustration of Log-Linear Basics �對數線性分析做法的概述

11.6 Log-Linear Analysis of Interval and Multicode Event Data�間隔與多重事件資料的對數線性分析做法

33

時間窗格序列分析

• Time-Window Sequential Analysis of Timed-Event Data�時間序列資料的時間窗格序列分析
• The Sign Test: A Nonparametric Alternative�顯著性檢定：無母數的替代方案

34

時間窗格序列分析

35

5秒窗格

回應勝負比 = (有回應:沒回應)

母親

回應嬰兒

嬰兒

回應母親

時間窗格序列分析：如何檢定?

• 換成預測機率 (比例)，跟0.5機率作差異檢定
• 使用無母數統計法中的「置換檢定」 (Permutation tests = randomization test of mean)，類似Bootstrap重抽法
• 18月大的嬰兒是否顯著傾向回應母親？
• 儘管平均數沒有超過1
• 挑出回應勝負比高於1的嬰兒，發現有顯著超過1

36

對數線性分析

• Lag-Sequential and Log-Linear Analysis of Single-code Event Data�單一編碼資料的滯後序列與對數線性分析
• Overlapped and Nonoverlapped Tallying of m-Event Chains�多事件序列中重疊與非重疊的表示法
• An Illustration of Log-Linear Basics �對數線性分析做法的概述
• Log-Linear Analysis of Interval and Multicode Event Data�間隔與多重事件資料的對數線性分析做法

37

從滯後序列分析到對數線性分析

Lag-1 Sequential Analysis

LOG-LINEAR ANALYSIS

38

m-event chains

39

Lag-0

Lag-1

Lag-2

A-C-C

LOG-LINEAR ANALYSIS

對數線性分析

• 對數線性模型可以視為是傳統二元卡方檢定的延伸，用來檢定變數之間是否獨立或是有所關聯
• 傳統的卡方檢定受限於列聯表只能適用兩項變數，但是對數線性分析可以使用更多項的變數
• 因此可以用來分析更長的事件序列

40

取樣方式：可重疊

可接受模型：

• A-C
• C-A

41

49

50

取樣方式：不可重疊

• 序列中三個事件都不重複

可接受模型：

• C-F-C

42

AA-

-CC

應用於多重編碼事件資料

四維編碼：

• A年齡�(學步/學前)
• D支配(Y/N)
• P先前佔有�(Y/N)
• R抵抗(Y/N)

可接受模型：

• ADP
• DR

43

對數線性模型分析

陳正昌（2011）。多變量分析方法: 統計軟體應用。臺北市：五南。（ISBN：978-957-11-6378-9）

​

第十四章 對數線性模式�(可用SPSS+SPSS語法計算)

44

時間序列分析與預測

政大圖檔所 陳勇汀

2016/10/25

pudding@nccu.edu.tw

45

BLOG: 布丁布丁吃什麼？�http://blog.pulipuli.info/

46