45、图片对不同搜索行为用户情绪反应的影响及酒店信息可视化研究

图片对不同搜索行为用户情绪反应的影响及酒店信息可视化研究

1. 数据准备与研究方法

数据需进行多方面转换。首先，对受访者将每张图片分类到一个情感类别的数据进行重新编码。每个情感类别由一个效价（valence）值和一个唤醒度（arousal）值来表征（分为低、中、高；如图1所示）。对数据进行相应重新编码后，会为每张图片和每个受访者得出不同的效价和唤醒度值，这些数据将作为后续所有分析的基础。

第二步，对数据进行重新排列，使每张图片的每次评估成为一个观测值，即一个人会为总数据集贡献29个观测值。这样最终得到10,150个观测值（350名受访者乘以29张图片）。重新排列后的数据集用于对唤醒度和效价的总体影响进行建模，而非针对每张具体图片。

研究中应用了多种方法：
- 为进行修改检查以及测试不同场景之间的基本差异，应用了Kruskal - Wallis检验。
- 为测试对图片的不同反应，应用了Friedman方差分析（Friedman’s ANOVAs）。
- 对于对效价和唤醒度影响进行建模的分析，使用了有序逻辑回归（ordered logistic regressions）。在这些模型中，一个有序响应变量（效价或唤醒度）可以由几个连续或分类预测变量来预测。有序逻辑回归基于比例优势假设，即假设每个预测变量有一个单一系数，意味着预测变量从一个水平到下一个水平的每次变化，因变量的对数优势比变化是相同的。研究按照UCLA（2012）中概述的程序检查了这一假设，结果表明该假设得到了令人满意的满足。

所有分析均在用于计算统计的R系统（版本2.12.0）中进行，使用了MASS包。