첨가된 설탕 라벨의 인지된 효과

목표 및 가설:

이 연구의 목표는 첨가된 설탕 식당 메뉴 라벨이 미국 성인의 인식과 반응에 어떤 영향을 미치는지 조사하는 것입니다. 예측:

3개의 암(제어 레이블, 아이콘만 추가된 설탕 레이블, 아이콘과 텍스트가 추가된 설탕 레이블)이 있는 피험자 간 실험에서:

1. 추가된 설탕 라벨은 대조 라벨보다 더 효과적인 것으로 인식됩니다.
2. 텍스트와 아이콘 레이블이 아이콘만 있는 레이블보다 더 효과적인 것으로 인식됩니다.
3. 추가된 설탕 라벨을 본 참가자의 더 많은 비율이 컨트롤 라벨을 본 참가자보다 새로운 것을 배웠다고 보고할 것입니다.
4. 추가된 설탕 라벨은 참가자들이 통제 라벨에 비해 첨가된 설탕이 많은 레스토랑 메뉴 항목을 더 정확하게 식별하도록 유도할 것이며 텍스트와 아이콘 라벨은 이 결과에서 아이콘 전용 라벨을 능가할 것입니다.

또한 피험자 내 설계 사용:

이 연구에서는 어떤 레이블(컨트롤, 아이콘, 텍스트 + 아이콘)이 첨가당 함량이 높은 메뉴 항목을 소비하는 것을 가장 방해하는지 조사할 것입니다.

분석은 추가된 설탕 레이블에 대한 다양한 아이콘 및 텍스트 옵션을 비교하여 추가된 설탕이 많은 항목을 소비하려는 데 가장 실망스러운 것으로 인식되는 아이콘과 텍스트 변형을 결정합니다. 어떤 것이 더 낙담하게 인식될지에 대한 가설은 없습니다.

계획된 분석:

예측 1-2의 경우: 실험 조건에 대한 지표 변수에 대한 PME를 회귀하는 선형 회귀 모델(OLS). STATA의 여백 명령은 각 조건(예: 아이콘만 대 아이콘과 텍스트 레이블) 사이의 쌍별 비교를 수행하는 데 사용됩니다. 또한 PME는 추가된 설탕 라벨 그룹을 결합한 지표 변수에 대해 회귀됩니다.

예측 3-4의 경우 강력한 표준 오류가 있는 포아송 회귀를 사용하여 상대 확률을 추정하고 실험 조건에 대한 지표 변수에 대한 각 이분법 결과를 회귀합니다. STATA의 마진 명령은 각 조건 간의 쌍별 비교를 수행하는 데 사용됩니다. 결과는 추가된 설탕 레이블 그룹을 결합하는 지표 변수에서 회귀됩니다. 포아송 회귀가 수렴하지 않으면 로지스틱 회귀가 사용됩니다.

피험자 내 비교를 위해 혼합 효과 선형 모델을 사용하여 첨가당 함량이 높은 품목을 소비할 때 상태와 라벨 낙담 등급 사이의 관계를 평가합니다.

중요한 알파 0.05가 사용되며 통계 테스트는 양방향입니다. 이것은 더 큰 시험에서 사용할 최고 성능 레이블을 식별하는 데 도움이 되는 초기 탐색적 연구이기 때문에 알파 수준은 다중 비교를 위해 조정되지 않습니다.

위의 파라메트릭 테스트에 필요한 모델링 가정에서 벗어난 증거가 있는 경우 비파라메트릭 민감도 분석이 수행됩니다.