Поиск психодиагностических правил для диагностики эмоциональной устойчивости с помощью детерминационного анализа - (реферат)

В рамках ДА-технологии составление словаря переменных производится с помощью специального программного обеспечения. Оно представляет собой отдельный модуль ДА-системы. Модуль имеет название DICT (от английского DICTIONARY - словарь). Он обслуживает все технологические процедуры, необходимые для того, чтобы формировать словари переменных.

После того, как словарь переменных создан в памяти компьютера (это делается с помощью простых и легко усваиваемых процедур), он становится затем основным средством общения психолога с компьютером. Словарь переменных обслуживает процесс ввода эмпирических данных в компьютер. Он служит опорой языка, на котором ставятся и решаются задачи анализа эмпирических данных. Благодаря такой роли словаря переменных язык общения с ДА-системой легкий. Он лишен ненужных техницизмов и максимально приближен к тому содержанию, ради которого проводится исследование, совершается анализ собранных данных.

1. 12 Строение словаря переменных при практической работе с данными Словарь переменных представляет собой перечень переменных, где о каждой переменной имеются сведения, которые необходимы, чтобы полностью охарактеризовать переменную. При практической работе с данными состав таких сведений по каждой переменной включает:

    порядковый номер переменной;
    тип переменной;
    название переменной;

Для нечисловых переменных в словаре указываются значения (множества значений) переменных.

Различают следующие основные типы переменных: альтернативная, неальтернативная, целочисленная, вещественная.

Два первых типа относятся к качественным переменным, два другие - к количественным . Типы переменных “Целочисленная” и “Вещественная” отличаются тем, что значениями переменных первого типа могут быть только целые числа, а во втором случае это могут быть практически любые числа (включая, разумеется, и целые).

Название переменной “альтернативная” означает, что каждый объект в матрице данных может характеризоваться только одним значением такой переменной. Целочисленная и вещественная переменные также относятся к альтернативным переменным. Однако по сложившейся традиции термин “альтернативная” закреплен преимущественно за качественными переменными.

Для переменной, относящейся к типу “Неальтернативная”, допускаются ситуации, когда каждый объект в матрице данных может характеризоваться не только одним, но, возможно и несколькими значениями такой переменной (количество значений в принципе не ограничено). ДА-система предоставляет возможность пользоваться неальтернативными переменными.

    1. 13 Пример словаря переменных.

Ниже приводятся реальный словарь переменных. Словарь был использован при исследовании эмоциональной устойчивости.

Пример 1. Словарь переменных, использованных при проведении исследования эмоциональной устойчивости.

    Переменная 1. Порядковый номер испытуемого
    Переменная 2. GP
    Переменная 3. Z
    Переменная 4. EM
    Переменная 5. P
    Переменная 6. TR
    Переменная 7. AL
    Переменная 8. DM
    Переменная 9. V
    Переменная 10. DI
    Переменная 11. AE
    Переменная 12. FA
    Переменная 13. KA
    Переменная 14. R
    Переменная 15. NG
    Переменная 16. OB
    Переменная 17. POD
    Переменная 18. VA
    Переменная 19. VIN
    Переменная 20. OA
    Переменная 21. VR
    Переменная 22. DST
    Переменная 23. NPU
    Переменная 24. GR
    Переменная 25. A
    Переменная 26. B
    Переменная 27. C
    Переменная 28. E
    Переменная 29. F
    Переменная 30. G
    Переменная 31. H
    Переменная 32. I
    Переменная 33. L
    Переменная 34. M
    Переменная 35. N
    Переменная 36. O
    Переменная 37. Q1
    Переменная 38. Q2
    Переменная 39. Q3
    Переменная 40. Q4
    Переменная 41. F1
    Переменная 42. F2
    Переменная 43. F3
    Переменная 44. F4
    Переменная 45. SOM
    Переменная 46. O_C
    Переменная 47. INT
    Переменная 48. DEP
    Переменная 49. ANX
    Переменная 50. HOS
    Переменная 51. PHOB
    Переменная 52. PAR
    Переменная 53. PSY
    Переменная 54. QSI

Глава 4. Анализ диагностических критериев методом детерминационного анализа. 2. 1 Задачи статистического оценивания и задачи анализа выборки Вообще все задачи анализа данных могут рассматриваться либо как задачи анализа выборки, либо как задачи анализа взаимоотношения между результатами, полученными на выборке, и “всем остальным миром” (т. е генеральной совокупностью), либо как задачи смешанного типа, в которых анализ выборки и анализ взаимоотношения между выборкой и генеральной совокупностью производится одновременно. Для решения задач первого типа используются методы описательной статистики. Для решения задач второго типа используются собственно статистические методы, в том числе методы оценки доверительных интервалов, методы разрешения статистических гипотез, основанные на применении критериев типа Стьюдента, Фишера, статистики “хи-квадрат” и т. д. Часто такая широко известная задача анализа, как задача построения уравнения регрессии по имеющимся выборочным данным, ставится и решается как задача смешанного типа. Как задачи смешанного типа ставятся и решаются и многие другие задачи анализа данных.

Если исследователь нашел какие-то, как ему показалось, интересные результаты, анализируя только одну выборку испытуемых, это еще ничего не значит. Может быть случаи, которые он наблюдал, отобраны так, что они не отражают действительной ситуации. Может быть выборка сделана плохо, так что в ней имеются искажения, которые носят систематический характер и не могут быть отнесены за счет случайных факторов. Может быть при работе с приборами в ходе исследования были допущены ошибки. Имеется множество требований, которые необходимо принимать во внимание, чтобы получить действительно ценный, научно выверенный результат. Среди них особое место занимают требования, связанные с оценкой отношения между выборкой и генеральной совокупностью. Как делать такие оценки, в каких случаях этим оценкам можно доверять, какой должна быть выборка и многое другое подробно обсуждается в руководствах по методам статистической обработки данных для психологов, и мы на этом останавливаться не будем. Мы сконцентрируем внимание на задачах анализа выборки, т. е. тех данных, которые доступны исследователю и находятся у него под руками. Более того, мы остановимся только на специальном, хотя и чрезвычайно важном классе задач - на задачах обнаружения диагностических критериев, когда в качестве исходных данных используются данные, полученные при проведении комплексных ультразвуковых обследований.

Обычно о методах анализа выборки (и только выборки) говорят как о методах описательной статистики (в отличие от методов, например, статистического оценивания доверительных интервалов или методов проверки статистических гипотез). Почему такие методы следует рассматривать как отдельный класс методов, видно из следующих соображений. Предположим, вы сформировали выборку в соответствии с требованиями выборочного метода. Предположим, вы тщательно провели все необходимые измерения, подготовили данные к анализу, сделали словарь переменных и ввели данные в компьютер. Допустим вам необходимо отыскать диагностические критерии, позволяющие отличать одну болезнь от другой. Если у вас относительно таких диагностических критериев имеется не слишком много конкурирующих гипотез, нет проблем. Вы пользуетесь, скажем, методом оценивания значимости различий средних значений по Стьюденту, проводите необходимые вычисления и выбираете ту гипотезу, которая приводит к наиболее значимым результатам. Но представьте, что вся совокупность гипотез, которые вы хотите проверить, очень велика. Более того, сами гипотезы сформулированы только в достаточно общем виде и их формулировки необходимо уточнить. Представьте также, что переменных, которые участвуют в формулировании и проверке гипотез, десятки, а может быть и сотни. Что тогда? Нужны методы, которые позволяют провести анализ данных и понять, какие гипотезы представляют интерес и почему. В этом случае как раз и помогут методы анализа выборки, методы описательной статистики.

2. 2 Базовые задачи анализа в режиме описательной статистики Арсенал современных описательных статистических методов очень широк. В современных статистических пакетах, предназначенных для персональных компьютеров, количество методов анализа измеряется десятками. В то же времязадач анализа всего две: Задача 1. (Задача анализа связей). Дать описание связи между переменными. Задача 2. (Задача построения новых признаков). Построить новую переменную (новые признаки) на основе уже заданных.

Для примера укажем, как соотносятся с этими задачами наиболее популярные и широко известные методы анализа.

    Регрессионный анализ. Решает задачу 1.

Методы измерения силы связи на основе всевозможных коэффициентов связи (их около сотни). Решают задачу 1.

    Кластерный анализ. Решает задачу 2.
    Методы таксономического анализа. Решают задачу 2.
    Дискриминантный анализ. Решает задачу 2.
    Факторный анализ. Решает обе задачи одновременно.
    Метод главных компонент. Решает обе задачи одновременно.

Задачи 1 и 2 называются базовыми задачами анализа в режиме описательной статистики.

    2. 3 Базовые задачи при поиске диагностических критериев

При поиске диагностических критериев базовые задачи анализа ставятся и решаются особым образом.

Задача анализа связей (задача 1) ставится и решается как задача поиска диагностических правил. Задача построения новых признаков (задача 2) ставится и решается как задача конструирования вторичных переменных. Технология детерминационного анализа обслуживает постановку и решение обеих этих задач. Рассмотрим каждую из этих задач в отдельности.

2. 4 Задача 1. (Поиск диагностических правил) и практика тестирования В психодиагностике широко распространено тестирование с помощью диагностических признаков. Процедуру использования диагностического признакаa с целью установить диагноз b принято называть психодиагностическим тестом. Пусть a- признак, наличие (отсутствие) которого у испытуемого используется в качестве теста на наличие (отсутствие) заболеванияb. Умозаключение

    Если у испытуемого имеется признак a,
    то

следует предполагать наличие у него психического качества-свойства b представляет собой общеизвестную форму диагностического правила (диагностического суждения). Диагностическое правило такого рода характеризуютсяпрогностической (предсказательной) ценностью и чувствительностью. Подобные правила можно применять только тогда, когда тестирование дало положительный результат, т. е когда у испытуемого обнаружен признакa. В этом случае правило позволяет поставить истинно-положительный гипотетический диагнозb. Поскольку правило применимо только при положительном результате тестирования, оно ассоциируется с “положительным тестом”. Поэтому прогностичесая ценность такого правила называетсяпрогностической (предсказательной) ценностью положительного теста. Чувствительность того же правила принято называть чувствительностью теста. Характеристики правила вычисляются в соответствии со следующими определениями. Прогностическая ценность положительного теста определяется как доля истинно-положительных тестов (случаев заболевания bпри положительном результате тестирования) среди всех положительных тестов (случаев наличия признакаa). Чувствительность теста определяется как доля истинно-положительных тестов (случаев заболевания b при положительном результате тестирования) среди всех больных болезнью b. Когда результаты тестирования болезни b по признаку aдают отрицательный результат, т. е. когда у испытуемого обнаруживается отсутствие признакаa, используются также умозаключения вида Если у испытуемого отсутствует признак a,

    то

следует предполагать отсутствие у него психического качества-свойства b Они представляет собой общеизвестную форму диагностического правила, которое позволяет поставить истинно-отрицательный гипотетический диагноз, состоящий в том, что признакb отсутствует. Такое суждение также характеризуется прогностической ценностью и чувствительностью. В психологической практике прогностическую ценность подобного правила принято называть прогностической (предсказательной) ценностью отрицательного теста, а чувствительность правила принято называть специфичностью теста. Прогностическая ценность отрицательного теста определяется как доля истинно-отрицательных тестов (случаев отсутствия заболеванияbпри отрицательном результате тестирования) среди всех отрицательных тестов (случаев отсутствия признакаa). Специфичность определяется как доля истинно-отрицательных тестов (случаев отсутствия заболеванияb при отрицательном результате тестирования) среди всех не страдающих болезнью b. Таким образом, всякий тест характеризуется четырьмя характеристиками. Это: прогностическая ценность положительного теста

    прогностическая ценность отрицательного теста
    чувствительность теста
    специфичность теста

Каждый тест включает два диагностических правила, приведенные выше. Характеристики этих правил (прогностическая ценность и чувствительность) связаны с четырьмя указанными характеристиками теста, как описано выше. С точки зрения теории вероятностей четыре указанных характеристики представляют собой так называемые “условные вероятности”. В процессе анализа данных величины условных вероятностей такого типа вычисляются как процентные доли (при тестировании болезниb с пощью признака a прогностическая ценность положительного теста - это доля b среди a, чувствительность теста - это доля a среди b, прогностическая ценность отрицательного теста - это доля “не-b” среди“не-a”, специфичность теста - это доля “не-a” среди “не-b”). Чтобы исследовать всевозможные диагностические критерии (решать первую из двух базовых задач), необходимо иметь программное обеспечение, которое позволяет вычислять характеристики тестов. Математическая теория детерминаций - это теория, изучающая свойства условных вероятностей, а детерминация - это адекватная математическая модель диагностического суждения. Именно поэтому детерминационный анализ оказался эффективным средством, а ДА-система эффективным инструментом поиска и анализа диагностических критериев.

2. 5 Понятие детерминации как модель диагностического правила. Понятие детерминации - основное в детерминационном анализе. Термин "детерминация" происходит от латинского determinatio - определение, ограничение. Он был введен в научный обиход в начале 20 века немецким ученым Гайдером, который изучал, как свойства эмбриона определяют, детерминируют свойства развивающегося из него взрослого организма.

Идея детерминации тесно связана с идеей предсказания, объяснения. Понятие детерминации применимо всегда, когда что-либо одно объясняется (определяется) чем-либо другим. В детерминационном анализе это понятие получило математически точный смысл. Детерминация это условное суждение (умозаключение) вида"Если a, то b", которое рассматривается всегда совместно с двумя характеристиками детерминацииточностью и полнотой. Точность детерминации "Если a, то b" представляет собой долю случаев b среди случаев a. Полнота той же детерминации представляет собой долю случаев a среди случаев b. Детерминации бывают самые разные по точности и полноте. Примером точной, но неполной детерминации служит утверждение “Люди - это смертные существа”. Оно представляет собой детерминацию, точность которой (доля смертных среди людей) равна 1 (или 100%). Полнота этой детерминации (доля людей среди смертных существ) заведомо меньше 1, потому что все смертные живые существа отнюдь не исчерпываются людьми. Пример очень неточной, но довольно полной детерминации дает утверждение “Курильщики рано или поздно заболевают раком легких”. Это детерминация, точность которой очень невысокая, примерно 0. 04 (среди курильщиков приблизительно 4% заболевающих раком легких). Полнота этой детерминации составляет около 0. 95 (среди попадающих в клиники с диагнозом рак легкого примерно 95% составляют курильщики).

    Ключевое обстоятельство состоит в следующем.

Страницы: 1, 2, 3, 4, 5, 6, 7, 8