Психологическая статистика - Psychological statistics

Психологическая статистика это применение формул, теорем, чисел и законов к психология. Статистические методы психологии включают разработку и применение статистической теории и методов моделирования психологических данных. Эти методы включают психометрию, факторный анализ, экспериментальные планы, многомерные поведенческие исследования. В статье также обсуждаются журналы в той же области Wilcox, R. (2012).^[1]

Психометрия

Психометрия занимается измерением психологических атрибутов. Он включал разработку и применение статистических моделей для ментальных измерений (Лорд и Новик и др.). Теории измерений делятся на две основные области: (1) классическая теория тестов; (2) Теория отклика предмета (Наннэлли, Дж. И Бернштейн, И. (1994).^[2]).

Классическая теория испытаний

Классическая теория тестирования, теория истинных оценок или теория надежности в статистике - это набор статистических процедур, полезных для разработки психологических тестов и шкал. Он основан на фундаментальном уравнении X = T + E, где X - общая оценка, T - истинная оценка, а E - ошибка измерения. Для каждого участника предполагается, что существует истинная оценка, и ее необходимо получить, оценка (X) должна быть как можно ближе к ней (Lord, F. M., and Novick, M. R. (1968),^[3] Райков Т., Маркулидес Г.А. (2010) ^[4] ). Близость X к T выражается в оценке полученной оценки. Надежность с точки зрения классической процедуры тестирования - это соотношение между истинным баллом и полученным баллом. Типичная процедура построения теста состоит из следующих этапов:

(1) Определите конструкцию (2) Обрисуйте поведенческую область конструкции (3) Запишите в 3-5 раз больше элементов, чем желаемая длина теста (4) Получите содержимое элемента, проанализированное экспертами, и отберите элементы (5) Получите данные по исходной версии теста (6) Анализ предметов (Статистическая процедура) (7) Факторный анализ (Статистическая процедура) (8) После второго отбора сделайте окончательную версию (9) Используйте его для исследования

Надежность

Надежность рассчитывается определенным образом. (A) Надежность между оценщиками: Надежность между оценщиками - это оценка согласия между независимыми оценщиками. Это наиболее полезно для субъективных ответов. Каппа Коэна, альфа Криппендорфа, коэффициенты внутриклассовой корреляции, коэффициенты корреляции, коэффициент согласованности Кендала и т. Д. Являются полезными статистическими инструментами. (B) Надежность теста-повторного тестирования: Процедура повторного тестирования - это оценка временной согласованности теста. Тест проводится дважды с одним и тем же образцом с интервалом времени. Корреляция между двумя наборами оценок используется в качестве оценки надежности. Предполагается, что условия испытаний идентичны. (C) Надежность внутренней согласованности: надежность внутренней согласованности оценивает согласованность элементов друг с другом. Разделенная половина надежности (Spearman-Brown Prophecy) и Cronbach Alpha - популярные оценки этой надежности. (Кронбах LJ (1951)^[5]). (D) Надежность параллельной формы: это оценка соответствия между двумя разными инструментами измерения. Взаимосвязь между двумя параллельными формами теста или шкалы используется как оценка надежности параллельной формы.

Срок действия

Достоверность шкалы или теста - это способность прибора измерять то, что он предназначен для измерения (Наннэлли, Дж. И Бернштейн, И. (1994).^[2]). Construct validity, Content Validity, Criterion Validity - это типы действительности. Валидность конструкции оценивается с помощью конвергентной и дискриминантной валидности и факторного анализа. Конвергентная и дискриминантная валидность подтверждается корреляцией между подобием различных конструкций. Валидность контента: предметные эксперты оценивают валидность контента. Валидность критерия - это корреляция между тестом и критериальной переменной (или переменными) конструкции. Регрессивный анализ, Множественный регрессионный анализ, Логистическая регрессия используется как оценка достоверности критерия. Программные приложения: программное обеспечение R имеет «психологический» пакет, который полезен для анализа классической теории тестирования.^[6]

Современная теория тестирования

Современная теория тестов основана на модели скрытых признаков. Каждый элемент оценивает способности тестируемого. Параметр способности называется тета (θ). Параметр сложности называется b. два важных допущения - это локальная независимость и одномерность. Теория отклика предмета имеет три модели. Это логистическая модель с одним параметром, логистическая модель с двумя параметрами и логистическая модель с тремя параметрами. Кроме того, также можно использовать полихромную модель IRT (Hambleton & Swaminathan, 1985).^[7]

Программное обеспечение R имеет «ltm», пакеты, полезные для анализа IRT.

Факторный анализ

Факторный анализ лежит в основе психологической статистики. У него две школы: (1) исследовательский факторный анализ (2) подтверждающий факторный анализ.

Исследовательский факторный анализ (EFA)

Исследовательский факторный анализ начинается без теории или с очень предварительной теории. Это метод уменьшения размеров. Это полезно в психометрии, многомерном анализе данных и аналитике данных. Обычно k-мерная матрица корреляции или ковариационная матрица переменных сокращается до матрицы шаблонов факторов k X r, где r

Пакет "Psy" в R полезен для EFA.

Подтверждающий факторный анализ (CFA)

Подтверждающий факторный анализ (CFA) - метод факторного анализа, который начинается с теории и проверяет теорию путем проведения факторного анализа. CFA также называют анализом скрытой структуры, который рассматривает фактор как скрытые переменные, вызывающие фактические наблюдаемые переменные. Основное уравнение CFA:

X = Λξ + δ

где X - наблюдаемые переменные, Λ - структурные коэффициенты, ξ - скрытые переменные (факторы), а δ - ошибки. Однако параметры оцениваются с использованием методов машинного обучения; доступны и другие методы оценки. Критерий хи-квадрат очень чувствителен, поэтому используются различные меры соответствия (Bollen, 1989,^[8] Лёлин, 1992 г.^[9]) .R пакет "sem", "lavaan" полезны для того же.

Экспериментальная конструкция

В психологии очень популярны экспериментальные методы. Он имеет более чем 100-летнюю традицию. Экспериментальная психология имеет статус суб-дисциплины в психологии. Статистические методы применяются для проектирования и анализа экспериментальных данных. Они включают, t-тест, ANOVA, ANCOVA, MANOVA, МАНКОВА, биномиальный тест, хи-квадрат и др. используются для анализа экспериментальных данных.

Многомерное поведенческое исследование

Многофакторные поведенческие исследования становятся очень популярными в психологии. Эти методы включают множественную регрессию и прогнозирование; Модерируемый и опосредованный регрессионный анализ; Логистическая регрессия; Канонические корреляции; Кластерный анализ; Многоуровневое моделирование; Анализ выживаемости-отказов; Моделирование структурных уравнений; иерархическое линейное моделирование и т. д. очень полезны для психологической статистики (Hayes, 2013;^[10] Агрести, 1990;^[11] Лёлин, 1992;^[9] Menard, 2001;^[12] Табачник и Фиделл, 2007 г.^[13]).

Журналы для статистических приложений по психологии

Есть много специализированных журналов, которые публикуют достижения в области статистического анализа для психологии. Психометрика находится на переднем крае. Образовательные и психологические измерения, оценка, Американский журнал оценки, Прикладные психологические измерения, Методы исследования поведения, Британский журнал математической и статистической психологии, Журнал образовательной и поведенческой статистики, Журнал математической психологии, Многофакторные поведенческие исследования, Психологическая оценка, Моделирование структурных уравнений другие полезные журналы.

Программные пакеты для психологических исследований

Для статистических методов психологического исследования доступны различные пакеты программного обеспечения. Их можно отнести к коммерческим программам (например, JMP и SPSS) и с открытым исходным кодом (например, R). Среди бесплатных программ наиболее популярным является программное обеспечение R. В Интернете есть много ссылок на R, а также пишутся специализированные книги по R для психолога (например, Belhekar, 2016 ^[14]). «Психологический» пакет R очень полезен для психологов. Среди других популярных пакетов - "lavaan", "sem", "ltm", "ggplot2". PSPP и KNIME - другие бесплатные пакеты. В число коммерческих пакетов входят JMP, SPSS и SAS. JMP и SPSS обычно описываются в книгах.

Смотрите также

Количественная психология

внешняя ссылка

[1] Уилкокс, Р. (2012). Современная статистика для социальных и поведенческих наук: практическое введение. FL: CRC Press. ISBN 9781439834565

[:1-2] а ^б Наннэлли, Дж. И Бернштейн, И. (1994). Психометрическая теория. Макгроу-Хилл.

[3] Лорд Ф. М. и Новик М. Р. (1968). Статистические теории оценок умственных способностей. Ридинг, Массачусетс: Эддисон-Уэсли, 1968.

[4] Райков Т., Маркулидес Г.А. (2010) Введение в психометрическую теорию. Нью-Йорк: Рутледж.

[5] Кронбах LJ (1951). Коэффициент альфа и внутренняя структура тестов. Психометрика 16, 297–334. DOI: 10.1007 / bf02310555

[6] Клайн, Т. Дж. Б. (2005) Психологическое тестирование: практический подход к разработке и оценке. Публикации Sage: Thousand Oaks.

[7] Хэмблтон Р. К. и Сваминатан Х. (1985). Пункт Теория отклика: принципы и приложения. Бостон: Клувер.

[8] Боллен, К.А. (1989). Структурные уравнения со скрытыми переменными. Нью-Йорк: Джон Вили и сыновья.

[:2-9] а ^б Лёлин, Дж. Э. (1992). Скрытые переменные модели: введение в факторный, путь и структурный анализ (2-е изд.). Хиллсдейл, Нью-Джерси: Лоуренс Эрлбаум.

[10] Хейс, А. Ф. (2013). Введение в посредничество, модерацию и анализ условных процессов. Гилфорд Пресс: Нью-Йорк.

[11] Агрести, А. (1990). Категориальный анализ данных. Вайли: Нью-Джерси.

[12] Менар, С. (2001). Прикладной логистический регрессионный анализ. (2-е изд.). Таузенд-Окс. КА: Sage Publications.

[13] Табачник, Б.Г., и Фиделл, Л.С. (2007). Использование многомерной статистики, 5-е изд. Бостон: Аллин и Бэкон.

[14] Белхекар, В. М. (2016). Статистика для психологии с использованием R, Нью-Дели: SAGE. ISBN 9789385985003

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]