WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 190 | 191 || 193 | 194 |   ...   | 506 |

Сильная сторона этой модели для индивидуальных различий в восприятии заключается в том, что предполагаемые для стимулов психол. измерения однозначно определяются суждениями субъектов о сходствах (на основе паттернов индивидуальных различий в суждениях о сходствах). Другое, не менее важное преимущество этой модели в том, что выделенности, или веса перцептивных измерений могут служить весьма полезными мерами индивидуальных различий субъектов восприятия.

Данные для М.ш. индивидуальных различий, как правило, представляют собой множество симметричных матриц близостей, по одной для каждого субъекта (или др. источника данных). Такие данные обычно имеют двухмодальную (стимулы и субъекты), но трехмерную (стимулы х стимулы х субъекты) организацию. "Модальность", или, проще, тип, - специфическое множество элементов (напр., стимульная модальность, или множество стимулов). Число размерностей или "сторон" можно представить себе как число "направлений" в таблице данных (например, строки, столбцы и "слои" для "трехмерной" таблицы, хотя строки и столбцы могут соответствовать стимульной модальности, тогда как "слои" соответствуют модальности субъектов). Назначение анализа INDSCAL, при условии трехмерных данных о близости, - найти одновременно два решения: одно - для координат пространства стимулов, другое - для субъективных весов, с тем чтобы оптимизировать соответствие модели INDSCAL (преобразованным) данным о близости.

Метод INDSCAL предполагает метрические допущения и своего рода трехмерное обобщение "классического" метода двумерного М.ш. Наиболее эффективный подход к реализации этого анализа обеспечивает программа SINDSCAL, предложенная Пружански.

Среди этих альтернативных моделей и методов особый интерес представляет подход, предложенный Такером и обычно называемый трехмодальным шкалированием, - адаптация разработанной Такером трехмодальной модели факторного анализа и метода для случая трехмерных данных о близости.

Широкое определение многомерного шкалирования При самом широком определении М. ш. включает в себя множество разнообразных геометрических моделей для представления данных психологии или др. поведенческих наук. В это множество могут входить дискретные геометрические модели, такие как древовидные структуры (обычно связанные с иерархической кластеризацией), структуры пересекающихся либо непересекающихся кластеров или др. сетевые модели. Однако для М. ш. более типична связь с континуальными пространственными моделями представления данных. При широком определении М. ш. такие пространственные модели могут включать - в добавление к рассмотренной выше дистанциометрической модели для данных о близости - другие геометрические структуры, такие как векторная модель или модель развертывания для представления индивидуальных различий в данных о предпочтении (или др. преобладании), и даже модель факторного анализа.

См. также Индивидуальные различия, Методы многомерного анализа, Статистика в психологии Дж. Д. Кэрролл Многоосевой клинический опросник Миллона (Millon clinical multiaxial inventory) Разработанный Теодором Миллоном М. к. о. М. (MCMI) используется в тех же целях, что и его прообраз - Миннесотский многофазный личностный опросник (MMPI). Составленный из 175 утверждений в форме самоописаний, этот опросник увязан как с клинической теорией Миллона, так и с "Руководством по диагностике и статистической классификации психических расстройств" (DSM-IV). 20 клинических шкал сгруппированы в четыре основные категории: Базовые личностные паттерны (Basic Personality Patterns [ось II]); Патологические личностные синдромы (Pathological Personality Syndromes) [ось II]); Умеренные клинические синдромы (Moderate Clinical Syndromes [ось I]) и Тяжелые клинические синдромы (Severe Clinical Syndromes [ось I]).

Валидизация составляла существенную часть конструирования опросника. В дополнение к программам для быстрой машинной обработки бланков с ответами пользователям доступна также программа машинной интерпретации результатов и составления заключения, в к-ром объединяются персонологические и симптоматические характеристики пациента. В соответствии с современными психодиагностическим мышлением это интерпретирующее заключение отражает многоосевую структуру оценки.

См. также Миннесотский многофазный личностный опросник, Оценка личности Т. Миллон Множественная корреляция (multiple correlation) М. к. - метод многомерного анализа, широко применяемый в психологии и др. поведенческих науках. М. к. можно рассматривать как расширение двумерной корреляции, а ее коэффициент - как показатель степени связи одной переменной с оптимально взвешенной комбинацией неск. др. переменных. Веса этих переменных определяются методом наименьших квадратов, так чтобы минимизировать остаточную дисперсию.

Коэффициент М. к. принимает значения от 0 до 1 и интерпретируется аналогично коэффициенту двумерной корреляции, если справедливы допущения о прямолинейности и др. характеристиках двумерных интеркорреляций, на основе к-рых вычисляется этот коэффициент.

В психологии квадрат множественной корреляции (R2) или, как его еще наз., коэффициент множественной детерминации, часто используется для оценки доли дисперсии зависимой переменной, приходящейся на совокупность независимых переменных. Родственный метод - множественная регрессия - используется для предсказания зависимой переменной (или критерия) по совокупности независимых переменных (или предикторов).

См. также Корреляционные методы, Множественная регрессия, Статистика в психологии Б. Фрухтер Множественная личность (multiple personality) Расстройство М. л. определяется как состояние, характеризуемое "существованием внутри индивидуума двух и более отдельных личностей, каждая из которых доминирует в определенное время". Каждая личность независима, автономна и внешне представляет отдельное и полное Я. Переход от одной личности к другой обычно происходит внезапно. В то время, когда вторичная личность проявляет себя, являясь "исполнителем", первоначальная или первичная личность не осознается; по возвращении ее происшедшее стирается из памяти.

Суть синдрома М. л. составляет психол. процесс диссоциации, при к-ром один сегмент поведения и переживаний отделен и не сообщается с другим. Вторичная личность обычно осознает существование первичной, но рассматривает ее в качестве объекта, считая себя субъектом. В некоторых случаях интеракции между разными личностями становятся чрезвычайно сложными.

При "раскрытии" таких случаев обычно обнаруживается длинная предыстория неправильной диагностики и неправильного лечения. Хотя и не слишком распространенные, эти случаи определенно не представляют собой "чрезвычайную редкость". На настоящий момент имеются описания нескольких сот случаев.

Поразительным является то обстоятельство, что в своих чувствах, аттитюдах, восприятии и поведении вторичные личности весьма отличны от главной, иногда представляя собой ее полную противоположность. Это перестает удивлять, если учесть, что вторичные личности возникают именно на основе неприемлемых чувств и стилей поведения, к-рые когнитивно диссонировали с основной личностью, когда она - в особенности в детские годы - пыталась адаптировать их к требованиям окружающей реальности.

Разные личности не только отличаются друг от друга по многим модальностям (перцептивной, мотивационной, аффективной и поведенческой), но также дают различные показатели по таким психол. тестам, как Миннесотский многофазный личностный опросник и тест Роршаха. Они также характеризуются определенными различиями в ЭЭГ.

Есть данные, свидетельствующие о том, что диссоциации, как и др. психол. процессы, располагается на едином континууме, а подлинно множественные личности просто представляют собой полюса этого континуума.

Длительность течения расстройства множественной личности по данным старой литературы составляет в большинстве случаев многие годы; расстройство трудно поддается лечению. Однако в последнее время сообщается о появлении некоторых общих принципов терапии.

Несмотря на усиление интереса к проблеме диссоциации в последнее время, расстройство М. л. все еще является одним из наименее понятных расстройств личности.

См. также Гипнотерапия Дж. Уоткинс Множественная регрессия с переменной-модератором (moderated multiple regression) М. р. п.-м. - типичная модель многомерного анализа, предназначенная для проверки того, влияет ли на связь между двумя переменными - предиктором X и зависимой переменной Y - третья переменная М. Формула для уравнения простой линейной регрессии выглядит следующим образом:

Y = а + b1X, (1) где а - интерсепт (или свободный член уравнения регрессии), а b - коэффициент регрессии, связанный с предиктором (или независимой переменной) X. По сравнению с ней уравнение (2) включает еще одну переменную-предиктор М, сглаживающий эффект к-рой представлен произведением ХМ:

Y = а + b1Х + b2М + b3(ХМ), (2) где b1, b2, b3 - коэффициенты регрессии, связанные с соответствующими предикторами.

Включение переменной-модератора в уравнение (2) позволяет специалисту по анализу данных обратиться к вопросу о том, зависит ли связь между зависимой переменной Y и предиктором X от третьей переменной. Напр., сказывается ли на связи средней продолжительности жизни (зависимая переменная) с излишним весом (переменная-предиктор) такой фактор, как АД (переменная-модератор) Или влияет ли на связь познаний ученика (зависимая переменная) со стилем обучения учителя (переменная-предиктор) число учеников в классе (переменная-модератор) Между эффектами модератора в множественной регрессии и эффектами взаимодействия в дисперсионном анализе есть немалое сходство. Напр., эксперим. план с двумя интериндивидными факторами, X и М, представляет собой частный случай уравнения (2), в к-ром переменные-предикторы являются категорийными и некоррелированными. Уравнение (2), однако, является более общим в том смысле, что оно также допускает включение непрерывных и коррелированных независимых переменных - предикторов и модераторов. Более того, уравнение (2), при соответствующем кодировании, может включать повторные измерения факторов, для анализа к-рых обычно использовали методы дисперсионного анализа. Множественный регрессионный анализ шире дисперсионного анализа, и используемый в дисперсионном анализе термин "взаимодействие" можно рассматривать как переменную-модератор во множественной регрессии.

Рассмотрим ситуацию, когда новое лекарство испытывается в качестве средства лечения депрессии. С учетом фактора пола, по 8 пациентов психиатрического отделения, страдающих депрессией, распределяются случайным образом по двум уровням изучаемого фактора: назначен прием лекарства/не назначен прием лекарства, - причем таким образом, чтобы число испытуемых на каждом уровне было одинаковым. После завершения курса лечения, в качестве меры исхода используются показатели, полученные испытуемыми по шкале депрессии, относящейся к типу стандартизованных самоотчетов. В дополнение к оценке степени влияния нового лекарства на показатели пациентов по шкале депрессии нелишне было бы установить возможное различие в эффективности этого лекарства для лиц мужского и женского полов. Гипотетические данные представлены в табл. 3. Их анализ выполнен с использованием процедур традиционного дисперсионного анализа. Затем эти данные с помощью техники кодирования эффектов независимых переменных (т. е. предикторов) реорганизованы в таблицу в виде матрицы и проанализированы с использованием процедур множественного регрессионного анализа (табл. 4). Величины критериев значимости для соответствующих факторов в дисперсионном анализе (т. е. F-отношения) и весов предикторов в множественной регрессии (т. е. t2-значения) получаются эквивалентными.

Таблица 3. Влияния нового лекарства на показатели пациентов по шкале депрессии Данные Фактор 2 (пол) Фактор 1 (новое лекарство) Принимают лекарство Не принимают лекарство М 19 19 21 24 33 35 36 Ж 23 29 27 29 28 33 32 Результаты дисперсионного анализа Источник изменчивости SS df MS F-отношение Пол 7,56 1 7,56 1,Лекарство 370,56 1 370,56 63,Пол х лекарство 95,06 1 95,06 16,Ошибка 70,25 12 5,85 Повторный анализ данных из табл. 3 с использованием модели множественной регрессии приведен в табл. 4.

Таблица 4. Матрица данных множественной регрессии, построенная с использованием кодирования эффектов факторов Зависимая переменная Переменные-предикторы Депрессия Пол (а) Лекарство (b) Пол х лекарство 19 1 1 19 1 1 21 1 1 24 1 1 33 1 -1 -35 1 -1 -36 1 -1 -37 1 -1 -23 -1 1 -29 -1 1 -27 -1 1 -29 -1 1 -28 -1 -1 33 -1 -1 32 -1 -1 34 -1 -1 Результаты регрессионного анализа:

- уравнение: показатель депрессии = 28,69 - 0,69 х пол - 4,81 х лекарство - 2,44 (пол х лекарство);

- коэффициент множественной корреляции R = 0,93;

- коэффициент множественной детерминации R2 = 0,87.

Таблица 5. Проверка значимости весов предикторов (коэффициентов регрессии) Предиктор b t t2 (c) Пол -0,69 -1,14 1,Лекарство -4,81 -7,96 63,Пол х лекарство -2,44 -4,03 16,a) Мужской пол кодируется 1, женский -1.

b) Принимающие лекарство кодируются 1, не принимающие лекарство -c) Эти значения t2 идентичны значениям F-отношения в табл. 1.

Хотя взаимодействия в моделях традиционного дисперсионного анализа могут рассматриваться как частные случаи переменных-модераторов во множественной регрессии, регрессионные модели яв-ся более общими, так как применимы к непрерывным и коррелированным, а не только к категорийным и некоррелированным предикторам. В тех случаях, где используются коррелированные предикторы и модераторы, для оценки статистической значимости модераторов рекомендуется применять иерархические модели множественной регрессии.

См. также Каузальное мышление, Исследование методом двойного ослепления, Вероятность, Методология (научных) исследований, Статистика в психологии Р. Р. Холден Множественная регрессия (multiple regression) М. p. - метод многомерного анализа, посредством к-рого зависимая переменная (или критерий) Y связывается с совокупностью независимых переменных (или предикторов) X посредством линейного уравнения:

Y' = а + b1Х1 + b2Х2 +... + bkXk.

Коэффициенты регрессии или, по-другому, весовые коэффициенты b обычно определяют методом наименьших квадратов, минимизируя сумму квадратов отклонений фактических значений зависимой переменной от соотв. предсказанных значений.

При "пошаговом" ("stepwise") подходе переменные добавляются (или удаляются) по одному за раз к (из) совокупности независимых переменных до тех пор, пока изменения не становятся статистически незначимыми (или значимыми). Кроме того, совокупность переменных может добавляться (или удаляться) в целях оценки их вклада в множественную корреляцию; в этом случае для определения статистической значимости их эффекта применяется F-критерий. Нелинейные связи можно оценить путем включения в правую часть уравнения регрессии членов более высокого порядка и/или мультипликативных членов.

Pages:     | 1 |   ...   | 190 | 191 || 193 | 194 |   ...   | 506 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.