- •Редакционный совет: в.И Бахмин, я.М. Бергер, е.Ю. Гениева, г.Г. Дилигенский, в.Д. Шадриков
- •Предисловие
- •Введение в психологическое шкалирование §1. Психофизические шкалы
- •§2. Нольмерное шкалирование
- •§3. Одномерное шкалирование
- •§4. Модель шкалирования Терстоуна
- •§5. Многомерный анализ сложных стимулов
- •§6. Многомерное шкалирование
- •Часть I. Локализация точки на шкале (нольмерное шкалирование) Глава 1. Методы измерения порогов
- •§1. Метод минимальных изменений
- •§2. Метод средней ошибки
- •§3. Метод постоянных раздражителей
- •Результаты эксперимента по определению пространственного порога тактильного восприятия
- •Методические рекомендации по выполнению учебных заданий по теме: "Локализация точки на шкале"
- •Литература
- •Приложение 1. Требования к оформлению отчета по учебному заданию
- •Приложение 2. Таблица для перевода значений р в значения z
- •Глава 2. Методы обнаружения сигнала §1. Общие понятия
- •§2. Метод "Да-Нет"
- •Исходы эксперимента по обнаружению сигнала
- •§ 3. Метод двухальтернативного вынужденного выбора (2авв)
- •§ 4. Метод оценки
- •Теоретические результаты эксперимента с использованием метода оценки
- •Способ расчета р(н) и p(fa) по полученным данным в методе мо
- •Методические рекомендации по выполнению учебных заданий по теме "Методы обнаружения сигнала"
- •Результаты тренировочных серий (задача -обнаруживать q на фоне о, длит. Стимула - 250 мс, мси - 2000 мс)
- •Литература
- •Приложение 1. Дополнительные сведения о критериях принятия решения*
- •Приложение 2. Краткое описание программы yes_no.Exe
- •Фрагмент протокола эксперимента, выводимого программой на экран монитора после окончания серии
- •Часть II. Одномерное шкалирование Глава 1. Метод балльных оценок
- •§ 1. Графические шкалы
- •§ 2. Числовое шкалирование
- •§ 3. Шкалирование по стандартной шкале
- •§ 4. Проблемы, связанные с построением шкал балльных оценок
- •§ 5. Проблемы, связанные с обработкой полученных данных
- •Литература
- •Методические указания по выполнению учебных заданий по теме "Метод балльных оценок"
- •Глава 2. Метод парных сравнений. Модель Терстоуна § 1. Закон сравнительных суждений
- •§2. Процедура измерения
- •§ 3. Упрощенные варианты закона сравнительных суждений
- •§ 4. Процедура решения V варианта закона сравнительных оценок для полной матрицы
- •Матрица частот — f
- •Матрица вероятностей р
- •Матрица z - оценок
- •§5. Процедура решения V варианта закона сравнительных суждений для неполной матрицы исходных данных
- •Литература
- •Методические указания по выполнению учебного задания по теме: "Метод парных сравнений"
- •Глава 3. Методы прямой оценки
- •§ 1. Метод установления заданного отношения
- •Результаты оценки испытуемыми стимула как половины стандартного (по Харперу и Стивенсу, 1948)
- •§2. Метод оценки величины
- •Субъективная шкале запаха амилацетата, разведенного в диэтилфтолате
- •Индивидуальные оценки концентраций пентанола (Кайн, 1968)
- •Скорректированные оценки испытуемых, представленные в табл. 3 (по Энгену)
- •Литература
- •Методические указания по выполнению учебного задания по теме: "Методы прямой оценки"
- •Часть III. Многомерное шкалирование Глава 1. Факторный анализ Введение
- •§ 1. Область применения факторного анализа
- •§ 2. Исходные принципы и предположения
- •§ 3. Основные этапы факторного анализа
- •Использование различных методов факторизации для получения двухфакторного решения
- •Статистические показатели для определения минимального количества факторов
- •§ 4. Дополнительные статистические показатели для оценки результатов факторного анализа
- •Данные описательной статистики для 9 переменных
- •§ 5. Несколько замечании по поводу конфирматорного фа
- •Методические рекомендации по выполнению учебного задания по теме «Факторный анализ»
- •Литература
- •Глава 2. Метрическое и неметрическое многомерное шкалирование
- •§ 1. Основные положения
- •§ 2. Исходные данные. Матрица сходств и различий
- •§ 3. Построение пространственной модели стимулов
- •§4. Построение метрической модели
- •§5. О развитии моделей многомерного шкалирования
- •Литература
- •Методические указания по выполнению учебного задания по теме: "Многомерное шкалирование"
- •Содержание
§ 4. Метод оценки
Этот метод может быть использован как модификация метода "Да-Нет" и как модификация метода 2АВВ. Здесь будет изложен только первый вариант, поскольку перенесение его на случай 2АВВ является тривиальным.
Как мы уже знаем, в ряде случаев (для проверки гипотез о форме распределений или для вычисления таких мер чувствительности, как U) требуется РХ по достаточно большому количеству точек. Для получения нескольких точек РХ методом "Да-Нет" необходимо несколько раз провести эксперимент с одной и той же парой <S> и <N>, но с различными параметрами организации эксперимента, такими как P(S), платежная матрица и т.п. Каждый эксперимент должен содержать большое количество предъявлений для того, чтобы, во-первых, можно было исключить первые пробы, в которых схема соответствия еще не установилась, и, во-вторых, чтобы частоты событий ("Да"/S) и ("Да"/N), высчитанные по оставшимся пробам (асимптотический уровень), достаточно точно соответствовали вероятностям р(Н) и p(FA). Более того, поскольку от эксперимента к эксперименту чувствительность наблюдателя к данному сигналу может меняться, эксперимент с одними и теми же параметрами организации желательно повторить несколько раз на разных этапах (скажем, ближе к началу, середине и концу) всей серии экспериментов. Все это довольно громоздкая работа. Метод оценки (МО) дает нам возможность получить несколько точек РХ в результате только одного эксперимента, хотя его объем, обыкновенно, превышает объем одного эксперимента "Да-Нет".
Процедура метода оценки (МО) отличается от метода "Да-Нет" только тем, что после каждого предъявления вместо ответа "Да" или "Нет" испытуемый указывает степень его уверенности в наличии/отсутствии сигнала в этом предъявлении. Например, "совершенно уверен, что сигнал был", "уверен, что сигнал был", "скорее был, чем не был", "не могу выбрать", "скорее не был, чем был", "уверен, что сигнала не было", "совершенно уверен, что сигнала не было". Эти 7 категорий естественно обозначить числами в том же порядке: 3, 2, 1, 0, -1, -2, -3. В методе оценки уверенности набор категорий всегда задается испытуемому заранее и обычно кодируется некоторой числовой системой. Иногда используется процентная шкала, когда испытуемый говорит о сигнале: "На 50% был", "На 100% был" (точно был), "На 10% был", "На 0% был" (точно не был). В этом случае либо испытуемого просят пользоваться только определенными (например, только круглыми: 0, 10, 20 ...%) числами, либо он может называть произвольные проценты (скажем, 78%), но потом ответы объединяются в несколько групп (например, все числа меньше 5% — в группу 0, все числа между 5 и 15 — в группу 10% и т.д.). Для конкретности предположим, что испытуемому заданы 7 категорий, названных в нашем примере. Обыкновенно эксперимент проводится без платежной матрицы или с симметричной платежной матрицей и с P(S) = Р(М) = 0.5. Результаты эксперимента могут быть представлены в виде следующей таблицы (см. табл. 5).
Таблица 5
Теоретические результаты эксперимента с использованием метода оценки
Р(n), n = -3,...+3, есть оценка условной вероятности P(n/S), получаемая путем деления числа всех случаев, когда предъявлялось <S> и был дан ответ "n", на число всех предъявлений <S>. Аналогично q(n) есть оценка условной вероятности P(n/N). Теоретическое осмысление этих данных в рамках модели, изложенной в двух предыдущих разделах, состоит в предположении, что если испытуемому заданы К категорий (от полной уверенности в отсутствии до полной уверенности в наличии S), то он так же, как и в условиях эксперимента "Да-Нет", базируется на интенсивности некоторого сенсорного качества, но делит ее не на две, а на К областей, как показано на рис. 17.
Как видим, совсем необязательно, чтобы границы между областями разных ответов следовали через равные интервалы или каким-нибудь закономерным образом: единственное, что предполагается — что область ответа R1 лежит левее области ответа R2 если С1 < С2. Итак, если выбранное качество сенсорного образа имеет интенсивность, лежащую между С0 и С1 то испытуемый дает ответ "0", если интенсивность лежит правее С3 — то "3" и т.д.
Теперь приведем следующее рассуждение. Допустим, что те же стимулы <N> и <S> используются в эксперименте "Да-Нет", причем критерий С будет последовательно помещаться в позиции С3, С2, С1, С0, С-1, С-2. При каждом положении критерия будем вычислять соответствующую пару р(Н) и p(FA). Вероятность р(Н) равна площади под кривой f(X/S), лежащей правее С, a p(FA) равна площади под кривой f(X/N), лежащей правее С. Обозначим площадь под кривой f(x/S) между Сi и Сi+1 (i = -2, -1 ... 2 в нашем случае на рис. 17) через As (Сi, Ci+1), а площадь, лежащую правее Ci -через Аs (Сi, C∞). Для кривой f(X/N) — аналогичные обозначения: AN (Сi,Сi+1) и АN (Сi, С∞). Если критерий С помещен в позицию Сi, то р(Н) = Аs (Сi, C∞), p(FA) = AN (Сi, С∞). С другой стороны, ясно, что p(i) - вероятность ответа «i» при предъявлении S, равна As (Сi, Сi+1), если i < 3 и равна As (С3, C∞), если i = 3. Аналогично qi = AN (Ci, Ci+1), если i < 3 и AN (С3, C∞), если если i = 3. Но, очевидно, что, As (С0, C∞) = Аs (C0, С1) + Аs (С1, С2) + Аs (С2, C3) + As (С3, C∞), и аналогично раскладываются любые другие Аs (С1, C∞) и AN (Сi, C∞). Следовательно, мы получаем следующую цепочку равенств (табл. 6):
Таблица 6