- •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. Построение метрической модели
В ходе построения пространственной модели данных необходимо измерять расстояния между точками-стимулами, чтобы соотносить их с исходными оценками различий. Для измерения расстояний в пространстве вводится метрика. Выбор метрики для психологического пространства также основывается скорее на содержательных аспектах данных, чем на формальных.
Так, Шепард (1964) предлагает условное деление стимулов на два класса в зависимости от их перцептивной целостности. Имеется в виду, что одни стимулы воспринимаются как целостные образования, и обычно сознательно не анализируются, например, цвета, запахи, фонемы и т.п., тогда как другие стимулы явно различаются по несвязанным между собой признакам, как, например, в работе Эттнива (1950), где стимулы — плоские геометрические фигуры — различались по величине, яркости и ориентации. В пространственной модели "не анализируемых" стимулов удобнее использовать евклидову метрику. Инвариантность евклидова расстояния относительно вращения систем координат (изотропность евклидова пространства) соответствует в данном случае такому типу поведения испытуемого, как если бы он оценивал различия между простыми, одномерными объектами. В случае явно "анализируемых" стимулов, когда итоговая оценка составляется как бы из последовательного добавления по очередному признаку, более подходит "sity-block"-метрика.
И метрика "sky-block", и евклидова метрика являются частными случаями одной общей функции:
известной как метрика Минковского. Для случая "sity-block" р = 1, а для евклидовой метрики — р = 2.
Конечно, выбор метрики определяется не только тем, "анализируемые" стимулы или "не анализируемые", и не ограничивается двумя приведенными видами метрик. В некоторых работах предлагается решать задачу для нескольких значений р, и затем экспериментатор выбирает наиболее "интерпретируемую" модель расстояния. Например, для пространственной модели цветоразличения Крускел (1964), варьируя в выражении (35) показатель р от 1 до 5, получил, что в данном случае наиболее подходит метрика с р=2.5. В другой работе (Шепард, 1962) было показано, что в пространстве цветоразличения можно принять евклидову метрику, если использовать нелинейную форму соотношения между исходными мерами сходства и межточечными расстояниями.
Такие выводы все-таки носят частный характер, они связаны с конкретными экспериментальными ситуациями, тогда как для более общих выводов, как и в случае построения пространственной модели, необходимы более широкие исследования.
Существенное влияние на вид метрики может оказать инструкция, направляющая внимание испытуемого. Например, в одном из опытов Шепард (1962) предъявлял испытуемому стимулы, представляющие собой окружность с одной радиальной линией. Стимулы различались между собой величиной окружности и углом наклона радиальной линии. Исследования показали, что результаты оценок зависят от того, на что больше обращает внимание испытуемый — на величину окружности или на наклон радиуса. Причем одни испытуемые оценивают стимулы только по одному какому-то признаку и стараются последовательно придерживаться выбранной стратегии, другие стараются учитывать оба признака, а третьи могут переключать внимание с одного признака на другой. Поэтому при проведении исследований следует искать решение отдельно для каждой фиксированной инструкции. При построении общей модели полезно сопоставлять данные, полученные для различных установок внимания.