- •Глава 2
- •Глава 1
- •Глава 2
- •§ 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
- •Литература
- •Требования к оформлению отчета по учебному заданию
- •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 p(h) и p(fa) по полученным данным в методе мо
- •Обработка результатов
- •Обсуждение результатов
- •Литература
- •Дополнительные сведения о критериях принятия решения
- •Краткое описание программы yes_no.Exe
- •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
- •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 p
- •Матрица z ‑ оценок
- •§ 5. Процедура решения V варианта закона сравнительных суждений для неполной матрицы исходных данных
- •Матрица вероятностей p
- •Матрица z — оценок
- •Литература
- •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
- •Литература
- •Методические рекомендации по выполнению учебного задания по теме
- •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
- •§ 4. Дополнительные статистические показатели для оценки результатов факторного анализа
- •§ 5. Несколько замечаний 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 рекомендации по выполнению учебного задания по теме
- •Методика
- •Обработка результатов
§ 2. Числовое шкалирование
В числовом методе построения шкалы балльных оценок испытуемому дается последовательность определенных чисел (баллов или рангов) и он приписывает каждому стимулу соответствующее число из ряда. Пример такой шкалы, которую использовал Гилфорд (1954) для получения балльных оценок аффективных характеристик цветов и запахов, приводится ниже:
10 — Невообразимо приятный
9 — Наиболее приятный
8 — Очень приятный
7 — Умеренно приятный
6 — Чуть-чуть приятный
5 — Безразличный
4 — Чуть неприятный
3 — Умеренно неприятный
2 — Очень неприятный
1 — Крайне неприятный
0 — Невообразимо неприятный
Некоторые “числовые” шкалы, например, шкала успеваемости, на самом деле основываются на описательных суждениях типа:
Отлично
Хорошо
Удовлетворительно
Плохо
Очень плохо
Затем этим прилагательным экспериментатор приписывает числа, например, от 5 до 1. При такой процедуре предполагается, что психологические интервалы между прилагательными равны, но с точки зрения их уточнения лучше, чтобы сам испытуемый непосредственно пользовался этими числами (Торгерсон, 1958).
Некоторые проблемы числовых шкал:
1. Использование отрицательных чисел. Шкала аффектов и шкала успеваемости, рассмотренные выше, являются биполярными. Континуум представляет собой изменения в двух противоположных направлениях. По этой причине некоторые исследователи помещают ноль в нейтральной или средней категории, а отрицательные числа — ниже его. Это более естественно для того, кто знаком с алгеброй, но может быть неестественным для менее образованных испытуемых. Другая опасность состоит в том, что биполярность может создать впечатление о разрыве в нулевой точке шкалы и тем самым нарушить предполагаемую непрерывность. Наличие отрицательных чисел, таким образом, может иметь сложности для исследователя. По этим причинам использование отрицательных балльных оценок не рекомендуется (Гилфорд, 1954).
2. “Заякоривание” аффективной шкалы. Может показаться, что два крайних прилагательных в первом примере бесполезны и что вряд ли кто-нибудь из испытуемых будет пользоваться крайними категориями. Вообще, избегание крайних категорий, которые испытуемый заведомо не использует, можно считать хорошей тактикой. Однако имеются два аргумента в пользу того, чтобы включать именно такие конечные прилагательные. Один состоит в том, что некоторые испытуемые на самом деле все-таки используют даже самые крайние категории. Кроме того, испытуемый всегда может столкнуться с таким стимулом, который явно соответствует более крайней категории, чем любой из тех, что заносились в категорию 9 или 1. Если бы не было более крайних категорий, испытуемый вынужденно оценивал бы этот стимул как равный другим, хотя он явно видит их неравенство. Таким образом, конечные категории могут служить для выхода из крайних положений, которые иногда возникают. Другой аргумент состоит в том, что крайние категории являются “якорями” для всей шкалы. Показано, что добавление такой категории к одному из двух концов помогает расширить (т.е. увеличить дисперсию) исходное распределение балльных оценок в направлении этой категории (Хант и Фолькмен, 1977). В любом случае у испытуемых имеется общая тенденция избегать конечных категорий (и одновременно с этим сдвигать все оценки немного по направлению к середине ряда). Если категории 0 и 10 не были включены, испытуемые будут иметь тенденцию избегать категории 1 и 9, и, таким образом, укорачивать ряд балльных оценок. Итак, если исследователь хочет иметь эффективную шкалу из девяти точек, он должен обеспечить возможность расширить выход за эти 9 точек, а иначе он может в конце получить шкалу меньшую, чем из 9 точек.
Оценка числовых шкал. Для испытуемого числовые шкалы — самые легкие по вынесению суждений, а для экспериментатора — самые простые с точки зрения обработки результатов. Если испытуемый работает добросовестно, если свойства чисел можно в принципе применять к наблюдаемым феноменам, то балльные оценки сами по себе оказываются соответствующими “сильной” шкале. Эмпирическая проверка числовых балльных оценок на свойства шкалы интервалов и шкалы отношений сделана в ряде работ (Соколов и др., 1978; Ратанова, 1972). Строгие методы проверки этих свойств для данных, полученных числовым методом балльных оценок, можно найти у Гилфорда (1954).