- Главная
- Психология
- Многомерные методы и модели
Содержание
- 2. 2.1. Моделирование в психологии. Модели с латентными переменными Понятие модели. Роль моделирования в психологии, математическая психология.
- 3. Математическое моделирование в психологии В настоящее время все более широкое применение в психологических исследованиях получает построение
- 4. Проблемы математической психологии Проблемами математической психологии в нашей стране занимаются с 60-х гг. как отдельные ученые:
- 5. продолжение При моделировании психологических систем, которые являются многомерными, нечеткими, динамичными, необходимо выделять моменты линейности, детерминированности, четкости
- 6. Этапы разработки психолого – математической модели (пример) 1.Обобщить научную и методическую информацию отечественных и западных авторов
- 7. продолжение Методы: 1.Организация мониторинга профессионального самоопределения учащихся (2-4 курс); 2. Разработка, адаптация и проверка психометрической эффективности
- 8. Эмпирическая математическая модель (ЭММ) Описательные математические модели, применяемые для представления исходных (эмпирических) данных в доступном для
- 9. Исследование структуры данных (ФА) Вводные замечания. «Обычно психические явления на первичном уровне описания характеризуются группой свойств.
- 10. ФА Входные данные в методы ФА. Основная цель этих методов. Принципы, лежащие в основе факторного анализа.
- 11. Порядок работы . 1.Занести данные в электронную таблицу Редактора Данных (SPSS Data Editor) в виде множества
- 12. Число факторов 2. Для определения числа факторов, как отмечает А.Н.Гусев, можно воспользоваться двумя критериями (А.Н.Гусев, 1997,с.
- 13. продолжение Второй критерий связан с построением графика собственных значений (см. рис.3). Количество факторов определяется приблизительно по
- 14. Табл.2. Повернутая матрица компонентовa Компонент 1 2 3 VAR00011 ,868 -,033 ,012 VAR00009 ,796 -,061 ,079
- 15. Практическое задание 1. Проведите многомерный анализ данных. С этой целью соберите как можно больше информации о
- 16. Интерпретация факторов.Стратегии поведения при затруднениях в профессиональной деятельности преподавателей высшего образования 1 фактор «Неконструктивные стратегии поведения
- 17. Группировка испытуемых. Кластерный анализ Кластерный анализ решает задачу построения классификации, т.е. разделения исходного множества объектов на
- 18. продолжение В психологии используют иерархический кластерный анализ и быстрый кластерный анализ. Процедура иерархического кластерного анализа в
- 19. Порядок работы 1. Таблица данных. 2. Процедура кластерного анализа. Меню - Анализ, подменю- Классификация, а в
- 20. Контрольные задания 1. Провести группировку испытуемых по измеренным признакам. 2. Выявить наиболее и наименее информативные переменные
- 22. Скачать презентацию
2.1. Моделирование в психологии. Модели с латентными переменными
Понятие модели. Роль
2.1. Моделирование в психологии. Модели с латентными переменными
Понятие модели. Роль
Описание моделей с латентными переменными: регрессионный анализ, однофакторный дисперсионный анализ, факторный анализ, многомерное шкалирование, кластерный анализ, латентно-структурный анализ.
Математическое моделирование в психологии
В настоящее время все более широкое применение в
Математическое моделирование в психологии
В настоящее время все более широкое применение в
Моделирование в самой общей форме может быть охарактеризовано как опосредствованное теоретическое и эмпирическое исследование объекта, при котором изучается не сам объект, а некоторая вспомогательная искусственная или естественная система: а) находящаяся в некотором объективном соответствии с познаваемым объектом, отражающая определенные его свойства; б) способная замещать объект в определенных отношениях; в) дающая при ее исследовании информацию о самом моделируемом объекте.
Математические модели применяются для исследования широкого круга психических процессов: восприятия, решения задач, обучения и др. Математическая психология - это научная дисциплина, находящаяся на стыке психологии и математики и направленная на исследование 1) теоретических вопросов применения математического аппарата в психологии; 2) математическое моделирование сложных систем, обладающих «психическими свойствами»; 3) разработку и применение математических методов.
Проблемы математической психологии
Проблемами математической психологии в нашей стране занимаются с 60-х
Проблемы математической психологии
Проблемами математической психологии в нашей стране занимаются с 60-х
продолжение
При моделировании психологических систем, которые являются многомерными, нечеткими, динамичными, необходимо выделять
продолжение
При моделировании психологических систем, которые являются многомерными, нечеткими, динамичными, необходимо выделять
Этапы разработки психолого – математической модели (пример)
1.Обобщить научную и методическую информацию
Этапы разработки психолого – математической модели (пример)
1.Обобщить научную и методическую информацию
2. Разработать концептуальную модель и методическое оснащение для изучения влияния (не)определенности воздействий компетентностного подхода на успешность формирования конструктивных стратегий совладания с профессиональными затруднениями будущих специалистов;
3.Для построения математической модели провести исследование структурно-уровневых характеристик стратегий поведения студенческой молодежи и связанных с ними личностно-стилевых характеристик, ценностно –смысловых ориентаций в профессиональной сфере;
4.Выявить факторы, обуславливающие неопределенность восприятия студентами себя как компетентного специалиста;
5.Провести повторное исследование для выявления устойчивых стратегий поведения и эффектов влияния личностно-стилевых и ценностно - смысловых характеристик на предпочитаемые стратегии поведения в условиях неопределенности профессионального самоопределения и становления;
6. На основе выделенных характеристик построить математическую модель «Прогнозирование стратегий поведения компетентного специалиста»;
7 Разработать и внедрить в программу сопровождения студенческой молодежи психологические технологии прогнозирования конструктивных стратегий в процессе овладения профессиональными компетенциями обучающимися;
8. Определить показатели эффективности прогнозирования разработанной математической модели и успешность переноса предполагаемых стратегий поведения в новые ситуации профессиональной деятельности.
продолжение
Методы: 1.Организация мониторинга профессионального самоопределения учащихся (2-4 курс);
2. Разработка,
продолжение
Методы: 1.Организация мониторинга профессионального самоопределения учащихся (2-4 курс);
2. Разработка,
3. Тестирование (ОФДСИ, УСК, Опросник «Шкала реакции на неопределенность», разработанный В. Греко и Д. Роджером (Greco, Roger);
4.Разработка, проверка и перенос в новые условия математической модели «Прогнозирование стратегий поведения компетентного специалиста»(ФА, процедура определения эффектов влияния на стратегии поведения ценностных ориентаций и личностно-стилевых характеристик с помощью однофакторного дисперсионного анализа (ANOVA) и выделение соответствующих типов).
Эмпирическая математическая модель (ЭММ)
Описательные математические модели, применяемые для представления исходных (эмпирических)
Эмпирическая математическая модель (ЭММ)
Описательные математические модели, применяемые для представления исходных (эмпирических)
Многомерные методы ЭММ- многосторонне описание изучаемых явлений. Функции: структурирование эмпирической информации (факторный анализ); классификация (кластерный анализ); экстраполяция ( множественный регрессионный анализ); распознавание образов (дискриминантный анализ( и др.
Исследование структуры данных (ФА)
Вводные замечания. «Обычно психические явления на первичном уровне
Исследование структуры данных (ФА)
Вводные замечания. «Обычно психические явления на первичном уровне
Исследователь получает множество измеренных эмпирических показателей, которые необходимо сгруппировать по изучаемым свойствам. Для этого применяется факторный анализ.
Как общенаучный метод, факторный анализ становится средством для замены набора коррелирующих измерений существенно меньшим числом новых переменных (факторов). Главная цель факторного анализа – уменьшение размерности исходных данных с целью их экономного описания при условии минимальных потерь исходной информации.
ФА
Входные данные в методы ФА. Основная цель этих методов. Принципы, лежащие
ФА
Входные данные в методы ФА. Основная цель этих методов. Принципы, лежащие
Компонентный анализ. Метод главных компонент. Центроидный метод факторного анализа.
Факторный анализ в узком и широком смысле. Модели факторного и компонентного анализа. Алгоритм метода главных компонент. Вычисление весов. Факторные нагрузки, факторы. Роль собственных векторов и собственных значений. Методы факторного анализа, их классификация, интерпретация результатов.
Порядок работы
.
1.Занести данные в электронную таблицу Редактора Данных
(SPSS
Порядок работы
.
1.Занести данные в электронную таблицу Редактора Данных
(SPSS
Процедура факторного анализа. Меню - Анализ, подменю - Снижение размерности, а в нем – факторный анализ. После вызова процедуры ФА в правом окне выделите мышкой нужные переменные и перенесите их в окно Variables, нажав на кнопку со стрелкой.
Следующий этап работы- выбор параметров ( опций) работы процедуры ФА. Первая группа параметров – расчет необходимых коэффициентов описательной статистики
(Описательные). В данном разделе заказать расчет следующих показателей: ( средние и стандартные отклонения для каждой переменной),
(оценки достоверности получаемых коэффициентов корреляции).
Далее выбирают Извлечения конкретный метод факторизации корреляционной матрицы. В данном разделе сделайте следующий выбор: 1) в качестве метода укажите – (метод главных компонент); 2) в подразделе (сколько факторов выделить) можно отметить критическую величину собственного значения фактора ( не меньше 1, или задать некоторое ожидаемое число факторов; 3) в подразделе ( какие результаты показывать) выберите пункт график изменения собственных значений.
После этого следует выбрать метод вращения осей координат – раздел Вращение. Выберите Varimax, а также закажите для вывода результатов ФА ( распечатка матрицы факторных нагрузок после вращения) и ( построение факторных диаграмм).
В разделе параметры - установлены оптимальным образом. После установки всех параметров (в каждом разделе не забудьте нажимать кнопку Продолжить) для начала выполнения процедуры ФА следует нажать кнопку OK .
Все текстовые результаты заносятся в окно Вывод.
Число факторов
2. Для определения числа факторов, как отмечает А.Н.Гусев, можно воспользоваться
Число факторов
2. Для определения числа факторов, как отмечает А.Н.Гусев, можно воспользоваться
продолжение
Второй критерий связан с построением графика собственных значений (см. рис.3). Количество
продолжение
Второй критерий связан с построением графика собственных значений (см. рис.3). Количество
3. Интерпретация факторов производится по таблице факторных нагрузок после вращения в следующем порядке (см.табл.2). По каждой переменной ( строке) выделяется наибольшая по абсолютной величине нагрузка, затем следующая и т.д. Затем –просмотр столбцов (факторов). По каждому фактору выписывают наименования переменных, имеющих наибольшие нагрузки по этому фактору, при этом учитывается знак факторной нагрузки переменной. Если знак отрицательный, это отмечается как противоположный полюс переменной. После такого просмотра каждому фактору присваивается наименование, обобщающее по смыслу включенные в него переменные (можно назвать по доминирующей в факторе переменной, т.е., с наибольшей факторной нагрузкой).
Табл.2.
Повернутая матрица компонентовa
Компонент
1 2 3
VAR00011 ,868 -,033 ,012
VAR00009 ,796 -,061 ,079
VAR00010 ,766 -,141 ,104
VAR00008 ,741 -,211 -,076
VAR00016 ,700 ,114 ,310
VAR00013 ,698 -,022 -,016
VAR00017 ,664 ,235 ,092
VAR00006 ,645 ,090 ,367
VAR00003 ,578 -,451 ,035
VAR00014 ,573 -,131 -,133
VAR00001 ,551 -,134 ,307
VAR00015 ,438 -,078 -,148
VAR00004 -,119 ,874 -,056
VAR00005 ,019 ,855 -,138
VAR00007 -,236 ,494 ,149
VAR00012 ,418 ,487 ,077
VAR00002 ,025 ,005 ,873
VAR00018 ,031 -,028 ,856
Метод выделения факторов: метод главных компонент.
Метод вращения:
Табл.2.
Повернутая матрица компонентовa
Компонент
1 2 3
VAR00011 ,868 -,033 ,012
VAR00009 ,796 -,061 ,079
VAR00010 ,766 -,141 ,104
VAR00008 ,741 -,211 -,076
VAR00016 ,700 ,114 ,310
VAR00013 ,698 -,022 -,016
VAR00017 ,664 ,235 ,092
VAR00006 ,645 ,090 ,367
VAR00003 ,578 -,451 ,035
VAR00014 ,573 -,131 -,133
VAR00001 ,551 -,134 ,307
VAR00015 ,438 -,078 -,148
VAR00004 -,119 ,874 -,056
VAR00005 ,019 ,855 -,138
VAR00007 -,236 ,494 ,149
VAR00012 ,418 ,487 ,077
VAR00002 ,025 ,005 ,873
VAR00018 ,031 -,028 ,856
Метод выделения факторов: метод главных компонент.
Метод вращения:
a. Вращение сошлось за 5 итераций.
Практическое задание
1. Проведите многомерный анализ данных. С этой целью соберите как
Практическое задание
1. Проведите многомерный анализ данных. С этой целью соберите как
2. Проведите стандартизацию переменных.
3. Для поиска скрытых ( латентных) переменных, определяющих поведение испытуемых, примените ФА.
4. Дайте интерпретацию факторам.
Интерпретация факторов.Стратегии поведения при затруднениях в профессиональной деятельности преподавателей высшего образования
1
Интерпретация факторов.Стратегии поведения при затруднениях в профессиональной деятельности преподавателей высшего образования
1
2 фактор «Конструктивные стратегии поведения при затруднениях в профессиональной деятельности» (12,8%), включает – «Занимаюсь работой» (0,874), «Занимаюсь решением проблемы» (0,864), «Обращаюсь за помощью к коллегам(0,645).
3 фактор «При затруднениях в профессиональной деятельности самовыражение в научно-исследовательской работе» (10%), включает – «Критикую и обвиняю себя» (0,873), «Самовыражаюсь в научно-исследовательской работе» (0,854).
Группировка испытуемых. Кластерный анализ
Кластерный анализ решает задачу построения классификации, т.е. разделения
Группировка испытуемых. Кластерный анализ
Кластерный анализ решает задачу построения классификации, т.е. разделения
- разбиения однородной совокупности испытуемых на группы по измеренным признакам;
- построения типологических различий между испытуемыми по измеренным признакам;
- исследование группировки признаков, измеренных на выборке испытуемых.
При этом исследователь располагает лишь информацией о характеристиках объектов, которая позволяет судить о сходстве ( различии) объектов.
Кластерный анализ – это процедура упорядочивания объектов в сравнительно однородные классы на основе попарного сравнения этих объектов по предварительно определенным и измеренным критериям ( А.Д.Наследов.,1998, с.23).
В зависимости от цели исследования объектами могут быть испытуемые или признаки, измеренные на группе испытуемых. В зависимости от этого выбирают классификацию по испытуемым или классификацию по переменным.
В отличие от факторного анализа, который сжимает данные в меньшее число количественных переменных (факторы), кластерный анализ сжимает данные в классификацию объектов. Кластерный анализ является описательной процедурой, не позволяет сделать никаких статистических выводов, но дает возможность изучить структуру совокупности (испытуемых, признаков).
продолжение
В психологии используют иерархический кластерный анализ и быстрый кластерный анализ. Процедура
продолжение
В психологии используют иерархический кластерный анализ и быстрый кластерный анализ. Процедура
Для определения расстояний между парой кластеров могут применяться различные методы:
cреднее расстояние между кластерами ( Between groups linkage);
-среднее расстояние между всеми объектами пары кластеров с учетом расстояний внутри кластеров ( Within groups linkage );
-расстояние между ближайшими соседями (Nearest neighbor );
-расстояние между самыми далекими соседями( Furthest neighbor);
-расстояние между центрами кластеров (Centroid clustering ).
Порядок работы
1. Таблица данных.
2. Процедура кластерного анализа. Меню - Анализ,
Порядок работы
1. Таблица данных.
2. Процедура кластерного анализа. Меню - Анализ,
Следующий этап работы- выбор параметров работы процедуры KА. В разделе Number of clusters отметьте необходимое
( предполагаемое) число кластеров.
Далее выбирают конкретный метод кластеризации – укажите Iterate and classify.
В разделе Iterate все параметры установлены оптимальным образом. В разделе Save отметьте Cluster Membership. В разделе Option выберите Cluster information for each case. После установки всех параметров (в каждом разделе не забудьте нажимать кнопку Continue) для начала выполнения процедуры КА следует нажать кнопку OK .
Все текстовые результаты заносятся в окно Qutput . Графические результаты находятся в окне Chart Carusel.
Контрольные задания
1. Провести группировку испытуемых по измеренным признакам.
2. Выявить наиболее и
Контрольные задания
1. Провести группировку испытуемых по измеренным признакам.
2. Выявить наиболее и
3. Определить на основе доминирующих переменных уровни изучаемого обобщенного признака.