VIII Международная студенческая научная конференция Студенческий научный форум - 2016

Большое значение в развитии экспериментальных психодиагностических методик имеют технические средства стимуляции, регистрации и обработки психодиагностической информации. Эти технические средства получили свое наиболее полное применение в современных высокопроизводительных компьютерах с их мощными операционными и изобразительными возможностями.

Воспроизведем процесс типичной процедуры «ручной» обработки данных психодиагностического тестирования.

После того, как испытуемый отдает психологу бланк с ответами на вопросы теста, психолог подсчитывает количество «попаданий» ответов в соответствии c диагностическим «ключом». После этого психолог с помощью таблиц или номограмм переводит определенное им количество в новое число — стандартизированную оценку. За такой простой на первый взгляд процедурой стоит кропотливая работа создателя психодиагностического теста. По-настоящему глубокий эмпирико-статистический анализ, обеспечивающий обоснованные, точные и надежные диагностические результаты, невозможен без применения современных компьютерных методов. Без этого анализа не обходится ни одна серьезная попытка конструирования или адаптации тестов. Рассмотрим методы, применяющиеся в конструировании психодиагностических тестов.

Метод главных компонент.

Метод главных компонент был предложен Пирсоном в 1901 году и разработан Хоттелингом в 1933 году. Данный метод позволяет осуществить переход к новой системе координат y₁,...,уnв исходном пространстве признаков x₁,...,xn.

где m_i — математическое ожидание признака x_i. Линейные комбинации выбираются таким образом, что среди всех возможных линейных нормированных комбинаций исходных признаков первая главная компонента у₁(х) обладает наибольшей дисперсией.

Вычисление коэффициентов главных компонент w_ij полагается на умозаключение о том, что векторы w_i=(w₁₁,...,wn_l)', ... ,wp=(w₁n, ... ,wnn)' являются собственными векторами матрицы S. Алгоритмы, отвечающие за выполнение метода главных компонент, входят практически во все пакеты статистических программ.

Факторный анализ.

Факторный анализ ориентирован на объяснение имеющихся между признаками корреляций. Поэтому факторный анализ применяется в более сложных случаях совместного проявления на структуре экспериментальных данных тестируемого, а также для выделения группы диагностических показателей из общего исходного множества признаков.

Основное уравнение факторного анализа:

Значения каждого признака x_i можно выразить взвешенной суммой латентных переменных f_i, число которых меньше числа исходных признаков, и остаточным членом ε_i с дисперсией σ²(ε_i),действующей только на x_i. Коэффициенты l_ij называются нагрузкой i-й переменной на j-й фактор или нагрузкой j-го фактора на i-ю переменную. В самой простой модели факторного анализа делается упущение о том, что факторы f_j взаимно независимы и их дисперсии равны единице, величины ε_i тоже независимы друг от друга и от фактора f_j. Максимально возможное количество факторов m при заданном числе признаков n определяется неравенством:

(n+m)

Код для цитирования: Скопировать