ИСПОЛЬЗОВАНИЕ МЕТОДА РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ СОЗДАНИЯ ТЕСТОВЫХ БАТАРЕЙ ТЕПЛОВА ОЛЬГА I-P-T@MAIL.RU.

Презентация:



Advertisements
Похожие презентации
Теория статистики Корреляционно-регрессионный анализ: статистическое моделирование зависимостей Часть 1. 1.
Advertisements

Эконометрика. Литература Доугерти К. Введение в эконометрику. - 3-е изд. - М.: ИНФРА- М, XIV, 465 с. Доугерти К. Введение в эконометрику. - 3-е.
Лекция 6 Линейная регрессия. Простая линейная регрессия.
АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ. Регрессионный анализ.
Лекция 1 Введение.. Опр. эконометрика это наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов.
С ТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ВЗАИМОСВЯЗИ СОЦИАЛЬНО - ЭКОНОМИЧЕСКИХ ЯВЛЕНИЙ Л ЕКЦИЯ 9 Клобертанц Е.П. Красноярск, 2013 г. ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
Основы корреляционного и регрессионного анализа. План лекции: 1.Способы изучения корреляционных зависимостей. 2.Определение коэффициента парной линейной.
Проверка гипотез на примере уравнения регрессии Проверка гипотез и соответствующие статистические выводы являются одними из центральных задач математической.
Регрессионный анализ. Основная особенность регрессионного анализа: при его помощи можно получить конкретные сведения о том, какую форму и характер имеет.
1 Описательная статистика. 2 Основные понятия Переменная = одна характеристика объекта или события Количественные: возраст, ежегодный доход Качественные:
Формула ПИРСОНА. Критерий корреляции Пирсона – это метод параметрической статистики, позволяющий определить наличие или отсутствие линейной связи между.
МЕТОД НАИМЕНЬШИХ КВАДРАТОВ. СТАТИСТИЧЕСКАЯ ОЦЕНКА.
Случайные и систематические погрешности при измерениях и расчетах.
Кандидат технических наук, доцент Поляков Константин Львович Учебный курс Эконометрика: идентификация, оценивание и анализ статических моделей Лекция 7.
Парная линейная корреляция. Метод наименьших квадратов Задача: найти оценки параметров a и b такие, что остаток в i-ом наблюдении (отклонение наблюдаемого.
Элементы теории корреляции. План: I. Понятие корреляционной зависимости: 1) Коэффициент корелляции 2) Проверка гипотезы о значимости выборочного коэффициента.
Лекция 2 Часть I: Многомерное нормальное распределение, его свойства; условные распределения Часть II: Парная линейная регрессия, основные положения.
МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ПСИХОЛОГИИ Волков Денис Николаевич denisvolkov.com.
Модели статистического прогнозирования
Транксрипт:

ИСПОЛЬЗОВАНИЕ МЕТОДА РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ СОЗДАНИЯ ТЕСТОВЫХ БАТАРЕЙ ТЕПЛОВА ОЛЬГА

Тестирование Заключение о проф. пригодности (категория ПП) Тест 1Тест 2Тест 3 5 показателей 3 показателя 10 показателей А все ли показатели определяют профессиональную пригодность?

Термин "регрессия" был введён Фрэнсисом Гальтоном в конце 19-го века. Гальтон обнаружил, что дети родителей с высоким или низким ростом обычно не наследуют выдающийся рост и назвал этот феномен "регрессия к посредственности". Сначала этот термин использовался исключительно в биологическом смысле. После работ Карла Пирсона этот термин стали использовать и в статистике. Регрессионный анализ – статистический метод исследования влияния одной или нескольких независимых переменных (Х1, Х2…Xn) на зависимую переменную Y. Общий вид уравнения множественной регрессии Y= А+ X1*K1+X2*K2+…, где А – константна Y – зависимая переменная X – независимые переменные K – вклад независимой переменной в предсказание зависимой переменной Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения.

Графическое представление линейной регрессии Зависимая пер-ая Независимая пер-ая

Испыт уемые п/п Эффект. дея-ти Y Мотив. на задачу Х Адаптив ность Z YYXXZZYXYZXZ Сумма Σ

Y= X+0.46Z Выводы: 1. Таким образом, при увеличении эффективности деятельности на 1 балл, мотивация на задачу в среднем увеличивается на 1.54 балла, а адаптивность – на 0.46 балла. 2. Зная значения показателей мотивация на задачу и адаптивность, можно прогнозировать эффективность деятельности. Пример: МнЗ= 8 А=9 ЭфД=( х8+0.46х9)=35.03 МнЗ=22 А=40 ЭфД =( х х40)=70.85 Ограничения используемого метода: 1. Сравниваемые переменные должны быть измерены в шкале интервалов или отношений 2. Предполагается, что переменные имеют нормальное распределение 3. Число наблюдений по каждой переменной должно быть одинаковым

Разброс значений регрессионного анализа будет лежать где-то между 0.0 и минус отношение значений разбросса называется R-квадратом или коэффициентом детерминации. Это значение непосредственно интерпретируется следующим образом. Если имеется R-квадрат равный 0.4, то 40% отношений могут быть объяснены, а 60% остаются необъясненными. Значение R-квадрата близкое к 1.0 показывает, что модель объясняет почти всю изменчивость соответствующих переменных.

ЭТАПЫ СОЗДАНИЯ ТБ (НА ПРИМЕРЕ ТБ ДЛЯ ОЦЕНКИ ПРОФ.ПРИГОДНОСТИ ВОДИТЕЛЕЙ) 1.Подборка тестов, входящих в состав ТБ – изучение профессиограммы и психограммы, с целью определения ПВК; – методический инструментарий должен быть надежным и валидным; – должно соблюдаться требование к конструктной валидности (высокие корреляционные связи между шкалами могут свидетельствовать о дублировании шкал, т.е. об измерении одних и тех же качеств) Пример: состав ТБ «Водитель» 1.Технический тест – оценка технической компетентности (понимания механики) 2.ПВЭ - оценка точности пространственно-временной экстраполяции 3.Координация - оценка скорости и точности координированных движений конечностей 4.Полезависимость – оценка скорости восприятия (вычленения) значимых признаков в пространстве 5.Сравнение чисел – оценка мыслительных способностей 6.Распределение внимания – оценка свойств внимания (распределение, переключение, концентрация, помехоустойчивость) 7.Л-профиль – изучение индивидуально-личностных качеств

2.Проведение тестирования Требования к выборке: – объем выборки – в раз больше, чем количество используемых показателей; – однородность выборки – ограничения выборки (по специальности, по полу и пр.); – репрезентативность выборки - выборка должна представлять собой меньшую по размеру, но точную модель той группы, которую она должна отражать; при этом все характеристики выборки должны быть представлены пропорционально. Пример: выборка для ТБ «Водитель» – объем выборки – 2500 человек; – однородность выборки – ограничения по полу и специальности (только мужчины, только водители); – репрезентативность выборки – водители были разбиты на 4 класса (по 500 человек каждого класса) и по количеству совершенных ДТП.

3.Внешний критерий (ВК) Внешний критерий внешний признак по отношению к результатам тестового измерения какого-либо атрибута или характеристики поведения, относительно которого производится оценка Требования к ВК: – ВК должен быть релевантным (т.е. зависеть от измеряемого свойства) – ВК должен быть надежным (т.е. он должен отражать постоянство и устойчивость исследуемого показателя) Пример: внешнего критерия для ТБ «Водитель» – количество совершенных ДТП по вине водителя + количество ДТП в которых участвовал водитель, но которых можно было бы избежать – экспертная оценка

Результаты регрессионного анализа по ТБ «Водитель» R² = 0.87 Эф. деят-ти = 0,61Ак+0,36Ас-0,45Тр-0,57СР-0,56Им-0,75Аг-0,95Бо-0,96Са- 0,96По+0,98Эф1+0,63Тч+0,48ЭфО+0,16ПР+0,67Эф2+0,45Эф3+0,27Ст+0,95Ра п/пТестПоказательВес 1.1.Л-профиль - 1Активность (Ак)0, Ассертивность (Ас)0, Тревожность (Тр)-0, Склонность к риску (СР)-0, Импульсивность (Им)-0, Агрессивность (Аг)-0, Безответственность (Бо)-0, Самоуничижение (Са)-0, Подавленность (По)-0, Технический тестЭффективность (Эф1)0, ПВЭТочность (Тч)0, КоординацияЭффективность общая (ЭфО)0, Праворукость (ПР)0, ПолезависимостьЭффективность (Эф2)0, Сравнение чиселЭффективность (Эф3)0, Стабильность (Ст)0, Распределение вниманияРаспределяемость (Ра)0,95

4. Определение категорий профессиональной пригодности 1. На основании регрессионного уравнения рассчитываем интегральную оценку ИО (например: эффективность деятельности) 2. Находим среднее значение (М) и стандартное отклонение (СКО) 3. Вычисляем нормативные коридоры М= ΣИОi/N СКО=Σ(ИОi-М)²/N ИО>(M+СКО) – высокий уровень выраженности ПВК ИО

Математические методы в психологии. Практикум. Митина О.В. Математическая статистика для психологов. Ермолаев О.Ю.