53290_zh-TW

liliconcom

如何使用JMP實現信號檢測理論來分析心理學領域的數據？

大家好，

有誰知道如何使用JMP實現信號檢測理論（例如，靈敏度測量，ROC曲線等）來分析心理學領域的數據？

謝謝。

Re：如何使用JMP實現信號檢測理論來分析心理學領域的數據？

你好 @Peter_Bartell ，

感謝您的評論和鏈接。我是JMP Basic的新手用戶，並顯示了一些細節，如下所示：

 

- 我的分析基於重複測量設計（例如，受試者之間= T1，T2，......）

- 通常，您有一個矩陣M_2 x 2，其中的行由Stimulus event = {s，n}表示，而Response事件= {S，N}。

 

 

矩陣M：

                    小號 ñ

小號 M [1,1] =“CA”= P（S / s）M [1,2] =“FR”= P（N / s）

ñ M [2,1] =“FA”= P（S / n） M [1,2] =“CR”= P（N / n）

 

其中“正確接受”，“錯誤拒絕”，“FA”=“虛警”和“CR”=“正確拒絕”，P（* / *）是條件概率。

 

因此，我需要在重複測量設計中使用信號檢測理論（SDT）通過ROC曲線和靈敏度指數來分析矩陣M（例如，CA與FA）。

 

謝謝。

Re：如何使用JMP實現信號檢測理論來分析心理學領域的數據？

模型靈敏度的測量和可視化傳達的方法（ROC曲線，混淆矩陣等）在用於分類類型響應的許多JMP建模平台中廣泛存在。部分平台列表是名義邏輯回歸，分區，如果您是JMP Pro用戶，Bootstrap Forest等。因此，如果您可以提供心理學中用例的更多詳細信息，社區成員可以提供額外的指導。以下是ROC曲線的一般JMP在線文檔鏈接...其他詳細信息可在特定平台文檔中找到。

 

https://www.jmp.com/support/help/13/ROC_Curve.shtml