Salut à tous,
Est-ce que quelqu'un sait comment mettre en œuvre la théorie de détection de signal (mesures de sensibilité, courbe ROC, etc.) pour analyser des données dans le domaine de la psychologie à l'aide de JMP?
Je vous remercie.
salut @ Peter_Bartell ,
Merci pour votre commentaire et lien. Je suis un utilisateur novice dans JMP Basic et certains détails sont affichés, comme suit:
- Mon analyse est basée sur un plan de mesures répétées (par exemple, entre sujets = T1, T2, ...)
- En général, vous avez une matrice M_2 x 2 dont les lignes sont représentées par l'événement Stimulus = {s, n} et par les colonnes Response Event = {S, N}.
Matrice M:
S N
s M [1,1] = "CA" = P (S / s) M [1,2] = "FR" = P (N / s)
n M [2,1] = "FA" = P (S / n) M [1,2] = "CR" = P (N / n)
où "Accepter correctement", "False Rejection", "FA" = "False Alarm" et "CR" = "Correct Rejection", et P (* / *) est une probabilité conditionnelle.
J'ai donc besoin d'analyser cette matrice M (par exemple, CA vs FA) en utilisant la théorie de détection de signal (SDT) à travers la courbe ROC et l'indice de sensibilité dans un plan de mesures répétées.
Je vous remercie.
Les mesures de sensibilité des modèles et les moyens de les communiquer visuellement (courbes ROC, matrices de confusion, etc.) sont répandues sur de nombreuses plateformes de modélisation JMP pour les réponses de type catégoriel. Une liste partielle des plates-formes est la régression logistique nominale, la partition, et si vous êtes un utilisateur de JMP Pro, Bootstrap Forest, etc. Donc, si vous pouvez fournir plus de détails sur le cas d'utilisation en psychologie, les membres de la communauté peuvent peut-être fournir des conseils supplémentaires. Voici le lien général sur la documentation en ligne JMP pour les courbes ROC ... Vous trouverez des informations supplémentaires dans la documentation spécifique de la plate-forme.
https://www.jmp.com/support/help/13/ROC_Curve.shtml
