Ciao a tutti,
Qualcuno sa come implementare la teoria del rilevamento del segnale (ad es. Misure di sensibilità, curva ROC, ecc.) Per analizzare i dati nel campo Psicologia usando JMP?
Grazie.
Ciao @Peter_Bartell ,
Grazie per il tuo commento e link. Sono un utente alle prime armi in JMP Basic e alcuni dettagli sono mostrati, come segue:
- La mia analisi si basa sulla progettazione di misure ripetute (ad es. Tra soggetti = T1, T2, ...)
- In generale, hai una matrice M_2 x 2 quali righe sono rappresentate da Stimulus event = {s, n} e colonne 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)
dove "Correct Accept", "False Rejection", "FA" = "False Alarm" e "CR" = "Rifiuto corretto" e P (* / *) è una probabilità condizionale.
Quindi ho bisogno di analizzare quella matrice M (ad esempio, CA vs FA) utilizzando la teoria di rilevamento del segnale (SDT) attraverso la curva ROC e l'indice di sensibilità in un progetto di misure ripetute.
Grazie.
Le misure di sensibilità del modello e i mezzi per visualizzarle visivamente (curve ROC, matrici di confusione, ecc.) Sono diffuse in molte piattaforme di modellazione JMP per le risposte di tipo categoriale. Un elenco parziale delle piattaforme è regressione logistica nominale, partizione e se sei un utente JMP Pro, foresta Bootstrap, ecc. Quindi, se è possibile fornire ulteriori dettagli sul caso d'uso in psicologia, i membri della comunità possono fornire ulteriori indicazioni. Ecco il link di documentazione online generale di JMP per le curve ROC ... ulteriori dettagli sono disponibili nella documentazione della piattaforma specifica.
https://www.jmp.com/support/help/13/ROC_Curve.shtml
