こんにちは、みんな、
JMPを使用して心理学分野のデータを分析するために信号検出理論（例えば、感度の尺度、ROC曲線など）を実装する方法を知っている人はいますか？
ありがとうございました。
こんにちは @Peter_Bartell 、
あなたのコメントとリンクをありがとう。私はJMP Basicの初心者で、次のようにいくつかの詳細が表示されます。
- 私の分析は繰り返し測定設計に基づいています（例、被験者間= T1、T2、...）
- 一般に、行列M_2 x 2があり、その行はStimulus event = {s、n}とcolumns Response event = {S、N}で表されます。
マトリックスM：
S N
の 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）
ここで、「正解受け入れ」、「誤拒否」、「ＦＡ」＝「誤警報」および「ＣＲ」＝「正当拒否」であり、Ｐ（＊ ／ ＊）は条件付き確率である。
そのため、反復測定法の設計では、ROC曲線と感度指数による信号検出理論（SDT）を使用して、その行列M（CAとFAなど）を分析する必要があります。
ありがとうございました。
モデル感度の尺度とそれらを視覚的に伝達するための手段（ROC曲線、混同行列など）は、カテゴリカルタイプの応答に関する多くのJMPモデリングプラットフォームで広く使用されています。プラットフォームの部分的なリストは、名目ロジスティック回帰、パーティション、そしてあなたがJMP Proユーザーであれば、Bootstrap Forestなどです。あなたが心理学のユースケースのいくつかの詳細を提供することができればそうおそらくコミュニティメンバーは追加の指導を提供することができます。これは、ROC曲線に関する一般的なJMPオンラインドキュメントのリンクです。詳細については、各プラットフォームのドキュメントを参照してください。
https://www.jmp.com/support/help/13/ROC_Curve.shtml
