안녕 모두,
JMP를 사용하여 심리학 분야에서 데이터를 분석하기 위해 신호 탐지 이론 (예 : 감도, ROC 곡선 등의 측정)을 구현하는 방법을 아는 사람이 있습니까?
고맙습니다.
안녕하세요 @Peter_Bartell ,
귀하의 의견과 링크에 감사드립니다. 나는 JMP Basic에서 초보 사용자이며 다음과 같이 몇 가지 세부 사항이 표시됩니다.
- 내 분석은 반복 측정 디자인 (예 : 피사체 간 = T1, T2, ...)을 기반으로합니다.
- 일반적으로 Stimulus event = {s, n} 및 Columns Response event = {S, N}으로 표현되는 행렬 M_2 x 2가 있습니다.
매트릭스 M :
에스 엔
에스 M [1,1] = "CA"= P (S / s) M [1,2] = "FR"= P (N / s)
엔 M [2,1] = "FA"= P (S / n) M [1,2] = "CR"= P (N / n)
False Rejection ","FA "="False Alarm ","CR "="Correct Rejection "및 P (* / *)는 조건부 확률입니다.
그래서 나는 repetitive-measures 설계에서 ROC 곡선과 감도 지수를 통해 신호 검출 이론 (SDT)을 사용하여 행렬 M (예 : CA vs FA)을 분석해야합니다.
고맙습니다.
모델 민감도의 척도와 시각적으로 의사 소통하는 방법 (ROC 곡선, 혼동 행렬 등)은 범주 형 응답을 위해 많은 JMP 모델링 플랫폼에서 광범위하게 사용됩니다. 플랫폼의 일부 목록은 명목 로지스틱 회귀, Partition 및 JMP Pro 사용자 인 경우 Bootstrap Forest 등입니다. 따라서 심리학에서 유스 케이스에 대한 자세한 내용을 제공 할 수 있다면 커뮤니티 회원이 추가 지침을 제공 할 수 있습니다. 다음은 ROC 커브에 대한 일반적인 JMP 온라인 문서 링크입니다 ... 추가 세부 정보는 특정 플랫폼 설명서에서 찾을 수 있습니다.
https://www.jmp.com/support/help/13/ROC_Curve.shtml
