53290_zh-CN

liliconcom

如何使用JMP实现信号检测理论来分析心理学领域的数据？

大家好，

有谁知道如何使用JMP实现信号检测理论（例如，灵敏度测量，ROC曲线等）来分析心理学领域的数据？

谢谢。

Re：如何使用JMP实现信号检测理论来分析心理学领域的数据？

你好 @Peter_Bartell ，

感谢您的评论和链接。我是JMP Basic的新手用户，并显示了一些细节，如下所示：

 

- 我的分析基于重复测量设计（例如，受试者之间= T1，T2，......）

- 通常，您有一个矩阵M_2 x 2，其中的行由Stimulus event = {s，n}表示，而Response事件= {S，N}。

 

 

矩阵M：

                    小号 ñ

小号 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“正确接受”，“错误拒绝”，“FA”=“虚警”和“CR”=“正确拒绝”，P（* / *）是条件概率。

 

因此，我需要在重复测量设计中使用信号检测理论（SDT）通过ROC曲线和灵敏度指数来分析矩阵M（例如，CA与FA）。

 

谢谢。

Re：如何使用JMP实现信号检测理论来分析心理学领域的数据？

模型灵敏度的测量和可视化传达的方法（ROC曲线，混淆矩阵等）在用于分类类型响应的许多JMP建模平台中广泛存在。部分平台列表是名义逻辑回归，分区，如果您是JMP Pro用户，Bootstrap Forest等。因此，如果您可以提供心理学中用例的更多详细信息，社区成员可以提供额外的指导。以下是ROC曲线的一般JMP在线文档链接...其他详细信息可在特定平台文档中找到。

 

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