스피커
|
성적 증명서
|
| 니콜라스 셸턴 |
좋습니다. 녹음이 시작되었습니다. 저는 음소거 상태로 전환하겠습니다. 그런 다음 준비가 되면 시작하시면 됩니다. |
| |
좋아요. |
| 애니 웨이스브로드 |
여러분, 안녕하세요. 저는 애니 웨이스브로드입니다. 저는 제 동료인 Procter and Gamble의 A Narayanan과 Mark Bailey와 함께 이 자리에 섰습니다. 우리는 발표할 예정입니다. |
| |
JMP SEM 플랫폼을 사용한 명상 프로그램 평가. |
| |
먼저 우리가 이에 대해 이야기하는 이유를 설명하는 것부터 시작하고 싶습니다. |
| |
그래서 P&G는 |
| |
특히 코로나19 기간 동안 우리는 사람들의 건강에 중점을 두었습니다. |
| |
팬데믹으로 인해 여러 가지 이유로 매우 스트레스가 많은 시기이지만 시민 불안, 물건을 사용할 수 없는 공급망 변경, |
| |
생활 습관 바꾸기, 질병 바꾸기, 다른 사람 돌보기. 지난번에 우리 삶이 상당히 크게 변한 경우가 너무 많습니다. |
| |
20개월, 2년 정도. 따라서 P&G 직원의 건강과 복지를 보호하는 것이 이 시기에 더욱 중요한 우선순위가 되었습니다. |
| |
그래서 우리가 초점을 맞춘 것은 사람들이 업무를 수행하면서 신체적, 정신적으로 스스로를 돌볼 수 있도록 돕는 방법입니다. |
| |
고객에게 봉사하고, 소비자에게 봉사하고, 우리가 살고 있는 지역 사회를 지원하는 것입니다. 우리는 사람들이 웰빙에 대한 다양한 측면을 교육하고 실천할 수 있도록 하며 건강에 도움이 되기를 바라는 내부 및 외부 프로그램을 갖추고 있습니다. |
| |
따라서 팬데믹이 발생하면서 우리는 개인과 부서 모두에 지원을 제공하는 방식을 변경해야 했습니다. |
| |
직원마다 처한 상황이 다르기 때문에 |
| |
회사에서 어떤 종류의 직업을 갖고 있는지, 거주하는 장소가 무엇인지, 건강이나 다른 가족 구성원의 보살핌과 관련된 개인 환경이 무엇인지 등이 이에 해당합니다. |
| |
그래서 제가 몇 년 동안 가르쳐온 것은 하나의 실제 현장에서 직접 수업을 가르치는 것입니다. 사람들이 방에 나타나 스트레스와 탄력성, 명상에 관한 정보를 공유했습니다. 그리고 우리 모두는 라이브 스트리밍으로 전환해야 했습니다. |
| |
그리고 제 청중은 전 세계로 퍼져 나갔습니다. 상당수의 청중이 서로 다른 시간대와 언어를 갖고 있기 때문입니다. 그리고 지금 이 프레젠테이션에서 하고 있는 것처럼 라이브 스트리밍 기술을 사용해 보세요. |
| |
그래서 우리는 이러한 전환을 하면서 이러한 웰빙 프로그램이 얼마나 효과적인지 궁금했습니다. 글로벌 라이브 스트리밍의 콘텐츠와 새로운 형식이 웰빙을 위한 정신적, 정서적 건강 영역에 어떤 영향을 미치나요? |
| |
저는 명상 없는 명상이라는 강좌를 가르치고 있습니다. |
| |
기대. 8주 동안 진행되는 라이브 스트리밍 글로벌 강좌입니다. 우리는 일주일에 한 번 45분 동안 만납니다. |
| |
그것은 매우 경험적입니다. 간단한 소개로 시작한 다음 대부분의 수업에 대해 연습을 합니다. |
| |
그런 다음 참가자들은 일주일 내내 그 접근 방식이 무엇이든 연습하도록 권장됩니다. 목표는 사람들이 개인적인 마음챙김을 통해 더욱 자급자족하는 것입니다. |
| |
주의 집중, 집중력, 탄력성, |
| |
공감과 스트레스 감소를 통해 이러한 기술을 장기간에 걸쳐 연습합니다. |
| |
이러한 관행은 우리 주변에서 무슨 일이 일어나고 있는지, 우리가 어떻게 느끼고 있는지, 무엇을 생각하고 있는지에 대한 인식을 높이는 데 도움이 되도록 선택되었습니다. |
| |
스트레스와 관련된 다양한 측면과 스트레스를 줄이는 방법, 그러한 경험에 대한 다른 접근 방식을 취하고 기쁨을 향상시키는 방법도 있습니다. |
| |
우리는 통찰력, 규율, 연민과 관련된 여러 가지 다양한 실천을 통해 이를 수행합니다. 따라서 8가지 다른 수행법 중 지금 여기에 있는 것과 관련된 몇 가지 수행법이 있습니다. |
| |
그 예로는 오감 명상이 있습니다. |
| |
그냥 보고, 그냥 듣고, 그냥 |
| |
냄새, 그냥 맛, |
| |
지금 바로 여기에 온 예로서 피부에 무엇이 있는지 느껴보세요. 성찰과 감사와 관련된 실천도 있습니다. |
| |
산만함을 다루기. 왜냐하면 우리는 항상 주의가 산만해지기 때문이다. 마음은 그 일을 할 뿐이므로 수련을 세는 것, 만트라 수련이 그 예입니다. 심장과 관련된 수행도 있습니다. |
| |
그래서 이런 아주 오래된 관행, metta |
| |
그리고 통렌(tonglen)은 수천 년 된 아시아 문화에서 왔으며 사랑의 친절을 실천하고 다른 사람을 돌보고 주고받는 문화를 갖고 있습니다. |
| |
그리고 마지막으로, 선택 없는 자각의 마지막 것입니다. |
| |
그냥 존재하는 것. |
| |
아무것도 하지 않고 그냥 존재하는 것뿐입니다. 젠들 사이에서 매우 인기가 있음 |
| |
예를 들어 실무자. 지난 한 해 동안 1,000명이 넘는 사람들이 이 강좌에 등록했습니다. 등록한 사람들 중 약 50%가 실제로 8주 전체를 완료했으며 몇 가지 통계를 공유하겠습니다. |
| |
이러한 제품이 실제로 무엇을 제공하는지 보여줍니다. |
| |
조사한다 |
| |
코스 전과 코스 후 참가자의 태도와 행동. 의학적 기준에 따라 45가지 질문이 있습니다. |
| |
설문조사는 자발적이고 익명으로 진행되며 기본적으로 다음 네 가지 표준 설문지를 살펴보고 있습니다. 첫 번째는 5가지 측면 마음챙김 설문지입니다. |
| |
또한 공감과 관련된 대인관계 반응성 지수를 사용하므로 공감적 관심과 관점 취하기, 다양한 관점을 사용합니다. |
| |
슬픔 탄력성 척도와 인지된 스트레스 척도는 오늘 시연에서 우리가 집중적으로 다룰 것입니다. |
| |
이는 사람들이 스트레스에 대해 어떻게 느끼는지, 자신이 처한 상황의 스트레스 정도, |
| |
이 명상 코스와 같은 스트레스 감소 중재의 효과. 따라서 표준 진술, 질문은 얼마나 예측할 수 없는지를 활용합니다. |
| |
그 사람은 자신의 상황이 통제 가능하다고 느끼고, 과부하를 느끼는지, 그리고 자신이 인지하는 무력감의 수준은 어느 정도인지를 느낍니다. |
| |
이 상황에 대해 그들이 할 수 있는 일은 아무것도 없습니다. |
| |
또는 자기효능감, 상황이 바뀔 것이라고 얼마나 확신하고 스트레스를 관리할 수 있는지에 대한 것입니다. 따라서 우리는 해당 상황에서 과부하 느낌과 통제할 수 없는 느낌과 관련된 두 가지 하위 척도에 중점을 둘 것입니다. |
| |
우리는 시연뿐만 아니라 이러한 과정에서도 의도적으로 스트레스에 초점을 맞추고 있습니다. 스트레스는 오늘날 세계에서 가장 위험한 생활 방식 요소 중 하나이기 때문입니다. |
| |
많은 조직에서는 곳곳에서 쏟아지는 다양한 보고서에 대응하기 위해 통합 웰빙 프로그램을 개발하고 있습니다. 세계보건기구(WHO)는 지난 10년 이상 동안 만성 또는 해결되지 않은 스트레스가 생활 방식의 가장 큰 위험 요인임을 확인했습니다. |
| |
비만과 신체 활동 부족은 전 세계적으로 신체적, 정신적 만성 질환의 가장 큰 원인입니다. |
| |
그래서 |
| |
결과를 간략하게 요약하면 좋은 소식은 8주 동안 눈에 띄는 증가가 나타났다는 것입니다. |
| |
처음 들어오는 데이터, 즉 여기서 볼 수 있는 단순한 수단을 살펴보면 마음챙김 전반에 걸쳐 눈에 띄는 증가를 볼 수 있습니다. |
| |
공감, 탄력성, 그리고 사람들이 스트레스를 인식하는 방식의 명확한 감소. 좋습니다. 우리는 이 문제에 대해 더 깊이 조사하고 싶었기 때문에 통계 분야의 파트너에게 연락하여 정보를 공유하겠습니다. |
| |
설문 조사 결과 중 일부는 사전 및 사후 쌍 응답에서 나온 것입니다. 이제 그는 그 일을 맡아 설문조사에서 얻은 응답을 바탕으로 자신이 진행 중인 작업에 대한 JMP 기능 중 일부를 보여드릴 것입니다. |
| 안 |
고마워요, 애니. |
| |
여러분, 제 화면 보고 계시나요? 나는 할 수 없습니다. |
| |
안녕하세요 여러분, 시간이 좀 필요한데 여기서는 일이 잘 안 되고 있어서 모르겠어요. |
| |
고마워요, 애니. 안녕하세요 여러분. 내 이름은 나라야난입니다. |
| |
저는 P&G의 고급 소비자 모델링 및 통계 부서에서 근무하고 있습니다. 오늘 제가 하고 싶은 일은 데이터 분석 내용을 공유하는 것입니다. |
| |
Annie가 방금 설명한 프로그램에서 나왔습니다. 그래서 제 어젠다는 세 가지 주제로 구성될 예정입니다. 요인모형 최적화에 대해 이야기하고, 그 다음에는 확증적 요인분석에 대해 이야기하겠습니다. |
| |
최적화된 요인 모델. 그런 다음 마지막으로 종단 측정 불변성에 대해 논의하겠습니다. 이는 잠재 수단 과정의 시간 경과에 따른 변화를 측정하기를 원하기 때문에 중요합니다. 그럼 바로 첫 번째 주제로 넘어가겠습니다. |
| |
그리고 요인 모델 최적화, 우리는 왜 이런 일을 하는 걸까요? 이유는... 제가 이 일을 하고 싶은 이유는 두 가지입니다. 먼저 애니가 언급한 10가지 질문 |
| |
측정에 관심이 있는 두 가지 구성에 대해 실제로 최적화되지 않았습니다. |
| |
또한, 우리는 표본 크기가 작기 때문에 사전 및 사후에 질문이 너무 많지 않도록 하고 싶습니다. |
| |
이것이 우리가 요인 모델 최적화를 수행하는 두 가지 이유입니다. 그리고 그렇게 하기 위해 저는 고전적인 테스트 이론에서 두 가지 아이디어를 끌어내려고 합니다. |
| |
하나는 신뢰성이다. 신뢰성은 실제로 측정의 일관성과 관련이 있습니다. 우리는 구성 내의 항목이 동일한 것을 측정하는지 확인하고 싶습니다. 그리고 신뢰성에 대한 다양한 척도가 있습니다. 제가 여기서 사용할 제품은 |
| |
신뢰도 계수 또는 Cronbach의 알파. 거기에서 공식을 볼 수 있습니다. 제가 이것을 사용하는 한 가지 이유는 옵션 항목 신뢰성을 사용하여 JMP의 다변량 플랫폼에서 사용할 수 있기 때문입니다. |
| |
이제 하나 |
| |
이 측정의 단점은 모든 변수나 항목이 동일하게 신뢰할 수 있다고 가정한다는 것입니다. |
| |
그리고 우리는 일부 항목이 다른 항목과 동일한 신뢰도를 갖지 않는다는 것을 알고 있으며, 이 경우 평균 분산 추출기를 사용할 수 있습니다. |
| |
이제 그것은 무엇입니까? 이를 설명하기 위해 여기서는 확인 요인 모형의 경로 다이어그램을 실제로 사용하겠습니다. 여기에 설명하고 싶은 세 가지 구성 요소가 있습니다. |
| |
실제로 원으로 둘러싸인 맨 위의 변수는 잠재 변수입니다. |
| |
그런 다음 아래쪽에 직사각형으로 둘러싸인 지표가 있습니다. 그리고 이 예에는 이 잠재 변수를 활용하는 매우 큰 질문인 4개의 지표가 있습니다. |
| |
그런 다음 실제로 각 지표의 강도를 제공하는 요인 로딩인 4개의 람다 변수가 있습니다. |
| |
구성을 활용합니다. 따라서 추출된 평균 분산은 람다와 |
| |
하단에 있는 오류의 변형입니다. 델타는 맨 아래에 있습니다. 여기에 오류가 있습니다 |
| |
구성 요소. 그리고 단순화를 위해 이를 측정 오류로 간주하고 해당 오류의 분산도 추출된 평균 등급 계산에 포함됩니다. |
| |
공식을 보면 하단에 오차 분산이 없으면 최대값은 1이 되는데 그게 우리가 원하는 것입니다. |
| |
그래서 |
| |
신뢰도를 측정하는 데에도 유용한 또 다른 항목은 항목 신뢰도입니다. 실제로 이는 잠재 변수에 대한 지표의 각 회귀 분석에 대한 개별 R 제곱에 지나지 않습니다. JMP를 사용해보면 그 사실을 알게 될 것입니다. |
| |
중요한 고전 테스트 이론의 두 번째 개념은 타당성입니다. 타당성은 변수가 측정해야 하는 것을 측정하는지 여부와 관련이 있습니다. 그리고 이번에도 다양한 종류가 있습니다 |
| |
유효성 버전. 제가 집중할 것은 차별적 타당성입니다. 이는 측정하려는 구성이 고유하고 구별되는지 여부와 관련이 있습니다. |
| |
자, 이 두 가지 개념을 바탕으로 실제로 JMP를 시작하여 우리가 수행한 모델링의 세부 사항을 보여드리겠습니다. 그럼 먼저 10가지 질문에 대한 탐색적 요인 분석부터 시작하겠습니다. |
| |
스트레스 영역에 관심이 있습니다. 이제 내 모든 분석에서 나는 |
| |
분석 결과를 보여드립니다. 이 단계를 가리키고 클릭하는 방식으로 단계별로 설명하지는 않겠습니다. 시간이 오래 걸리고 JMP에 잘 문서화되어 있기 때문입니다. |
| |
우리가 부르는 큰 것 |
| |
과부하된 구성 요소와 세 개의 항목이 있는 작은 구성 요소를 제어할 수 없는 것으로 부릅니다. 따라서 이것은 두 가지 요인을 뒷받침하는 것으로 보이는 탐색적 요인 분석입니다. |
| |
그리고 우리는 그것이 실제로 데이터에서 사실인지 확인하고 싶고 데이터가 이를 뒷받침할 것입니다. 그래서 동일한 10개 질문에 대한 확인적 요인분석을 시작하겠습니다. |
| |
그리고 과부하된 컴포넌트는 7개의 인디케이터에 연결되고, 제어 불가능한 컴포넌트는 3개의 인디케이터에 연결되는 것을 볼 수 있습니다. |
| |
우리는 이 데이터가 얼마나 잘 맞는지, 이 모델이 데이터에 얼마나 잘 맞는지 살펴보고 싶습니다. 그리고 우리는 카이 제곱을 보면 ... 카이 제곱은 34 자유도에서 44이고 중요하지 않으므로 이 모델은 데이터에 의해 뒷받침됩니다. |
| |
그리고 우리가 맨 아래에서 보고 싶은 또 다른 것은 제가 언급했던 구성 타당성 매트릭스입니다. |
| |
이 행렬의 대각선은 추출된 평균 분산을 제공합니다. 그리고 통제할 수 없는 요인의 분산은 오히려 크고, 과부하 요인의 분산은 실제로 낮은 것을 알 수 있다. |
| |
직교 요소는 각 요인이 다른 요인과 공유하는 분산의 양을 알려줍니다. 그리고 과부하 요인의 경우, 이 분산은 |
| |
실제로 통제할 수 없는 요인과 공유하는 요인은 대각선에 표시된 것처럼 자체 지표를 공유하는 분산보다 높습니다. 그리고 이것은 우리가 원하는 최적화된 요소 구조가 아닙니다. |
| |
게다가 가서 보면 |
| |
추정치가 포함된 경로 다이어그램을 실제로 볼 수 있습니다. |
| |
여기에 표시된 개별 항목 신뢰도는 |
| |
여기 직사각형. 그리고 당신은 볼 수 있습니다 |
| |
과부하 요인 구성 요소에 연결된 7개 지표의 항목 신뢰도는 .277에서 .551까지 다양합니다. |
| |
그리고 우리는 그 중 몇 가지를 선택하고 싶습니다. |
| |
높은 신뢰성을 가지고 있습니다. |
| |
따라서 우리는 이러한 항목 신뢰성 개념을 사용할 것입니다. |
| |
실제로 요인을 최적화하기 위해 타당성을 차별합니다. |
| |
그리고 난 다시 돌아가서 살펴볼 거야 |
| |
이 모든 측정 항목을 테이블에 통합합니다. |
| |
그리고 이 테이블에는 이 두 열에 Cronbach's 알파가 있으며, 항목이 삭제될 때 Cronbach's 알파에도 변화가 있습니다. |
| |
전체 합성의 Cronbach's alpha로부터 추출되었으며, 마지막 열의 항목 신뢰도도 가지고 있습니다. 따라서 이 숫자 행렬을 보고 요인을 최적화하는 한 가지 방법은 신뢰도가 높은 항목을 선택하는 것입니다. 아마도 상위 3개 항목일 것입니다. |
| |
이제 이 특별한 상황에서 저는 또한 다음을 사용하고 싶습니다. |
| |
그만큼 |
| |
항목이 삭제될 때의 Cronbach's 알파입니다. 그리고 세 번째 항목을 보면, |
| |
해당 항목이 세 번째로 높은 항목임에도 불구하고 |
| |
품목 신뢰도, 이 열을 볼 때 저는 이를 알파 델타라고 부릅니다. |
| |
이는 항목이 삭제될 때 전체 복합의 신뢰도 변화입니다. 사실 세 번째 항목에는 큰 변화가 있어서 이 항목을 선택하지 않았고, 사실 바로 아래 항목을 선택하게 되었습니다. |
| |
따라서 최적화된 요인 해법의 경우 첫 번째 요인과 다섯 번째 항목 중 상위 2개 항목을 선택하고, 두 번째 요인인 제어 불가능의 경우 상위 2개 항목을 선택하겠습니다. 아이템 신뢰도가 매우 낮습니다. |
| |
그래서, |
| |
요인 솔루션을 10개 질문에서 5개 질문으로 최적화했습니다. |
| |
저는 최적화된 요인 솔루션을 확인하고 방금 논의한 모든 지표 측면에서 우리가 어떻게 하고 있는지 살펴보겠습니다. |
| |
여기에 최적화된 요인 솔루션이 있습니다. 순서 요인에는 3개의 지표, 제어할 수 없는 요인, 2개의 지표가 있으며, 다시 우리 모델은 데이터에 훨씬 더 잘 맞습니다. 카이 제곱은 2, 4 자유도이며 카이 제곱 값은 거부되지 않습니다. |
| |
그럼 우리는 아래로 내려갑니다 |
| |
그리고 차별타당성을 살펴보세요. 이제 최적화된 요인 솔루션을 사용하면 과부하의 분산이 실제로 증가한 것을 확인할 수 있습니다. |
| |
통제할 수 없는 것과 공유하는 분산이 감소했습니다. 따라서 직교 값은 대각선 값보다 작으며 이것이 바로 우리가 지원하려는 것입니다. |
| |
차별적 타당성. 따라서 솔루션을 최적화함으로써 우리는 차별적 타당성을 달성했으며 원래의 10개 질문에서 얻은 것보다 더 나은 모델을 얻었습니다. |
| |
좋습니다. 이제 요인 솔루션을 최적화했습니다. |
| |
다음 단계는 측정 모델 불변성을 수행하는 것입니다. |
| |
우리가 어디에 있는지 상기해 봅시다. 우리는 다양한 테이블과 분석을 보았습니다. 우리는 |
| |
공감, 스트레스, 탄력성, 마음 챙김. |
| |
그리고 우리는 스트레스에만 집중할 것입니다. 여기서 대답하고 싶은 주요 질문은 잠재 변수의 평균 점수가 향상되었다는 것입니다. |
| |
8주 프로그램 동안 사전부터 게시까지? |
| |
그리고 이를 입증하기 위해서는 먼저 종단 측정 불변성을 보여야 합니다. |
| |
이제 그것은 무엇입니까? 사실 저는 최근에 이 사실을 알게 되었고, JMP 개발자인 Laura Schilo와 Paul Russo가 작성한 훌륭한 논문을 여기에 연결하겠습니다. |
| |
Structural Equation Modeling 최신호에는 종단적 측정 불변성을 포함하여 JMP의 다양한 기능이 자세히 설명되어 있습니다. |
| |
종단적 측정 불변성의 개념은 잠재 변수의 의미가 시간이 지나도 변하지 않았는지 확인하는 것입니다. |
| |
잠재 변수의 평균 변화를 계산하기 전에 시작과 끝에서 동일한 것을 측정하고 있는지 확인해야 합니다. 이를 확립하기 위해서는 네 가지 단계가 있습니다. |
| |
이들은 실제로 네 가지 다른 모델입니다. 첫 번째는 요인 수와 로딩 패턴이 동일하고 제한이 가장 적은 구성 모델입니다. |
| |
두 번째는 약한 불변 모델로, 여기에 몇 가지 제한 사항을 더 추가합니다. 우리는 나사를 조금 더 조이고 질문합니다. 이 모델이 여전히 지원됩니까? |
| |
그런 다음 나사를 좀 더 조이고 여기에 아이템 차단의 품질을 부과하면 어떻게 될까요? 그러다 마침내, |
| |
나사의 마지막 스레드에 항목 차이를 추가하고 두 시점에 걸쳐 해당 항목의 품질을 적용하면 어떻게 될까요? |
| |
따라서 이 작업을 단계별로 수행하는 방법에 대한 자세한 내용은 방금 언급한 해당 문서에 포함되어 있습니다. 여기서는 결과만 보여드리겠습니다. |
| |
이런. |
| |
그래서 이것에 |
| |
내가 보여주고 있는 경로 다이어그램 |
| |
조사 전 단계와 조사 후 단계 모두에서 과부하되고 통제 불가능한 두 가지 요인. 따라서 우리는 오버로드된 사전, 제어할 수 없는 사전 및 게시물에 대해 동일한 것을 갖게 됩니다. |
| |
과부하는 3개 항목으로 설명되고, 통제불능은 2개 항목으로 연결된다. 이제 여기 글자가 달라졌네요 |
| |
모델에 적용된 제약 조건입니다. 예를 들어 C3 |
| |
과부하된 항목부터 사전에 "초조하고 스트레스를 받은" 항목까지 |
| |
게시물의 동일한 항목과 동일하도록 제한됩니다. 이는 제약 조건이 지원되는지 확인하기 위해 모델에 적용하는 제약 조건의 일부입니다. |
| |
따라서 문자는 모델에 적용된 다양한 제약 조건을 나타내며 이러한 추정치는 동일하게 만들어집니다. 비슷하게, |
| |
동등한 항목의 절편도 동일하게 만들어집니다. |
| |
이는 다음과 같이 표시됩니다. |
| |
ㅏ. |
