| Lautsprecher |
Transkript |
| Nicholas Shelton |
Okay, die Aufnahme hat begonnen und ich werde den Ton ausschalten. Wenn Sie dann bereit sind, können Sie beginnen, alles klar, machen Sie weiter. |
| |
Okay. |
| Annie Weisbrod |
Hallo zusammen. Ich bin Annie Weisbrod. Ich bin hier mit meinen Kollegen A. Narayanan und Mark Bailey von Procter & Gamble. Wir werden präsentieren. |
| |
Evaluation eines Meditationsprogramms mithilfe der JMP SEM-Plattform. |
| |
Ich möchte zunächst erklären, warum wir überhaupt darüber reden. |
| |
Also P&Gs |
| |
Prioritäten, insbesondere während der COVID-Zeit, haben wir uns wirklich auf die Gesundheit der Menschen konzentriert. |
| |
Es ist aus vielen Gründen eine sehr stressige Zeit. Die Gründe dafür sind die Pandemie, aber auch die Unruhen in den betroffenen Gebieten, die veränderten Lieferketten, in denen Dinge nicht verfügbar sind, |
| |
Veränderung unserer Lebensgewohnheiten, Krankheiten, die Pflege anderer. Es gibt so viele Möglichkeiten, wie sich unser Leben in den letzten Jahren deutlich verändert hat. |
| |
20 Monate, zwei Jahre oder so. Daher hat der Schutz der Gesundheit und des Wohlbefindens der P&G-Mitarbeiter in diesen Zeiten eine noch höhere Priorität. |
| |
Wir haben uns darauf konzentriert, wie wir Menschen dabei helfen können, körperlich und geistig auf sich selbst zu achten, während sie ihre Arbeit erledigen. |
| |
Wir betreuen Kunden und Verbraucher und unterstützen gleichzeitig die Gemeinschaft, in der wir leben. Wir bieten interne und externe Programme an, die Menschen informieren und ihnen ermöglichen, verschiedene Aspekte des Wohlbefindens zu praktizieren, um so hoffentlich ihrer Gesundheit zu helfen. |
| |
Mit Ausbruch der Pandemie mussten wir die Art und Weise ändern, wie wir Einzelpersonen und Abteilungen Unterstützung anbieten. |
| |
Jeder Mitarbeiter hat eine andere Situation, |
| |
sei es die Art der Tätigkeit im Unternehmen, der Wohnort oder persönliche Umstände im Zusammenhang mit ihrer Gesundheit oder der Pflege anderer Familienmitglieder. |
| |
Ich unterrichte seit mehreren Jahren Präsenzkurse an einem Ort. Die Leute kamen in den Raum, und ich teilte Informationen über Stress, Resilienz und Meditation. Wir waren alle gezwungen, auf Live-Streaming umzusteigen. |
| |
Und mein Publikum ist weltweit vertreten, da viele unserer Zuhörer in unterschiedlichen Zeitzonen leben und unterschiedliche Sprachen sprechen. Und wir experimentieren mit der Live-Streaming-Technik, so wie wir es gerade für diese Präsentation tun. |
| |
Als wir diese Änderungen vornahmen, waren wir neugierig: Wie effektiv sind diese Wohlfühlprogramme? Welchen Einfluss haben die Inhalte und das neue Format des globalen Live-Streamings auf die wichtigsten Bereiche der psychischen und emotionalen Gesundheit? |
| |
Ich unterrichte einen Kurs mit dem Titel „Meditation ohne |
| |
Erwartungen. Es handelt sich um einen globalen Live-Streaming-Kurs mit einer Dauer von acht Wochen. Wir treffen uns einmal pro Woche für 45 Minuten. |
| |
Es ist sehr erfahrungsorientiert. Es beginnt mit einer kurzen Einführung und dann machen wir den größten Teil der Stunde praktische Übungen. |
| |
Anschließend werden die Teilnehmer ermutigt, diesen Ansatz die ganze Woche über zu praktizieren. Ziel ist es, dass die Teilnehmer mit ihrer persönlichen Achtsamkeit selbstständiger werden. |
| |
Aufmerksamkeit, Konzentration, Belastbarkeit, |
| |
Empathie und auch Stressabbau, wenn diese Fähigkeiten über einen längeren Zeitraum geübt werden. |
| |
Die Übungen sind so ausgewählt, dass sie uns helfen, unser Bewusstsein für das, was um uns herum geschieht, zu schärfen, wie wir uns fühlen, was wir denken, |
| |
verschiedene Aspekte im Zusammenhang mit Stress und wie wir ihn reduzieren, anders mit diesen Erfahrungen umgehen und auch die Freude steigern können. |
| |
Wir tun dies durch verschiedene Praktiken, die auf Einsicht, Disziplin und Mitgefühl basieren. Von den acht verschiedenen Praktiken gibt es mehrere, die sich darauf beziehen, einfach nur hier und jetzt zu sein. |
| |
Ein Beispiel hierfür wäre eine Meditation über die fünf Sinne, bei der wir |
| |
nur sehen, nur hören, nur |
| |
riechen, nur schmecken, |
| |
Spüren Sie einfach, was auf der Haut ist, als Beispiel dafür, wie Sie gerade jetzt ins Hier und Jetzt kommen. Wir haben auch Übungen zur Selbstbeobachtung und Dankbarkeit. |
| |
Mit Ablenkungen umgehen, denn wir werden ständig abgelenkt. Der Geist macht einfach sein Ding, und Zählübungen und Mantraübungen sind Beispiele dafür. Wir haben auch Übungen, die mit dem Herzen zu tun haben. |
| |
Diese sehr alten Praktiken, Metta |
| |
und Tonglen sind Tausende von Jahren alt und stammen aus asiatischen Kulturen, um liebevolle Güte, Fürsorge für andere sowie Geben und Nehmen zu praktizieren. |
| |
Und dann schließlich dieses letzte, das Bewusstsein ohne Wahl. |
| |
Einfach sein. |
| |
Nichts tun, einfach sein. Sehr beliebt bei Zen |
| |
Praktiker zum Beispiel. Im vergangenen Jahr haben sich über 1.000 Menschen für diese Kurse angemeldet. Etwa 50 % der Teilnehmer absolvieren tatsächlich die vollen acht Wochen. Wir werden einige Statistiken veröffentlichen. |
| |
und zeigt, was diese Angebote tatsächlich leisten. |
| |
Wir befragen |
| |
Einstellungen und Verhaltensweisen der Teilnehmer vor und nach dem Kurs. Wir haben 45 verschiedene Fragen, basierend auf medizinischen Standards. |
| |
Die Umfragen sind freiwillig und anonym und wir verwenden grundsätzlich diese vier Standardfragebögen. Der erste ist ein Fragebogen zur Achtsamkeit mit fünf Facetten. |
| |
Wir verwenden auch den Index der zwischenmenschlichen Reaktivität, der mit Empathie zusammenhängt, also mit einfühlsamer Anteilnahme und der Einnahme von Perspektiven, unterschiedlichen Perspektiven. |
| |
Die Trauerresilienzskala und die Skala für wahrgenommenen Stress, auf die wir uns in der heutigen Demonstration konzentrieren werden. |
| |
Dies ist der am häufigsten verwendete Fragebogen, der sich mit der Einstellung der Menschen zu Stress, der Belastung durch ihre jeweilige Situation und allen |
| |
Wirksamkeit von stressreduzierenden Interventionen, wie diesem Meditationskurs. Die Standardaussagen, die gestellten Fragen, greifen also auf, wie unvorhersehbar |
| |
Wie ist die Situation der Person, ist sie kontrollierbar oder nicht, fühlt sie sich überlastet und wie hoch ist ihr wahrgenommenes Maß an Hilflosigkeit. |
| |
Sie können an der Situation nichts ändern. |
| |
Oder ihre Selbstwirksamkeit: Wie zuversichtlich sind sie, dass sich die Dinge ändern und sie mit dem Stress umgehen können? Wir konzentrieren uns auf zwei dieser Unterskalen, die sich auf das Gefühl der Überlastung und des Kontrollverlusts in dieser Situation beziehen. |
| |
Wir konzentrieren uns bewusst auf Stress, nicht nur für die Demonstration, sondern auch für diese Kurse, da er heutzutage weltweit zu den größten Risikofaktoren im Lebensstil zählt. |
| |
Viele Organisationen entwickeln integrierte Wohlfühlprogramme, um auf die unterschiedlichen Berichte zu reagieren, die überall auftauchen. Die Weltgesundheitsorganisation hat seit mehr als einem Jahrzehnt festgestellt, dass chronischer oder ungelöster Stress der größte Risikofaktor für den Lebensstil ist und übertrifft |
| |
Fettleibigkeit und Bewegungsmangel tragen weltweit am meisten zu körperlichen und geistigen chronischen Erkrankungen bei. |
| |
Also |
| |
die gute Nachricht, eine kurze Zusammenfassung der Ergebnisse, ist, dass wir in diesem Zeitraum von acht Wochen tatsächlich bemerkenswerte Zuwächse feststellen konnten. |
| |
Als wir uns die eingehenden Daten zum ersten Mal ansahen, sahen wir hier ganz einfach einen deutlichen Anstieg bei der Achtsamkeit. |
| |
Empathie, Resilienz und auch eine deutliche Reduzierung der Stresswahrnehmung. Das ist großartig, und wir wollten das genauer untersuchen. Deshalb habe ich meinen Partner in der Statistik kontaktiert, der Ihnen Folgendes mitteilen wird. |
| |
Einige der Umfrageergebnisse aus den gepaarten Antworten vor und nach der Umfrage. Er wird jetzt übernehmen und Ihnen einige der JMP-Funktionen zeigen, die er mit den Antworten aus den Umfragen entwickelt hat. |
| EIN |
Danke, Annie. |
| |
Könnt ihr meinen Bildschirm sehen? Ich kann es nicht. |
| |
Hey Leute, ich muss mir etwas Zeit nehmen und ich weiß nicht, hier funktioniert etwas nicht. |
| |
Danke, Annie. Hallo zusammen. Mein Name ist Narayanan. |
| |
Ich bin Teil der Abteilung für fortgeschrittene Verbrauchermodellierung und Statistik bei P&G. Heute möchte ich die Analysedetails der Daten teilen, die |
| |
stammt aus dem Programm, das Annie gerade beschrieben hat. Meine Agenda besteht aus drei Themen. Ich werde über die Optimierung von Faktormodellen sprechen, dann über die konfirmatorische Faktorenanalyse der |
| |
Optimiertes Faktormodell. Abschließend bespreche ich die longitudinale Messinvarianz. Das ist wichtig, da wir die Veränderung des latenten Mittelwertverlaufs im Zeitverlauf messen wollen. Kommen wir also direkt zum ersten Thema. |
| |
Und warum machen wir die Faktormodelloptimierung überhaupt? Der Grund... es gibt zwei Gründe, warum ich das machen möchte. Zuerst die 10 Fragen, die Annie erwähnt hat |
| |
sind für die beiden Konstrukte, die wir messen möchten, wirklich nicht optimiert. |
| |
Außerdem verfügen wir über eine kleine Stichprobe und möchten sicherstellen, dass wir nicht zu viele Fragen aus der Vor- und Nachbefragung erhalten. |
| |
Dies sind die beiden Gründe, warum wir eine Faktormodelloptimierung durchführen. Dabei greife ich auf zwei Ideen aus der klassischen Testtheorie zurück. |
| |
Eine davon ist Reliabilität. Reliabilität befasst sich mit der Konsistenz der Messung. Wir wollen sicherstellen, dass die Elemente innerhalb eines Konstrukts dasselbe messen. Und es gibt viele verschiedene Maße für Reliabilität. Das, das ich hier verwenden werde, ist das |
| |
Reliabilitätskoeffizient oder Cronbachs Alpha. Die Formel finden Sie hier. Ein Grund, warum ich diese Formel verwende, ist, dass sie in der multivariaten Plattform von JMP über die Option „Item Reliabilität“ verfügbar ist. |
| |
Jetzt ein |
| |
Der Nachteil dieser Maßnahme besteht darin, dass sie davon ausgeht, dass alle Variablen oder Elemente gleichermaßen zuverlässig sind. |
| |
Und wir wissen, dass einige Elemente nicht die gleiche Zuverlässigkeit aufweisen wie andere. In diesem Fall könnten wir den Durchschnittsvarianzextraktor verwenden. |
| |
Was ist das nun? Um das zu erklären, verwende ich hier das Pfaddiagramm des konfirmatorischen Faktorenmodells. Es gibt drei Komponenten, die ich beschreiben möchte. |
| |
Die oberste Variable, die tatsächlich von einem Kreis umschlossen ist, ist die latente Variable. |
| |
Und dann ist da noch einer unten, der von einem Rechteck umschlossen ist, der Indikator. Und in diesem Beispiel gibt es vier Indikatoren, die so große Fragen darstellen, die diese latente Variable anzapfen. |
| |
Dann gibt es vier Lambda-Variablen, die eigentlich die Faktorladungen sind, die die Stärke jedes Indikators angeben |
| |
das Konstrukt anzapfen. Die extrahierte durchschnittliche Varianz ist also eine Funktion der Lambdas und der |
| |
Varianzen der Fehler, die unten stehen. Das Delta steht unten. Hier sind die Fehler |
| |
Komponenten. Der Einfachheit halber betrachten wir sie als Messfehler, und die Varianz dieser Fehler wird ebenfalls in die Berechnung der extrahierten Durchschnittsbewertungen einbezogen. |
| |
Wenn Sie sich die Formel ansehen, ist der Maximalwert 1, wenn unten keine Fehlervarianzen vorhanden sind, und das ist, was wir wollen. |
| |
Also |
| |
Ein weiteres nützliches Element zur Messung der Reliabilität ist die Item-Reliabilität. Sie ist nichts anderes als das individuelle R-Quadrat jeder dieser Regressionen des Indikators auf die latente Variable. Wir werden das in JMP sehen. |
| |
Das zweite wichtige Konzept der klassischen Testtheorie ist die Validität. Validität befasst sich damit, ob die Variable das misst, was sie messen soll. Und auch hier gibt es viele verschiedene |
| |
Versionen der Validität. Ich werde mich auf die diskriminative Validität konzentrieren. Dabei geht es darum, ob die Konstrukte, die Sie messen, eindeutig und verschieden sind. |
| |
Okay, mit diesen beiden Konzepten werde ich nun in JMP einsteigen und einige Details der Modellierung zeigen, die wir durchgeführt haben. Ich beginne mit einer explorativen Faktorenanalyse der 10 Fragen. |
| |
beschäftigt sich mit dem Spannungsbereich. In meiner gesamten Analyse werde ich |
| |
Die Ergebnisse der Analyse werden angezeigt. Ich werde Sie hier nicht Schritt für Schritt durch die einzelnen Schritte führen, da dies sehr zeitaufwändig ist und die Ergebnisse in JMP gut dokumentiert sind. |
| |
das Große, das wir als das |
| |
überladene Komponente und die kleinere mit drei Items bezeichnen wir als unkontrollierbar. Es handelt sich also um eine explorative Faktorenanalyse, die zwei Faktoren zu unterstützen scheint. |
| |
Und wir möchten anhand unserer Daten bestätigen, dass dies tatsächlich zutrifft. Die Daten werden dies belegen. Daher werde ich eine konfirmatorische Faktorenanalyse derselben zehn Fragen durchführen. |
| |
Und wir können sehen, dass die überlastete Komponente mit sieben Indikatoren und die unkontrollierbare Komponente mit drei Indikatoren verbunden ist. |
| |
Wir möchten untersuchen, wie gut diese Daten ... wie gut dieses Modell zu den Daten passt. Und wir sehen, wenn wir uns das Chi-Quadrat ansehen ... Das Chi-Quadrat beträgt 44 bei 34 Freiheitsgraden und ist nicht signifikant. Dieses Modell wird also durch die Daten unterstützt. |
| |
Und unten möchten wir noch etwas anderes sehen, nämlich die Konstruktvaliditätsmatrix, die ich erwähnt habe. |
| |
Die Diagonale dieser Matrix gibt die extrahierte durchschnittliche Varianz an. Wir können sehen, dass die Varianz des unkontrollierbaren Faktors ziemlich hoch und die Varianz des überlasteten Faktors tatsächlich niedrig ist. |
| |
Das orthogonale Element gibt an, wie viel Varianz jeder der Faktoren mit dem anderen Faktor teilt. Und für den überladenen Faktor gibt es die Varianz, die dieser |
| |
Der Anteil des Faktors an unkontrollierbaren Faktoren ist tatsächlich höher als die Varianz, die er an seinen eigenen Indikatoren anteilt, wie auf der Diagonale dargestellt. Und das ist nicht die optimierte Faktorstruktur, die wir uns wünschen. |
| |
Und wenn Sie sich die |
| |
Pfaddiagramm mit den Schätzungen, können Sie in der Tat sehen |
| |
die Zuverlässigkeit einzelner Artikel, die hier in der |
| |
Rechtecke hier. Und Sie können sehen |
| |
Die sieben Indikatoren, die mit der überladenen Faktorkomponente verbunden sind, weisen unterschiedliche Item-Reliabilitäten auf, die zwischen 0,277 und 0,551 liegen. |
| |
Und wir möchten einige auswählen, die |
| |
mit hoher Zuverlässigkeit. |
| |
Wir werden also diese Konzepte der Artikelzuverlässigkeit verwenden, |
| |
Diskriminierungsvalidität, um unseren Faktor tatsächlich zu optimieren. |
| |
Und ich werde zurückgehen und mir ansehen |
| |
alle diese Messwerte in einer Tabelle zusammengestellt. |
| |
Und diese Tabelle hat das Cronbachs Alpha in diesen beiden Spalten, es hat auch die Änderung in Cronbachs Alpha, wenn ein Element gelöscht wird |
| |
aus Cronbachs Alpha des gesamten Verbunds. Außerdem steht in der letzten Spalte die Artikelzuverlässigkeit. Eine Möglichkeit, diese Zahlenmatrix zu betrachten und Ihren Faktor zu optimieren, besteht darin, Artikel mit hoher Zuverlässigkeit auszuwählen, wahrscheinlich die ersten drei. |
| |
In dieser besonderen Situation verwende ich auch gerne |
| |
Die |
| |
Cronbachs Alpha, wenn das Element gelöscht wird. Und wenn Sie sich das dritte Element ansehen, |
| |
obwohl dieser Artikel den dritthöchsten |
| |
Artikelzuverlässigkeit, wenn wir diese Spalte betrachten, nenne ich sie Alpha-Delta, |
| |
Dies ist die Änderung der Zuverlässigkeit im Vergleich zum gesamten Verbund, wenn das Element gelöscht wird. Beim dritten Element gibt es tatsächlich eine große Änderung, und aus diesem Grund habe ich dieses Element nicht ausgewählt, sondern eines direkt darunter. |
| |
Für die optimierte Faktorlösung wähle ich die beiden obersten Elemente aus dem ersten und dem fünften Faktor aus und dann für den zweiten, unkontrollierbaren Faktor die beiden obersten Elemente, da das dritte Element eine sehr geringe Elementzuverlässigkeit aufweist. |
| |
Also, mit |
| |
die Faktorlösung von 10 auf fünf Fragen optimiert, |
| |
Ich werde diese optimierte Faktorlösung bestätigen und sehen, wie wir im Hinblick auf alle Kennzahlen abschneiden, die wir gerade besprochen haben. |
| |
Hier ist also die optimierte Faktorlösung, der Ordnungsfaktor hat drei Indikatoren, die unkontrollierbaren Faktoren zwei Indikatoren, und auch hier passt unser Modell viel besser zu den Daten, Chi-Quadrat von 2, 4 Freiheitsgraden und der Chi-Quadrat-Wert wird nicht abgelehnt. |
| |
Dann gehen wir runter |
| |
und betrachten Sie die diskriminative Validität. Mit der optimierten Faktorlösung können Sie nun sehen, dass die Varianz der überladenen |
| |
und die Varianz, die es mit unkontrollierbar teilt, hat abgenommen. Der orthogonale Wert ist also kleiner als die Werte auf der Diagonalen, und genau das wollen wir unterstützen |
| |
Diskriminanzvalidität. Durch die Optimierung der Lösung haben wir Diskriminanzvalidität erreicht und außerdem ein besseres Modell erhalten als mit den ursprünglichen zehn Fragen. |
| |
Okay, wir haben also unsere Faktorlösung optimiert. |
| |
Der nächste Schritt besteht darin, die Invarianz des Messmodells zu erreichen. |
| |
Erinnern wir uns daran, wo wir stehen. Wir haben viele verschiedene Tabellen und Analysen gesehen. Wir haben |
| |
Empathie, Stress, Resilienz und Achtsamkeit. |
| |
Und wir werden uns nur auf Stress konzentrieren. Die Hauptfrage, die wir hier beantworten wollen, ist, ob es eine Verbesserung der Durchschnittswerte der latenten Variablen gibt. |
| |
Von der Vorbereitung bis zur Post während des achtwöchigen Programms? |
| |
Und um das festzustellen, müssen wir zunächst die Längsschnittinvarianz der Messung nachweisen. |
| |
Was ist das nun? Tatsächlich habe ich kürzlich davon erfahren und möchte hier eine hervorragende Arbeit der JMP-Entwickler Laura Schilo und Paul Russo erwähnen. |
| |
in der aktuellen Ausgabe von Structural Equation Modeling, wo alle verschiedenen Funktionen von JMP, einschließlich der longitudinalen Messinvarianz, detailliert beschrieben werden. |
| |
Bei der Idee der longitudinalen Messinvarianz geht es darum, sicherzustellen, dass sich die Bedeutung der latenten Variable im Laufe der Zeit nicht geändert hat. |
| |
Bevor wir die mittlere Veränderung der latenten Variablen berechnen können, müssen wir sicherstellen, dass wir am Anfang und am Ende dasselbe messen. Um dies sicherzustellen, sind vier Schritte erforderlich. |
| |
Dabei handelt es sich eigentlich um vier verschiedene Modelle. Das erste ist ein Konfigurationsmodell mit den geringsten Einschränkungen bei gleicher Anzahl von Faktoren und gleichem Lademuster. |
| |
Das zweite ist ein schwaches Invarianzmodell, bei dem wir einige weitere Einschränkungen hinzufügen. Wir ziehen sozusagen die Schrauben etwas fester an und stellen die Frage: Wird dieses Modell noch unterstützt? |
| |
Und dann ziehen wir die Schrauben noch etwas an und fragen uns zusätzlich: Was wäre, wenn ich die Qualität der Item-Intercepts vorschreibe? Und schließlich: |
| |
Das letzte Gewinde der Schraube: Was passiert, wenn wir die Artikelvarianzen addieren und eine Qualität davon über die beiden Zeitpunkte hinweg festlegen? |
| |
Die detaillierte Schritt-für-Schritt-Anleitung finden Sie in dem gerade erwähnten Artikel. Ich zeige hier nur die Ergebnisse. |
| |
Hoppla. |
| |
Also in diesem |
| |
Pfaddiagramm, ich zeige |
| |
Die beiden Faktoren Überlastung und Unkontrollierbarkeit treten sowohl in der Phase vor als auch nach der Umfrage auf. Wir haben also die Überlastung vor der Umfrage, die Unkontrollierbarkeit vor der Umfrage und dasselbe gilt für die Phase nach der Umfrage. |
| |
Überlastung wird durch drei Elemente erklärt und Unkontrollierbarkeit ist mit zwei Elementen verbunden. Die Buchstaben hier sind die verschiedenen |
| |
Einschränkungen, die einem Modell auferlegt wurden. Zum Beispiel C3 |
| |
vom überlasteten bis zum Item „fühlte mich nervös und gestresst“ für die Vor |
| |
muss mit dem gleichen Element im Beitrag übereinstimmen. Dies ist Teil der Einschränkungen, die wir dem Modell auferlegen, um sicherzustellen, dass die Einschränkungen unterstützt werden. |
| |
Die Buchstaben geben also die verschiedenen Einschränkungen an, die einem Modell auferlegt wurden, und diese Schätzungen werden gleichgesetzt. Ähnlich verhält es sich mit |
| |
die Achsenabschnitte der äquivalenten Elemente werden ebenfalls gleich gemacht, |
| |
die gekennzeichnet sind durch |
| |
A. |
