1962 wurde ein psychologisches Experiment an 30 Studenten durchgeführt. Glücklicherweise lieferte oder erhielt niemand Elektroschocks (wie im berühmten Milgram-Experiment, das 1961 durchgeführt wurde). Stattdessen wurde jeder Schüler gebeten, sich die Bilder einer Frau anzusehen, die Gesichter macht, und die Unähnlichkeiten des Gesichtsausdrucks hinsichtlich Emotion und Inhalt zu bewerten.
Jetzt bin ich selbst ein Zahlenmädchen (obwohl ich zu einer dunklen Vergangenheit gebe, die einen Nebenfach in der Psychologie beinhaltet), und ich finde es faszinierend, wie Psychologen aus qualitativen, ungenauen Informationen Schlüsse ziehen und Schlussfolgerungen ziehen können. Sie denken vielleicht, dass ich der Pot bin, der den Kessel schwarz nennt, da der Statistik oft vorgeworfen wird, ungenau zu sein. Ich denke jedoch, dass eine bessere Methode zur Interpretation von Statistiken eine Wissenschaft ist, die Zufälligkeit und Ungenauigkeit umfasst, um systematische Muster aufzuklären. Psychologen verstehen dies wahrscheinlich besser als die meisten und verlassen sich stark auf statistische Methoden.
Eine beliebte Methode, mit der sich die Eindrücke der Schüler von Bildern in quantifizierbare Daten verwandeln lassen, ist Multidimensional Scaling (MDS), eine multivariate Methode, ähnlich der Principal Components Analysis, die zur Klasse der Dimensionsreduktionsmethoden gehört. MDS nimmt eine Reihe von Unähnlichkeiten zwischen mehreren Objekten auf und ermittelt die beste Darstellung der Objekte als Koordinaten, beispielsweise in einer zweidimensionalen Karte. Ein klassisches Beispiel sind paarweise Entfernungen zwischen Städten. Wenn MDS auf die Entfernungen angewendet wird, sind die Koordinaten für jede Stadt die sehr genau ihren tatsächlichen Positionen auf einer Karte entsprechen. MDS hat sich zu einer beliebten Methode in Bereichen wie Psychologie, Ökologie, räumliche Statistik und Genetik entwickelt, um nur einige zu nennen.
Nun zurück zu unserem Beispiel für Gesichtsausdrücke. Wir haben paarweise Unähnlichkeiten zwischen 13 verschiedenen Gesichtern der Frau:
1. Trauer um den Tod der Mutter
2 Eine Cola genießen
3. Sehr angenehme Überraschung
4 Mutterliebe, Baby in den Armen
5 Körperliche Erschöpfung
6 Etwas stimmt nicht mit dem Flugzeug
7. Ärger darüber, wie Hund geschlagen wird
8 Hart am Stuhlsitz ziehen
9 Unerwartet trifft alten Freund
10 Abscheu
11 Extreme Schmerzen
12 Weiß das Flugzeug abstürzt
13 Leichter Schlaf
Ich möchte mit MDS versuchen zu verstehen, wie diese Emotionen wahrgenommen werden, aber JMP hat keine Plattform für MDS. Es gibt jedoch ein MDB-Verfahren in SAS sowie MDS Pakete in R und JMP integriert sich in beide!
Zum Glück hat ein brillanter Statistiker, der meinen Namen teilt, bereits ein geschrieben JMP-Add-In dass ich von der bekommen kann JMP-Dateiaustausch Um MDS entweder über SAS oder R auszuführen, lade ich das Add-In herunter und installiere es schnell (ähnlich wie ein R-Paket funktioniert), und ich bin im Geschäft! (Sie können Laden Sie das Add-In herunter , auch; es ist kostenlos, aber Sie benötigen ein SAS-Login, um es zu erhalten.)
Ich habe R auf meinem Computer installiert, was bedeutet, dass JMP eine Verbindung zu R herstellen, Daten senden und R-Code senden kann. Ich kann meine Ergebnisse in JMP abrufen, um einige dynamische interaktive Tools zu verwenden. Alles, was ich tun muss, ist, meine Datentabelle zu öffnen, zum Menü Add-Ins zu gehen und den Befehl Mehrdimensionale Skalierung auszuwählen, der vom Add-In erstellt wurde. Ich starte ein Dialogfeld (siehe unten), füge die Unähnlichkeiten ein, auf denen ich den MDS ausführen möchte, stelle einige Optionen ein und klicke auf Ausführen.
JMP stellt eine Verbindung zu R (oder SAS) her und einige Sekunden später erhalte ich Ergebnisse! Das erste Diagramm, das gestartet wird, sagt mir, wie gut die Daten für eine Reihe von Dimensionen in Koordinaten passen. Ich entscheide, dass ich die MDS-Ergebnisse in zwei Dimensionen sehen möchte. Deshalb wähle ich den Punkt aus, der 2 in der Grafik entspricht, und klicke auf die Schaltfläche unter der Grafik, um die MDS-Ergebnisse anzuzeigen.
Die Anzeige unten zeigt mir jetzt viele Informationen darüber, wie die Schüler die emotionalen Gesichter der Frau wahrgenommen haben. In der folgenden Grafik bedeuten Punkte, die näher beieinander liegen, dass diese Gesichtsausdrücke ähnlichere Emotionen darstellen. Die Ausdrücke werden farbig dargestellt, indem die Koordinaten gebündelt werden, um eine Vorstellung davon zu erhalten, wie sie sich zu einer allgemeinen Klasse von Emotionen zusammenfassen können.
Einige Dinge sind vorhersehbar, wie die Muster in Schmerz, Trauer und Abscheu, während für andere etwas interessantes lernen kann. Ich selbst hätte KEINE Begegnung mit einem alten Freund mit mütterlicher Liebe und einer angenehmen Überraschung assoziiert, aber ich denke, die Dame, die die Gesichter macht, hat bessere Erfahrungen gemacht!
Ich habe definitiv gelernt, dass die Verwendung von JMP in Verbindung mit SAS oder R unbegrenzte Möglichkeiten für die Analyse und Datenanalyse bietet. Dank der neuen Add-In-Architektur in JMP können Benutzer ihre Analysen auf diese Weise erweitern. Ich ermutige alle JMP-Scripter, SAS-Programmierer und R-Experten, ihre eigenen Add-Ins an die JMP-Dateiaustausch So können andere von Ihrer Forschung und Erfahrung profitieren!
Mehr darüber lernen JMP-Add-Ins und SAS- oder R-Integration finden Sie in einigen Veröffentlichungen und Gesprächen SAS Global Forum , die anstehenden Treffen der Anwendergruppen in Las Vegas.
Kelci Miclaus, Clay Barker, Jun Ge. 2011 „JMP® als Analytic Hub: Mit JMP zum Erstellen von benutzerdefinierten Anwendungen über SAS® und R.“. Verfahren der SAS Global Forum 2011 Conference. Cary, NC: SAS Institute Inc. Verfügbar um http://support.sas.com/resources/papers/proceedings11/TOC.html .
Eric Hill 2011 „JMP 9-Add-Ins: Visualisierung von SAS-Daten auf neue Höhen bringen.“ Proceedings of the SAS Global Forum 2011 Conference. Cary, NC: SAS Institute Inc. Verfügbar um http://support.sas.com/resources/papers/proceedings11/TOC.html .
