タグ付けされた質問 「psychology」

2015年2月25日に、ジャーナルBasic and Applied Social Psychology は、将来のすべての論文から値と信頼区間を禁止する社説を発行しました。ppp 具体的には、彼らは言う（フォーマットと強調は私のものです）： [...]出版前に、著者はNHSTPのすべての痕跡を削除する必要があります[null仮説の有意性検定手順]（値、値、値、「有意な」差異またはその欠如に関する記述、 等々）。ppptttFFF NHSTPが棄却の強力なケースを提供するために必要な帰無仮説の確率の提供に失敗する方法と同様に、信頼区間は対象の母集団パラメーターが指定された範囲内にあると結論付けるための強力なケースを提供しません間隔。したがって、信頼区間もBASPから禁止されています。 [...]ベイジアンの手順に関して、私たちはケースバイケースの判断を行う権利を留保します。したがって、ベイジアンの手順はBASPに必要でも禁止でもありません。 [...]推論統計手順は必要ですか？- いいえ [...]ただし、BASPでは、効果の大きさなどの強力な記述統計が必要です。 ここで、値の問題と誤用については説明しません。p-valueタグを参照すると、CVに関する優れた議論がたくさんあります。値の批判は、多くの場合、関心のあるパラメーターの信頼区間を報告するためのアドバイスと一緒になります。たとえば、この非常によく議論された回答では、 @ gungは、効果のサイズとその周囲の信頼区間を報告することを提案しています。しかし、このジャーナルは信頼区間も禁止しています。pppppp 値、信頼区間、および重要/重要でない二分法による「従来の」アプローチとは対照的に、データと実験結果を提示するこのようなアプローチの利点と欠点は何ですか？この禁止に対する反応はほとんど否定的なようです。それでは、欠点は何ですか？アメリカ統計協会は、この禁止について、「この政策はそれ自体の否定的な結果をもたらすかもしれない」と言って、簡単な落胆的なコメントを投稿しました。これらの負の結果は何でしょうか？ppp または、@ whuberが提案したように、このアプローチは一般的に定量的研究のパラダイムとして提唱されるべきですか？もしそうでなければ、なぜですか？ PS。私の質問は禁止自体に関するものではないことに注意してください。それは提案されたアプローチについてです。私は、頻度論者対ベイジアン推論についても尋ねていません。エディトリアルは、ベイジアン手法についてもかなり否定的です。したがって、基本的には統計を使用することと、統計をまったく使用しないことです。 その他の議論：reddit、Gelman。

73 hypothesis-testing  confidence-interval  p-value  effect-size  psychology 

主成分分析（PCA）を実行した後、新しいベクトルをPCA空間に投影します（つまり、PCA座標系で座標を見つけます）。 を使用してR言語でPCAを計算しましたprcomp。これで、ベクトルにPCA回転行列を掛けることができるはずです。このマトリックスの主成分を行または列に配置する必要がありますか？

21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 

以前は、心理測定の観点からアイテムを分析していました。しかし今、私は動機や他のトピックに関する他のタイプの質問を分析しようとしています。これらの質問はすべてリッカート尺度に基づいています。私の最初の考えは、要因分析を使用することでした。なぜなら、いくつかの根本的な次元を反映するように質問が仮定されているからです。 しかし、因子分析は適切ですか？ 次元に関する各質問を検証する必要がありますか？ リッカート項目の因子分析の実行に問題はありますか？ リッカートやその他のカテゴリー項目について因子分析を実施する方法に関する優れた論文や方法はありますか？

17 factor-analysis  scales  psychometrics  likert  psychology 

誰かが他のものよりも選択する理由についての例を提供できますか？それらは別々に計算されますか？

13 sem  psychometrics  psychology  scale-construction 

被験者（2グループ）の振動を知覚する能力を測定する心理生理学的データを収集しました。振動プローブはますます小さな変位で皮膚に対して動き、被験者はいつ振動を感じるかを示します。残念ながら、高周波数では、プローブは短距離しか移動できず、プローブが移動できる最大距離は、被験者が知覚するのに十分な大きさではない場合があります。したがって、一部の被験者には正確なしきい値がありますが、振動を感じたことがない人には、しきい値がそれより大きいことを知っている値があります。このデータをまだ含める方法はありますか？そして、それを分析する最良の方法は何ですか？

12 nonparametric  psychology 

少なくとも両極端のスケールでこれらの仮定に違反しているという合理的な期待がある場合に、人々がリッカートスケールのデータを分析して、エラーが連続的でガウス的であるかのように分析する方法が好きではありません。次の代替案についてどう思いますか： 応答がポイントスケールで値をとる場合、そのデータを回の試行に拡張しますの値は1で、の値は0です。したがって、リッカートスケールでの応答はあたかもは、隠れた一連の二項試験の明白な集合体です（実際、認知科学の観点から、これは実際には、そのような意思決定シナリオに関与するメカニズムの魅力的なモデルです）。展開されたデータを使用して、ランダム効果として回答者を指定し（複数の質問がある場合はランダム効果として質問も）、二項リンク関数を使用して誤差分布を指定する混合効果モデルを使用できます。kkkんんnんんnkkkn − kん−kn-k 誰もがこのアプローチの仮定違反や他の有害な側面を見ることができますか？

11 binomial  psychometrics  likert  psychology 

次の形式のGLMMがあります。 lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) 私が使用している場合drop1(model, test="Chi")、私は私が使用している場合とは異なる結果を得るAnova(model, type="III")車のパッケージからかsummary(model)。後者の2つは同じ答えを与えます。 大量の偽造データを使用して、これらの2つの方法は通常違いがないことがわかりました。それらは、平衡線形モデル、不平衡線形モデル（異なるグループでnが等しくない場合）、および平衡一般化線形モデルに対して同じ答えを示しますが、平衡一般化線形混合モデルに対しては同じ答えを与えません。したがって、ランダムな要素が含まれている場合にのみ、この不一致が現れます。 これらの2つの方法の間に違いがあるのはなぜですか？ GLMMを使用する場合は必要がありますAnova()かdrop1()使用できますか？ これらの2つの違いは、少なくとも私のデータでは、かなりわずかです。どちらを使用するかは問題ですか？

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

実験的な研究に参加する心理的な広告を見ると、いつも少し驚いています。確かに、これらの広告に反応する人々は無作為に抽出されるわけではないため、自己選択された集団です。 ランダム化によって自己選択の問題が解決されることがわかっているので、非ランダムサンプルのランダム化によって実際に何かが変化したのかどうか疑問に思いました。 どう思いますか ？また、自分で厳選したサンプルに基づいてこれらすべての心理実験を行うにはどうすればよいでしょうか。

9 sampling  psychology  random-allocation 

私は、10項目の自己報告メジャーの心理測定特性を調査しています。2つの独立したサンプルで約400のケースがあります。アイテムは4ポイントリッカートスケールで完成します。EFAは明らかに1要素の解（たとえば、最初の固有値が6を超え、他はすべて1未満）をサポートし、クロンバッハのアルファは優れています（たとえば、.90）。アイテムと合計の相関が低いアイテムはありません。 私はもともとCFAを実行したいと思っていました（EFAはCFAが良くないことを確認した後の単なるフォローアップでした）単要素モデルをテストしました。驚いたことに、モデルへの適合は比較的不十分でした。 CFI=.91 TLI=.88 RMSEA=.13 さらに、各アイテムのロードは非常に良好です（0.65以上）。 奇妙なことにSRMR=.05、これは許容可能/良好です。 修正インデックスは、私がいたるところにエラーを関連付けることを示唆しています。そうすることの明確な合理性があった場合（たとえば、いくつかの項目は非常に類似した文言を持っている）、私はこれを行うでしょう。ただし、すべての測定値は同じように表現されており、すべての誤差項を関連付けることは奇妙で苦痛でしょう。 このようなケースを見たことがありません。指標は内部的に一貫しており、明らかにEFAの1つの要素で構成されていますが、CFAでの適合性は不十分です。結果は両方の独立したサンプル（異なる大陸から）で一致しています。私は2因子CFA（5つのランダムな項目をグループ化）を試してみましたが、適合は同じか、わずかに優れていました。 ここに私の質問があります： EFA / Cronbachアルファ/因子の負荷を考えると、CFI / TLI / RMSEAによる適合はなぜそれほど悪いのですか？ なぜSRMRは良いのに他のインデックスはそうでないのですか？私はそれらが異なるものを測定することを知っていますが、私の経験では、ほとんど常に収束します。 エラーのいくつかを関連付ける必要がありますか？ アイテムの例： あなたは自分の欠点について考えています あなたは忘れることが難しい考えを持っています あなたはいつも状況を考えています

9 factor-analysis  survey  psychometrics  psychology  confirmatory-factor 

多くの被験者の反応時間をテストする実験があり、各被験者が多くの反応時間の試行を行っているとします。ベイジアンフレームワークでは、反応時間（）は、被験者レベルと被験者グループ全体の両方に事前分布がある階層モデルによってモデル化できます。モデルの図、クルシュケスタイルは次のようになります。yyy ...そして対応するバグ/ジャグコードは次のようになります： for(i in 1:length(y)) { y[i] ~ dnorm(mu[subj[i]], tau[subj[i]]) } for(j in 1:nbr_of_subjects) mu[subj[i]] ~ dnorm(M_mu, P_mu) tau[subj[i]] ~ dgamma(S_tau, R_tau) } M_mu ~ dnorm(M_M, P_M) P_mu ~ dgamma(S_P, R_P) S_tau <- pow(m , 2) / pow(sd, 2) R_tau <- m / pow(sd, 2) m ~ dgamma(S_m, R_m) sd …

8 bayesian  jags  psychology  hierarchical-bayesian 

最近の研究は、特定の心理的構成要素が潜在的に次元的であるか分類学的であるか（すなわち、分類群またはクラスを含むか）を決定しようとしました。たとえば、研究者は、怪我後に慢性疼痛を発症する可能性が高い特定の「クラス」の人々がいるかどうか、または慢性疼痛を発症するリスクが、限られたリスクから非常に高いリスク。私は、研究者が2種類の分析を使用してこれらのタイプの質問に答えようとすることに気づきました。 以下は、タキソメトリック調査の例です。 不安過敏症の分類学：多国籍分析 不確実性構造の不寛容の潜在構造の評価：初期の分類学的分析 潜在クラス分析を使用した例をいくつか示します。 最近発症したタバコ喫煙者で観察された経験に由来するタバコ依存症候群の潜在クラス：全国確率サンプル調査からの疫学的証拠 外傷後ストレス障害の構造：2つのコミュニティサンプルの潜在クラス分析 ここに私の質問があります： 英語で、これら2つのタイプの分析の主な違いは何ですか？可能であれば、彼らが異なる質問に答えるかどうか、そしてそれらが分析的に（数学的に）どのように異なるかを詳しく説明します。 私の「紹介」で強調した質問のタイプに答えるのにどちらが良いですか、そしてなぜですか？おそらく、これは現時点では本当に答えられないでしょう。 また、このトピックに関連すると思われる情報を共有してください。フォローアップ質問がある気がします！

8 clustering  latent-variable  psychology  latent-class  model-based-clustering 

私の大学の（心理学）学生のための方法論/統計コンサルタントとしてのアルバイトの新しいウェブページに取り組んでいます。このWebサイトでは、クライアントが自分で相談できるように、オンラインリソースへのリンクをいくつか配置したいと思います。 だから私は多くの統計情報を提供するウェブサイトへのリンクを探しています。理解しやすい方法で書くことが望ましい。ほとんどの学生はSPSSを使用していますが、他のプログラムに関する情報も歓迎します。 これまでのところ： www.crossvalidated.com www.statmethods.net

8 spss  psychology  web