Temat: Jak utworzyć nową zmienną, która będzie sumą innych...

Witam,
napotkałam na pewną trudność w procesie liczenia moich wyników w badaniu do pracy magisterskiej i nie wiem jak sobie z tym poradzić.
Chciałam Was poprosić o pomoc.

mianowicie: jak w SPSSie zliczyć wyniki dla podskal w teście psychologicznym?

Na przykład: Zrobiłam badanie CISSem (mierzy style radzenia sobie ze
stresem- Styl Skoncentrowany na Zadaniu- SSZ, Styl Skoncentrowany na
Emocjach-SSE i Styl Skoncentrowany na Unikaniu-SSU, który dzieli się
jeszcze na PKT-Poszukiwanie Kontaktów Towarzyskich i ACZ-Angażowanie
się w Czynności Zastępcze). Określone pytania wchodzą w skład każdej
podskali.

i wpisałam to tak: Każde pytanie jest jedną zmienną.
Chciałabym teraz dodać zmienne, które będą wynikami (czyli właściwie
sumami punktów z pytań przypisanych do każdej podskali) dla tych
poszczególnych podskal-SSZ, SSE, SSU, PKT i ACZ. Jak to zrobić w
SPSSie, jak stworzyć zmienną, która będzie sumą punktów określonych
pytań, czyli właściwie sumą wyników innych zmiennych?

Jeżeli ktoś wie- będę bardzo wdzięczna za pomoc:)
Dziękuję już teraz:)

Temat: Jak utworzyć nową zmienną, która będzie sumą innych...

Już wiem.
Odpowiem sobie sama- może komuś się przyda:

Przekształcenia-> Oblicz wartości-> dodać nazwę zmiennej wynikowej-> W okienku "wyrażenie numeryczne": SUM(tu przerzucić zmienną którą chcemy dodać+ przerzucić kolejną zmienną+itd....)

Temat: Jak utworzyć nową zmienną, która będzie sumą innych...

Na "pałę" właśnie tak się to robi i niestety masa wykładowców/promotorów/recenzentów dalej tłucze takie oldskulowe podejście rodem z epoki przedkomputerowej, czego sam miałem okazję kilkakrotnie doświadczyć. W praktyce o wiele lepiej dokładniej zbadać wymiarowość skali przy użyciu FA/PCA a jako oszacowania zmiennych latentnych traktować wartości czynnikowe - wtedy naprawdę wiemy, na czym stoimy.

Temat: Jak utworzyć nową zmienną, która będzie sumą innych...

@Paweł: muszę bardzo mocno zaprotestować.

PCA warto robić. Jeszcze lepiej: warto robić CFA, IRT.

Ale jeśli używamy w dalszych analizach statystycznych wartości czynnikowe z PCA: problem jest właśnie w tym, że nie wiemy na czym stoimy. W celach eksploracyjnych: jak najbardziej tak można. Do redukcji danych w algorytmie automatycznym, żeby później nie nadziać się na problemy ze współliniowością: w prostych przypadkach i niewielkiej wielowymiarowości: niech będzie; w bardziej złożonych sytuacjach PCA nie poradzi sobie i trzeba będzie sięgnąć po inne metody regularyzacji.

Ale jeśli konstruujemy narzędzie pomiarowe i chcemy ze skali korzystać w więcej niż w jednym badaniu, używanie każdorazowo PCA nie jest dobrym pomysłem. Można zacząć od tego, że czasem chcemy użyć narzędzia z podskalami skorelowanymi, podczas gdy PCA próbuje znaleźć rozwiązanie ortogonalne (sięganie później po rotacje skośne raczej tylko diagnozuje problem, niż go rozwiązuje; problem rozwiązałoby używanie oceny konstruktu latentnego z CFA). Ale problem wciąż istnieje również wtedy, gdy zakładamy i obserwujemy rozwiązanie ortogonalne.

PCA daje wynik z efektem nadmiernego dopasowania (overfit) i będzie w różny sposób konstruować oceny na różnych zbiorach danych (nawet jeśli całość rozwiązania wyjdzie podobnie, wagi są jednak zawsze trochę inne). Dalszy problem: jeśli skala nie jest idealna (najczęściej nie jest) i mamy skorelowane błędy pomiaru pomiędzy wskaźnikami, PCA zawyży wagi dla pozycji o skorelowanych błędach. Można próbować się gimnastykować i próbować korygować problemy (walidacja krzyżowa dla overfit? metody ważone), ale w praktyce okaże się, że właśnie to proste, "oldskulowe" zliczanie wyników itemów będzie miało wyższą oczekiwaną rzetelność test-retest. I to dlatego to podejście tłuką recenzenci i wykładowcy. Ja już nie będę się upierał, że każdy rozumie z jakiego powodu, a jeśli rozumie, to że potrafi i chce wyjaśnić, ale tłuką dobrze.

Swoją drogą: PCA jest techniką z epoki przedkomputerowej, staruszce dawno już stuknęła setka.Mariusz T. edytował(a) ten post dnia 07.06.12 o godzinie 10:38