Signaldetektionsteori er en teori inden for matematik, statistik og psykologi, der primært beskæftiger sig med de deskriptive og normative teorier om at skelne mellem signaler og støj. Inden for dette felt er modtagerdriftskarakteristikken (ROC) et vigtigt koncept, da det giver forskere mulighed for at plotte korrekte detektioner versus falske positive. SPSS, et kraftfuldt stykke statistisk software, er i stand til at plotte en sådan kurve for en forskers data.
Trin 1
Tjek og arranger dine data. For at bruge ROC skal dine data være i den rigtige form. Du skal som minimum have følgende variabler: "detektionstype" (en liste over de tests eller enheder, der bruges til detektion), "detekterede signaler" (1 repræsenterer detektion og 0 repræsenterer manglende detektion) og "count" (antal datapunkter for hver test/detektion kombination). Arranger dataene for disse tre variable i kolonner, ikke rækker.
Dagens video
Trin 2
Indtast dataene i SPSS. Åbn SPSS og vælg "Filer" fra menuen ovenfor. Vælg "åbn" og vælg den fil, der indeholder dit datasæt.
Trin 3
Vægt tilfælde efter "tælle". SPSS kan ikke skelne mellem, om dataene for "optælling" er repræsentative for et enkelt datapunkt eller en akkumulering af datapunkter. Derfor skal du udtrykkeligt fortælle SPSS, at "count" repræsenterer mere end ét datapunkt. Vælg "data" i topmenuen. Vælg "vægtkasser" og en ny menu kommer frem. Klik på knappen til venstre for "vægtkasser efter." Fremhæv "tælle", og klik på pilen under "vægtkasser efter." "Tælle" vises under "frekvensvariabel". Klik på "ok".
Trin 4
Anvend ROC-kurven. Vælg "analyse" fra topmenuen. Vælg indstillingen "ROC-kurve". Fremhæv "detektionstype" og klik på pilen ved siden af boksen under "testvariabel" for at placere "detektionstype" i denne boks. Fremhæv "detekterede signaler" og klik på pilen ud for boksen under "tilstandsvariabel" for at placere "detekterede signaler" i denne boks. Skriv "1" i feltet ud for "værdien af tilstandsvariabel." Klik på "ok" og ROC-kurven vises.
