Signaldetekteringsteori är en teori inom matematik, statistik och psykologi som främst handlar om de beskrivande och normativa teorierna om att skilja mellan signaler och brus. Inom detta område är mottagarens funktionskarakteristik (ROC) ett viktigt koncept, eftersom det gör det möjligt för forskare att plotta korrekta upptäckter kontra falska positiva. SPSS, en kraftfull statistisk programvara, kan rita en sådan kurva för en forskares data.
Steg 1
Kontrollera och ordna dina uppgifter. För att använda ROC måste dina uppgifter vara i rätt form. Du behöver åtminstone följande variabler: "detektionstyp" (en lista över tester eller enheter som används vid detektering), "upptäckta signaler" (1 representerar detektion och 0 representerar bristande detektion) och "count" (antal datapunkter för varje test/detektion kombination). Ordna data för dessa tre variabler i kolumner, inte rader.
Dagens video
Steg 2
Ange data i SPSS. Öppna SPSS och välj "Arkiv" från menyn ovan. Välj "öppna" och välj filen som innehåller din datamängd.
Steg 3
Vikt fall efter "räkning". SPSS kan inte skilja mellan om data för "räkning" är representativ för en enskild datapunkt eller en ansamling av datapunkter. Därför måste du uttryckligen tala om för SPSS att "count" representerar mer än en datapunkt. Välj "data" i toppmenyn. Välj "viktfall" så kommer en ny meny upp. Klicka på knappen till vänster om "vikt fall efter." Markera "räkna" och klicka på pilen under "vikt fall efter." "Count" kommer att visas under "frekvensvariabel". Klicka på "ok".
Steg 4
Använd ROC-kurvan. Välj "analysera" från toppmenyn. Välj alternativet "ROC-kurva". Markera "detektionstyp" och klicka på pilen bredvid rutan under "testvariabel" för att placera "detektionstyp" i den här rutan. Markera "upptäckta signaler" och klicka på pilen bredvid rutan under "tillståndsvariabel" för att placera "upptäckta signaler" i denna ruta. Skriv "1" i rutan bredvid "värde av tillståndsvariabel." Klicka på "ok" och ROC-kurvan visas.
