Дополнительная достоверность

Дополнительная валидность — это тип валидности , который используется для определения того, ли новая психометрическая повысит оценка прогностическую способность сверх той, которую обеспечивает существующий метод оценки. ^{[ 1 ]} Другими словами, дополнительная валидность направлена на то, чтобы определить, добавляет ли новая оценка информацию, которую невозможно получить с помощью более простых, уже существующих методов. ^{[ 2 ]}

Определение и примеры

Когда оценка используется с целью прогнозирования результата (возможно, другого результата теста или какого-либо другого поведенческого показателя), новый инструмент должен показать, что он способен расширить наши знания или прогнозировать переменную результата за пределы того, что уже известно на основе существующие инструменты. ^{[ 3 ]}

Положительным примером может служить врач, который использует технику интервью, а также специальную анкету для определения наличия у пациента психического заболевания, и добивается большего успеха в определении психического заболевания, чем врач, который использует только технику интервью. Таким образом, конкретный вопросник будет считаться достоверным по мере возрастания. Поскольку анкета в сочетании с интервью дает более точные определения и добавляет информацию для врача, анкета становится более достоверной.

Статистические тесты

Дополнительную достоверность обычно оценивают с использованием множественных методов регрессии . Сначала к данным подгоняется регрессионная модель с другими переменными, а затем к модели добавляется фокусная переменная. Значительное изменение в статистике R-квадрата (с использованием F-теста для определения значимости) интерпретируется как указание на то, что новая добавленная переменная обеспечивает значительную дополнительную прогностическую силу для зависимой переменной по сравнению с переменными, ранее включенными в регрессионную модель. Напомним, что статистика R-квадрата в множественной регрессии отражает процент дисперсии, учитываемой в переменной Y с использованием всех переменных X. Таким образом, изменение R-квадрата будет отражать процент дисперсии, объясненной переменной, добавленной в модель. Изменение R-квадрата более целесообразно, чем простое рассмотрение необработанных корреляций, поскольку необработанные корреляции не отражают перекрытие вновь введенного показателя и существующих показателей. ^{[ 3 ]}

Примером этого метода является прогнозирование среднего балла успеваемости в колледже ( GPA ), где средний балл средней школы и результаты вступительных тестов (например, SAT , ACT ) обычно составляют большую часть отклонений в среднем балле колледжа. Использование вступительных тестов подтверждается дополнительными доказательствами валидности. Например, SAT до 2000 года коррелировал 0,34 со средним баллом первокурсника, тогда как средний балл средней школы коррелировал 0,36 со средним баллом первокурсника. ^{[ 4 ]} Может показаться, что оба показателя являются надежными предикторами среднего балла первокурсника, но на самом деле средний балл средней школы и баллы SAT также сильно коррелируют, поэтому нам нужно проверить, какую прогностическую силу мы получаем от SAT, если учитывать средний балл средней школы. На дополнительную достоверность указывает изменение R-квадрата, когда средний балл средней школы включен в модель. В этом случае средний балл средней школы составляет 13% разницы в среднем балле первокурсника, а комбинация среднего балла средней школы плюс SAT составляет 20% разницы в среднем балле первокурсника. Таким образом, SAT добавляет 7 процентных пунктов к нашей предсказательной способности. Если это существенно и считается важным улучшением, то мы можем сказать, что SAT имеет дополнительную ценность по сравнению с использованием только среднего балла средней школы для прогнозирования среднего балла первокурсника. Любой новый критерий поступления или тест должен добавлять дополнительную прогностическую силу (дополнительную достоверность), чтобы быть полезным при прогнозировании среднего балла в колледже, когда средний балл средней школы и результаты тестов уже известны.

См. также

Ссылки

^ Сакетт, Пол Р.; Ливенс, Филип (2008). «Кадровый отбор». Ежегодный обзор психологии . 59 : 419–450. дои : 10.1146/annurev.psych.59.103006.093716 . ПМИД 17854285 . S2CID 44560725 .
^ Лилленфилд и др. 2005 «Что не так с этой картинкой?» www.psychologicalscience.org http://www.psychologicalscience.org/newsresearch/publications/journals/sa1_2.pdf
^ Перейти обратно: ^а ^б Хейнс, С.Н.; Ленч, ХК (2003). «Повышение достоверности новых показателей клинической оценки» (PDF) . Психологическая оценка . 15 (4): 456–466. дои : 10.1037/1040-3590.15.4.456 . ПМИД 14692842 . Проверено 13 декабря 2013 г.
^ Бриджман, Б.; Маккамли-Дженкинс, Л.; Эрвин, Н. (2000). «Прогнозы среднего балла первокурсника на основе пересмотренного и обновленного SAT® I: тест на рассуждение» (PDF) . Этс Рр 00-1 . Служба образовательного тестирования, Принстон, Нью-Джерси . Проверено 13 декабря 2013 г.

[Sackett-1] Сакетт, Пол Р.; Ливенс, Филип (2008). «Кадровый отбор». Ежегодный обзор психологии . 59 : 419–450. дои : 10.1146/annurev.psych.59.103006.093716 . ПМИД 17854285 . S2CID 44560725 .

[2] Лилленфилд и др. 2005 «Что не так с этой картинкой?» www.psychologicalscience.org http://www.psychologicalscience.org/newsresearch/publications/journals/sa1_2.pdf

[Haynes-3] Перейти обратно: ^а ^б Хейнс, С.Н.; Ленч, ХК (2003). «Повышение достоверности новых показателей клинической оценки» (PDF) . Психологическая оценка . 15 (4): 456–466. дои : 10.1037/1040-3590.15.4.456 . ПМИД 14692842 . Проверено 13 декабря 2013 г.

[Bridgeman-4] Бриджман, Б.; Маккамли-Дженкинс, Л.; Эрвин, Н. (2000). «Прогнозы среднего балла первокурсника на основе пересмотренного и обновленного SAT® I: тест на рассуждение» (PDF) . Этс Рр 00-1 . Служба образовательного тестирования, Принстон, Нью-Джерси . Проверено 13 декабря 2013 г.

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]