К вопросу о выборе модели при оценивании индивидуальных различий в траекториях латентного роста
DOI:
https://doi.org/10.54359/ps.v6i27.719Ключевые слова:
индивидуальные различия, моделирование латентного роста, компьютерная симуляция, скорость переработки информации, интеллектАннотация
В исследованиях скорости переработки информации в задачах с варьирующей сложностью часто обнаруживаются проблемы методологического характера, связанные с невозможностью оценить надежные индивидуальные различия в параметрах, характеризующих возрастание времени ответа с усложнением задачи, а также с нестабильностью получаемых корреляций этих параметров с внешними мерами. В данной работе с помощью компьютерных симуляций, включавших многократную генерацию данных и их последующий анализ на основе моделирования латентного роста, демонстрируется, что нестабильность и систематическое занижение оценок связи параметра роста с внешней мерой вполне может быть следствием некорректного выбора модели для описания индивидуальных траекторий возрастания. Кроме того, выбор недостаточно «гибкой» функции для моделирования может не позволить корректным образом идентифицировать индивидуальные различия в форме возрастания. Полученные результаты и выводы, хотя и обсуждаются в контексте изучения скорости переработки информации, справедливы для любых исследований, в которых на латентном уровне моделируются траектории изменения психологических показателей.
Скачивания
Литература
Beauducel A., Brocke B. Intelligence and speed of information processing: further results and questions on Hick’s paradigm and beyond. Personality and Individual Differences, 1993, 15(6), 627–636. doi: 10.1016/0191-8869(93)90004-M
Blackwell R.J. Galileo, Bellarmine, and the Bible. Notre Dame: University of Notre Dame Press, 1991.
Dodonov Y.S., Dodonova Y.A. Response time analysis in cognitive tasks with increasing difficulty. Intelligence, 2012, 40(5), 379–394. doi: 10.1016/j.intell.2012.07.002
Duncan T.E., Duncan S.C. Modeling the processes of development via latent variable growth curve methodology. Structural Equation Modeling. 1995, 2(3), 187–213. doi: 10.1080/10705519509540009
Hick W.E. On the rate of gain of information. The Quarterly Journal of Experimental Psychology, 1952, 4(1), 11–26. doi: 10.1080/17470215208416600
Hunt E., MacLeod C.M. The sentence-verification paradigm: A case study of two conflicting aproaches to individual differences. Intelligence, 1978, 2(2), 129–144. doi: 10.1016/0160-2896(78)90004-1
Hyman R. Stimulus information as a determinant of reaction time. Journal of Experimental Psychology, 1953, 45(3), 188–196. doi: 10.1037/h0056940
Jensen A. Individual differences in the Hick paradigm. In: P.A. Vernon (Ed.), Speed of information processing and intelligence. Norwood, NJ: Ablex, 1987(а). pp. 101–175.
Jensen A.R. Process differences and individual differences in some cognitive tasks. Intelligence. 1987(b), 11(2), 107–136. doi: 10.1016/0160-2896(87)90001-8
Jensen A. The g factor. London: Praeger, 1998(а).
Jensen A. The suppressed relationship between IQ and the reaction time slope parameter of the Hick function. Intelligence, 1998(b), 26(1), 43–52. doi: 10.1016/S0160-2896(99)80051-8
Jensen A.R. Clocking the mind: Mental chronometry and individual differences. Amsterdam: Elsevier, 2006.
Jöreskog K.G., Sörbom D. LISREL VI: Analysis of linear structural relationship by maximum likelihood and least squares methods. Chicago: National Educational Resources, 1981.
Kornblum S. Sequential determinants of information processing in serial and discrete choice reaction time. Psychological Review, 1969, 76(2), 113–131. doi: 10.1037/h0027245
Lohman D.F. Component scores as residual variation (or why the intercept correlates best). Intelligence, 1994, 19(1), 1–11. doi: 10.1016/0160-2896(94)90048-5
McArdle J.J., Epstein D. Latent growth curves within developmental structural equation models. Child Development, 1987, 58(1), 110–133. doi: 10.2307/1130295
Meredith W., Tisak J. Latent curve analysis. Psychometrika, 1990, 55(1), 107–122. doi: 10.1007/BF02294746
Neubauer A.C. Intelligence and RT: A modified Hick paradigm and a new RT paradigm. Intelligence, 1991, 15(2), 175–193. doi: 10.1016/0160-2896(91)90029-D
Neubauer A.C., Riemann R., Mayer R., Angleitner A. Intelligence and reaction times in the Hick, Sternberg and Posner paradigms. Personality and Individual Differences, 1997, 22(6), 885–894. doi: 10.1016/S0191-8869(97)00003-2
Palmer J., MacLeod C.M, Hunt E., Davidson J.E. Information processing correlates of reading. Journal of Memory and Language, 1985, 24(1), 59–88. doi: 10.1016/0749-596X(85)90016-6
R Core Team R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2012. http://www.R-project.org/.
Rammsayer T.H., Brandler S. Performance on temporal information processing as an index of general intelligence. Intelligence, 2007, 35(2), 123–139. doi: 10.1016/j.intell.2006.04.007
Rosseel Y. lavaan: An R package for structural equation modeling. Journal of Statistical Software, 2012, 48(2), 1–36.
Roth E. Die Geschwinddigkeit der Verabeitung von Information und ihr Zusammenhang mit Intelligenz. Zeitschrift fuer Expermintelle und Angewandte Psychologie, 1964, 11(4), 616–622.
Schweizer K. The fixed-links model in combination with the polynomial function as a tool for investigating choice reaction time data. Structural Equation Modeling, 2006(a), 13(3), 403–419. doi: 10.1207/s15328007sem1303_4
Schweizer K. The fixed-links model for investigating the effects of general and specific processes on intelligence. Methodology, 2006(b), 2(4), 149–160. doi: 10.1027/1614-2241.2.4.149
Shannon C.E. A mathematical theory of communication. The Bell System Technical Journal, 1948, 27, 379–423, 623–656.
Sternberg S. High speed scanning in human memory. Science, 1966, 153(3736), 652–654. doi:10.1126/science.153.3736.652
Widaman K.F., Thompson J.S. On specifying the null model for incremental fit indices in structural equation modeling. Psychological Methods, 2003, 8(1), 16–37. doi: 10.1037/1082-989X.8.1.16
