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
Библиографические ссылки
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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/10.2307/1130295
Meredith W., Tisak J. Latent curve analysis. Psychometrika, 1990, 55(1), 107–122. doi: 10.1007/BF02294746 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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. DOI: https://doi.org/10.18637/jss.v048.i02
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 DOI: https://doi.org/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 DOI: https://doi.org/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. DOI: https://doi.org/10.1002/j.1538-7305.1948.tb00917.x
Sternberg S. High speed scanning in human memory. Science, 1966, 153(3736), 652–654. doi:10.1126/science.153.3736.652 DOI: https://doi.org/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 DOI: https://doi.org/10.1037/1082-989X.8.1.16
