Psychometrie en besliskunde
Werkgroep 1 Statistisch vs. klinisch oordeel in het Lensmodel
Brunswik’s Lensmodel
Hoe zijn Meehl en Grove tot hun conclusie gekomen, dat statistische oordelen beter zijn dan
klinische?
Door ‘policy capturing’ of ‘judgement analysis’: het descriptief vangen van de
keuzestrategie.
Brunswik’s idee
In de omgeving zijn veel cues. Daaruit moeten we selecteren om effectief te kunnen
functioneren. Wij nemen de omgeving via cues waar, en vormen ons op basis daarvan een
oordeel over de omgeving. Daarbij negeren we soms cues, en vinden we ze niet allemaal
even belangrijk.
Brunswik’s Lensmodel bij clinici
Meehl: als je ‘policy’ (wijze van oordelen) van clinici ‘capture’t (vangt) in Brunswik’s
Lensmodel, blijkt dat zij het niet beter doen dan statistiek.
Want: clinici kunnen niet alle gemogelijk relevante cues meewegen, en wegen cues niet op
de juiste manier.
Hoe werkt Brunswik’s Lensmodel?
Toepasbaar op oordelen die door een persoon herhaaldelijk op basis van aantal ‘cues’
(aanwizingen) geveld worden, bijvoorbeeld:
Psychiatrische diagnoses
Bepalen van kredietwaardigheid (banken)
Adviseren over schoolkeuze
Iemand’s ‘judgment policy’ wordt afgeleid uit wat hij of zij doet. Met behulp van een
statistische methode (lineaire regressie) wordt berekend hoe iemand cues weegt en
combineert.
Eenvoudig voorbeeld van toepassing van statistisch model
De ‘Goldberg Rule’: de taak is onderscheid maken tussen psychose en neurose, gebruik
makend van MMPI-scores.
1
,Oorspronkelijke data (cues): scores van psychiatrische patiënten op MMPI en hun diagnose
bij ontslag uit kliniek.
Regel gevonden met statistisch model (multiple regression): tel scores op 3 schalen van de
MMPI op en trek er scores op 2 andere af.
Als score < 45: diagnose neurose
Als score > 45: diagnose psychose
Structuur van de formule: X1 + X2 + X3 – X4 – X5 (met X = MPPI schaal)
Deze formule is toegepast op een nieuwe groep van 861 cases:
70% van de diagnoses correct voorspeld
Ter vergelijking: klinisch psychologen en master studenten voorspelden tussen 50%
en 67% correct
Met de rekenregel gaat het dus vaker goed: statistisch beter dan klinisch!
Rekenen met het Lensmodel
External world: externe omgeving
Psychological processes: subjectief oordeel
Voorbeeld data: 5 oordelen
Criterium Cue Cue Oordeel
Ye X X Ys
1 2
2 2 1
9 7 6
5 3 6
9 9 7
6 6 3
2
,Cues (X1 en X2) hebben een bepaald gewicht bij elk oordeel. Bijvoorbeeld X1 = rekenen en
X2 = taal. Leerling 1 scoort 2 en 1, leerling 2 scoort 7 en 6, enz. Criterium en oordeel =
schooltype.
Een criterium is niet per se noodzakelijk om een oordeel te vormen. Vaak is de data voor
criterium Ye niet beschikbaar.
Data voor judgement analysis (1)
Objectieve kant (environment, extern): bevat een set cues (X1, X2, …) (rekenen, taal, …) en
hun waarden (cijfers op die vakken) en de feitelijke uitkomsten (Ye) (schooltype waar het
kind heengaat). Je zoekt een patroon in de relatie cues – uitkomsten.
Objectief deel van de data: ‘environment’
Dat patroon vind je door (met behulp van regressieanalyse) uit te
rekenen wat het gewicht van elke cue is waarmee die bijdraagt aan
de uitkomsten (aan het ‘criterium’), dat wil zeggen door een
zogenaamd ‘predictief model’ (Ye) te berekenen.
Toepassen van die formule levert voorspelde uitkomsten (Ye’) op.
Ye’ = 0.37 + 0.70 * X1 + 0.45 * X2
Criterium Cues
Ye’ Ye X X
1 2
2,2 2 2 1
7,9 9 7 6
5,1 5 3 6
9,8 9 9 7
5,9 6 6 3
Data voor judgment analysis (2)
Subjectieve kant: dezelfde verzameling cues (X1, X2, …) (rekenen, taal,
…) en hun waarden (cijfers op die vakken) en subjectieve oordelen (Ys)
(schooladvies).
Subjectief deel van de data
Dat patroon vind je door (met behulp van regressieanalyse) uit te
rekenen wat het gewicht van elke cue is waarmee die bijdraagt aan de
oordelen, dat wil zeggen door ‘policy capturen’, de voorspelde
oordelen (Ys’) te berekenen.
3
, Toepassen van die formule levert voorspelde oordelen (Ys’) op.
Ys’ = 1.71 + 0.29 * X1 + 0.63 * X2
Cues Oordeel
X X Ys Ys’
1 2
2 1 3 2,9
7 6 9 7,6
3 6 6 6,4
9 7 8 8,8
6 3 5 5,4
Die regressieformule berekenen is handig: daarmee kun je bij nieuwe gevallen, met nieuwe
cue-waarden, voorspellingen doen over oordelen (Ys’).
Het model gebruiken in plaats van de beoordelaar: bootstrapping.
Complete Lensmodel
Alle resultaten bij elkaar:
4
Werkgroep 1 Statistisch vs. klinisch oordeel in het Lensmodel
Brunswik’s Lensmodel
Hoe zijn Meehl en Grove tot hun conclusie gekomen, dat statistische oordelen beter zijn dan
klinische?
Door ‘policy capturing’ of ‘judgement analysis’: het descriptief vangen van de
keuzestrategie.
Brunswik’s idee
In de omgeving zijn veel cues. Daaruit moeten we selecteren om effectief te kunnen
functioneren. Wij nemen de omgeving via cues waar, en vormen ons op basis daarvan een
oordeel over de omgeving. Daarbij negeren we soms cues, en vinden we ze niet allemaal
even belangrijk.
Brunswik’s Lensmodel bij clinici
Meehl: als je ‘policy’ (wijze van oordelen) van clinici ‘capture’t (vangt) in Brunswik’s
Lensmodel, blijkt dat zij het niet beter doen dan statistiek.
Want: clinici kunnen niet alle gemogelijk relevante cues meewegen, en wegen cues niet op
de juiste manier.
Hoe werkt Brunswik’s Lensmodel?
Toepasbaar op oordelen die door een persoon herhaaldelijk op basis van aantal ‘cues’
(aanwizingen) geveld worden, bijvoorbeeld:
Psychiatrische diagnoses
Bepalen van kredietwaardigheid (banken)
Adviseren over schoolkeuze
Iemand’s ‘judgment policy’ wordt afgeleid uit wat hij of zij doet. Met behulp van een
statistische methode (lineaire regressie) wordt berekend hoe iemand cues weegt en
combineert.
Eenvoudig voorbeeld van toepassing van statistisch model
De ‘Goldberg Rule’: de taak is onderscheid maken tussen psychose en neurose, gebruik
makend van MMPI-scores.
1
,Oorspronkelijke data (cues): scores van psychiatrische patiënten op MMPI en hun diagnose
bij ontslag uit kliniek.
Regel gevonden met statistisch model (multiple regression): tel scores op 3 schalen van de
MMPI op en trek er scores op 2 andere af.
Als score < 45: diagnose neurose
Als score > 45: diagnose psychose
Structuur van de formule: X1 + X2 + X3 – X4 – X5 (met X = MPPI schaal)
Deze formule is toegepast op een nieuwe groep van 861 cases:
70% van de diagnoses correct voorspeld
Ter vergelijking: klinisch psychologen en master studenten voorspelden tussen 50%
en 67% correct
Met de rekenregel gaat het dus vaker goed: statistisch beter dan klinisch!
Rekenen met het Lensmodel
External world: externe omgeving
Psychological processes: subjectief oordeel
Voorbeeld data: 5 oordelen
Criterium Cue Cue Oordeel
Ye X X Ys
1 2
2 2 1
9 7 6
5 3 6
9 9 7
6 6 3
2
,Cues (X1 en X2) hebben een bepaald gewicht bij elk oordeel. Bijvoorbeeld X1 = rekenen en
X2 = taal. Leerling 1 scoort 2 en 1, leerling 2 scoort 7 en 6, enz. Criterium en oordeel =
schooltype.
Een criterium is niet per se noodzakelijk om een oordeel te vormen. Vaak is de data voor
criterium Ye niet beschikbaar.
Data voor judgement analysis (1)
Objectieve kant (environment, extern): bevat een set cues (X1, X2, …) (rekenen, taal, …) en
hun waarden (cijfers op die vakken) en de feitelijke uitkomsten (Ye) (schooltype waar het
kind heengaat). Je zoekt een patroon in de relatie cues – uitkomsten.
Objectief deel van de data: ‘environment’
Dat patroon vind je door (met behulp van regressieanalyse) uit te
rekenen wat het gewicht van elke cue is waarmee die bijdraagt aan
de uitkomsten (aan het ‘criterium’), dat wil zeggen door een
zogenaamd ‘predictief model’ (Ye) te berekenen.
Toepassen van die formule levert voorspelde uitkomsten (Ye’) op.
Ye’ = 0.37 + 0.70 * X1 + 0.45 * X2
Criterium Cues
Ye’ Ye X X
1 2
2,2 2 2 1
7,9 9 7 6
5,1 5 3 6
9,8 9 9 7
5,9 6 6 3
Data voor judgment analysis (2)
Subjectieve kant: dezelfde verzameling cues (X1, X2, …) (rekenen, taal,
…) en hun waarden (cijfers op die vakken) en subjectieve oordelen (Ys)
(schooladvies).
Subjectief deel van de data
Dat patroon vind je door (met behulp van regressieanalyse) uit te
rekenen wat het gewicht van elke cue is waarmee die bijdraagt aan de
oordelen, dat wil zeggen door ‘policy capturen’, de voorspelde
oordelen (Ys’) te berekenen.
3
, Toepassen van die formule levert voorspelde oordelen (Ys’) op.
Ys’ = 1.71 + 0.29 * X1 + 0.63 * X2
Cues Oordeel
X X Ys Ys’
1 2
2 1 3 2,9
7 6 9 7,6
3 6 6 6,4
9 7 8 8,8
6 3 5 5,4
Die regressieformule berekenen is handig: daarmee kun je bij nieuwe gevallen, met nieuwe
cue-waarden, voorspellingen doen over oordelen (Ys’).
Het model gebruiken in plaats van de beoordelaar: bootstrapping.
Complete Lensmodel
Alle resultaten bij elkaar:
4
