 |
 |
 |
 |
|
 |
 |
123
Линейные и порядковые прогностические стратегии на прак-
тике применяются не к одномерным, а к многомерным данным. Сре-
ди математических моделей прогнозирования до сих пор наиболь-
шей популярностью пользуются относительно простые (а иногда и
неоправданно упрощенные) регрессионные модели.
При этом для многомерного случая задача психометриста сво-
дится к построению уравнения множественной регрессии:
Y= ?1X1+ ?2X2…..+ ?
i
X
i
+ ?
k
X
k
(3.5.1)
где Y-
прогнозируемая переменная (критерий прогностиче-
ской ва-лидности);
X
i
- значение i-го тестового показателя из рассматриваемой ба-
тареи тестовых показателей;
?
i
, - значение весового коэффициента, указывающего, на
сколько (в единицах стандартных отклонений) изменяется прогно-
зируемая переменная при изменении тестового показателя X
i
.
Для составления указанного уравнения требуется произвести
«упреждающее» измерение тестовых показателей по отношению к
критериальному показателю Y, измерение которого производится по
истечении некоторого отрезка времени
T, называемого в
прогно-
зировании периодом упреждения.
Общая эффективность прогноза на основе регрессионного
уравнения оценивается с помощью подсчета коэффициента множе-
ственной корреляции R² (Суходольский Г. В., 1972) и последующей
оценки его значимости по критерию Фишера:
)
1
)(
2
1
(
)
1
(
2
K
R
K
N
R
e
F
(3.5.2)
где
e
F
- эмпирическое значение статистики Фишера со степе-
нями свободы V1 = k и У2 = N-k;
N— количество индивидов;
k
-
количество тестовых показателей.
Не следует забывать, что основой применения этой модели
прогноза является экстраполяция - предположение о том, что на но-
вом отрезке времени
T’
будут действовать те же тенденции связи
переменных, что и на отрезке
T, на котором прежде измерялись
весовые коэффициенты ?
i
. Не следует также забывать, что коррект-
ность прогноза обусловлена периодом упреждения: для больших
(или меньших)
T использование уравнения (3.5.1) может оказаться
некорректным.
Прогностические возможности указанного метода ограничены
