渐进式有效性是预测的解释结果,超出所有其他预测因素的能力。例如,假设预测值A占感兴趣结果中的25%的差异,并且在单独输入时,预测器B还占差异的25%。因为它们的影响最肯定重叠,所以要了解每个预测器的方差量,当与另一个时,每个预测器解释的方差量也很重要。一个场景是预测器A和预测器B考虑到大部分相同的方差,因此可以说预测器B具有低增量有效性,因为它为预测方程添加了很少的新信息。另一种情景是它们的差异很少重叠,因此可以说预测器B具有高的增量有效性。
虽然增量有效性在概念上简单和简单,但由于几个原因,在实践中难以估计。首先,不可能知道给定结果的所有可能的预测因子,因此在定义预测器的子集时,它必须从相关的,发达的理论中抽取。其次,给定预测指标的增量有效性必然与情况波动到情况。例如,在尝试预测NFL四分卫的性能时,运动能力的增量有效性很大,但在预测会计师的表现时可能不存在。
估计增量有效性
最广泛的评估增量有效方法是分层多元回归,这使得研究人员评估预测因子已经解释了它们的方差份额的预测因子的可变异量。将预测器添加到模型必须增加其预测力,因此一个重要的问题成为,您如何确定何时递增有效性不再意识到重要?
可以说,最重要的考虑是关于定义 - 即,定义尽可能简单的模型,而不会牺牲大量预测力。这样做的一种方法是通过检查模型的调整后的R2,这表明在模型中包括在模型中的每个预测器略微降低后,结果中解释的方差比例。这样做是因为向模型添加预测器始终增加其预测电源。因此,为了增加调整后的R2值,每个添加的预测器的增量有效性必须超过调整后的R2中的随后递增。
应用增量有效性
Of all forms of validity (e.g., construct, criterion), incremental validity is the most applied, in that it is typically used to better predict valued outcomes in real-world settings and often influences (and is influenced by) other considerations, such as time, money, and effort. This is especially true in the area of personnel psychology, where incremental validity is given more attention than in “purer” forms of psychology. Some have even developed utility analyses, which are used to translate organizational incremental validity estimates into financial savings.
一个特别普遍的增量有效性的应用已经预测了申请人的未来工作表现。在这里,研究导致了几乎明显的结论,即一般心理能力(GMA或G)是几乎所有职业的最佳工作表现的最佳预测因素。然而,GMA的测试不会完全预测性能,因此重要的发现是,在某些情况下,个人库存,结构化访谈等预测因子增加了对工作性能预测的增量有效性。
结论思考
增量效度是一个相对简单的概念,它可能导致许多实际困难。然而,许多并发症可以通过记住(a)增量效度不同的情况(例如,跨职业),所以一个人应该避免对任何预测器的增量效度做出绝对的声明;(b)对于一个给定的结果有几乎无限个预测因子,因此应该从发展良好的理论中选择一个预测因子子集;(c)在包含相对少量的预测因子后,通常会达到收益递减点,所以模型应该尽可能简洁。
参考:
- 盖博(1984)。人格评估中所用信息的效度增量。《临床心理学评论》,4,641 -655。
- Hunsley,J.,&Meyer,G. J.(2003)。心理测试和评估的增量有效性:概念,方法论和统计问题。心理评估,15,446-455。
- SECHREST,L.(1963)。增量有效性:建议。教育和心理测量,23,153-158。