多维关联规则在心理测量中的应用.docVIP

多维关联规则在心理测量中的应用 　　摘 要：利用多维关联规则方法提取心理测量不同量表属性间的关联规则，样本包括1958名大学新生。鉴于量表属性较多，且数据库庞大，传统的关联规则Apriori算法较难实现，因此基于Apriori算法设计并实现了多维关联规则的挖掘算法，并应用于心理测量量表属性的关系研究。实验表明，多维关联规则方法能够较快速且更加准确的挖掘出属性间的多维关联规则，并且这些规则在心理测量工作中能够起到指导作用，说明该方法是十分有效的。 中国论文网 /8/view-7212311.htm 　　关键词：多维关联规则；MMPI；16Pf 　　中图法分类号：TP311，B842 文献标志码：A 文章编号：2095-2163（2015）05- 　　Application of Multidimensional Association Rules Method in Psychological Measurement 　　WANG Dongyan 　　（School of Psychology， Nanjing University of Chinese Medicine， Nanjing 210023，China） 　　Abstract The use of multidimensional association rules to extract the psychometric properties of the scale between different association rules， the sample includes 1，958 freshmen. Given the large scale property and huge databases， traditional Apriori algorithm of association rules difficult to achieve， so based on Apriori algorithm design and implementation of multidimensional association rules mining algorithm， and study the relationship between psychometric properties of the scales applied. Experimental results show that the multidimensional association rules can more quickly and more accurately excavated multidimensional association rules between attributes， and these rules work in psycho-metrics can play a guiding role， indicating that this method is very effective. 　　Keywords multidimensional association rule； MMPI； 16Pf 　　0 引 言 　　大学生群体，承担着来自学业、生活、情感、就业等多重压力，其心理健康状况越来越得到社会各界的关注。为了更好地对大学生的心理健康状况进行全面了解，及时应对各种可能发生的情况，各个高校都会在新生入学时对学生进行各种心理测量，通常包括明尼苏达多项人格测验（MMPI）、症状自评量表（SCL-90）、卡特尔十六种个性因素测试（16PF）等。其中MMPI在人格失常测量方面具有高稳定性[1]，主要用于确定被试者的心理健康水平并根据不同临床量表的得分高低，辅助临床诊断[2]，包含566个自我描述项目，一般测试前399道[3]。16PF主要用于测量十六种主要的人格特征，包含187道题目[4]。SCL-90包含90项题目[5]，能较好地反映被试的病情及其严重程度和变化。由于测量题目繁多，时间长，不仅使一些学生难以坚持认真完成测试，从而导致测量结果无效，同时更给施测老师带来巨大的工作量。因此，如果可以挖掘出量表之间存在哪些关联或者规则，对于研究者来说就可以通过一种量表的测量来预测另一种量表的结果，此时则可通过数据挖掘中的一些方法来实现这些需要。 　　近年来，国内学者越来越多地将数据挖掘技术应用于心理测量。余嘉元研究表明[6]，粗糙集和神经网络可以有效地对心理测量数据进行因素提取和分类。肖新攀等[7]提出采用二次学习风范的规则生成算法，从心理学数据中提取规则。吴小刚等人[8]对通过症状自评量表测试，利用C4.5算法构造决策树并提取预测大学生心理健康状况的