
- •Министерство образования и науки Российской Федерации Автономная некоммерческая образовательная организация высшего профессионального образования «тамбовский институт социальных технологий»
- •Учебно-методический комплекс дисциплины «Математические методы психологии» Автор: к.Пс.Н. Андреева а.А.
- •Раздел 1. Организационно-педагогическое описание учебного курса «Математические методы в психологии»
- •1.1. Назначение и цели дисциплины
- •1.2. Обязательный минимум содержание дисциплины
- •1.3. Структура дисциплины
- •1.4. Общие методические рекомендации по организации самостоятельной работы при изучении дисциплины
- •1.5. Требования к знаниям студентов и уровню их подготовки по завершению изучения дисциплины
- •1.6. Критерии оценки знаний студентов
- •Раздел 2. Тематическое содержание учебной дисциплины «Математические методы в психологии»
- •2.1. Рабочая учебная программа
- •Вопросы для подготовки к зачету по курсу
- •Раздел 3. Лекционный материал
- •3.1.Содержание лекционного материала (основной информационный блок) по темам программы учебного курса.
- •1. Первичное представление экспериментальных данных. Первичные описательные статистики.
- •2. Нормальный закон распределения. Проверка нормальности распределения.
- •Проверка гипотез с помощью статистических критериев. Содержательная интерпретация статистического решения.
- •Параметрические методы сравнения двух выборок. Сравнение дисперсий. Критерий t-Стьюдента для зависимых и независимых выборок.
- •1. Случай несвязных выборок
- •Выявление различий в уровне исследуемого признака. Оценка сдвига.
- •Выявление различий в распределении признака. Применение многофункциональных критериев к решению психологических задач.
- •Корреляция метрических переменных.
- •Применение непараметрических коэффициентов корреляции.
- •1. Математико-статистические идеи метода регрессионного анализа
- •2. Множественная линейная регрессия. Нелинейная регрессия.
- •1. Назначение, общие понятия и применение anova.
- •2. Однофакторный дисперсионный анализ anova.
- •1. Математико-статистические идеи и проблемы метода.
- •2. Использование факторного анализа в психологии
- •1. Многомерное шкалирование: назначение. Суть методов многомерного шкалирования (мш).
- •2. Меры различия.
- •3. Неметрическая модель.
- •Дискриминантный анализ: назначение.
- •Математико-статистические идеи метода. Исходные данные и результаты.
- •Кластерный анализ (ка) и система классификации исследованных объектов.
- •2. Методы кластерного анализа
- •Раздел 4. Самостоятельная работа
- •4.1. Задания для самостоятельной работы по темам
- •4.2. Примерная тематика контрольных работ и методические рекомендации по их написанию
- •Примерная тематика контрольных работ
- •Раздел 5. Литература
- •5.1. Основная литература
- •5.2. Дополнительная литература
- •Раздел 6. Тезаурус (определения основных понятий, категорий).
1. Назначение, общие понятия и применение anova.
Дисперсионный анализ — аналитико-статистический метод изучения влияния отдельных переменных, а также их сочетаний на изменчивость изучаемого признака.
Дисперсионный анализ, предложенный Р. Фишером, является статистическим методом, предназначенным для выявления влияния ряда отдельных факторов на результаты экспериментов. Этот метод базируется на предположении о том, что если на объект (группу испытуемых) влияет несколько независимых факторов и их влияние складывается, то общую дисперсию значений признака, характеризующую объект (группу испытуемых), можно разложить на сумму дисперсий, возникающих в результате воздействия каждого отдельного фактора, а также обусловленных случайными влияниями (остаточная дисперсия). Сравнение дисперсий, обусловленных влиянием различных факторов, со случайной (остаточной) дисперсией позволяет оценить значимость вклада каждого из факторов, т.е. оценить достоверность этих влияний.
В основе дисперсионного анализа лежит предположение, что одни переменные могут рассматриваться как причины, а другие как следствия. При этом в психологических исследованиях именно переменные, рассматриваемые как причины, считаются факторами (независимыми переменными), а вторые переменные, рассматриваемые как следствия, — результативными признаками (зависимыми переменными). Независимые переменные называют иногда регулируемыми факторами именно потому, что в эксперименте психолог имеет возможность варьировать ими и анализировать получающийся результат. Таким образом, дисперсионный анализ может выступать как метод, направленный на изучение изменчивости признака под влиянием каких-либо контролируемых факторов. Он позволяет выявить взаимодействие двух или большего числа факторов в их влиянии на один и тот же результативный признак (зависимую переменную).
Сущность дисперсионного анализа заключается в расчленении общей дисперсии изучаемого признака на отдельные компоненты, обусловленные влиянием конкретных факторов, и проверке гипотез о значимости влияния этих факторов на исследуемый признак. Сравнивая компоненты дисперсии друг с другом посредством F — критерия Фишера, можно определить, какая доля общей вариативности результативного признака обусловлена действием регулируемых факторов.
Исходным материалом для дисперсионного анализа служат данные исследования трех и более выборок, которые могут быть как равными, так и неравными по численности, как связными, так и несвязными. По количеству выявляемых регулируемых факторов дисперсионный анализ может быть однофакторным (при этом изучается влияние одного фактора на результаты эксперимента), двухфакторным (при изучении влияния двух факторов) и многофакторным.
2. Однофакторный дисперсионный анализ anova.
Однофакторный дисперсионный анализ, используемый для несвязных выборок. Оперируя как основным понятием дисперсии, этот анализ базируется на расчете дисперсий трех типов:
•• общая дисперсия, вычисленная по всей совокупности экспериментальных данных;
•• внутригрупповая дисперсия, характеризующая вариативность признака в каждой выборке;
•• межгрупповая дисперсия, характеризующая вариативность групповых средних.
Основное положение дисперсионного анализа гласит: общая дисперсия равна сумме внутригрупповой и межгрупповой дисперсий.
Суммарная дисперсия может быть выражена уравнением:
Dy = Dx + Dz ,
где Dy - сумма квадратов отклонений отдельных вариант всего комплекса наблюдений от общей средней,
Dx — сумма квадратов отклонений в комплексах (группах) частного среднего от общей средней, умноженная на число вариант в группах, ,
Dz — сумма из сумм квадратов отклонений отдельных вариант от их групповых средних.
Путем соотнесения сумм квадратов отклонений к числу степеней свободы (df) получают выборочные дисперсии:
а) общую по комплексу
Dy
Sy2 = dfy
б) межгрупповую, или факторную,
Dx
Sx2 = dfx
в) внутригрупповую, или остаточную,
Dz
Sz2 = dfz
Sx2
Отношение Sz2 — служит критерием оценки влияния на признак регулируемых в опыте факторов ( F-критерий Фишера). Дальнейший анализ проводится путем проверки нуль-гипотезы, сводящейся к предположению о равенстве межгрупповых средних и дисперсий (т. е. никакого систематического действия факторов на результативный признак нет, наблюдаемые различия в групповых средних случайны). Нулевая гипотеза отвергается при F ≥ Fкр , значение Fкр определяется по статистическим таблицам с учетом принятого уровня значимости и числа степеней свободы.
После доказательства действия регулируемого фактора на результирующий признак переходят, если необходимо, к сравнению групповых средних друг с другом или другими показателями. Заключительный этап дисперсионного анализа — оценка силы влияния отдельных факторов (или их групп) на результирующий признак.
Таким образом, дисперсионный анализ позволяет учитывать не только влияние каждого фактора на результирующий признак по отдельности, но и совместное действие факторов во всех возможных сочетаниях. Действие неучтенных факторов оценивается не дифференцированно, а суммарно.
Дисперсионный анализ допускает статистическое исследование признаков, выраженных не только в абсолютных количественных единицах, но и в относительных или условных баллах и индексах.
Третий раздел. Многомерные методы и модели.
Тема: «Факторный анализ»