88. Статитичні тести для верифікації та фальсифыкації ргд.

Будь-який тест статистичної апробації РГД базується на дії, що встановлює або заперечує статистичну залежність між змінними на основі яких сформульовано РГД. Одна змінна виступає у якості пре диктора (наприклад вік, стать), а ніша в ролі показника. Дві змінні корелюють тоді, коли певне значення однієї змінної можна поставити певне значення іншої змінної. Тобто спостерігається залежність.

Тест Колмогорова- Смірнова для перевірки форми розподілу

Він дає можливість оцінити ступінь девіації щодо нормального розподілу , тобто він оцінює чи середнє значення реального розподілу проектується в межі довірчого інтервалу. Якщо середнє значення реального розподілу проектується в межі довірчого інтервалу нормального розподілу, то робиться висновок, що реальний розподіл не суттєво відрізняється від нормального. ( див. зошит дзвін Гауса)

Якщо навпаки, то це відхилення може пояснюватися певними закономірностями. Тоді формулюємо гіпотезу: Відхилення середнього значення М1реального розподілу є не надто суттєвим від середнього значення нормального розподілу. Здійснюємо статистичну апробацію за допомогою тесту колмогорова-смінова .

Analize – Nonparametric test - 1-sample –k-s… - переганяємо зміну в протилежне вікно – ok. Для аналізу має значення Asymptomatic significance 2-taled. Якщо q = 0,01 реальний розподіл дуже відрізняється від нормального, якщо q = 0,05 розподіли відрізняються не сильно. Якщо менше гіпотеза не підтвердилася і середнє значення проектується в межі довірчого інтервалу.

Остаточне формулювання:

1. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,01

2. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,05

3. Імовірність для помилкового заперечення гіпотези 1 є не значимою.

Перевірка робочої гіпотези дослідження на основі встановлення та заперечення асимптоматичної залежності.

Тест х2 як міра зв’язаності змінних проміряних номінальними шкалами

Частоти, що відповідають очікуваному стану - очікувані частоти Fe, Частоти, які відповідають реальному стану - Fo.

Х2 – це статистичний тест, який оцінює відмінність між Fo та Fe.

Analize – descriptive stat. - cross tabs – переганяємо змінну-предиктор в колонки, залежну змінну в рядки - statistics – chi-square – continue – ok.

Остаточне формулювання:

1. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,01

2. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,05

3. Імовірність для помилкового заперечення гіпотези 1 є не значимою.

Порівняння середніх

Аналіз кореляцій

Критерії кількісної оцінки між змінними називають коефіцієнтом кореляції, який може бути позитивним і негативним.

Дві змінні корел..ть між собою позитивно, якшо між ними існує пряма одно направлене співвідношення. При одно направленому співвідношенні малі значення 1 змінної відповідають малим значення іншої змінної, а більші більшим.

Дві змінні корелюють між собою негативно, якщо між ними існує зворотне різнонаправлене спів відношення. При різнонаправленому співвідношенні малі значення однієї змінної відповідають більшим значення іншої змінної, а більші – меншим.

позитивна корел. Негативна корел.

Коефіцієнт статистичної кореляції – це статистична міра, яка відображає кут нахилу прямої, що усереднює отримані дані.

Коефіцієнт Спірмена використовується для обчислення кореляції між змінними, що належать до порядкової шкали або до метричної.

Коефіцієнт Пірсона використовується для змінних, які належать виключно до метричної шкали. Мінімальна вимога для обчислення коефіцієнту кореляції – обидві змінні мають бути, що найменше порядковими.

Analize – correlate – bivariate – всі змінні переганяємо до вікна Variable – spearmen – ok.

|__________|__________| М. чол./

1 3 5

М – середнє значення

|__________|__________| М. жін.

1 3 5

Різниця

При використанні методу порівняння середніх застосовують різні статистичні тести в залежності від того чи:

1. Порівнюються дві і більше числові вибірки.

2. Порівнюються між собою залежні чи не залежні числові вибірки.

3. Дві чи більше залежні чи не залежні числові вибірки.

Числова вибірка – це певним чином впорядкований ряд чисел дискретні значення. Які обумовлюються фактором, який їх обєднав в єдину сукупність.

Незалежні числові вибірки створюються в середовищі показника РГД, якщо базу даних засортувати у відповідності до значень пре диктора. Таким чином кожному значенню пре диктора відповідає певна незалежна числова вибірка з середовища показника.

Залежні числові вибірки створюються на основі змінних характеристик виміряних ідентичними шкалами та об’єднаних спільними темами та проблемами.

Порівняння двох незалежних вибірок

Analize – compare means - independent sample T-test – факторну змінну переносимо до вікна gruping variable - у вікна define groups1 – жын. 2 чол (наприклад) – continue - до вікна variable переносимо показникову змінну - ok.

Остаточне формулювання:

1. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,01

2. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,05

3. Імовірність для помилкового заперечення гіпотези 1 є не значимою.

Порівняння 2 залежних вибірок

Analize – compare means – Paired sample T-test – обераємо зразу дві змінні – continue - ok.

Або

Analize – compare means – One way Anova – до Factors переганяємо факторну змінну до dependent list показникові.

Остаточне формулювання:

1. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,01

2. Імовірність помилки для відкидання гіпотези 1 є значимою на рівні 0,05

3. Імовірність для помилкового заперечення гіпотези 1 є не значимою.

Post Hoc Analysis

Тест, який перевіряє ступніть подібності чи відмінності об’єднаних аналізом One way Anova.

Analize – compare means – One way Anova- post hoc …- sheffe.

Для аналізу використовуємо колонку mean difference.