
- •Шкалирование.
- •Виды шкал. Сильные и слабые стороны каждой шкалы.
- •Перевод более «высокой» шкалы в более «низкую».
- •2. Работа с таблицами биномиального критерия
- •3. Расчет биномиального критерия с помощью статистической программы spss Base 12.0
- •Непараметрические критерии
- •Сравнение двух эмпирических распределений.
- •Сравнение эмпирического и теоретического распределений
- •4. Расчет критерия хи-квадрат с помощью статистической программы spss Base 12.0
- •Правила ранжирования.
- •Ранжирование результатов диагностики интеллекта Таблица 1
- •Ранжирование результатов диагностики интеллекта Таблица 2
- •Ранговый коэффициент корреляции Спирмена.
- •Определение силы и направления корреляции между двумя признаками с помощью коэффициента корреляции Спирмена.
- •Алгоритм применения рангового коэффициента корреляции Спирмена.
- •1. Проранжировать исходные данные.
- •3. Использование рангового коэффициента корреляции для шкал более высокого порядка.
- •Затем вы использовали другой тест (меньшей размерности) и ваши испытуемые показали следующие результаты (очередность испытуемых сохранена):
- •III. Ранговый коэффициент корреляции Кендалла.
- •Алгоритм применения и основные понятия рангового коэффициента корреляции Кендалла.
- •Алгоритм применения рангового коэффициента корреляции Кендалла.
- •1. Проранжировать исходные данные.
- •Переструктурированные результаты Таблица 15
- •Подсчет ранговых коэффициентов корреляции с помощью статистического пакета spss Base 12.0
- •Приложение 1
- •Параметры нормального распределения. Перевод в стены.
- •1. Параметры нормального распределения.
- •2. Перевод в стены.
- •Одновыборочный t-критерий.
- •Одновыборочные статистики Таблица 1
- •Критерий парных выборок Таблица 7
- •Кластерный анализ.
- •Применение кластерного анализа. Разновидности кластерного анализа.
- •Иерархический кластерный анализ.
- •Иерархическая кластеризация.
- •Открыть Данные
- •Факторный анализ.
- •1. Применение и этапы факторного анализа.
- •Выделенные факторы Таблица 9
- •2. Определение числа факторов.
- •3. Применение факторного анализа методом главных компонент.
Переструктурированные результаты Таблица 15
Ранг 1 замера |
Ранг 2 замера |
P количество совпадений |
Q количество расхождений |
||
1 |
3 |
7 |
2 |
||
2 |
2 |
7 |
1 |
||
3 |
1 |
7 |
0 |
||
4 |
6 |
4 |
2 |
||
5 |
4 |
5 |
0 |
||
6 |
5 |
4 |
0 |
||
7 |
10 |
0 |
3 |
||
8 |
9 |
0 |
2 |
||
9 |
8 |
0 |
1 |
||
10 |
7 |
0 |
0 |
||
Σ |
34 |
11 |
Помимо рангов в этой таблице есть также информация о совпадениях и расхождениях. Рассмотрим их подробнее понятия совпадения и расхождения.
Если два замера будут иметь одинаковые ранги у всех участников исследования, то совпадения окажется полным – с возрастанием одного ранга будет возрастать и другой. Если же два результата двух замеров частично соответствуют друг другу, то уровень соответствия и покажет число совпадений, то есть показатель соответствия увеличения одних рангов вслед за увеличением других.
Расхождения, в свою очередь, имеют противоположное значение – это показатель того, как с увеличением рангов 1 замера ранги второго замера уменьшаются.
Определяются значения совпадений и расхождений по каждому рангу второго замера. Рассмотрим самый первый ранг этого замера – ранг 3. Определим, сколько ниже этого ранга (при определении совпадений и расхождений используется только столбец рангов второго замера) расположено значений, превышающих 3. Таких значений 7 (это ранги 6, 4, 5, 10, 9, 8, и 7). Поэтому в столбце совпадений в соответствующей строчке указываем 7. Затем считаем количество рангов, меньших 3. Таких рангов 2 (это значения 2 и 1). Соответственно, в столбике расхождений мы указываем 2. После этого переходим к следующему рангу 2 замера – рангу 2. Ниже его расположено также 7 рангов, превышающих рассматриваемое значение. Вносим цифру 7 в столбец совпадений. В столбце расхождений указываем 1, так как единственное значение (ранг 1) меньше рассматриваемого ранга 2. У следующего ранга (это ранг 1) ниже находятся 7 значений, превышающих его и нет ни одного значения меньше. У ранга 6 следующего по расположению) числу совпадений 4 (это ранги 10, 9, 8 и 7) и количество расхождений 2 (ранги 4 и 5). Таким образом подсчитывается для каждого ранга 2 замера число совпадений и расхождений. После того как все значения определены, находится итоговое, суммарное значение расхождений. В нашем примере суммарное значение P (совпадений) равно 34. Суммарное значение Q (расхождений) равно 11. Найденные значения P и Q представляем в расчетную формулу и находим значения коэффициента корреляции:
Полученное расчетное значение коэффициента корреляции Кендалла меньше расчетного значения, полученного с помощью коэффициента корреляции Спирмена. В данном модуле мы не будем определять значимость полученного коэффициента корреляции. Эта возможность рассматривается в следующем параграфе с опорой на статистические программы.