
- •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.
Критерий парных выборок Таблица 7
|
Парные разности |
t |
ст.св. |
Знч. (2-сторон) |
||||||||||||||||
|
Среднее |
Стд. отклонение |
Стд. ошибка средн |
95% доверительный интервал разности средних |
|
|
|
|||||||||||||
|
|
|
|
Нижняя граница |
Верхняя граница |
|
|
|
||||||||||||
Пара 1 |
свойства внимания до - свойства внимания после |
-10,3500 |
34,6858 |
9,2702 |
-30,3770 |
9,6770 |
-1,116 |
13 |
,284 |
|||||||||||
Пара 2 |
переключения внимания до - переключения внимания после |
-1,1736 |
,9545 |
,2551 |
-1,7247 |
-,6224 |
-4,600 |
13 |
,000 |
|||||||||||
Пара 3 |
объем внимания до - объем внимания после |
,429 |
1,785 |
,477 |
-,602 |
1,459 |
,898 |
13 |
,385 |
|||||||||||
Пара 4 |
объем памяти до - объем памяти после |
-1,071 |
2,129 |
,569 |
-2,301 |
,158 |
-1,883 |
13 |
,082 |
|||||||||||
Пара 5 |
особенности памяти до - особенности памяти после |
-1,071 |
3,385 |
,905 |
-3,026 |
,883 |
-1,184 |
13 |
,257 |
|||||||||||
Пара 6 |
типы памяти до - типы памяти после |
-,0857 |
,1610 |
,0430 |
-,1787 |
,0073 |
-1,992 |
13 |
,068 |
|||||||||||
Пара 7 |
матем мышл до - матем мышл после |
-1,714 |
3,931 |
1,051 |
-3,984 |
,555 |
-1,632 |
13 |
,127 |
|||||||||||
Пара 8 |
неверб мышл до - неверб мышл после |
-1,000 |
1,301 |
,348 |
-1,751 |
-,249 |
-2,876 |
13 |
,013 |
|||||||||||
Пара 9 |
простр мышл до - простр мышл после |
-6,214 |
7,350 |
1,964 |
-10,458 |
-1,970 |
-3,163 |
13 |
,007 |
Кроме
этих результатов в таблице 7 приведены
расчеты значения t-критерия
для каждой пары переменных, число
степеней свободы и уровень значимости
t-критерия.
При
мы
можем говорить о значимом различии
средних.
В рассматриваемом примере выявлены (таблица 7) значимые различия средних в парах 2 (α=0,0005), 8 (α=0,013) и 9 (α=0,007).