Критерий Вилкоксона

Недостатком критерия знаков является то, что он никак не учитывает величину разности двух значений. Так, для него нет разницы между результатами сравне­ния пар (10; 0) и (6; 5): в обоих случаях знак разности будет положительным. Однако очевидно, что абсолютное значение разности также характеризует соотношение распределений. Для того чтобы учесть это, применяется критерий Вилкоксона. В меню Analyze (Анализ) выберите команду Nonparametric Tests ► 2 Related Samples (Непараметрические критерии ► Две зависимые выборки), чтобы от­крыть диалоговое окно Two-Related Samples Test (Критерий для двух зависимых выборок). ►В группе Test Type (Тип критерия) установите флажок Wilcoxon (Вилкоксона). ►Переместить тест2 и тест4. Variable 1 и 2(Переменная 1 и 2) в области Current Selections (Текущие выделения). ►Переместить выбранную пару переменных в список Test Pair(s) List (Список тестируемых пар). ►О К.

Результаты применения критерия Вилкоксона и критерия знаков очень похожи. Частота каждого из трех исходов /досталась неизменной. Информация о каждом из исходов (кроме равенства) теперь включает также среднее и суммарное значе­ния для соответствующих рангов. Визуальный анализ исходных данных говорит о том, что значения теста 4 (осведомленность) в целом несколько превышают значения теста 2 (числовые ряды). Это демонстрирует и величина Z = -2,612, кото­рая значительно превосходит но модулю соответствующее значение, полученное ранее для критерия знаков. Уровень значимости р = 0,013; это значение говорит о статистической достоверности различий. Таким образом, критерий Вилкоксона является более чувствительным к различиям (более мощным), чем критерий знаков. Тем не менее он оказывается несколько хуже t-критерия, обеспечивающего уровень значимости 0,01, что подтверждает пред­почтительность последнего для анализа метрических данных.

1. Практическая часть. Работа со статистическим пакетом.

• Создание базы данных. Программирование.

Заносим данные в файл SPSS.

Рисунок 1

Окно Variable view

Рисунок 2.

Окно Data view.

• Распределение первичных результатов. Расчет накопленных частот и процентной суммы накопленных частот.

Анализ-Дискриптивные статистики-Частоты (Отметить галочку гистограмма), описать полученные результаты. Ход работы проиллюстрировать в скриншотах (см. ниже образец).

• Описательные статистики.

Этапы работы:

Рисунок 3.

Рисунок 4.

Таблица 2.

График 1.

Вывод: НАПРИМЕР!!!

В выборке студентов с низким уровнем развитии рефлексии размах= 1, максимальное значение=1 минимальное =0, медиана=0.5 , дисперсия=0.333, стандартное отклонение=0.577, сумма=1, эксцесс не определяется, асимметрия=1.7 (сдвиг в сторону меньших значений).

В выборке студентов уровнем с выше средним размах=2, максимальное значение=2 минимальное =0, медиана=1.5 , дисперсия=1, стандартное отклонение=5.1, сумма=3, эксцесс не определяется, асимметрия=-1.73 (сдвиг в сторону больших значений).

В выборке студентов с уровнем средним размах=9, максимальное значение=19 минимальное =10, медиана=24, дисперсия=27, стандартное отклонение=1, сумма=48, эксцесс не определяется, асимметрия 0 (распределение симметричное).

В выборке студентов с высоким уровнем рефлексии размах=2, максимальное значение=7, минимальное =5, медиана=9, дисперсия=1, стандартное отклонение=1, сумма=48, эксцесс не определяется, асимметрия 0 (распределение симметричное).

• Корреляции.

Ход работы проиллюстрировать в скриншотах (см. ниже образец).

• Сравнение 2 групп.

Ход работы проиллюстрировать в скриншотах (см. ниже образец).