
- •Санкт-Петербургский Государственный Институт Психологии и Социальной Работы
- •Математические методы в психологии Учебно-методическое пособие
- •Аннотация
- •Глава 1. Описательная статистика 18
- •Глава 2. Индуктивная статистика 84
- •Оглавление
- •Глава 1. Описательная статистика 12
- •Глава 2. Индуктивная статистика 78
- •Введение Цели и задачи изучения дисциплины «Математические методы в психологии» и сфера профессионального использования
- •Методические указания для студентов
- •Контрольные вопросы для самостоятельной подготовки и самопроверки
- •Глава 1. Описательная статистика
- •1. 1. Математическая статистика и психология. Измерения в психологии и виды шкал
- •Материалы лекции.
- •Типы измерений и измерительные шкалы
- •Генеральная совокупность и выборочное исследование. Статистическая достоверность
- •Этапы обработки результатов психологического исследования
- •1. 2. Описание результатов исследования
- •Материалы лекции.
- •Результаты исследования экстраверсии
- •Алгоритм построения сгруппированного (или табулированного) ряда
- •Общий обзор параметров распределений
- •1. 3. Параметры статистических совокупностей
- •Материалы лекции.
- •Результаты исследования экстраверсии
- •Исключение выскакивающих значений
- •Нормальный закон распределения и другие виды распределений
- •Проверка «нормальности» эмпирического распределения
- •Стандартизация данных и стандартизованные шкалы в психологии
- •Процентильные нормы для детей 5;5 – 11 лет
- •1. 4. Характеристики взаимосвязи признаков
- •Материалы лекции. Понятие статистической зависимости
- •Общий обзор мер связи
- •Коэффициент контингенции
- •Критерий «хи-квадрат» Пирсона
- •Ранжирование
- •Правила ранжирования
- •Бисериальные коэффициенты корреляции
- •Коэффициент взаимной сопряженности Чупрова
- •Коэффициент взаимной сопряженности Пирсона
- •Ранговой коэффициент корреляции Спирмена
- •Коэффициент линейной корреляции Пирсона
- •Глава 2. Индуктивная статистика
- •2. 1. Решение задачи сравнения выборок. Понятие статистических критериев и их виды
- •Материалы лекции. Статистические гипотезы
- •Уровень статистической значимости
- •Этапы принятия статистического решения
- •Классификация исследовательских задач, решаемых с помощью статистических методов
- •Решение задачи сравнения выборок
- •4. Каковы ограничения в применении критерия?
- •Обзор наиболее часто применяемых параметрических критериев
- •Общий обзор непараметрических критериев
- •2. 2. Выявление различий в уровне исследуемого признака
- •Материалы лекции. Параметрический критерий Стьюдента для сравнения независимых выборок
- •Поправка Снедекора
- •Правило принятия решения описано выше. Непараметрический критерий Розенбаума (критерий «хвостов»)
- •Непараметрический критерий Манна-Уитни
- •2. 3. Оценка достоверности сдвига в значениях исследуемого признака
- •Материалы лекции.
- •Параметрический критерий Стьюдента для сравнения зависимых выборок
- •Непараметрический критерий знаков
- •6. Правило принятия решения:
- •Непараметрический критерий Вилкоксона
- •2. 4. Выявление различий в распределении признака
- •Материалы лекции. Критерий «хи-квадрат» Пирсона
- •Критерий Колмогорова-Смирнова
- •2. 5. Многофункциональные статистические критерии
- •Материалы лекции.
- •Критерий φ* — «Угловое преобразование» Фишера
- •Алгоритм расчета критерия φ*
- •Критерий Макнамары
- •Алгоритм расчет критерия
- •2. 6. Дисперсионный анализ
- •Материалы лекции. Введение в дисперсионный анализ anova
- •Однофакторный дисперсионный анализ
- •2. 7. Многомерные методы обработки данных
- •Материалы лекции.
- •I. Классификация методов по назначению:
- •II. Классификация методов по исходным предположениям о структуре данных:
- •III. Классификация методов по виду исходных данных:
- •Множественный регрессионный анализ
- •Матрица корреляций пяти показателей интеллекта
- •Факторные нагрузки после варимакс-вращения
- •1. Эксплораторный-разведочный.
- •2. Конфирматорный.
- •1. Выбор исходных данных.
- •2. Предварительное решение проблемы числа факторов.
- •3. Факторизация матрицы интеркорреляций.
- •4. Вращение и предварительная интерпретация факторов (ротация факторов).
- •5. Принятие решения о качестве факторной структуры.
- •6. Вычисление факторных коэффициентов и оценок.
- •Компьютерные пакеты прикладных статистических программ
- •Список литературы
- •Приложение 1. Статистические таблицы с критическими значениями
- •1.1. Критические значения отношения для исключения выскакивающих значений
- •1.2. Критические значения коэффициента ранговой корреляции Спирмена
- •1.3. Критические значения коэффициента линейной корреляции Пирсона
- •1.4. Критические значения критерия хи-квадрат Пирсона
- •1.5. Критические значения критерия Стьюдента
- •1.6. Критические значения критерия Фишера
- •1.7. Критические значения непараметрического критерия Манна-Уитни
- •1.8. Критические значения непараметрического критерия Вилкоксона
- •1.9. Таблицы для перевода процентных долей в величины центрального угла для расчета критерия «угловое преобразование» Фишера
- •Приложение 2. Глоссарий
- •Приложение 3. Англо-русский словарь статистических терминов
1. 3. Параметры статистических совокупностей
Методические рекомендации к изучению темы
При измерении методом регистрацииправила измерения таковы, что они позволяют лишь установить, что один объект отличается по измеряемому свойству от другого объекта, у которого измеряемое свойство качественно иное. Поэтому в результате объекты классифицируются по группам (классам), которые могут быть обозначены номерами, названиями, именами и т.п. Обозначение класса не измеряется количественно, оно лишь позволяет отличить один объект от другого в отношении измеряемого свойства. Это и составляет сущностьшкалы наименований (синонимы — номинальная шкала, номинативная шкала).
При изучении темы следует обратить особое внимание на вычисление медианы по формуле, а именно как найти медиальный интервал и фактическое нижнее значение признака в этом интервале. Также следует обратить особое внимание на вычисление основных параметров распределения, а именно среднего арифметического значения и стандартного отклонения. Вычисление данных параметров целесообразно проводить в таблицах, в которых каждое арифметическое действие записывается в отдельный столбец. Такая культура работы уменьшает вероятность появления ошибок при расчетах.
Исключение выскакивающих значений целесообразно проводить только в выборках небольшого объема.
Обратите внимание на распространенность нормального распределения.
Обратите внимание на контрольные вопросы и подумайте над интерпретацией приводимых в вопросах конкретных результатов испытуемых. В чем удобство статистических норм в методиках, если они основаны на мерах положения шкал порядка.
После изучения материала лекции внимательно поработайте с контрольными вопросами.
Материалы лекции.
Вспомним, что при измерении методом регистрации на основании правил измерения устанавливается тождественность качества свойства у измеряемых объектов. Измерение сводится к классификации объектов по группам в зависимости от качества свойства и подсчету числа объектов, входящих в ту или иную группу с данным качеством свойства. Результатом измерения является число объектов каждой группы с разными градациями качества свойства.
В шкале наименованийотдельные качества свойства, которые регистрируются у измеряемых объектов, могут быть обозначены словами, какими-либо символами или числами. То, что одно число больше другого, не означает большую выраженность свойства: это просто «метка» другого качества. Поэтому значения признака, обозначенные числами, нельзя складывать, делить, умножать и т.п., то есть любые арифметические операции в этой шкале недопустимы.
В качестве меры положения используется только один параметр, который носит название «мода», а мерами изменчивости выступают дифференциальные меры возможности появления значений признака (абсолютные, относительные и процентные частоты).
Мода(Mode) —Мо— это значение признака, которое имеет наибольшую частоту. Для того чтобы найти моду, необходимо проанализировать вариационный ряд и найти в нем то значение, которое встречается чаще других (в сгруппированном распределении указываетсямодальный интервалзначений признака). Обратите внимание на то, что модой является именнозначение признака, а не его наибольшая частота.
Если это значение одно, то такое распределение признака называется унимодальным. Распределение может иметь и несколько мод. При наличии двух мод распределение называется бимодальным.
Бывают случаи, когда все значения встречаются одинаково часто, тогда распределение не имеет моды.
В первой лекции мы в качестве примера рассматривали таблицу 2 — результаты исследования экстраверсии.
Таблица 2 (часть таблицы)