
- •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
Стандартизация данных и стандартизованные шкалы в психологии
Стандартизация данных, полученных с помощью той или иной психологической методики — это процесс создания стандартных тестовых шкал или стандартизованных шкал. Основные цели стандартизации: а) сравнение результатов полученных по одной и той же методике в разных условиях и/или разными исследователями; б) сравнение результатов данного испытуемого с выборкой стандартизации. Выборка стандартизации — это группа испытуемых, на которой собираются статистические данные по методике. Эта выборка не должна быть малого объема (рекомендуется не менее 200 человек) и обязательно должна быть репрезентативна генеральной совокупности, то есть должна отражать ее основные характеристики. В результате стандартизации и создаются тестовые нормы. Впоследствии при тестировании предполагается, что выборка стандартизации и тестируемый принадлежат одной и той же генеральной совокупности.
При
условии нормального распределения
первичных данных приведение различных
методик к единой шкале осуществляется
путем построения шкалы стандартных
значений или стандартизованной шкалы.
Стандартизованная шкала отражает место
любого значения признака хiв общей совокупности данных, измеряя
его отклонение от среднего арифметического
значенияв единицах стандартного отклонения.
Для этого осуществляетсяZ-преобразование
первичных данных по следующей формуле:
где zi— стандартизованная величина дляxi
xi— первичный результат
—среднее
арифметическое значение первичных
результатов
σх— стандартное отклонение первичных результатов
Для
стандартизованных величин в любых
шкалах всегда среднее арифметическое
значение
=0
стандартное отклонение σz=1.Z-шкала относится к
интервальным шкалам: единицей измерения
в этой шкале является стандартное
отклонение. В такую шкалу можно
преобразовать любые первичные данные.
Недостатком стандартизованных Z-шкал является наличие в них отрицательных значений. Этот недостаток преодолевается переходом к другим, более удобным в обращении шкалам, которые строятся путем преобразования стандартизованных данных.
Для интервальных шкал допустимо преобразование следующего типа: z'=az+b, где всегдаa>0. В этом уравнении а иb— любые действительные числа, выбор которых определяется исключительно лишь удобством работы со шкалой. Такие шкалы называютсяпреобразованными стандартизованнымиилинормализованными шкалами. В психодиагностических методиках в качестве этих констант часто выбирают желательные параметры распределений в нормализованных шкалах (в качествеbподставляют стандартное отклонение, в качестве а — среднее арифметическое значение нормализованных данных).
Приведем примеры таких шкал в психодиагностических методиках.
Тест Векслера
Тест Амтхауэра
Шкала стенов Кеттелла(например, опросники 16PFКеттелла, МИС. УСК и т. п.)
Шкала стенайнов Гилфорда
Шкала Т-баллов(например, опросникиMMPI,CPI, САТ, ГТ и т. п.)
В руководстве по конструированию тестов, принятом Американской психологической ассоциацией, указывается, что типичным преобразованием ненормализованных стандартных показателе (то есть z-показателей) должно быть их приведение к шкале со следующими параметрами: среднее арифметическое 50 (это будет константаb) и стандартное отклонение 10 (константа а).
На рисунке 7 показано соотношение кривой нормального распределения и наиболее распространенных в методиках нормализованных шкал.
Рис. 16. Кривая нормального распределения и тестовые показатели.
Распределение оценок многих стандартизированных педагогических и психологических тестов апроксимируется формой нормальной кривой, показанной в верхней части этого рисунка. Ниже представлены некоторые шкалы, разработанные для упрощения интерпретации оценок путем преобразования их в числа, которые указывают относительное положение тестируемых в группе стандартизации (выборка испытуемых, на которой проводится исследование с целью сбора статистического материала и определения статистической нормы).
Нуль (0) в центре базовой линии показывает положение средней арифметической первичных («сырых») оценок теста, а символ σ (сигма) размечает шкалу «сырых» оценок в единицах стандартного отклонения.
Накопленные проценты являются основой шкалы «процентильный эквивалент».
Некоторые шкалы основаны на единице стандартного отклонения. Среди этих шкал — стандартная z-оценка, Т-оценка, стены (10-балльная шкала) и стенайны (9-балльная шкала), оценка уровня развития интеллекта IQ — представляют собой шкалы, применяющиеся во множестве тестов.
Таблицы норм, либо в виде процентилей, либо в форме стандартной оценки, имеют значение только для конкретного теста, примененного к определенной выборке стандартизации. Диаграмма не позволяет сделать вывод о том, например, что процентильный ранг 84 по одному тесту обязательно эквивалентен z-оценке +1,0 для другого теста, это справедливо лишь в том случае, когда каждый тест непременно имеет нормальное распределение оценок и когда обе шкалы основаны на идентичных или очень похожих группах людей.
Контрольные вопросы:
1. О чем свидетельствует такой параметр как мода?
2. Методика КОТ (Краткий отборочный тест) позволяет оценить интеллектуальный потенциал человека и принять решение, например, о приеме на работу. В методических указаниях рекомендуется пользоваться медианными нормами. Максимально возможный диапазон значений интеллектуального потенциала в методике от 0 до 50 баллов. О чем свидетельствует значение испытуемого, равное 35, если медиана равна 29?
3. Тест Равенна позволяет получить оценку невербального интеллекта человека как общую сумму баллов по методике (количество правильных ответов по всем сериям). Для интерпретации результата испытуемого в детском варианте методики рекомендуется пользоваться квартилями, полученными на выборке стандартизации (таблицы 10 и 11).
Таблица 10