Добавил:

ivanov666 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Башкирский Государственный Аграрный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Психодиагностика применение статистических методов. Учебно-методическое пособие

.pdf

Скачиваний:

Добавлен:

07.09.2026

Размер:

1 Мб

Скачать

☆

<<< < Предыдущая 1 2 3 4 5 6 78 / 158 9 10 11 12 13 14 15 > Следующая >>>

Таблица 2.11

Применение непараметрических критериев в психодиагностике

Задача

психодиагностики

1. Выявление различий в уровне исследуемого признака

2. Оценка сдвига значений исследуемого признака

3. Анализ изменений признака под влиянием контролируемых условий

2 выборки испытуемых

3 и более выборок испытуемых

2 замера на одной и той же выборке испытуемых

3 и более замеров на одной выборке испытуемых

Под влиянием одного фактора

Под влиянием двух факторов одновременно

Условия

психодиагностики

Статистический критерий

Q — критерий Розенбаума; U — критерий Манна-Уитни

S — критерий тенденций

Джонкира; H — критерий Крускала-Уоллиса

T — критерий Вилкоксона; G — критерий знаков

— критерий Фридмана;

L — критерий тенденций

Пейджа

S — критерий тенденций Джонкира; L — критерий тенденций Пейджа; Однофакторный дисперсионный анализ Фишера.

Двухфакторный дисперсионный анализ Фишера

непараметрические критерии показывают наличие различий — значит, эти различия действительно есть. Однако, если различия с помощью непараметрических методов не выявляются, то это еще не говорит о том, что их нет. Возможно, они есть, но для их выявления необходимо воспользоваться более мощными параметрическими критериями.

В связи с тем, что особенности применения непараметрических критериев очень подробно и замечательно изложены в указанной выше работе Е. В. Сидоренко, мы рассмотрим особенности применения параметрических критериев.

В качестве примера рассмотрим психодиагностическую задачу определения различий в объеме памяти детей разных возрастных групп, или имеющих разный уровень интеллекта. Возможна и другая, можно сказать, «обратная» задача: выделить в рамках одной выборки испытуемых различные группы, отличающиеся

по уровню измеряемого показателя. Простейшим случаем такой

задачи является деление выборки на две группы: а) «более хорошие» и б) «более плохие» или на три группы: а) «более успешные», б) «средние» и в) «менее успешные» и т. д.

Определение достоверности различий

Допустим, имеются две выборки испытуемых объемом n1 и n2 со

и х

средними значениями показателя x, равными х

и х

ственно. Если средние значения х

ср1

не равны между собой,

ср2

ср1

, соответ-

ср2

то очевидно, что между ними есть определенная разница, которая указывает на наличие различий между выборками по показателю x. Однако возникает вопрос, насколько эти различия можно считать существенными, и насколько достоверны эти различия? Если статистические совокупности значений показателя в обеих выборках имеют распределения близкие к нормальным и для них известны среднеквадратичные отклонения σ

и σ2, достоверность различий

между средними можно определить с помощью параметрического критерия, называемого t-критерием Стьюдента, численное значение которого вычисляется по формуле:

cp cp

. (2.38)

и х

Различия в средних значениях х

ср1

считаются достоверны-

ср2

ми, если вычисленное или эмпирическое значение t-критерия Стьюдента превышает критическое значение t заданному уровню достоверности. Значение t

, соответствующее

кр

находится из спе-

кр

циальных таблиц распределения критических значений t-критерия Стьюдента (см. Приложение 2) в зависимости от числа степеней свободы ν, вычисляемого по формуле ν = n

+ n2 – 2, и желаемого

уровня достоверности α.

Определение достоверности различий в средних значениях показателя различных выборок с использованием t-критерия Стьюдента является весьма полезным и целесообразным, в частности, при формировании общей выборки испытуемых. Если, например, при сравнении средних значений какого-либо показателя в группе мальчиков и группе девочек наблюдаются отличия, но при проверке по t-критерию Стьюдента достоверность этих отличий не подтверждается, то, в принципе, эти две группы испытуемых

по измеряемому признаку могут быть объединены и отнесены к одной общей выборке.

Обратная задача, т. е. задача деления общей выборки на подгруппы с достоверно отличающимися значениями измеряемого показателя, осуществляется следующим образом.

При делении выборки на две подгруппы в первую подгруппу включаются все испытуемые, имеющие значения показателя x во вторую — те, у которых x

< xср.

> xср,

При делении выборки на три подгруппы в качестве центральной подгруппы выделяются испытуемые, для которых значения показателя x

находится в пределах хср ± σx. Во вторую подгруппу вы-

деляются испытуемые со значениями показателя, превышающими

+ σx. Третью группу образуют испытуемые, у которых значение

ср

показателя ниже х

– σx.

ср

Значения показателей центральной подгруппы испытуемых обычно рассматриваются в качестве нормы; второй и третьей подгрупп — соответственно, выше и ниже нормы.

Графически это может быть представлено следующим образом (см. рис. 2.15):

xср – 3σ xср – 2σ xср – σ xср xср + σ xср + 2σ xср + 3σ

Рис. 2.15. Схема деления выборки испытуемых на три подгруппы

Однако при таком делении численность испытуемых в подгруппах оказывается неравномерной, в центральной подгруппе около 68 %, в других подгруппах по 16 %. Чтобы подгруппы были более равномерны по численности испытуемых, необходимо в качестве нормы принять диапазон значений показателя от х

+ 0,5σ. В таком случае в центральной подгруппе будет около

ср

— 0,5σ до

ср

38 % испытуемых, в двух других — по 31 %.

Использование среднеквадратичного отклонения σ

позволяет

не только выделять отдельные группы испытуемых, но и фактически преобразовывать измерительные шкалы интервального типа либо в номинальные, либо в шкалы порядка. Наименования подгрупп можно рассматривать как некоторые названия (или обозначения) отличающихся классов испытуемых в полном соответствии с правилами, принятыми в номинальной шкале. Количество испытуемых, имеющих значения показателя в пределах соответствующих интервалов, можно рассматривать как показатель наполненности этих

классов, и можно говорить о значении моды как о мере центральной тенденции для данного распределения классов испытуемых. Поскольку выделенные группы (или классы) испытуемых отли чаются по уровню признака и их можно расположить в порядке возрастания или убывания признака, каждой группе испытуемых в соответствии с ее положением относительно других групп можно присвоить определенный ранг. Например, при выделении пяти групп испытуемых и наличии, соответственно, пяти градаций значений измеряемого показателя группам можно присвоить ранги от 1 до 5.

Как было показано выше, использование статистического критерия типа t-критерия Стьюдента позволяет определять наличие или отсутствие различий между двумя статистическими совокупно стями значений показателя, полученными при измерении одного и того же показателя на двух различных выборках (или при повторных измерениях на одной и той же выборке). А как быть, если на одной и той же выборке испытуемых получены результаты измерений по двум разным показателям x и y? Очевидно, что вопрос о соот ношении средних значений показателей не имеет смысла, поскольку показатели разные. Однако уместен вопрос о соотношении индиви дуальных значений показателей, который решается с использованием процедуры стандартизации исходных данных или соответствующих процедур корреляционного анализа. Если исходные данные получены при измерении разных показателей на разных выборках, то вопрос о связи и соотношениях между ними не имеет смысла.

2.5. Методы корреляционного анализа

Корреляционный анализ представляет собой мощное средство математической обработки и анализа результатов психодиагностики, полученных при измерении различных показателей на одной и той же выборке испытуемых или различных оценок разными выборками испытуемых, но одной и той же совокупности диагностируемых объектов.

Корреляция

как мера статистической связи показателей

Само слово «корреляция» в переводе с латинского означает «связь». Следовательно, корреляционный анализ — это анализ различных связей между измеряемыми показателями. Для обозначения степени или силы связи вводится понятие коэффициента

корреляции. Очевидно, чем больше коэффициент корреляции, тем сильнее связь между анализируемыми показателями.

Существует два вида связей:

• функциональные,

• статистические.

При функциональной связи каждому значению одного показа-

теля (x) всегда соответствует определенное значение другого (y):

⇔ yi.

При статистической связи одному и тому же значению одного показателя (x) могут соответствовать различные значения другого (y).

Наличие статистических связей между двумя и более показателями обусловливается, главным образом:

— многомерностью психологических явлений, подлежащих диагностике;

— наличием случайных и не учитываемых факторов, воздействие которых приводит к изменению в проявлениях диагностируемых показателей.

В результате множественного воздействия взаимно пересекающихся факторов связь между показателями проявляется не в каждом отдельном случае, как при функциональной связи, а только в тенденции и «в среднем». Выявление наличия и степени статистической связи между различными показателями и составляет основную задачу корреляционного анализа. В задачу корреляционного анализа входит также оценка значимости или достоверности связи между показателями. Кроме того, анализ статистической связи предполагает выявление формы связи. Однако решение данной задачи осуществляется с помощью методов регрессионного анализа.

Один из важных вопросов, возникающих в изучении взаимосвязей показателей, это вопрос о том, можно ли наличие связи между ними рассматривать как проявление зависимости, как наличие влияния одного показателя на другого. Например, при наличии связи между показателями успеваемости, памяти и мышления можно ли говорить о том, что память и мышление влияют на успеваемость, или, наоборот, что развития памяти и мышления зависит от успеваемости?

Понятие «зависимость» обычно используется в научных исследованиях для обозначения причинно-следственных отношений между событиями. Применительно к психодиагностике, где в качестве событий выступают отдельные значения диагностируемых показателей, наличие зависимости означало бы, что, получив при

измерении показателя x значение x = a, мы с неизбежностью при измерении показателя y должны получить y = b. При этом первое событие (x = a) выступает как причина второго (y = b), а второе — как следствие первого. Зависимость y от x описывается некоторой функцией f, которая записывается следующим образом: y = f(x).

В случае статистических связей одно и то же значение показателя x может сочетаться с разными значениями показателя y. Следовательно, обнаружение корреляционной связи между показателями не может трактоваться как проявление зависимости между ними. Наличие корреляций ни в коей мере не является свидетельством наличия причинно-следственных отношений или зависимостей между коррелируемыми показателями.

При использовании методов корреляционного анализа и определении соответствующих коэффициентов корреляции может возникать ряд проблем, среди которых следует отметить следующие:

1. Статистические совокупности исходных данных получены при измерении показателей с использованием измерительных шкал разного типа. Например, пол испытуемых измеряется по шкале наименований, особенности памяти — по шкале порядка, а уровень интеллекта — по интервальной шкале.

2. Различные совокупности исходных данных имеют различные статистические параметры (различный объем выборки, различную вариативность значений показателя, различную форму распределения, в том числе далекую от нормального).

3. Связь между измеряемыми показателями может быть не только линейной, но и нелинейной.

Решение первой и частично третьей проблемы дает нам разнообразие в процедурах вычисления коэффициентов корреляции и, соответственно, разнообразие типов коэффициентов корреляции.

Решение второй и третьей проблемы приводит к формулированию условий, при которых применение тех или иных процедур корреляционного анализа является корректным, и к понятию достоверности коэффициентов корреляции.

В зависимости от используемых при проведении психодиагностики измерительных шкал, применяются разные методы корреляционного анализа и разные коэффициенты корреляции.

Корреляция показателей в шкалах интервалов

Корреляция показателей, при измерении которых использовались интервальные шкалы, осуществляется путем вычисления коэффициента корреляции Пирсона.

Коэффициент корреляции Пирсона

Данный коэффициент относится к статистическим критериям параметрического типа, который позволяет определить не только наличие или отсутствие достоверной связи между показателями, но и характер этой связи, в частности, силу и направление связи. Следует отметить также, что коэффициент корреляции Пирсона — это коэффициент парной и линейной корреляции, т. е. указывает на наличие и степень лишь линейной связи между двумя показателя x и y.

При определении коэффициента корреляции Пирсона сопоставляются две статистические совокупности значений показателя x и y, полученные на одной и той же выборке испытуемых и при использовании одного и того же типа шкалы — шкалы интервалов.

Рассмотрим в качестве примера статистические совокупности исходных данных, полученных при измерении уровня интеллекта и успеваемости на выборке учащихся объемом N = 12. Исходные значения указанных показателей приведены в таблице 2.12.

Таблица 2.12

Значения показателей интеллекта и успеваемости в группе учащихся

Показатель

Интеллект 120 112 110 120 103 126 113 114 106 108 128 109

Успеваемость

1 2 3 4 5 6 7 8 9 10 11 12

31 25 19 24 17 28 18 20 16 15 27 19

Номер учащегося

Анализируемые статистические совокупности имеют следующие параметры:

Интеллект: х

Успеваемость: y

= 114,1 σx = 7,86.

ср

= 21,6 σx = 5,23.

ср

Вопрос, который касается корреляции показателей интеллекта и успеваемости, состоит в следующем: «Если испытуемый имеет более высокий уровень интеллекта, то имеет ли он так же более высокий уровень успеваемости или такого соответствия не наблюдается?».

Характер связи между показателями интеллекта и успеваемости можно наглядно представить в виде диаграммы рассеяния (см. рис. 2.16).

Рис. 2.16. Диаграмма рассеяния значений

уровня интеллекта и успеваемости

Положение учащегося относительно остальных в выборке по

показателям x и y определяется величиной и знаком отклонений:

∆x

= xi – xср и ∆yi = yi – yср.

Определим учащихся, имеющих уровень успеваемости и уровень интеллекта выше среднего. Если это будут одни и те же учащиеся — значит связь между успеваемостью и уровнем интеллекта есть. В противном случае следует признать, что связи нет.

Анализ таблицы 2.12 показывает, что более высокая успеваемость (y сокий интеллект (x

> yср) у учащихся под номерами: 1, 2, 4, 6, 11, более вы-

> xср) у учащихся под номерами: 1, 4, 6, 11. Оче-

видно, что более высокий уровень успеваемости и более высокий уровень интеллекта имеют практически одни и те же учащиеся. Это позволяет высказать предположение о связи успеваемости с уровнем интеллекта. На наличие связи, причем линейной, указывает и характер распределения точек на диаграмме рассеяния (см. рис. 2.16) — точки расположены в среднем вдоль диагонали.

Чтобы определить степень связи, рассмотрим произведение

∗ ∆yi. Если между x и y существует прямая связь, т. е. большим

∆x

значениям x большинство произведений ∆x

ветственно общая сумма произведений

соответствуют большие значения yi и наоборот, то

∗ ∆yi будет положительным. Соот-

D *D

будет большой

и положительной. В случае отсутствия прямой связи некоторые произведения ∆x

∗ ∆yi могут быть отрицательными, и тогда общая

сумма произведений будет меньше и может быть равной нулю.

ii ii

Если все произведения ∆x чает, что большим значениям x

и наоборот. В этом случае имеет место, так называемая, обрат-

∗ ∆yi будут отрицательными, это озна-

соответствуют меньшие значения

ная связь. И в том, и в другом случаях величина общей суммы

произведений

D *D

будет указывать на степень связи. Что

касается знака суммы, то он указывает на направление связи: если сумма положительная — связь прямая, если отрицательная — связь обратная.

Однако величина суммы

ки, и это не позволяет сравнивать результаты, полученные на

D *D

зависит от объема выбор-

разных выборках испытуемых. Чтобы можно было сравнивать степень связи между показателями x и y в двух выборках, необхо- димо произвести усреднение суммы произведений по объему выборки, поделив ее на N – 1. В результате получаем:

xx yy

( )( )

i cp i cp

где S

носит название ковариации показателей x и y.

Значение ковариации S

и от объема выборки N. Чтобы сделать его независимым

и y

ср

также и от влияния стандартных отклонений σ разделить S

на соответствующие значения Sx и Sy. В результате

не зависит от средних значений хср

, (2.39)

и σy, необходимо

мы получаем меру связи показателей x и y, которая называется коэффициентом корреляции Пирсона и обозначается r

. (2.40)

Вычисление численного значения коэффициента корреляции Пирсона по исходным значениям показателей x ся по формуле:

N xy x y

× -×

é ùé ù

Nx xNy y

ê úê ú ë ûë û

å åå

× - ×× -

åå åå

( ) ( )

ii i i

и yi осуществляет-

. (2.41)

Численные значения коэффициентов корреляции Пирсона находятся в пределах от + 1,0 до –1,0. Общий смысл этих значений иллюстрируется на рис. 2.17.

Рис. 2.17. Смысл численных значений коэффициента корреляции

НАПОМИНАНИЕ! При проведении корреляционного анализа и вы-

числении коэффициентов корреляции необходимо помнить, что наличие взаимосвязи двух показателей не означает наличие между ними причинно-следственных отношений. Если показатели x и y взаимосвязаны, это не означает, что x влияет на y или наоборот.

Интерпретация коэффициента корреляции существенно зависит от параметров выборки и характера распределения исходных значений анализируемых показателей.

Допустим, что в результате психодиагностики были получены данные, свидетельствующие, что уровень тревожности у девочек более высокий по сравнению с мальчиками. Кроме того, известно, что и успеваемость у девочек более высокая, чем у мальчиков. Означает ли это, что между тревожностью и успеваемостью учащихся есть какая-то связь?

Возьмем выборку из 30 учащихся, среди которых 15 девочек и 15 мальчиков, и определим коэффициент корреляции двух показателей — тревожности (x) и успеваемости (y). Распределение исходных данных и диаграмма рассеяния приведены, соответственно, в таблице 2.13 и на рис. 2.18.

Таблица 2.13

Исходные значения показателей тревожности x

и успеваемости y

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

4 5 3 4 3 5 3 4 4 5 4 5 3 4 5

18 24 20 16 18 20 23 16 16 18 24 16 18 22 22

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

7 5 7 6 8 7 6 6 5 7 6 5 8 7 6

25 28 22 18 30 27 30 28 27 30 30 28 30 22 24

мальчиков и девочек

Мальчики

Девочки

<<< < Предыдущая 1 2 3 4 5 6 78 / 158 9 10 11 12 13 14 15 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]