Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Основы математической обработки данных в психологии. Учебное пособие для студентов 3 курса факультета клинической психологии ОрГМА
.pdf
37. МЕРЫ ЦЕНТРАЛЬНОЙ ТЕНДЕНЦИИ ВКЛЮЧАЮТ В СЕБЯ
1. среднее арифметическое;
2. корреляционный анализ;
3. дисперсию;
4. моду.
38. ЧАСТНОЕ ОТ ДЕЛЕНИЯ ВСЕХ ЗНАЧЕНИЙ (Х) НА ИХ КОЛИЧЕСТВО (N)
1. мода;
2. медиана;
3. среднее арифметическое;
4. среднее отклонение.
39. ЗНАЧЕНИЕ, КОТОРОЕ ДЕЛИТ УПОРЯДОЧЕННОЕ (РАНЖИРОВАННОЕ)
МНОЖЕСТВО ДАННЫХ ПОПОЛАМ
1. мода;
2. медиана;
3. среднее арифметическое;
4. дисперсия;
5. среднее отклонение.
40. ЗНАЧЕНИЕ, НАИБОЛЕЕ ЧАСТО ВСТРЕЧАЮЩЕЕ В ВЫБОРКЕ
1. мода;
2. медиана;
3. среднее арифметическое;
4. дисперсия;
5. среднее отклонение.
41. НАИБОЛЕЕ ПОДХОДЯЩАЯ МЕРА ЦЕНТРАЛЬНОЙ ТЕНДЕНЦИИ ДЛЯ НОМИНАТИВНЫХ ДАННЫХ
1. среднее арифметическое;
2. мода;
3. медиана;
4. квартиль;
5. процентиль.
42. МОДА, МЕДИАНА И СРЕДНЕЕ АРИФМЕТИЧЕСКОЕ СОВПАДАЮТ
1. в порядковых данных;
2. в интервальных данных;
3. в номинативных данных;
4. в пропорциональных данных.
43. НАИБОЛЕЕ ЧУВСТВИТЕЛЬНО К «ВЫБРОСАМ» В ДАННЫХ
1. среднее отклонение;
2. мода;
3. среднее арифметическое;
4. медиана;
5. квартиль.
44. ТРИ ЗНАЧЕНИЯ ПРИЗНАКА, КОТОРЫЕ ДЕЛЯТ УПОРЯДОЧЕННОЕ (ПО ВОЗРАСТАНИЮ) МНОЖЕСТВО НАБЛЮДЕНИЙ НА 4 РАВНЫЕ ЧАСТИ
1. квантиль;
2. процентиль;
3. квартиль;
4. медиана.
45. СТАТИСТИЧЕСКИЕ ПОКАЗАТЕЛИ, ХАРАКТЕРИЗУЮЩИЕ РАЗЛИЧИЯ
МЕЖДУ ОТДЕЛЬНЫМИ ЗНАЧЕНИЯМИ ВЫБОРКИ
1. меры центральной тенденции;
33
2. меры изменчивости;
3. среднее отклонение;
4. квантили.
46. МЕРЫ ИЗМЕНЧИВОСТИ ВКЛЮЧАЮТ В СЕБЯ
1. дисперсию;
2. размах;
3. стандартное отклонение;
4. среднее отклонение;
5. все ответы верны.
47. ИНТЕРВАЛ МЕЖДУ МАКСИМАЛЬНЫМ И МИНИМАЛЬНЫМ ЗНАЧЕНИЯМИ
ПРИЗНАКА
1. размах;
2. среднее арифметическое;
3. среднее отклонение;
4. квартиль.
48. СТАТИСТИЧЕСКИЙ ПОКАЗАТЕЛЬ, ХАРАКТЕРИЗУЮЩИЙ СКУЧЕННОСТЬ
ДАННЫХ ВОКРУГ СРЕДНЕГО
1. среднее арифметическое;
2. дисперсия;
3. среднее отклонение;
4. стандартное отклонение.
49. МЕРА ИЗМЕНЧИВОСТИ МЕТРИЧЕСКИХ ДАННЫХ
1. среднее арифметическое;
2. дисперсия;
3. среднее отклонение;
4. стандартное отклонение.
50. ПОЛОЖИТЕЛЬНОЕ ЗНАЧЕНИЕ КВАДРАТНОГО КОРНЯ ИЗ ДИСПЕРИИ
1. среднее арифметическое;
2. дисперсия;
3. среднее отклонение;
4. стандартное отклонение.
51. ЗАКОН НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ ХАРАКТЕРИЗУЕТСЯ
1. дисперсией и стандартным отклонением;
2. средним арифметическим и стандартным отклонением;
3. средним отклонением и стандартным отклонением;
4. размахом и стандартным отклонением.
52. ЕДИНИЦА ИЗМЕРЕНИЯ НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ, ВЫСТУПАЮЩАЯ КАК МАСШТАБ ИЗМЕРЕНИЯ
1. дисперсия;
2. среднее отклонение;
3. размах;
4. стандартное отклонение;
5. среднее арифметическое.
53. НОРМАТИВНАЯ ВЕЛИЧИНА ИЗМЕРЕНИЯ ЗАКОНА НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ, ЗАДАЮЩАЯ ПОЛОЖЕНИЕ КРИВОЙ НА ЧИСЛОВОЙ ОСИ
1. дисперсия;
2. среднее отклонение;
3. размах;
4. стандартное отклонение;
5. среднее арифметическое.
34
54. РАСПРЕДЕЛЕНИЕ ЯВЛЯЕТСЯ НОРМАЛЬНЫМ, ЕСЛИ
1. 90% всех случаев располагается в диапазоне значений М±1,64σ
2. 95% всех случаев располагается в диапазоне значений М±2σ
3. 99% всех случаев располагается в диапазоне значений М±2,58σ.
55. АСПЕКТЫ ПРИМЕНЕНИЯ ЗАКОНА НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ
1. разработка тестовых шкал;
2. принятие решения о том, в какой шкале измерен признак;
3. выбор метода качественной обработки данных.
56. ПЕРЕВОД ИЗМЕРЕНИЯ В СТАНДАРТНУЮ Z-ШКАЛУ НАЗЫВАЕТСЯ
1. стандартизацией;
2. асимметрией;
3. эксцессом;
4. стандартной ошибкой асимметрии.
57. СТЕПЕНЬ ОТКЛОНЕНИЯ ГРАФИКА РАСПРЕДЕЛЕНИЯ ЧАСТОТ ОТ СИММЕТРИЧНОГО ВИДА ОТНОСИТЕЛЬНО СРЕДНЕГО ЗНАЧЕНИЯ
1. эксцесс;
2. стандартизация;
3. асимметрия;
4. стандартная ошибка асимметрии.
58. ПРИ НАИБОЛЬШЕЙ ЧАСТОТЕ ВСТРЕЧАЕМОСТИ ЗНАЧЕНИЙ МЕНЬШЕ
СРЕДНЕГО АСИММЕТРИЯ
1. левосторонняя (положительная);
2. правосторонняя (положительная);
3. левосторонняя (отрицательная);
4. правосторонняя (отрицательная).
59. ПРИ НАИБОЛЬШЕЙ ЧАСТОТЕ ВСТРЕЧАЕМОСТИ ЗНАЧЕНИЙ БОЛЬШЕ
СРЕДНЕГО АСИММЕТРИЯ
1. левосторонняя (положительная);
2. правосторонняя (положительная);
3. левосторонняя (отрицательная);
4. правосторонняя (отрицательная).
60. МЕРА ПЛОСКОВЕРШИННОСТИ ИЛИ ОСТРОКОНЕЧНОСТИ ГРАФИКА РАСПРЕДЕЛЕНИЯ ИЗМЕРЕННОГО ПРИЗНАКА
1. эксцесс;
2. стандартизация;
3. асимметрия;
4. стандартная ошибка асимметрии.
5. стандартная ошибка эксцесса.
61. ПОЛОЖИТЕЛЬНЫМ ЭКСЦЕССОМ ХАРАКТЕРИЗУЕТСЯ
1. островершинное распределение;
2. нормальное распределение;
3. плосковершинное распределение;
4. асимметричное распределение.
62. ОТРИЦАТЕЛЬНЫМ ЭКСЦЕССОМ ХАРАКТЕРИЗУЕТСЯ
1. островершинное распределение;
2. нормальное распределение;
3. плосковершинное распределение;
4. асимметричное распределение.
35
63. СООТВЕТСТВИЕ РАСПРЕДЕЛЕНИЯ НОРМАЛЬНОМУ ЗАКОНУ
1. выборочное значение асимметрии не превышает значение своей
стандартной ошибки;
2. выборочное значение эксцесса не превышает значение своей стан-
дартной ошибки;
3. выборочные значения асимметрии и эксцесса не превышают значе-
ния своих стандартных ошибок;
4. выборочные значения асимметрии и эксцесса превышают значения
своих стандартных ошибок.
64. ПРИЧИНЫ ОТКЛОНЕНИЯ РАСПРЕДЕЛЕНИЯ ОТ НОРМАЛЬНОГО
1. неравномерная чувствительность шкалы;
2. наличие «выбросов»;
3. численность выборки менее 50 человек;
4. численность выборки более 150 человек.
65. СРЕДНЕЕ АРИФМЕТИЧЕСКОЕ ЗАДАЕТ
1. положение кривой на числовой оси;
2. масштаб измерения нормального распределения;
3. перевод измерения в стандартную Z-шкалу;
4. степень отклонения графика распределения от симметричного вида;
5. меру плосковершинности или остроконечности графика.
66. СТАНДАРТНОЕ ОТКЛОНЕНИЕ ЗАДАЕТ
1. положение кривой на числовой оси;
2. масштаб измерения нормального распределения;
3. перевод измерения в стандартную Z-шкалу;
4. степень отклонения графика распределения от симметричного вида;
5. меру плосковершинности или остроконечности графика.
67. СТАНДАРТИЗАЦИЯ ПЕРВИЧНЫХ ДАННЫХ – ЭТО
1. положение кривой на числовой оси;
2. масштаб измерения нормального распределения;
3. перевод измерения в стандартную Z-шкалу;
4. степень отклонения графика распределения от симметричного вида;
5. мера плосковершинности или остроконечности графика.
68. АСИММЕТРИЯ ПОКАЗЫВАЕТ
1. положение кривой на числовой оси;
2. масштаб измерения нормального распределения;
3. перевод измерения в стандартную Z-шкалу;
4. степень отклонения графика распределения от симметричного вида;
5. меру плосковершинности или остроконечности графика.
69. ЭКСЦЕСС ПОКАЗЫВАЕТ
1. положение кривой на числовой оси;
2. масштаб измерения нормального распределения;
3. перевод измерения в стандартную Z-шкалу;
4. степень отклонения графика распределения от симметричного вида;
5. меру плосковершинности или остроконечности графика.
70. ЛЕВОСТОРОННЯЯ ПОЛОЖИТЕЛЬНАЯ АСИММЕТРИЯ ОТМЕЧАЕТСЯ
1. если чаще встречаются значения больше среднего;
2. если чаще встречаются значения меньше среднего;
3. если все значения встречаются одинаково часто;
4. если в выборке присутствуют «экстремальные» выбросы;
5. если асимметрия равна нулю.
36
71. ПРАВОСТОРОННЯЯ ОТРИЦАТЕЛЬНАЯ АСИММЕТРИЯ ОТМЕЧАЕТСЯ
1. если чаще встречаются значения больше среднего;
2. если чаще встречаются значения меньше среднего;
3. если все значения встречаются одинаково часто;
4. если в выборке присутствуют «экстремальные» выбросы;
5. если асимметрия равна нулю.
72. ПЛОСКОВЕРШИННОЕ РАСПРЕДЕЛЕНИЕ ОТМЕЧАЕТСЯ
1. если эксцесс положительный;
2. если эксцесс отрицательный;
3. если эксцесс равен нулю;
4. если в выборке присутствуют «экстремальные» выбросы;
5. если асимметрия и эксцесс равны.
73. ОСТРОКОНЕЧНОЕ РАСПРЕДЕЛЕНИЕ ОТМЕЧАЕТСЯ
1. если эксцесс положительный;
2. если эксцесс отрицательный;
3. если эксцесс равен нулю;
4. если в выборке присутствуют «экстремальные» выбросы;
5. если асимметрия и эксцесс равны.
74. ЕСЛИ ВЫБОРОЧНЫЕ ЗНАЧЕНИЯ АСИММЕТРИИ И ЭКСЦЕССА НЕ ПРЕВЫ-
ШАЮТ ЗНАЧЕНИЯ СВОИХ СТАНДАРТНЫХ ОШИБОК – ЭТО
1. левосторонняя положительная асимметрия;
2. правосторонняя отрицательная асимметрия;
3. соответствие закону нормального распределения;
4. плосковершинное распределение;
5. остроконечное распределение.
37
РАЗДЕЛ II. МЕТОДЫ СТАТИСТИЧЕСКОГО ВЫВОДА
1. Проблема статистического вывода в психологическом исследовании
1.1 Гипотезы научные и статистические
Обычно исследование проводится для проверки гипотезы, которая является следстви-
ем теоретических представлений. Эта гипотеза содержит утверждение о связи абстрактных
категорий, относящихся к свойствам более или менее широкой совокупности объектов – ге-
неральной совокупности.
Предположение, которое проверяется с применением научного метода, называет-
ся научной гипотезой. Не всякая гипотеза, а только та, которая допускает для своей провер-
ки применение научного метода, может претендовать на научность. Кроме того, можно
научно проверять гипотезы относительно любых мелких проблем, обладающих ничтожной
научной или практической значимостью. Сам факт применения научного метода вовсе не
гарантирует, что проверяемая гипотеза представляет научный интерес.
Применение научного метода для проверки гипотезы предполагает определенную по-
следовательность действий исследователя.
1. Исследование начинается с операционализации абстрактных категорий - определе-
ния операций, при помощи которых соответствующие этим категориям явления (агрессивность, внешний вид и др.) могут быть измерены.
2. Затем исследователь организует выборку и проводит соответствующие измерения.
3. Результаты измерений преобразуют с использованием описательных статистик к
виду, допускающему статистическую проверку научной гипотезы.
Любое исследование сводится к выявлению связи между переменными. Эта связь ха-
рактеризуется своей силой и направлением. Однако есть еще одна, не менее важная характеристика связи – её надежность, истинность.
Надежность связи непосредственно связана с репрезентативностью выборки, с тем,
насколько уверенно статистики выборки позволяют судить о соответствующих параметрах
генеральной совокупности. Надежность связи определяется тем, насколько вероятно, что
обнаруженная в выборке связь будет вновь обнаружена (подтвердится) на другой аналогичной выборке, извлеченной из той же генеральной совокупности.
Очевидный способ проверки надежности обнаруженной в исследовании связи – это
многократное проведение аналогичного исследования на разных выборках. Однако это трудоемко и не всегда возможно. Но можно сформулировать вопрос по-другому. Если в генеральной совокупности связи нет, то какова вероятность случайного получения данного результата исследования? Иначе говоря, какова вероятность, что полученный результат является случайным, а на самом деле связи в генеральной совокупности нет? Вопрос, сформулированный таким образом, позволяет получить ответ с использованием методов статистики.
Соответствующее проверяемое утверждение – об отсутствии связи – называется статистической гипотезой.
Статистическая гипотеза – это утверждение относительно неизвестного параметра
генеральной совокупности, которое формулируется для проверки надежности связи и которое можно проверить по известным выборочным статистикам – результатам исследования.
Обычно выделяют основную (нулевую) и альтернативную статистические гипотезы.
Основная (нулевая) гипотеза (Н0) – содержит утверждение об отсутствии связи в
генеральной совокупности и доступна проверке методами статистического вывода.
Альтернативная гипотеза (Н1) – принимается при отклонении Н0 и содержит утвер-
ждение о наличии связи.
Нулевая и альтернативная гипотезы представляют собой, в терминах теории вероят-
ности, «полную группу несовместных событий»: если верна одна из них, то другая является
ложной, и наоборот, отклонение одной из них неизбежно влечет принятие другой.
Статистическая проверка научной гипотезы следует Аристотелевой логике дока-
зательства «от противного». Исследователь обычно заинтересован в установлении связи
38
между изучаемыми явлениями, соответственно, его научная гипотеза обычно содержит
утверждение о наличии такой связи. Но средствами статистики по результатам выборочного
исследования проверяется гипотеза об отсутствии различий. И научная гипотеза подтверждается в той мере, в какой по результатам выборочного исследования возможно отклонение
основной статистической гипотезы.
1.2 Уровень статистической значимости, статистический критерий и число сте-
пеней свободы
Статистическая значимость (сокр. Sig), или р-уровень значимости – основной ре-
зультат проверки статистической гипотезы. Говоря техническим языком, это вероятность
получения данного результата выборочного исследования при условии, что на самом деле
для генеральной совокупности верна нулевая статистическая гипотеза – т.е. связи нет. Иначе
говоря, это вероятность того, что обнаруженная связь носит случайный характер, а не является свойством совокупности. Именно статистическая значимость, р-уровень значимости является количественной оценкой надежности связи: чем меньше эта вероятность, тем надежнее связь.
Предположим, при сравнении двух выборочных средних было получено значение
уровня статистической значимости р=0,05. Это значит, что проверка статистической гипотезы о равенстве средних в генеральной совокупности показала, что если она верна, то вероятность случайного появления обнаруженных различий составляет не более 5%. Иначе говоря,
если бы две выборки многократно извлекались из одной и той же генеральной совокупности,
то в 1 из 20 случаев обнаруживалось бы такое же или большее различие между средними
этих выборок. Т.е. существует 5% вероятность того, что обнаруженные различия носят случайный характер, а не являются свойством совокупности.
В отношении научной гипотезы уровень статистической значимости – это количественный показатель степени недоверия к выводу о наличии связи, вычисленный по результатам выборочной, эмпирической проверки этой гипотезы. Чем меньше значение р-уровня,
тем выше статистическая значимость результата исследования, подтверждающего научную
гипотезу.
Уровень значимости при прочих равных условиях выше, если:
а) величина связи (различия) больше;
б) изменчивость признака (признаков) меньше;
в) объем выборки (выборок) больше.
Чем больше гипотез проверяется, тем выше шанс получить результат чисто случайно – р-уровень увеличивается пропорционально количеству проверяемых гипотез!
Статистический критерий – это инструмент определения уровня статистической
значимости. Назначение критерия – проверка статистической гипотезы путем определения
р-уровня значимости (вероятности того, что Н0 верна). Выбор критерия определяется прове-
ряемой статистической гипотезой.
Статистический критерий задает формулу для определения числа степеней свободы.
Число степеней свободы (df) – это количество возможных направлений изменчивости при-
знака. Как правило, число степеней свободы линейно зависит от объема выборки, от числа
признаков или их градаций, - чем больше эти показатели, тем больше число степеней свободы. В связи с тем, что для каждого случая df имеет свою специфику, подчеркнем лишь следующее: каждая формула для расчета эмпирического значения критерия обязательно сопровождается правилом (формулой) для определения числа степеней свободы.
Статистический критерий включает в себя:
а) формулу расчета эмпирического значения критерия по выборочным статистикам;
б) правило (формулу) определения числа степеней свободы;
в) теоретическое распределение для данного числа степеней свободы;
г) правило соотнесения эмпирического значения критерия с теоретическим распределением для определения вероятности того, что Н0 верна.
39
При обработке данных на компьютере при помощи статистической программы
(например, SPSS) исследователю достаточно указать программе, какой критерий (метод)
необходимо применить к заданной выборке исходных данных. Далее программа сама вычисляет эмпирическое значение и сопоставляет его с теоретическим распределением. В качестве
результата исследователь получает значение р-уровня значимости, наряду с эмпирическим
значением критерия и числом степеней свободы.
Когда расчеты производятся «вручную», исследователь совершает более сложную последовательность действий для проверки гипотезы, включающую применение специальных
таблиц критических значений критерия:
1. Выбор критерия в зависимости от вида исходных данных и статистической гипотезы.
2. Расчет по исходным данным (или по имеющимся статистикам) эмпирического зна-
чения критерия и числа степеней свободы.
3. Применение «Таблицы критических значений критерия» позволяет определить зна-
чение р-уровня для данного числа степеней свободы.
Таблица критических значений содержит значения (квантили) теоретического распределения, соответствующие наиболее важным – критическим значениям р-уровня (0,1; 0,05;
0,01; 0,001) для различных чисел степеней свободы.
Процедура определения р-уровня значимости (рис. 4):
1. Если эмпирическое значение критерия (Кэ) находится между двумя критическими
значениями, то р-уровень меньше того критического р-уровня, которое находится левее.
2. Если Кэ находится левее крайнего левого критического значения (обычно это соответствует критическому значению р=0,1, реже р=0,05), то р-уровень больше, чем крайнее
правое критическое значение р-уровня.
3. Если Кэ находится правее крайнего правого критического значения, то р-уровень
меньше крайнего правого критического р-уровня.
Рис. 4 Процедура определения р-уровня значимости
Для разных критериев возможны разные соотношения между р-уровнем и величиной
критических его значений.
Для большинства критериев (t, F, χ2 и др.) – чем больше значения критерия, тем выше
статистическая значимость (меньше р-уровень).
Для некоторых критериев зависимость обратная. Например, U-Манна-Уитни или Т-
Вилкоксона убывают по мере увеличения уровня значимости (уменьшение р-уровня).
Тем не менее, правило остается общим, в соответствии с рисунком. Например, если tэ
находится между t
же эмпирическое значение попадает левее критического р=0,1 (tэ<t
0,1
и t
, то р<0,1. И если Uэ находится между U
0,05
и U
0,1
, но Uэ>U
0,1
, то р<0,1. Если
0,05,
), то уровень
0,1
значимости определяется как р>0,1.
Проверка статистической гипотезы должна заканчиваться принятием статистического решения о том, какая же гипотеза верна: нулевая – об отсутствии связи или аль-
тернативная – о её наличии. Соответственно, от этого зависит и окончательный, содержа-
40
тельный вывод исследования: подтверждена или нет исходная научная гипотеза. Решение
Уровень
значимости
Решение
Возможный статистический вывод
р>0,1
Принимается Н0
Статистически достоверные различия
(связи) не обнаружены
р≤0,1
Сомнения в истинности Н
неопределен-
ность
Различия обнаружены на уровне статистической тенденции
р≤0,05
Значимость, отклонение Н0
Обнаружены статистически достоверные
(значимые) различия (связи)
р≤0,01
Высокая значимость, отклонение Н0
Различия (связи) обнаружены на высоком уровне статистической значимости
р≤0,001
Очень высокая значимость, отклонение
Различия (связи) обнаружены на Очень
мости
исследователя зависит от того, какую вероятность ошибки он считает допустимой.
Традиционная интерпретация различных уровней значимости исходит из α=0,05. В
соответствии с ней приемлемым для отклонения Н0 признается уровень р≤0,05. Такая относительно высокая вероятность ошибки может быть рекомендована для небольших выборок.
Если объем выборок около 100 и более объектов, то порог отклонения Н0 целесообразно снизить до α=0,01 и принимать решение о наличии связи (различий) при р≤0,01.
Интерпретация уровней значимости представлена в таблице 2.
Таблица 2
Традиционная интерпретация уровней значимости
0,
Н0
высоком уровне статистической значи-
Если по результатам статистической проверки основная гипотеза отклоняется, то
принимается альтернативная гипотеза. Обычно характер альтернативы явно указывается при
описании метода. Принимаемая альтернатива может быть:
а) направленной (например, Н1:r>0 или Н1:М1>М2);
б) ненаправленной (например, Н1:r≠0 или Н1:М1≠М2).
1. Если процедура проверки подразумевает ненаправленную альтернативу, то крити-
ческие области, соответствующие её отклонению (принятию альтернативы), поровну распределяются по обоим «хвостам» распределения. Поэтому такие критерии часто называют двусторонними, имеющими «два хвоста». В этом случае существует два критических значения:
одно – положительное, другое – отрицательное. Принятие ненаправленной альтернативы
позволяет сделать вывод о направлении связи в генеральной совокупности в соответствии с
выборочными данными.
2. Если проверяется направленная альтернатива, то процедура проверки допускает
принятие односторонней альтернативы (например, Н1:r>0). В этом случае существует одно
критическое значение (положительное или отрицательное).
При двусторонней альтернативе, по сравнению с односторонней, нулевая гипотеза отвергается при больших значениях силы связи (корреляций, различий и пр.). Следовательно,
для одного и того же эмпирического значения критерия р-уровень значимости для направленной альтернативы в 2 раза меньше р-уровня для ненаправленной альтернативы.
Статистически значимые результаты исследования, полученные путем многократной
проверки гипотез в отношении одних и тех же данных, обладают на самом деле весьма сомнительной достоверностью. Указанная проблема может быть решена двумя способами:
1. Проверка гипотез на параллельных выборках: учитываются только те результаты,
статистическая значимость которых подтверждается на параллельной идентичной выборке.
2. Применение многомерных методов (дисперсионный, дискриминантный анализ, а
при изучении связи между множеством переменных регрессионный или факторный анализ).
Принятие Н0 не означает, что различия отсутствуют или мера связи равна нулю; из
этого следует только то, что статистически значимые результаты не обнаружены.
41
Когда в результате исследования принимается Н0, никакого содержательного вывода
Типы
шкал
1. Х и Y – количественные
2. Х и Y – номинативные
3. Х – номинативная,
Y – количественная
Задачи
Корреляционный анализ
Анализ номинативных дан-
тельности серий
Сравнение выборок по уров-
Методы
а) r-Пирсона – для метриче-
Критерий χ2-Пирсона (для
довательности).
Методы сравнений
сделать нельзя. Поэтому выражение «Отрицательный результат исследования – тоже результат» - имеет для исследователя исключительно психотерапевтическое значение: отрицательный результат исследования – это отсутствие какого бы то ни было результата.
При оформлении исследовательского отчета (курсовой, статьи, дипломной работы)
статистические гипотезы и статистические решения, как правило, не приводятся. Обычно
при описании результатов указывают критерий, приводят необходимые описательные статистики (средние, сигмы, корреляции и др.), эмпирические значения критериев, степени своды
и обязательно р-уровни значимости. Затем формулируют содержательный вывод в отношении проверяемой гипотезы с указанием (обычно в виде неравенства) достигнутого или недостигнутого уровня значимости.
Место статистического вывода в общей последовательности проверки содержа-
тельной гипотезы:
1. Формулировка содержательной гипотезы.
2. Планирование исследования (выборка, процедура, инструментарий…), в т.ч. пред-
варительная формулировка доступной проверке статистической гипотезы.
3. Проведение измерений и накопление исходных данных.
4. Окончательная формулировка статистической гипотезы, выбор статистического
критерия, установление величины α – допустимой вероятности ошибки.
5. Определение р-уровня статистической значимости в результате применения стати-
стического критерия.
6. Статистический вывод: статистическое решение о принятии или отклонении Н0.
7. Формулировка содержательного вывода.
1.3 Выбор метода статистического вывода
Первое основание для классификации исследовательских ситуаций – это типы
шкал, в которых измерены признаки Х и Y, связь между которыми изучается. В зависимости
от той или иной шкалы выделяются три ситуации (табл.3):
Таблица 3
Типы исследовательских ситуаций в зависимости от типа шкал
ских Х и У;
б) частная корреляция и
сравнение корреляций;
в) r-Спирмена, τ-Кендалла –
для ранговых Х и У.
Наиболее многочисленная группа методов относится к случаю, когда одна из пере-
менных является количественной, а другая – качественной. Это широкий класс исследовательских ситуаций, когда задача сводится к сравнению групп (градаций номинативной переменной) по уровню выраженности признака (количественной переменной). Для решения такой задачи применяются методы сравнения, классифицируемые по трем основаниям:
а) количество сравниваемых групп (градаций номинативной переменной) – две или
более;
б) соотношение сравниваемых групп – зависимые выборки или независимые выборки;
в) шкала, в которой измерен количественный признак – метрическая, ранговая
(табл.4).
42
ных: классификаций, таблиц
сопряженности, последова-
классификаций и таблиц сопряженности), критерий
Мак-Нимара (для таблиц 2×2
с повторными измерениями),
критерий серий (для после-
ню выраженности признака
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]