- •Содержание
- •Глава 1. Основные понятия, используемые в математической обработке психологических данных..... ... 11
- •4.4. Задачи для самостоятельной работы ....... 152
- •Предисловие автора
- •Как читать эту книгу и как ею пользоваться
- •Глава 1
- •Основные понятия, используемые
- •В математической обработке
- •Психологических данных
- •1.1. Признаки и переменные
- •1.2. Шкалы измерения
- •1.3. Распределение признака. Параметры распределения
- •1.4. Статистические гипотезы
- •Направленные гипотезы
- •Ненаправленные гипотезы
- •1.5. Статистические критерии
- •Параметрические критерии
- •Непараметрические критерии
- •1.6. Уровни статистической значимости
- •Правило отклонения h0 и принятия h1
- •1.7. Мощность критериев
- •1.8. Классификация задач и методов их решения
- •1.9. Принятие решения о выборе метода математической обработки
- •Алгоритм 1
- •Алгоритм 2
- •1.10. Список обозначений Латинские обозначения:
- •Греческие обозначения:
- •Глава 2 выявление различий в уровне исследуемого признака
- •2.1. Обоснование задачи сопоставления и сравнения
- •Алгоритм 3 Подсчет критерия q Розенбаума
- •Правила ранжирования
- •Алгоритм 4 Подсчет критерия u Манна-Уитни.
- •Алгоритм 5 Подсчет критерия н Крускала-Уоллиса
- •Алгоритм 6 Подсчет критерия s Джонкира
- •2.6. Задачи для самостоятельной работы
- •2.7. Алгоритм принятия решения о выборе критерия для сопоставлений
- •Глава 3 оценка достоверности сдвига в значениях исследуемого признака
- •3.1. Обоснование задачи исследований изменений
- •Алгоритм 8 Расчет критерия знаков g
- •Алгоритм 9 Подсчет критерия т Вилкоксона
- •3.4. Критерий χ2r Фридмана
- •Алгоритм 10 Подсчет критерия χ2r Фридмана
- •Алгоритм 11 Подсчет критерия тенденций l Пейджа
- •3.6. Задачи для самостоятельной работы
- •3.7. Алгоритм принятия решения о выборе критерия оценки изменений
- •Глава 4 выявление различий в распределении признака
- •4.1. Обоснование задачи сравнения распределений признака
- •4,2. Χ2 критерий Пирсона
- •Шутливый пример
- •Алгоритм 13 Расчет критерия χ2
- •Алгоритм 14 Расчет абсолютной величины разности d между эмпирическим и равномерным распределениями
- •Алгоритм 15 Расчет критерия λ при сопоставлении двух эмпирических распределений
- •4.4. Задачи для самостоятельной работы .
- •Глава 5 многофункциональные статистические критерии
- •5.1. Понятие многофункциональных критериев
- •5.2. Критерий φ* — угловое преобразование Фишера
- •Алгоритм 17 Расчет критерия φ*
- •5.3. Биномиальный критерий ш Назначение критерия m
- •Алгоритм 18 Применение биномиального критерия m
- •5.4. Многофункциональные критерии как эффективные заменители традиционных критериев
- •5.5. Задачи для самостоятельной работы
- •5.6. Алгоритм выбора многофункциональных критериев
- •Глава 6 метод ранговой корреляции
- •6.1. Обоснование задачи исследования согласованных действий
- •6.2. Коэффициент ранговой корреляции rs Спирмена
- •Алгоритм 20 Расчет коэффициента ранговой корреляции Спирмена rs.
- •Глава 7 дисперсионный анализ
- •7.1. Понятие дисперсионного анализа
- •7.2. Подготовка данных к дисперсионному анализу
- •1) Создание комплексов
- •2) Уравновешивание комплексов
- •3) Проверка нормальности распределения результативного признака.
- •4) Преобразование эмпирических данных с целью упрощения расчетов
- •7.3. Однофакторный дисперсионный анализ для несвязанных выборок
- •7.4. Дисперсионный анализ для связанных выборок
- •Глава 8 дисперсионный двухфакторный анализ
- •8.1. Обоснование задачи по оценке взаимодействия двух факторов
- •8.2. Двухфакторный дисперсионный анализ для несвязанных выборок
- •8.3. Двухфакторный дисперсионный анализ для связанных выборок
- •Глава 9 решения задач с комментариями
- •9.1. Рекомендации по решению задач
- •9.2. Решения задач Главы 2
- •9.3. Решения задач Главы 3
- •Вопрос 1: Ощущаются ли участниками значимые сдвиги в уровне владения каждым из трех навыков после тренинга?
- •Вопрос 2: Произошли ли по трем видам навыков разные сдвиги или эти сдвиги для разных навыков примерно одинаковы?
- •Вопрос 3: Уменьшается ли расхождение между "идеальным" и реальным уровнями владения навыками после тренинга?
- •9.4. Решения задач Главы 4
- •Вопрос 1: Можно ли утверждать, что разные картины методики Хекхаузена обладают разной побудительной силой в отношении мотивов: а) "надежда на успех"; б) "боязнь неудачи"?
- •Вопрос 2: Можно ли считать стимульный набор методики Хекхаузена неуравновешенным по направленности воздействия?
- •Вопрос 1: Можно ли утверждать, что распределение запретов не является равномерным?
- •Вопрос 2: Можно ли утверждать, что запрет "Не проси" встречается достоверно чаще остальных?
- •Вопрос 1: Различаются ли распределения предпочтений, выявленные по каждому из четырех типов мужественности, между собой?
- •Вопрос 2. Можно ли утверждать, что предпочтение отдается какому-то одному или двум типам мужественности? Наблюдается ли какая-либо групповая тенденция предпочтений?
- •9.5. Решения задач Главы 5
- •Вопрос 1: Можно ли считать, что милиционеры патрульно-постовой службы в большей степени склонны продолжить разговор с агрессором, чем другие граждане?
- •Вопрос 2: Можно ли утверждать, что милиционеры склонны отвечать агрессору более примирительно, чем гражданские лица?
- •316 Приложение 1
- •330 Приложение 1
- •340 Приложение 1
- •344 Приложение 1
- •Глава 1. Основные понятия» используемые в математической
- •Глава 3. Оценка достоверности сдвига в значениях
- •Глава 4. Выявление различий в распределении признака. . По
- •Глава 5. Многофункциональные статнстнческне критерии . 157
- •Глава 8. Дисперсионный двухфакторнын анализ..... 246
1.3. Распределение признака. Параметры распределения
Распределением признака называется закономерность встречаемости разных его значений (Плохинский Н.А., 1970, с. 12).
В психологических исследованиях чаще всего ссылаются на нормальное распределение.
Нормальное распределение характеризуется тем, что крайние значения признака в нем встречаются достаточно редко, а значения, близкие к средней величине - достаточно часто. Нормальным такое распределение называется потому, что оно очень часто встречалось в естественнонаучных исследованиях и казалось "нормой" всякого массового случайного проявления признаков. Это распределение следует закону, открытому тремя учеными в разное время: Муавром в 1733 г. в Англии, Гауссом в 1809 г. в Германии и Лапласом в 1812 г. во Франции (Плохинский Н.А., 1970, с.17). График нормального распределения представляет собой привычную глазу психолога-исследователя так называемую колоколообразную кривую (см. напр., Рис. 1.1, 1.2).
Параметры распределения - это его числовые характеристики, указывающие, где "в среднем" располагаются значения признака, насколько эти значения изменчивы и наблюдается ли преимущественное появление определенных значений признака. Наиболее практически важными параметрами являются математическое ожидание, дисперсия, показатели асимметрии и эксцесса.
В реальных психологических исследованиях мы оперируем не параметрами, а их приближенными значениями, так называемыми оценками параметров. Это объясняется ограниченностью обследованных выборок. Чем больше выборка, тем ближе может быть оценка параметра к его истинному значению. В дальнейшем, говоря о параметрах, мы будем иметь в виду их оценки.
Среднее арифметическое (оценка математического ожидания) вычисляется по формуле:
где xi - каждое наблюдаемое значение признака;
i - индекс, указывающий на порядковый номер данного значения признака;
п - количество наблюдений;
∑- знак суммирования.
Оценка дисперсии определяется по формуле:
где xi - каждое наблюдаемое значение признака;
- среднее арифметическое значение признака;
n - количество наблюдений.
Величина, представляющая собой квадратный корень из несмещенной оценки дисперсии (S), называется стандартным отклонением или средним квадратическим отклонением. Для большинства исследователей привычно обозначать эту величину греческой буквой σ (сигма), а не S. На самом деле, σ - это стандартное отклонение в генеральной совокупности, a S - несмещенная оценка этого параметра в исследованной выборке. Но, поскольку S - лучшая оценка σ (Fisher R.A., 1938), эту оценку стали часто обозначать уже не как S, а как σ:
В тех случаях, когда какие-нибудь причины благоприятствуют более частому появлению значений, которые выше или, наоборот, ниже среднего, образуются асимметричные распределения. При левосторонней, или положительной, асимметрии в распределении чаще встречаются более низкие значения признака, а при правосторонней, или отрицательной - более высокие (см. Рис. 1.5).
Показатель асимметрии (A) вычисляется по формуле:
В тех случаях, когда какие-либо причины способствуют преимущественному появлению средних или близких к средним значений, образуется распределение с положительным эксцессом. Если же в распределении преобладают крайние значения, причем одновременно и более низкие, и более высокие, то такое распределение характеризуется отрицательным эксцессом и в центре распределения может образоваться впадина, превращающая его в двувершинное (см. Рис. 1.6).
Показатель эксцесса (E) определяется по формуле:
Рис. 1.6. Эксцесс: а) положительный; 6) отрицательный
В распределениях с нормальной выпуклостью E=0.
Параметры распределения оказывается возможным определить только по отношению к данным, представленным по крайней мере в интервальной шкале. Как мы убедились ранее, физические шкалы длин, времени, углов являются интервальными шкалами, и поэтому к ним применимы способы расчета оценок параметров, по крайней мере, с формальной точки зрения. Параметры распределения не учитывают истинной психологической неравномерности секунд, миллиметров и других физических единиц измерения.
На практике психолог-исследователь может рассчитывать параметры любого распределения, если единицы, которые он использовал при измерении, признаются разумными в научном сообществе.