- •Калинин а.А., Гусева с.И. Простейшие методы анализа данных в психологии
- •Введение
- •1. Шкалы
- •2. Случайное событие
- •3. Случайная величина
- •3.1 Распределение случайной величины
- •Способность обобщения учеников 10 класса одной из школ Ленинградской области (по результатам штур)
- •3.2 Параметры распределения
- •3.3 Нормальное распределение
- •4. Генеральная совокупность и выборка
- •5. Стандартизация психодиагностических методов
- •6. Статистические гипотезы
- •7. Математический аппарат проверки статистических гипотез
- •Подготовка данных и выбор критерия
- •Формулирование нулевой и альтернативной гипотез.
- •7.1. Подготовка данных
- •7.1.1 Порядок выявления аномальных значений
- •7.1.2 Проверка эмпирического распределения на его соответствие нормальному распределению
- •7.2 Сравнение среднего значения некоторой выборки со средним значением генеральной совокупности или с нормативным значением
- •7.3 Сравнение уровня признака в независимых выборках
- •7.4 Сравнение уровня признака в зависимых выборках
- •7.5 Оценка сходства-различия распределений признаков
- •8. Изучение взаимосвязи психологических явлений
- •8.1 Меры связи явлений, измеренных в номинативных шкалах
- •8.2 Корреляционная связь
- •8.2.1 Меры связи для явлений, измеренных в ранговых шкалах
- •8.2.2 Меры связи для явлений, измеренных в разных шкалах
- •8.2.3 Меры связи для явлений, измеренных в шкале интервалов или отношений
- •8.3 Корреляционный анализ
- •Список использованной литературы:
- •Критические значения f-критерия Фишера
- •Приложение 2 . Результаты штур, использованные при составлении задач настоящего методического пособия
- •11 Класса одной из школ Ленинградской области
- •Калинин а.А., Гусева с.И. Простейшие методы анализа данных в психологии
- •189620, Г. Пушкин, Петербургское шоссе, 10
8.2 Корреляционная связь
Корреляционная связь - это согласованное изменение двух или более признаков. Корреляционная связь означает, что изменчивость одного признака находится в некоторой связи с изменениями другого признака. Например, количество знаний человека, оцененное по какой-либо шкале, будет закономерно расти с увеличением его возраста. Количество ошибок при чтении текста или при решении задач будут закономерно уменьшаться при увеличении количества выполненных тренировочных упражнений. В зависимости от величины нагрузки на тренировках будут изменяться спортивные показатели спортсменов и так далее. Используется также термин корреляционная зависимость, который означает, что направленные изменения одного признака приводят к направленным изменениям другого. Термины корреляционная связь и корреляционная зависимость не являются синонимами, поскольку два признака, изменяющиеся согласованно, могут зависеть не друг от друга, а от какого-либо третьего признака. Например, количество церквей в городе и количество баров-ресторанов изменяются согласованно - в том городе, где много церквей, там много и баров. Связь же здесь не прямая, а опосредованная: больше памятников старины (церквей), следовательно, больше туристов, поэтому в городе больше баров и ресторанов. То есть корреляционная связь не является свидетельством причинно-следственной связи, а только показывает, что изменениям одного признака, как правило, соответствуют изменения другого. При корреляционной зависимости изменение одного признака непосредственно влияет на изменение другого: между количеством памятников старины в городе и количеством туристов есть корреляционная зависимость. Но в целом, если нет уверенности в причинно-следственной зависимости между двумя или более явлениями, то лучше пользоваться термином «корреляционная связь».
Корреляционные связи характеризуются формой, направлением и силой. По форме различаются связи прямолинейные и криволинейные. Прямолинейной может быть связь между количеством правильно решенных задач и количеством выполненных тренировочных заданий. А вот, например, связь между уровнем мотивации и эффективностью выполнения задачи криволинейная: эффективность выполнения задачи возрастает только до определенного, так называемого оптимального уровня мотивации, а затем начинает снижаться.
По направлению корреляционная связь может быть положительной (прямой) либо отрицательной (обратной). При положительной прямолинейной корреляции более высоким значениям одного признака соответствуют более высокие значения другого, а более низким значениям одного признака, соответственно более низкие другого. При отрицательной связи более высоким значениям одного признака соответствуют более низкие другого. Так, связь между количеством тренировочных заданий и количеством правильно решенных задач прямая (положительная), а между количеством тренировочных заданий и количеством допущенных ошибок - обратная (отрицательная).
Сила связи характеризует, насколько строго выполняется зависимость. Чем сильнее связь между явлениями, тем более сильно оказывается вытянутым облако точек на графике. Степень вытянутости облака оценивается с помощью коэффициента корреляции. Коэффициент корреляции изменяется от минус до плюс единицы. Знак показывает, является ли связь положительной или отрицательной, а абсолютная величина коэффициента корреляции - силу связи. Если коэффициент близок к нулю, то связь отсутствует, если близок к единице, то связь значима.
При классификации силы связи пользуются двумя шкалами. Общая шкала ориентирована на абсолютное значение коэффициента корреляции:
сильная (тесная) связь r >0.70
средняя связь 0.50< r <0.69
умеренная связь 0.30< r <0.49
очень слабая связь(отсутствие связи) r <0.29
Рис.6. Возможные варианты расположения облака точек на графике и соответствующие им коэффициенты корреляции.
Частная классификация учитывает объем выборки и оценивает достоверность наличия корреляционной связи:
высокая значимая корреляция при r, соответствующем уровню статистической значимости p<0.01
значимая корреляция - при r, соответствующем уровню статистической значимости p<0.05
тенденция достоверной связи при r, соответствующем уровню статистической значимости p<0.10
корреляция незначима при r, не достигающим уровня статистической значимости.
Поскольку даже высокий коэффициент корреляции при малом объеме выборки может оказаться незначимым статистически, а при больших объемах выборки слабая связь статистически значима, то лучше пользоваться второй классификацией.