- •Статистические методы в психологии Учебно-методический комплекс
- •Содержание
- •Введение
- •Краткое содержание лекционных занятий
- •2. Проблемы измерения в психолого-педагогических исследованиях
- •3. Основные проблемы применения статистических методов в психологических исследованиях
- •Библиография
- •Лекция 2.
- •2. Вероятностный формализм описательной статистики. Случайность и вероятность. Событие. Вероятность событий.
- •Библиография
- •Лекция 3.
- •2. Понятие вероятности
- •3. Алгебра событий
- •4. Основная терминология в алгебре событий
- •Библиография
- •Лекция 4.
- •2. Закон распределения случайных величин
- •3. Биномиальное распределение (распределение Бернулли)
- •4. Распределение Пуассона
- •5. Нормальное (гауссовское) распределение
- •6. Равномерное распределение
- •7. Распределение Стьюдента
- •Библиография
- •Лекция 5.
- •2. Первичный взгляд на данные. Графическая визуализация данных выборки. Диаграмма рассеяния
- •3. Количественное описание выборочных данных
- •4. Выборочное среднее значение
- •Библиография
- •Лекция 6 Статистические таблицы
- •1. Понятие о статистической таблице. Элементы статистической таблицы
- •2. Виды таблиц по характеру подлежащего
- •3. Виды таблиц по разработке сказуемого
- •4. Основные правила построения таблиц
- •5. Чтение и анализ таблицы
- •6. Таблицы сопряженности
- •Библиография
- •Лекция 7 Шкалы измерения
- •1. Понятие измерения
- •2. Измерительные шкалы
- •Библиография
- •Лекция 8. Средние величины. Кривая нормального распределения
- •1. Распределения переменных величин
- •Проверка нормальности распределения
- •Библиография
- •Лекция 9 Понятие о генеральной и выборочной совокупности
- •1. Генеральная совокупность и выборка
- •2. Проблема репрезентативности выборки
- •Библиография
- •Лекция 10. Статистические гипотезы
- •Библиография
- •Лекция 11 Статистические критерии
- •Библиография
- •2. Определение надёжности тестов
- •3. Стандартизация психодиагностических тестов
- •Библиография
- •Лекция 13 Критерии различия в уровне исследуемого признака
- •Библиография
- •Лекция 14. Критерии оценки достоверности сдвига в значениях исследуемого признака
- •Алгоритм подсчета g – критерия знаков
- •Алгоритм вычисления т – критерия Вилкоксона
- •5. Применение непараметрических критериев: классификация сдвигов и критериев оценки их статистической достоверности
- •Библиография
- •Лекция 15. Критерии различия в распределении признака
- •1. C2 критерий Пирсона
- •Библиография
- •Лекция 16. Многофункциональные статистические критерии
- •1. Критерий j* - угловое преобразование Фишера
- •Алгоритм расчета критерия φ*
- •3. Биномиальный критерий m
- •Библиография
- •Лекция 17–18
- •2. Коэффициент корреляции Пирсона
- •3. Корреляция метрических переменных
- •4. Корреляция ранговых переменных
- •5. Корреляция дихотомических переменных
- •Библиография
- •Лекция 19.
- •2. Множественный регрессионный анализ
- •3. Нелинейная регрессия
- •Однофакторный линейный регрессионный анализ (простая регрессия). Метод наименьших квадратов
- •5. Многофакторный линейный регрессионный анализ
- •6. Нелинейный регрессионный анализ
- •7. Проблемы регрессионного анализа
- •Библиография
- •Лекция 20. Кластерный анализ
- •1. Понятие кластерного анализа
- •2. Выбор переменных
- •3. Выбор метода кластерного анализа
- •9. Метод к-средних
- •4. Последовательность кластерного анализа
- •Библиография
- •Лекция 21. Факторный анализ
- •1. Понятие факторного анализа
- •3. Методы факторного анализа
- •4. Вращение матрицы факторных нагрузок
- •Библиография
- •Лекция 22 Дисперсионный анализ
- •1. Понятие дисперсионного анализа.
- •2. Основные идеи дисперсионного анализа
- •3. Ограничения и предположения дисперсионного анализа
- •5. Многофакторый дисперсионный анализ
- •3 Уровня
- •2 Уровня
- •Библиография
- •Тематика практических занятий
- •Тема: Понятие о случайной величине
- •Тема: Понятие о событии. Система событий.
- •Тема: Вероятность
- •Тема: Распределение случайной величины
- •Практическое занятие 6 -7
- •Практическое занятие 8
- •Практическое занятие 9
- •Практическое занятие 10–11 Тема: Стандартизация данных психологических тестов (4 часа)
- •Практическое занятие 12 Тема: Выборка и генеральная совокупность (2 часа)
- •Практическое занятие 13 Тема: Точечное и интервальное оценивание (2 часа)
- •Практическое занятие 14 Тема: Статистические гипотезы и статистические критерии (2 часа)
- •Практическое занятие 15 Тема: Ошибки вывода (2 часа)
- •Практическое занятие 16 Тема: Меры центральной тенденции. Меры изменчивости (2 часа)
- •Практическое занятие 17–18 Тема: Понятие корреляции. Коэффициенты корреляции (4 часа)
- •Практическое занятие 19–20
- •Практическое занятие 21
- •Практическое занятие 22
- •Практическое занятие 23 Тема: Однофакторный дисперсионный анализ (2 часа)
- •Практическое занятие 24–25 Тема: Многофакторный дисперсионный анализ (4 часа)
- •Практическое занятие 26
- •Практическое занятие 27–28
- •Практическое занятие 29–30 Тема: Гистографический анализ (4 часа)
- •Практическое занятие 31
- •Практическое занятие 32–33
- •Практическое занятие 34–35
- •Практическое занятие 36
- •Практическое занятие 37
- •Практическое занятие 38–39
- •Практическое занятие 40
- •Практическое занятие 41–42 Тема: Применение метода моделирования в психологии (2 часа)
- •Тестовые задания
- •Тема 1. Понятие о событии и системе событий
- •Тема 2. Понятие о величине. Распределение случайной величины
- •Тема 3. Статистические таблицы
- •Тема 4. Выборка. Выборочная и генеральная совокупность
- •Тема 5. Меры центральной тенденции
- •Тема 6. Понятие измерения. Измерительные шкалы
- •Тема 7. Статистические критерии и гипотезы
- •Тема 8. Выявление различий в уровне исследуемого признака
- •Тема 9. Понятие корреляции
- •Тема 10. Многомерные методы
- •Тема 11. Факторный анализ
- •Тема 12. Многомерное шкалирование
- •Тема 13. Множественный регрессионный анализ
- •Тема 14. Кластерный анализ
- •Тема 15. Дискриминантный анализ
- •Тема 16. Дисперсионный анализ
- •Тема 17. Стандартизация данных психологических тестов
- •Тема 18. Общие понятия курса
- •Варианты контрольных работ
- •Вопросы к зачёту
- •Вопросы к экзамену
- •Основная литература
- •Дополнительная литература
- •Ключ к тестовым заданиям
- •Глоссарий
4. Корреляция ранговых переменных
Если к количественным данным неприемлем коэффициент корреляции r-Пирсона, то для проверки гипотезы о связи двух переменных после предварительного ранжирования могут быть применены корреляции r–Спирмена или τ-Кендала. Например, в исследовании психофизических особенностей музыкально одаренных подростков Лавочкина И. А. был использован метод ранговой корреляции.
Для корректного вычисления обоих коэффициентов (Спирмена и Кендалла) результаты измерений должны быть представлены в шкале рангов или интервалов. Принципиальных отличий между этими критериями не существует, но принято считать, что коэффициент Кендала является более «содержательным», так как он более полно и детально анализирует связи между переменными, перебирая все возможные соответствия между парами значений. Коэффициент Спирмена более точно учитывает именно количественную степень связи между переменными.
Коэффициент ранговой корреляции Спирмена (Spearman) является непараметрическим аналогом классического коэффициента корреляции Пирсона, но при его расчете учитываются не связанные с распределением показатели сравниваемых переменных (среднее арифметическое и дисперсия), а ранги. Например, необходимо определить связь между ранговыми оценками качеств личности, входящими в представление человека о своем «Я реальном» и «Я идеальном».
Коэффициент Спирмена также широко используется в психологических исследованиях. Например, в работе Бушова Ю. В. и Несмеловой Н.Н. для изучения зависимости точности оценки и воспроизведения длительности звуковых сигналов от индивидуальных особенностей человека был использован коэффициент ранговой корреляции Спирмена.
Так как этот коэффициент – аналог r-Пирсона, то и применение его для проверки гипотез аналогично применению r-Пирсона. То есть проверяемая статистическая гипотеза, порядок принятия статистического решения и формулировка содержательного вывода те же. В компьютерных программах (SPSS, Statistica) уровни значимости для одинаковых коэффициентов r-Пирсона, и r-Спирмена всегда совпадают.
Преимущество r-Спирмена по сравнению с r-Пирсона – в большей чувствительности к связи в следующих случаях:
существенного отклонения распределения хотя бы одной переменной от нормального вида (асимметрия, выбросы);
криволинейной (монотонной) связи.
Ограничением для применения коэффициента r-Спирмена является:
1. по каждой переменной не менее 5 наблюдений;
2. коэффициент при большом количестве одинаковых рангов по одной или обеим переменным дает огрубленное значение.
Коэффициент ранговой корреляции τ-Кендалла (Kendall’s tau-b) является самостоятельным оригинальным методом, опирающимся на вычисление соотношения пар значений двух выборок, имеющих одинаковые или отличающиеся тенденции (возрастание или убывание значений). Этот коэффициент называют еще коэффициентом конкордации. Таким образом, основной идеей данного метода то, что о направлении связи можно судить, попарно сравнивая между собой испытуемых: если у пары испытуемых изменение по X совпадает по направлению с изменением по Y, то это свидетельствует о положительной связи, если не совпадает – то об отрицательной связи. Например, при исследовании личностных качеств, имеющих определяющее значение для семейного благополучия. В этом методе одна переменная представляется в виде монотонной последовательности (например, данные мужа) в порядке возрастания величин; другой переменной (например, данные жены) присваиваются соответствующие ранговые места. Количество инверсий (нарушений монотонности по сравнению с первым рядом) используется в формуле для корреляционных коэффициентов.
Применение коэффициента Кендалла является предпочтительным, если в исходных данных имеются выбросы.
Особенностью ранговых коэффициентов корреляции является то, что максимальным по модулю ранговым корреляциям (+1, -1) не обязательно соответствуют строгие прямо или обратно пропорциональные связи между исходными переменными X и Y: достаточна лишь монотонная функциональная связь между ними. Ранговые корреляции достигают своего максимального по модулю значения, если большему значению одной переменной всегда соответствует большее значение другой переменной (+1) или большему значению одной переменной всегда соответствует меньшее значение другой переменной и наоборот (-1).
Проверяемая статистическая гипотеза, порядок принятия статистического решения и формулировка содержательного вывода те же, что и для случая r-Спирмена или r-Пирсона.
Если статистически достоверная связь не обнаружена, но есть основания полагать, что связь на самом деле есть, то следует сначала перейти от r-Спирмена к τ-Кендала (или наоборот), а затем проверить возможные причины недостоверности связи.
1. Нелинейность связи для этого посмотреть график двумерного рассеивания. Если связь не монотонная, то делить выборку на части, в которых связь монотонная или делить выборку на контрастные группы и далее сравнивать их по уровню выраженности признака.
2. Неоднородность выборки (посмотреть график двумерного рассеивания). Попытаться разделить выборку на части, в которых связь может иметь разные направления.
Если же связь статистически достоверна, то прежде, чем делать содержательный вывод, необходимо исключить возможность ложной корреляции (по аналогии с метрическими коэффициентами корреляции).