- •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
Библиография
Ермолаев, О.Ю. Математическая статистика для психологов / О.Ю. Ермолаев. - М.: МПСИ: Флинта. - 2002. – 325с.
Наследов, А.Д. Математические методы в психологическом исследовании. Анализ и интерпретация данных / А.Д. Наследов. - СПб.: Речь. - 2004.
Сидоренко, Е.В. Методы математической обработки в психологии. – СПб.: ООО «Речь» - 2004. – 350с.
Бурлачук, Л.Ф., Морозов С.М. Словарь – справочник по психодиагностике / Л.Ф. Бурлачук, С.М. Морозов – СПб: Питер Ком. - 1999. – 528с.
Суходольский, Г. В. Математические методы в психологии / Г.В. Суходольский. - Харьков: Изд-во Гуманитарный Центр. - 2006. – 512с.
Тарасов, С.Г. Основы применения математических методов в психологии. / С.Г. Тарасов. - СПб.: Изд-во: Санкт - Петербург. ун-та. - 1999. – 326с.
Глинский, В. В., Ионин, В. Г. Статистический анализ данных / В.В. Глинский, В.Г. Ионин. - М.: Филин. - 2008. – 265с
Лекция 19.
Регрессионный анализ
1. Понятие о регрессионном анализе.
2. Множественный регрессионный анализ.
3. Нелинейная регрессия.
4. Однофакторный линейный регрессионный анализ (простая регрессия). Метод наименьших квадратов.
5. Многофакторный линейный регрессионный анализ.
6. Нелинейный регрессионный анализ
7. Проблемы регрессионного анализа
1. Понятие о регрессионном анализе
Взаимосвязь между переменными величинами может быть описана разными способами. Например, эту связь можно описать с помощью различных коэффициентов корреляции (линейных, частных, корреляционного отношения и т.п.). В то же время эту связь можно выразить по-другому: как зависимость между аргументом (величиной) X и функцией Y. В этом случае задача будет состоять в нахождении зависимости вида Y=F(X) или, напротив, в нахождении зависимости вида X=F(Y). При этом изменение функции в зависимости от изменений одного или нескольких аргументов называется регрессией [4, с. 255].
Графическое выражение регрессионного уравнения называют линией регрессии. Линия регрессии - это прямая, построенная методом наименьших квадратов: сумма квадратов расстояний (вычисленных по оси Y) от каждой точки графика рассеивания до прямой является минимальной. Линия регрессии выражает наилучшее предсказание зависимой переменной (Y) по независимым переменным (X). Эти независимые переменные носят название предикторов.
Регрессию выражают с помощью двух уравнений регрессии, которые в самом простом случае выглядят как уравнения прямой:
Y=a0 + a^X, Х=Ь0 + biY.
В первом уравнении: Y - зависимая переменная, а X - независимая переменная, а0- свободный член, a-i - коэффициент регрессии, или угловой коэффициент, определяющий наклон линии регрессии по отношению к осям координат.
Во втором уравнении: X - зависимая переменная, Y - независимая переменная, b0 - свободный член, b1 - коэффициент регрессии, или угловой коэффициент, определяющий наклон линии регрессии по отношению к осям координат.
Таким образом, если на некоторой выборке измерены две переменные, которые коррелируют друг с другом, то, вычислив коэффициенты регрессии, мы получаем принципиальную возможность предсказания неизвестных значений одной переменной (Y - «зависимая переменная») по известным значениям другой переменной (X - «независимая переменная»). Например, предсказываемой «зависимой переменной» может быть успешность обучения, а предиктором, «независимой переменной», - результаты вступительного теста.
Наиболее точным предсказание будет, если |гху|=1. Тогда каждому значению X будет соответствовать только одно значение Y, а все ошибки оценки будут равны 0.
Особое значение для оценки точности предсказания имеет дисперсия оценок зависимой переменной. По сути, дисперсия оценок зависимой переменной Y - это та часть ее полной дисперсии, которая обусловлена влиянием независимой переменной X. Отношение дисперсии оценок зависимой переменной к ее истинной дисперсии равно квадрату коэффициента корреляции.
Таким образом, квадрат коэффициента корреляции зависимой и независимой переменной представляет долю дисперсии зависимой переменной, обусловленной влиянием независимой переменной, и называется коэффициентом детерминации. Данный коэффициент показывает, в какой степени изменчивость одной переменной обусловлена (детерминирована) влиянием другой переменной.
Коэффициент детерминации обладает важным преимуществом по сравнению с коэффициентом корреляции. Корреляция не является линейной функцией связи между двумя переменными. Поэтому, в частности, среднее арифметическое коэффициентов корреляции для нескольких выборок не совпадает с корреляцией, вычисленной сразу для всех испытуемых из этих выборок. Коэффициент детерминации отражает связь линейно и поэтому допускается его усреднение для нескольких выборок.
Для применения метода линейного регрессионного анализа необходимо соблюдать следующие условия:
Сравниваемые переменные X и Y должны быть измерены в шкале интервалов или равных отношений.
Предполагается, что переменные X и Y имеют нормальный закон распределения.
Число варьирующих признаков в сравниваемых переменных должно быть одинаковым.