Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
GOS_Sokrashennye.docx
Скачиваний:
167
Добавлен:
03.05.2019
Размер:
360.19 Кб
Скачать

37. Многомерные методы и их применение в психологических исследованиях.

Многомерные статистические методы анализа данных занимают особое положение, определяемое их назначением и возможностями. В прикладной статистике разработано множество многомерных методов анализа данных.

У Наследова А.Д. предлагается следующая классификация методов.

Классификация методов по назначению:

  1. методы предсказания:

  • множественный регрессионный анализ - это метод установления зависимости одной переменной от двух или более независимых переменных.

Имеются две причины для использования множественной регрессии:

Первая – это использование множественной регрессии в тех исследованиях, когда значения независимых переменных находились под экспериментальным контролем (например, когда изменялось количество применяемого препарата, или количество дней между приемами препарата).

Второй вариант включают ситуации, когда анализируется группа пациентов, у которых измерили некоторые количество естественно возникающих переменных (возраст, доход, уровень тревоги и т.д.),  и эти переменные связываются с некой переменной, которая нас интересует.

  • дискриминантный анализ - раздел вычислительной математики, представляющий основное средство решения задач. Распознавания образов, инструмент статистики, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»). методы классификации:

  • варианты кластерного анализа - задача разбиения заданной выборки объектов (ситуаций) на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. В результате кластерного анализа при помощи предварительно заданных переменных формируются группы наблюдений. Под наблюдениями здесь понимаются отдельные личности (респонденты) или любые другие объекты.

  • дискриминантный анализ;

  1. структурные методы:

  • факторный анализ - В современной статистике под факторным анализом понимают совокупность методов, которые на основе реально существующих связей признаков (или объектов) позволяют выявлять латентные обобщающие характеристики организационной структуры и механизма развития изучаемых явлений и процессов. Факторный анализ особенно продуктивен на начальных этапах научных исследований, когда необходимо выделить какие-либо предварительные закономерности в исследуемой области.

ФАКТОРЫ – это причины, формирующие результаты того или иного поведения или деятельности.

Фактор (Г.Оллпорт) – переменная, достаточно полно характеризующая всю совокупность данных.

  • многомерное шкалирование.

Классификация методов по исходным предположениям о структуре данных:

1. методы, исходящие из предположения о согласованной изменчивости признаков, измеренных у множества объектов: факторный анализ, дискриминантный анализ;

2. методы, исходящие из предположения о том, что различия между объектами можно описать как расстояние между ними: кластерный анализ, многомерное шкалирование .

Классификация методов по виду исходных данных:

1. методы, использующие в качестве исходных данных только признаки, измеренные у группы объектов: множественный регрессионный анализ, дискриминантный анализ и факторный анализ;

2. методы, исходными данными для которых могут быть попарные сходства (различия) между объектами: кластерный анализ и многомерное шкалирование.

Представленные классификации свидетельствуют о необходимости знаний многомерных методов, их возможностей и ограничений не только в процессе обработки эмпирического материала, но уже и на стадии общего замысла исследования.

ДЕНДРОГРАММА - графическое изображение в двухмерной проекции степени подобия объектов.

Дендрограмма показывает степень близости отдельных объектов и кластеров, а также наглядно представляет в графическом виде последовательность их объединения или разделения.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]