- •От автора
- •Раздел 1. Проблема измерения в психологии
- •1. 1. Понятие об измерении
- •1. 2. Особенности измерения в психологии
- •1. 3. Шкалы измерений
- •Раздел 2. Основные статистические понятия
- •2. 1. Генеральная и выборочная совокупности
- •2. 2. Переменная величина
- •2. 3. Уровни значимости
- •2. 4. Достоверность результатов исследования
- •Раздел 3. Подготовка данных к математической обработке
- •3. 1. Протоколирование данных
- •3. 2. Составление сводных таблиц (табулирование данных)
- •3. 3. Определение квантилей
- •3. 4. Графическое представление результатов
- •Раздел4. Меры центральной тенденции
- •4. 1. Мода
- •4. 2. Медиана
- •4. 3. Среднее арифметическое значение
- •4. 4. Среднее геометрическое значение
- •Задачи по теме Задача 4.1
- •Задача 4.2
- •Задача 4. 3
- •Раздел 5. Меры изменчивости (разнообразия, вариативности) исследуемого признака
- •5. 1. Лимиты (пределы) разнообразия
- •5. 2. Размах вариаций
- •5. 3. Среднее отклонение
- •5. 4. Дисперсия
- •5. 5. Среднеквадратичное (стандартное) отклонение
- •5. 6. Коэффициент вариации
- •Задачи по теме Задача 5. 1
- •Задача 5.2
- •Раздел 6. Распределения переменных величин
- •6.1. Нормальное распределение
- •6. 1. 1. Основные понятия
- •6. 1. 2. Коэффициент асимметрии
- •6. 1. 3. Коэффициент эксцесса
- •6. 1. 4. Критерий хи-квадрат (c2)
- •6. 1. 5. Критерий Колмогорова – Смирнова (l)
- •6. 2. Равномерное распределение
- •6. 3. Биномиальное распределение
- •6. 4. Распределение Пуассона
- •Задачи по теме Задача 6. 1
- •Задача 6. 2
- •Задача 6. 3
- •Задача 6. 4
- •Раздел 7. Меры различий
- •7. 1. Постановка проблемы
- •7. 2. Непараметрический критерий qРозенбаума
- •7. 4. Критерий Стьюдента
- •7.5. Критерий Фишера
- •7. 6. Критерий j*-угловое преобразование Фишера
- •7.7. Использование критерия χ2 Пирсона и критерия λ Колмогорова для оценки различий между двумя выборками
- •Задачи по теме Задача 7. 1
- •Задача 7. 2
- •Задача 7.3
- •Задача 7.4
- •Задача 7.5
- •Задача 7.7
- •Раздел 8. Меры связи
- •8. 1. Постановка проблемы
- •8. 2. Представление данных
- •8. 3. Коэффициент корреляции Фехнера
- •8. 4. Коэффициент корреляции Пирсона
- •8. 5. Коэффициент ранговой корреляции Спирмена
- •8.6. Коэффициент ранговой корреляции Кендалла (тау Кендалла, t)
- •8.7. Дихотомический коэффициент корреляции (j)
- •8. 8. Точечный бисериальный коэффициент корреляции (rpb)
- •8. 9. Рангово-бисериальный коэффициент корреляции (rrb)
- •8. 11. Матрицы корреляций
- •Задачи по теме Задача 8.1
- •Задача 8. 2
- •Задача 8. 3
- •Задача 8. 4
- •Задача 8. 5
- •Задача 8. 6
- •Задача 8. 7
- •Задача 8. 8
- •Задача 8. 9
- •Задача 8. 10
- •Задача 8.16
- •Задача 8.18
- •Раздел 9. Меры зависимости
- •9.1. Основные понятия
- •9.2. Анализ линейной зависимости методом наименьших квадратов
- •9.4. Множественная регрессия
- •Задачи по теме Задача 9. 1
- •Задача 9. 2
- •Раздел 10. Меры влияния
- •10. 1. Сущность проблемы
- •10. 2. Непараметрические меры влияния
- •10.2.1. Критерий знаков
- •10.2.2. Критерий Вилкоксона
- •10.3. Однофакторный дисперсионный анализ
- •10. 4. Двухфакторный дисперсионный анализ
- •Задачи по теме Задача 10. 1
- •Задача 10. 2
- •Раздел 11. Элементы многомерной статистики
- •11.1. Основные понятия
- •11.2. Кластерный анализ
- •11.2.1. Функции расстояния
- •11.2.2. Меры сходства
- •11.2.3. Выбор числа кластеров
- •Динамическое программирование
- •Целочисленное программирование
- •11.2.4. Методы кластеризации
- •11.2.5. Представление данных
- •11.3. Факторный анализ
- •11.3.1. Основные принципы факторного анализа
- •11.3.2. Основные методы, используемые в факторном анализе
- •Метод главных факторов
- •Центроидный метод
- •Метод минимальных остатков
- •Метод максимума правдоподобия
- •Групповой метод
- •11.3.3. Выбор числа факторов и оценка их значений
- •11.3. 4. Представление результатов факторного анализа
- •Ответы на задачи
- •Список рекомендуемой литературы
- •Дополнительная
- •Приложение статистические таблицы
- •Критические значения коэффициента асимметрии (As), используемого для проверки гипотезы о нормальности распределения
- •Критические значения показателя эксцесса (Ex), используемого для проверки нормальности распределения
- •Теоретические частоты 8-классового нормального распределения ("шаг" 1 s)
- •Теоретические частоты 16-классового нормального распределения ("шаг" 0,5 s)
- •Значения z Пирсона и соответствующие им теоретические накопленные частоты
- •Стандартные значения хи-квадрат
- •Уровень значимости различий между экспериментальным и теоретическим распределениями по критерию λ Колмогорова – Смирнова
- •Критические значения критерия q Розенбаума
- •Критические значения критерия u Манна-Уитни для уровня значимости 0,95
- •Стандартные значения критерия Стьюдента
- •Стандартные значения критерия Фишера, используемые для оценки достоверности различий между двумя выборками
- •Величины угла j в радианах для разных процентных долей (угловое преобразование Фишера)
- •Критические значения коэффициентов корреляции Пирсона и Спирмена
- •Критические значения коэффициента t Кендалла
- •Число пар значений, достаточное для статистической значимости коэффицентов корреляции Пирсона и Спирмена
- •Критические значения дихотомического коэффициента корреляции j
- •Границы критической области для критерия знаков
- •Критические значения критерия т Вилкоксона
10.3. Однофакторный дисперсионный анализ
Однофакторный дисперсионный анализ (ОДА) является достаточно информативным метрическим методом оценки влияния. Используется в тех случаях, когда требуется изучить однократное или повторное действие одного фактора. Говоря о повторном действии фактора, имеется в виду, что фактор представлен несколькими градациями, т. е. имеет 1, 2, 3, ..., J уровней (например, повторный курс лечения психотропным препаратом, повторные сеансы психокоррекции и т. д.).
Для проведения дисперсионного анализа не обязательно проводить измерения на одной и той же выборке, т. е. нет необходимости подвергать одних и тех же субъектов влиянию всех исследуемых градаций фактора. Напротив, для каждого из J уровней (градаций фактора) берется n независимых наблюдений. Естественно, что при таком подходе принимается целый ряд допущений, иногда достаточно произвольных. Предполагается, в частности, что n наблюдений на каждом уровне независимы друг от друга и взяты из нормальной совокупности с дисперсией s2. Предполагается также, что дисперсия s2 одинакова на всех J уровнях (гипотеза однородности, или гомоскедактичности).
Однофакторный дисперсионный анализ включает в себя ряд этапов.
Результаты эксперимента представляются в виде следующей таблицы (двумерного массива) (табл. 10.3):
Таблица 10.3
-
Условия опыта (градации фактора)
1
2
3
...
J
X11
x12
x13
...
x1J
Повторные
X21
x22
x23
...
x2J
наблюдения
.
.
.
...
.
.
.
.
...
.
.
.
.
...
.
xn1
xn2
xn3
...
xnJ
2. Для каждой выборки испытуемых определяется случайная (внутригрупповая) дисперсия SSW, связанная с вариабельностью переменной внутри каждой градации фактора:
. (10.2)
3. Вычисляется факториальная (межгрупповая) дисперсия SSb, связанная с влиянием градаций фактора:
. (10.3)
4. Вычисляется общая дисперсия SSc, которая соответствует сумме внутригрупповой и межгрупповой дисперсий: SSc = SSb + SSW. Общую дисперсию можно также вычислить по следующей формуле:
. (10.4)
5. Вычисляется показатель силы влияния как отношение межгрупповой дисперсии к общей:
(10.5)
6. Определяется число степеней свободы:
а) число степеней свободы, связанное с межгрупповой дисперсией: n1 = J - 1;
б) число степеней свободы, связанное с внутригрупповой дисперсией: n2 = J (n - 1).
7. Вычисляется показатель достоверности влияния:
(10.6)
Достоверность определяется по критерию Фишера для определенного уровня значимости по соответствующей таблице. Стандартное значение Fст. определяется на перекресте столбца, соответствующего значению n1 и строки, соответствующей значению n2. Вывод о том, что влияние фактора статистически значимо, принимается, если F ³ Fст.
Для удобства работы с переменными рекомендуется пользоваться рабочей таблицей представления данных (табл. 10.4):
Таблица 10.4
1 |
2 |
... |
J |
1 |
2 |
... |
J |
x11 x21 . . . xn1 |
x12 x22 . . . xn2 |
... ... ... ... ... ... |
x1J x2J . . . xnJ |
x112 x212 . . . xn12 |
x122 x222 . . . xn22 |
... ... ... ... ... ... |
x1J2 x2J2 . . . xnJ2 |
Для вычисления промежуточных значений удобно пользоваться таблицей следующего вида (табл. 10.5):
Таблица 10.5
№№ |
Вычисляемый параметр |
Последовательность вычислений |
1 |
|
xi (левая часть рабочей таблицы) суммируются по каждому столбцу и возводятся в квадрат: (x11 + x21 + ... + xn1)2 (x12 + x22 + ... + xn2)2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (x1J + x2J + ... + xnJ)2 Полученные квадраты суммируются и делятся на n. |
2 |
|
Суммируются по столбцам квадраты чисел в правой части таблицы; полученные суммы квадратов суммируются построчно:
+
+ . . . . . . . . . . . . . + |
3 |
SSW = (2) – (1) |
Из результата (2) вычитается результат (1), получается внутригрупповая дисперсия SSW.
|
4 |
|
Суммируются все варианты по столбцам и по строкам, возводятся в квадрат и делятся на общее число значений Jn.
|
5 |
SSb = (1) – (4) |
Из результата (1) вычитается результат (4), получается межгрупповая дисперсия SSb |
6 |
SSC = (2) – (4) = (3) + (5) |
Общую дисперсию SSC можно получить двумя путями - либо вычитанием результата (4) из результата (2), либо суммированием результатов (3) и (5), т. е. межгрупповой и внутригрупповой дисперсией. |
7 |
= (5)/(6) |
Показатель силы влияния вычисляется как отношение результатов (5) и (6), т.е. как отношение межгрупповой дисперсии к общей.
|
8 |
|
Вычисляется отношение (5)/(3) и умножается на J(n-1)/(J-1), получается показатель достоверности влияния.
|
Рассмотрим алгоритм вычислений на примере конкретной задачи.
Условие задачи
Исследовалось влияние возраста как фактора на уровень нейротизма, определяемого по тесту Айзенка. Тестирование проводилось в 4-х группах испытуемых разного возраста (соответственно, 7-й, 8-й, 9-й и 10-й классы) по 10 человек в каждой группе.
Получены следующие результаты (табл. 10.6):
Таблица 10.6
|
Градации фактора | |||||||
|
Значения переменных |
Квадраты значений переменных | ||||||
Классы |
7-й |
8-й |
9-й |
10-й |
7-й |
8-й |
9-й |
10-й |
Индивидуальные значения
|
16 6 19 10 11 13 21 14 13 11 |
9 14 19 16 20 18 14 22 12 17 |
21 17 23 12 12 17 15 21 9 9 |
9 13 19 14 13 12 15 23 14 17 |
256 36 361 100 121 169 441 196 169 121 |
81 196 361 256 400 324 196 484 144 289 |
441 289 529 144 144 289 225 441 81 81 |
81 169 361 196 169 144 225 529 196 289 |
Σ |
134 |
161 |
156 |
149 |
1970 |
2731 |
2664 |
2359 |
(Σ)2 |
17956 |
25921 |
24336 |
22201 |
|
|
|
|
Задание
С помощью однофакторного дисперсионного анализа определить, является ли влияние возраста как фактора на уровень нейротизма статистически значимым.
Алгоритм решения
1.
2.
3. SSw = (2) – (1) = 9724 – 9041 = 683;
SSb = (1) – (4) = 9041 – 9000 = 41;
SSc = (2) – (4) = (3) + (5) = 9724 – 9000 = 683 + 41 = 724;
8.
Ответ
F = 0,720 < Fкр. = 2,86. Влияние возраста как фактора на уровень нейротизма не является статистически значимым.