- •5.2 Доэкспериментальные
- •5.2.1 Доэкспериментальные планы
- •5.2.2 Квазиэкспериментальные планы
- •5.2.3 Планы ex-post-fасtо
- •5.3 Корреляционное исследование
- •5.3.1 Планирование корреляционного исследования
- •148 5. Экспериментальные и неэкспериментальные планы
- •5.4 Планирование корреляционных исследований в кросскультурной психологии и психогенетике
- •5.4.1 Кросскультурное исследование
- •5.4.2 Психогенетическое исследование
- •1.3. Теория и ее структура
- •1.4. Научная проблем а
- •1.5. Гипотеза
- •1.6. Основные общенаучные исследовательские методы
148 5. Экспериментальные и неэкспериментальные планы
Признак X
Признак Y
I |
0 |
1 а |
b |
0 с |
d |
а + с |
d + d |
a + b c + d n
Рис. 5.19
/
тов обучения, последовательности и т. д. в лонгитюдном исследовании следует учитывать эффект выбывания: не всех испытуемых, первоначально принимавших участие в эксперименте, удается обследовать через какое-то определенное время. Возможно взаимодействие эффектов выбывания и тестирования (отказ от участия в последующем обследовании) и т. д.
Структурное лонгитюдное исследование отличается от простого лонгитюда тем, что нас интересует не столько изменение центральной тенденции или разброса какой-либо переменной, сколько изменение связей между переменными. Такого рода исследования широко распространены в психогенетике.
Обработка и интерпретация данных корреляционного исследования. Данные структурного корреляционного исследования представляют собой одну или несколько матриц «испытуемые» х «тесты». Первичная обработка заключается в подсчете коэффициентов статистической связи между двумя и более переменными. Выбор меры связи определяется шкалой, с помощью которой произведены измерения.
1. Если измерения произведены по дихотомической шкале, то для подсчета тесноты связи признаков применяется коэффициент (р. Дихотомическую шкалу часто путают со шкалой наименований (даже в пособиях по статистике; см., например, Дж. Гласе и Дж. Стенли. Статистические методы в педагогике и психологии, 1976) Дихотомическая шкала — вырожденный вариант шкалы интервалов; для нее применимы все статистические методы шкалы интервалов. Данные для вычисления коэффициента (р представлены в таблице сопряженности (рис. 5.19).
bc-ad
2. Данные представлены в порядковой шкале. Мерой связи, которая соответствует шкале порядка, является коэффициент Кэнделла. Он основан на подсчете несовпадений в порядке следования ранжировок^и Y. Есть ряд испытуемых: сначала мы выстраиваем этот ряд в порядке убывания массы тела, а затем — в порядке убывания роста. Для каждой пары подсчитывается число совпадений и инверсий: совпадение, если их порядок по X и Y одинаков; инверсия, если порядок различен. Разница числа «совпадений» и числа «инверсий», деленная на п (п - 1)/2, дает коэффициент t. Алгоритм подсчета приведен в пособиях по статистике [см. Дж. Гласе и Дж. Стенли, 1976] и в любом статпакете для персональных компьютеров.
5.4. ПЛАНИРОВАНИЕ КОРРЕЛЯЦИОННЫХ ИССЛЕДОВАНИЙ... 14У
Часто для обработки данных, полученных с помощью шкалы порядка, используют коэффициент ранговой корреляции Спирмена, который является модификацией коэффициента Пирсона для натурального ряда чисел (рангов). Никакого отношения к порядковой шкале он не имеет. Но его рекомендуют применять в том случае, если одно измерение произведено по шкале порядков, а другое — по шкале интервалов.
3. Данные получены по шкале интервалов, или отношений. В этом случае применяется стандартный коэффициент корреляции Пирсона или коэффициент ранговой корреляции Спирмена. В том случае, если одна переменная является дихотомической, а другая — интервальной, используется так называемый бисериальный коэффициент корреляции.
Наконец, если исследователь полагает, что связи между переменными нелинейны, он вычисляет корреляционное отношение, характеризующее величину нелинейной статистической зависимости двух переменных.
Корреляционное исследование завершается выводом о статистической значимости установленных (или неустановленных) зависимостей между переменными. Однако исследователи не ограничиваются такой констатацией. Одна из главных задач, которые возникают перед психологами, — выяснить, не обусловлены ли связи между отдельными параметрами (психологическими свойствами) скрытыми факторами? Для этой цели применяется аппарат редукции числа переменных: методы многомерного анализа данных, которые изучаются психологами в курсе «Математические методы в психологии».