- •Санкт-Петербургский Государственный Институт Психологии и Социальной Работы
- •Математические методы в психологии Учебно-методическое пособие
- •Аннотация
- •Глава 1. Описательная статистика 18
- •Глава 2. Индуктивная статистика 84
- •Оглавление
- •Глава 1. Описательная статистика 12
- •Глава 2. Индуктивная статистика 78
- •Введение Цели и задачи изучения дисциплины «Математические методы в психологии» и сфера профессионального использования
- •Методические указания для студентов
- •Контрольные вопросы для самостоятельной подготовки и самопроверки
- •Глава 1. Описательная статистика
- •1. 1. Математическая статистика и психология. Измерения в психологии и виды шкал
- •Материалы лекции.
- •Типы измерений и измерительные шкалы
- •Генеральная совокупность и выборочное исследование. Статистическая достоверность
- •Этапы обработки результатов психологического исследования
- •1. 2. Описание результатов исследования
- •Материалы лекции.
- •Результаты исследования экстраверсии
- •Алгоритм построения сгруппированного (или табулированного) ряда
- •Общий обзор параметров распределений
- •1. 3. Параметры статистических совокупностей
- •Материалы лекции.
- •Результаты исследования экстраверсии
- •Исключение выскакивающих значений
- •Нормальный закон распределения и другие виды распределений
- •Проверка «нормальности» эмпирического распределения
- •Стандартизация данных и стандартизованные шкалы в психологии
- •Процентильные нормы для детей 5;5 – 11 лет
- •1. 4. Характеристики взаимосвязи признаков
- •Материалы лекции. Понятие статистической зависимости
- •Общий обзор мер связи
- •Коэффициент контингенции
- •Критерий «хи-квадрат» Пирсона
- •Ранжирование
- •Правила ранжирования
- •Бисериальные коэффициенты корреляции
- •Коэффициент взаимной сопряженности Чупрова
- •Коэффициент взаимной сопряженности Пирсона
- •Ранговой коэффициент корреляции Спирмена
- •Коэффициент линейной корреляции Пирсона
- •Глава 2. Индуктивная статистика
- •2. 1. Решение задачи сравнения выборок. Понятие статистических критериев и их виды
- •Материалы лекции. Статистические гипотезы
- •Уровень статистической значимости
- •Этапы принятия статистического решения
- •Классификация исследовательских задач, решаемых с помощью статистических методов
- •Решение задачи сравнения выборок
- •4. Каковы ограничения в применении критерия?
- •Обзор наиболее часто применяемых параметрических критериев
- •Общий обзор непараметрических критериев
- •2. 2. Выявление различий в уровне исследуемого признака
- •Материалы лекции. Параметрический критерий Стьюдента для сравнения независимых выборок
- •Поправка Снедекора
- •Правило принятия решения описано выше. Непараметрический критерий Розенбаума (критерий «хвостов»)
- •Непараметрический критерий Манна-Уитни
- •2. 3. Оценка достоверности сдвига в значениях исследуемого признака
- •Материалы лекции.
- •Параметрический критерий Стьюдента для сравнения зависимых выборок
- •Непараметрический критерий знаков
- •6. Правило принятия решения:
- •Непараметрический критерий Вилкоксона
- •2. 4. Выявление различий в распределении признака
- •Материалы лекции. Критерий «хи-квадрат» Пирсона
- •Критерий Колмогорова-Смирнова
- •2. 5. Многофункциональные статистические критерии
- •Материалы лекции.
- •Критерий φ* — «Угловое преобразование» Фишера
- •Алгоритм расчета критерия φ*
- •Критерий Макнамары
- •Алгоритм расчет критерия
- •2. 6. Дисперсионный анализ
- •Материалы лекции. Введение в дисперсионный анализ anova
- •Однофакторный дисперсионный анализ
- •2. 7. Многомерные методы обработки данных
- •Материалы лекции.
- •I. Классификация методов по назначению:
- •II. Классификация методов по исходным предположениям о структуре данных:
- •III. Классификация методов по виду исходных данных:
- •Множественный регрессионный анализ
- •Матрица корреляций пяти показателей интеллекта
- •Факторные нагрузки после варимакс-вращения
- •1. Эксплораторный-разведочный.
- •2. Конфирматорный.
- •1. Выбор исходных данных.
- •2. Предварительное решение проблемы числа факторов.
- •3. Факторизация матрицы интеркорреляций.
- •4. Вращение и предварительная интерпретация факторов (ротация факторов).
- •5. Принятие решения о качестве факторной структуры.
- •6. Вычисление факторных коэффициентов и оценок.
- •Компьютерные пакеты прикладных статистических программ
- •Список литературы
- •Приложение 1. Статистические таблицы с критическими значениями
- •1.1. Критические значения отношения для исключения выскакивающих значений
- •1.2. Критические значения коэффициента ранговой корреляции Спирмена
- •1.3. Критические значения коэффициента линейной корреляции Пирсона
- •1.4. Критические значения критерия хи-квадрат Пирсона
- •1.5. Критические значения критерия Стьюдента
- •1.6. Критические значения критерия Фишера
- •1.7. Критические значения непараметрического критерия Манна-Уитни
- •1.8. Критические значения непараметрического критерия Вилкоксона
- •1.9. Таблицы для перевода процентных долей в величины центрального угла для расчета критерия «угловое преобразование» Фишера
- •Приложение 2. Глоссарий
- •Приложение 3. Англо-русский словарь статистических терминов
Ранговой коэффициент корреляции Спирмена
Метод ранговой корреляции Спирмена позволяет определить тесноту (силу) и направление корреляционной связи между двумя признакамиилидвумя профилями (иерархиями)признаков.
Для подсчета коэффициента ранговой корреляции ранговой корреляции ρ (другое обозначениеrs) необходимо располагать двумя рядами значений, которые могут быть проранжированы. Такими рядами значений могут быть:
1)два признака,измеренные в одной и той же группе испытуемых;
2)две индивидуальные иерархии признаков,выявленные у двух испытуемых по одному и тому же набору признаков (например, личностные профили по 16-факторному опроснику Р. Б. Кеттелла, иерархии ценностей по методике Р. Рокича, последовательности предпочтений в выборе из нескольких альтернатив и др.);
3)две групповые иерархии признаков;
4)индивидуальная и групповаяиерархии признаков.
Во всех четырех случаях значимость полученного коэффициента корреляции определяется по количеству ранжированных значений N.В первом случае это количество будет совпадать с объемом выборкиN — количеством испытуемых. Во втором случае количеством наблюдений будет количество признаков, составляющих иерархию. В третьем и четвертом случае N —это также количество сопоставляемых признаков, а не количество испытуемых в группах.
Коэффициент ранговой корреляции может изменяться от –1 до +1. Положительный знак свидетельствует о прямой зависимости, отрицательный знак — об обратной.
Если абсолютная величина ρ, достигает критического (табличного) значения или превышает его, корреляция достоверна.
Ограничения коэффициента ранговой корреляции
1.По каждой переменной должно быть представлено не менее 5наблюдений. Верхняя граница выборки определяется имеющимися таблицами критических значений, а именноN<40.Однако возможен расчет коэффициента ранговой корреляции приN>40;в этом случае табличное (критическое) значение следует брать из таблиц критических значений коэффициента линейной корреляции Пирсона, так как при большихNзначения коэффициентов Спирмена и Пирсона асимптотически сближаются.
2.Коэффициент ранговой корреляции Спирмена при большом количестве одинаковых рангов по одной или обеим сопоставляемым переменным дает огрубленные значения. В идеале оба коррелируемых ряда должны представлять собой две последовательности несовпадающих значений. В случае если это условие не соблюдается, необходимо вносить поправку на одинаковые (или связанные) ранги.
Алгоритм расчета ранговой корреляции Спирмена
1. Определить, какие два признака или две иерархии признаков будут участвовать в расчетах. Для удобства расчетов составить таблицу следующего вида:
Таблица 20
№ п/п |
X1 |
X2 |
R X1 |
R X2 |
di |
di2 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
1 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
…. |
|
|
|
|
|
|
N |
|
|
|
|
|
|
|
|
|
|
|
|
Σdi2 |
Заполнить в таблице столбцы 2 и 3 первичными данными.
2. Проранжировать значения переменной 1, начисляя ранг 1 наименьшему значению, в соответствии с правилами ранжирования. Занести ранги в столбец 4 таблицы по порядку номеров испытуемых или признаков.
3. Проранжировать значения переменной 2 в соответствии с теми же правилами. Занести ранги в столбец 5 таблицы по порядку номеров испытуемых или признаков.
4. Подсчитать разности рангов в каждой строке таблицы по формуле:
di=RX1–RX2и занести их в столбец 6 таблицы.
5. Возвести каждую разность в квадрат. Эти значения занести в столбец 7 таблицы.
6. Подсчитать сумму квадратов разностей Σdi2
7. При наличии одинаковых рангов рассчитать поправки:
Та= Σ(a3–a)/12
Тb= Σ( b3–b)/12
где a— объем каждой группы одинаковых рангов в ранговом рядуRX1(в столбце 4);
b— объем каждой группы одинаковых рангов в ранговом рядуRX2(в столбце 5).
8. Рассчитать коэффициент ранговой корреляции ρпо формуле:
а) при отсутствии одинаковых рангов
б) при наличии одинаковых рангов
где Σdi2- сумма квадратов разностей между рангами;
ТаиТb- поправки на одинаковые ранги;
N- количество испытуемых или признаков, которые ранжировались.
9. Правило вывода: Определить по таблице (приложение 3) критическое значениеρдля данногоN.
Если ρпревышает критическое значение или по крайней мере равен ему, корреляция достоверно отличается от 0, т.е. взаимосвязь между признаками статистически значима.
Если ρменьше критического значения, корреляция недостоверно отличается от 0, т.е. взаимосвязь между признаками отсутствует.
Коэффициент ранговой корреляции Кендэлла в лекциях не рассмотрен, так как он применяется значительно реже.