- •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
Поправка Снедекора
Критерий Стьюдента рассчитывается обычным способом. Поправка Снедекора заключается в том, что расчетное значение сравнивают не с обычным критическим значением, а с иным, которое повышает это критическое значение.
Если сравниваются выборки равного объема, то есть N1=N2=N, то табличное значение находят для числа степеней свободы, вычисленное по формуле: ν =N– 1.
Если сравниваются выборки разного объема, то вычисляют среде взвешенное табличное значение критерия Стьюдента следующим образом.
Для каждой из выборок находят свое число степеней свободы по формулам: ν1=N1– 1 и ν2=N2– 1.
В зависимости от ν1по таблице критических значений находятtтабл. 1и в зависимости от ν2находятtтабл. 2.
Далее вычисляется критическое значение критерия, с которым и будет сравниваться расчетное значение:
,
где tтабл. 1— табличное значение критерия Стьюдента для 1-й выборки;
tтабл. 2— табличное значение критерия Стьюдента для 2-й выборки.
Правило принятия решения описано выше. Непараметрический критерий Розенбаума (критерий «хвостов»)
Назначение критерия
Критерий Розенбаума применяется для оценки различий между двумя выборками по уровню какого-либо признака.
Этот метод сравнивает два ряда упорядоченных значений и определяет, достаточно ли сильно они различаются или насколько велика область значений в выборках, которые не пересекаются. При этом 1-м рядом (выборкой, группой) называется тот ряд значений, в котором значения, по предварительной оценке, выше, а 2-м рядом — тот, где они предположительно ниже.
Чем больше область неперекрещивающихся значений (чем больше «хвосты»), тем более вероятно, что различия достоверны.
Расчетное (эмпирическое) значение критерия Qотражает то, насколько велика зона совпадения между рядами. Поэтому чем большеQэмп., тем более вероятно, что различия достоверны.
Ограничения критерия
Признак должен быть измерен по ординальной, интервальной или пропорциональной шкале.
Выборки должны быть независимыми.
В каждой выборке должно быть не меньше 11 наблюдений. Объемы выборок должны примерно совпадать. При этом указываются следующие правила:
а) если в каждой выборке меньше 50 наблюдений, то абсолютная величина разности между N1иN2должна быть больше 10 наблюдений;
б) если в каждой выборке больше 51 наблюдения, но меньше 100, то абсолютная величина разности между N1иN2не должна быть больше 20 наблюдений;
в) если в каждой выборке больше 100 наблюдений, то допускается, чтобы одна из выборок была больше другой не более чем в 1,5-2 раза.
3. Диапазоны разброса значений (xmax–xmin) в двух выборках не должны совпадать между собой. Применение критерия бессмысленно, если «хвосты» равны 0. Однако при этом между средними могут существовать статистически значимые различия, обусловленные, например, разносторонне направленной асимметрией распределений.
Алгоритм расчета критерия Розенбаума
1. В каждой выборке отдельно упорядочить значения признака по возрастанию. При этом считать 1-й выборку тот ряд значений, в котором значения по предварительной оценке выше, а 2-й — ту выборку, в которой значения предположительно ниже.
2. Найти самое высокое значение в выборке 2.
3. Подсчитать количество значений в выборке 1, которые выше максимального значения в выборке 2. Обозначить эту величину как S1.
4. Найти в выборке 1 самое маленькое значение.
5. Подсчитать количество значений в выборке 2, которые ниже минимального значения в выборке 1. Обозначить эту величину как S2.
6. Вычислить расчетное значение критерия Розенбаума по формуле Qэмп.=S1+S2
Эти шаги проиллюстрированы на рисунке 18.
Рис. 18. Критерий Розенбаума
7. Правило принятия решения (правило вывода):
Если N1,N2<26, то по таблице критических значений критерия Розенбаума в зависимости отN1иN2найти критическое значение критерия.
Если N1,N2>26, тоQэмп.=8 при р =0,95 иQэмп.=10 при р=0,99.
Если Qэмп.<Qкр. , различия между выборками статистически незначимы, Н0принимается, то есть статистически значимых различий по выраженности признака в двух независимых выборках нет.
Если Qэмп.≥Qкр. , различия между выборками статистически достоверны, Н0отвергается и принимается Н1, то есть в одной из выборок статистически значимо чаще встречаются более высокие значения.