- •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
1. Выбор исходных данных.
А) Факторный анализ применяется для признаков, измеренных по интервальнойилипропорциональнойшкалам.
Б) Все признаки должны иметь нормальное распределение.
В) Между признаками недопустимы функциональные зависимости.
Г) Нежелательны корреляции, близкие к единице («1»).
Д) В исходной матрице должно быть хотя бы несколько корреляций, по абсолютной величине выше, чем 0,3.
Е) Нельзя включать признаки, измеренные по шкале наименований.
Ж) Включение в анализ порядковых данных (ординальные шкалы) нежелательно, но допустимо; однако исследователь должен отдавать себе отчёт в том, что характер искажений нам неизвестен. В общем случае желательно перейти к единой шкале для всех.
З) Выборка должны быть достаточно большой. Некоторые авторы рекомендуют не менее 100человек. Число признаков должно быть в3или4раза меньше, чем количество испытуемых.
2. Предварительное решение проблемы числа факторов.
А) Указать приблизительное число факторов и получить график собственных значений факторов.
На графике находится точка перегиба ломаной линии; этой точке соответствует kфакторов; возможное число факторов будет равно:k±1.
Данный способ называется метод отсеивания Кеттела.
Б) Критерий величины собственного значения фактора.
Выбирается число факторов, для которых собственные значения больше 1. На этом этапе рекомендуется использовать метод факторного анализа –анализ главных компонент, и проверить несколько гипотез о числе факторов. Начинать следует с максимально возможного числа факторов; с учётом обоих критериев уменьшить их число.
Окончательное решение о числе факторов принимается только после интерпретации факторов.
3. Факторизация матрицы интеркорреляций.
Выбирается метод факторизации, желательно метод с операциями по общностям, или максимального правдоподобия. В результате получаем матрицу факторных нагрузок, которую следует подвергнуть предварительному анализу:
А) Суммарная доля дисперсии – это показатель того, насколько полно выделяемые факторы могут представить данный набор признаков, а этот набор – сами выделяемые факторы. При хорошем факторном решении доля дисперсии должна быть 70-75%.
Б) Общность переменной – это показатель её участия в анализе, - показатель, насколько эта переменная влияет на факторную структуру. Переменные с наименьшими общностями – кандидаты на исключение из анализа в дальнейшем.
4. Вращение и предварительная интерпретация факторов (ротация факторов).
Ротация факторов перемещает факторы относительно переменных таким образом, что большие факторные нагрузки увеличиваются, а маленькие – уменьшаются. После вращения получается простая структура, которую легче интерпретировать. Ротация факторов может быть выполнена двумя методами:
А) Ортогональное вращение (четырёх видов).
Варимакс. Минимизируется количество переменных, имеющих высокие нагрузки на данные факторы. При этом максимально увеличивается дисперсия фактора за счёт группировки вокруг него только тех переменных, которые связаны с ним в большей степени, чем остальные.
Квартимакс. Минимизирует количество факторов, необходимых для объяснения данной переменной. Этот метод усиливает возможности для интерпретации переменных.
Эквимаксибиквартимакспредставляют собой комбинации двух первых видов вращения.
Б) Косоугольное (облическое) вращение.
Облимин– наиболее распространённый метод косоугольного вращения.
Интерпретацию после вращения нужно проводить в следующем порядке:
По каждой переменной (строке) выделяется наибольшая по абсолютной величине нагрузка как доминирующая. Если вторая по величине нагрузка в строке отличается от уже выделенной менее чем на 0,2, то и она выделяется, но как второстепенная.
После просмотра всех строк начинают просмотр столбцов (т.е. факторов). По каждому фактору выписывают названия переменных (признаков), имеющих нагрузки по этому фактору (выделены на предыдущем шаге). Обязательно учитывается знак факторной нагрузки: если он отрицательный, то это отмечается как противоположный полюс переменной.
После такого просмотра каждому фактору присваивается название, обобщающее по смыслу включённые в него признаки. Если трудно подобрать термин из какой-либо теории, допускается наименование фактора по имени переменной, имеющей наибольшую нагрузку по этому фактору.