- •Калинин а.А., Гусева с.И. Простейшие методы анализа данных в психологии
- •Введение
- •1. Шкалы
- •2. Случайное событие
- •3. Случайная величина
- •3.1 Распределение случайной величины
- •Способность обобщения учеников 10 класса одной из школ Ленинградской области (по результатам штур)
- •3.2 Параметры распределения
- •3.3 Нормальное распределение
- •4. Генеральная совокупность и выборка
- •5. Стандартизация психодиагностических методов
- •6. Статистические гипотезы
- •7. Математический аппарат проверки статистических гипотез
- •Подготовка данных и выбор критерия
- •Формулирование нулевой и альтернативной гипотез.
- •7.1. Подготовка данных
- •7.1.1 Порядок выявления аномальных значений
- •7.1.2 Проверка эмпирического распределения на его соответствие нормальному распределению
- •7.2 Сравнение среднего значения некоторой выборки со средним значением генеральной совокупности или с нормативным значением
- •7.3 Сравнение уровня признака в независимых выборках
- •7.4 Сравнение уровня признака в зависимых выборках
- •7.5 Оценка сходства-различия распределений признаков
- •8. Изучение взаимосвязи психологических явлений
- •8.1 Меры связи явлений, измеренных в номинативных шкалах
- •8.2 Корреляционная связь
- •8.2.1 Меры связи для явлений, измеренных в ранговых шкалах
- •8.2.2 Меры связи для явлений, измеренных в разных шкалах
- •8.2.3 Меры связи для явлений, измеренных в шкале интервалов или отношений
- •8.3 Корреляционный анализ
- •Список использованной литературы:
- •Критические значения f-критерия Фишера
- •Приложение 2 . Результаты штур, использованные при составлении задач настоящего методического пособия
- •11 Класса одной из школ Ленинградской области
- •Калинин а.А., Гусева с.И. Простейшие методы анализа данных в психологии
- •189620, Г. Пушкин, Петербургское шоссе, 10
8.2.3 Меры связи для явлений, измеренных в шкале интервалов или отношений
Для явлений, измеренных в интервальных шкалах или в шкале отношений, наиболее распространенным является использование коэффициента линейной корреляции Пирсона, обозначаемого rxy.
где xi, yi - значения случайных величин, измеренных на i-том объекте, Мх, Му, х, у - средние арифметические и стандартные отклонения соответствующих случайных величин, N – количе-ство испытуемых. Коэффициент корреляции может принимать как положительные, так и отри-цательные значения от -1 до 1. Если значения близки к нулю, то корреляция отсутствует, значе-ния близки к 1 или -1 - корреляция сильная. Проверить достоверность отличия от нуля получен-ного значения коэффициента корреляции можно непосредственно по таблицам критических значений коэффициента линейной корреляции Пирсона (Таблица 11 Приложения) (коэффици-ент корреляции следует признать статистически значимым, если он превышает табличное критическое значение или равен ему) или с помощью критерия Стьюдента для мер связи.
Задача: Есть ли связь между способностью классификации и поиска аналогии по тесту ШТУР у учениц 10 класса одной из школ Ленинградской области?
Таблица 29
Оценка зависимости между показателями способностей классификации и поиска аналогии по тесту ШТУР у учеников 11 класса |
|
|||||||||
способности классификации (х) |
способности поиска аналогии (у) |
Х-Мх |
У-Му |
(Х-Мх)(У-Му) |
|
|||||
23 |
18 |
5 |
2,9 |
14,5 |
|
|||||
23 |
11 |
5 |
-4,1 |
-20,5 |
|
|||||
20 |
18 |
2 |
2,9 |
5,8 |
|
|||||
23 |
14 |
5 |
-1,1 |
-5,5 |
|
|||||
23 |
15 |
5 |
-0,1 |
-0,5 |
|
|||||
20 |
12 |
2 |
-3,1 |
-6,2 |
|
|||||
22 |
17 |
4 |
1,9 |
7,6 |
|
|||||
21 |
18 |
3 |
2,9 |
8,7 |
|
|||||
19 |
19 |
1 |
3,9 |
3,9 |
|
|||||
16 |
18 |
-2 |
2,9 |
-5,8 |
|
|||||
15 |
14 |
-3 |
-1,1 |
3,3 |
|
|||||
14 |
17 |
-4 |
1,9 |
-7,6 |
|
|||||
17 |
16 |
-1 |
0,9 |
-0,9 |
|
|||||
21 |
18 |
3 |
2,9 |
8,7 |
|
|||||
16 |
15 |
-2 |
-0,1 |
0,2 |
|
|||||
14 |
13 |
-4 |
-2,1 |
8,4 |
|
|||||
13 |
11 |
-5 |
-4,1 |
20,5 |
|
|||||
12 |
14 |
-6 |
-1,1 |
6,6 |
|
|||||
12 |
12 |
-6 |
-3,1 |
18,6 |
|
|||||
16 |
12 |
-2 |
-3,1 |
6,2 |
|
|||||
Среднее 18 |
15,1 |
|
|
Сумма 66.0 |
|
|||||
Стандартное отклонение |
3,934 |
2,673 |
|
|||||||
|
||||||||||
|
= 0.330 |
r кр.=0,444 (0.05) и 0,378 (0,10) |
rxy < r кр связь между показателями способностей классификации и поиска аналогии по тесту ШТУР у учеников 11 класса незначима.
Коэффициенты линейной корреляции Пирсона можно рассчитать с помощью встроенной функции Microsoft Excel. Для того чтобы воспользоваться встроенной функцией сначала необходимо переменные, между которыми будут рассчитываться коэффициенты корреляции, представить в виде единого массива, то есть расположить их в соседних столбцах таблицы данных. Затем следует войти в раздел «Анализ данных» из меню «Сервис», где выбрать подраздел «Корреляция». На экране высвечивается меню подраздела «Корреляция», в котором задаются входной интервал переменных и выходной интервал (номер левой верхней ячейки выходного интервала). Входной интервал переменных задается в виде единого массива, например «a1:b24» при двух переменных по 24 значения в каждой из выборок. Но с помощью встроенной функции Microsoft Excel можно рассчитать коэффициенты корреляции сразу между несколькими переменными. Если, к примеру, задать массив «a1:d16», то будут рассчитываться коэффициенты корреляции между четырьмя переменными по 16 значений в каждой: a1:a16, b1:b16, c1:c16 d1:d16. Выходные данные представляют собой матрицу коэффициентов корреляции между переменными.