3.3. Применение методов математической статистики в обработке эмпирических данных

3.3.1. Краткие сведения по математической статистике

На заре развития экспериментальной психологии Эдвард Торндайк как-то с сожалением сказал, что математика входит в общую культуру человека, но психолог может проработать всю жизнь, так никогда с ней и не столкнувшись. Прошедшие с тех пор почти сто лет были постоянной попыткой внедрения математики в психологию, и уже в следующем веке поставят под сомнение горькое высказывание известного ученого.

Современная практика показывает, что психолог должен не только оперировать методами математической статистики, но и представлять предмет своей науки с точки зрения «царицы наук», в противном случае он обречен быть «антропотехником», носителем тестов, выдающих готовые результаты без их осмысления в рамках того направления, в котором они были созданы.

В данном пособии мы попытались вычленить из всего многообразия вопросов, связанных с математико-статистической обработкой психологических исследований, тот минимум знаний, который необходим студенту психологического факультета для решения исследовательских задач, которые ставятся в курсовых и выпускных квалификационных работах. По этой причине многие важные теоретические вопросы были опущены, и можно порекомендовать для ознакомления с ними обратиться к более полным и объемным руководствам [7, 12, 13, 14, 21, 25, 26, 27, 28, 31. 33, 34].

Типичные исследования

Выявление различий:

• сравнение зависимых выборок до и после экспериментального воздействия (формирующие эксперименты, коррекционные программы, тренинги);

• сравнение независимых выборок по каким-либо признакам (выявление различий между показателями контрольной и экспериментальной групп в рамках формирующего эксперимента, между различными группами в рамках констатирующего эксперимента, например, различия в характеристиках эмоциональной устойчивости в группах врачей и учителей.)

Примечание: выборка зависима, если одному случаю из выборки X соответствует один и только один случай из выборки Y и, наоборот, для каждого случая в двух выборках. Примеры зависимых выборок: пары близнецов, мужья и жены, одна и та же группа до и после формирующего или развивающего воздействия и т.п.

Выборка независима, если указанная выше связь отсутствует. Примеры независимых выборок: мужчины и женщины, физики и химики и т.п.

Статистические задачи и соответствующие им методы:

Статистические задачи, решаемые в рамках исследовательской работы, направлены на доказательство или опровержение гипотезы, выдвинутой в работе, с помощью статистических (параметрических и непараметрических) критериев.

Параметрические критерии (используют параметры распределения генеральной совокупности, такие как среднее, дисперсия и т.п.):

• различия в средних значениях (t-критерий Стьюдента для зависимых и независимых выборок);

• различия в дисперсиях (F-критерий Фишера).

Примечание: измерения должны быть проведены в шкале интервалов или отношений, при этом необходимо доказать, что значения признаков распределены нормально.

Непараметрические критерии (не используют параметры распределения генеральной совокупности), применимые для независимых выборок:

• различия в уровне выраженности признака (Q-критерий Розенбаума и U-критерий Манна-Уитни).

Примечания: для Q-критерия – n₁ и n₂≥11; для U-критерия – n₁ и n₂≥3 (или n₁=2 и n₂≥5) и n₁ и n₂≤60, где n₁ и n₂ – численное значение первой и второй выборок. Измерения должны быть проведены в шкале интервалов или отношений.

Непараметрические критерии (не используют параметры распределения генеральной совокупности), применимые для зависимых выборок:

• оценка достоверности сдвига значений исследуемого признака (G-критерий знаков, который лучше применять вместе с T-критерием Вилкоксона для оценки интенсивности типичного сдвига).

Примечание: измерение может быть проведено в шкале порядка, интервалов и отношения. Выборки должны быть количественно равны. Для G-критерия – 5≥n≥300, для T-критерия – 5≥n≥50, где n – численное количество выборки.

Многофункциональный критерий (измерения могут быть проведены в любой шкале):

• различия между процентными долями, которые соответствуют присутствию или отсутствию какого-либо эффекта (φ*–критерий углового преобразования Фишера. Очень удобный критерий, поскольку можно самим устанавливать границу проявления эффекта).

Примечание: n₁ и n₂≥5 (n₁=2 и n₂≥30), где n₁ и n₂ – численное значение первой и второй выборок.