Выявление взаимосвязи исследуемых признаков

Количественные признаки:

• если признаки измерены в шкале интервалов или отношений и распределились нормально, то применим коэффициент корреляции Пирсона r_xy.

Примечание: для больших выборок от 5 человек и более. Значения признаков должны быть распределены нормально.

• если признаки измерены в порядковой (ранговой) шкале, шкале интервалов или отношений, то применим коэффициент корреляции Спирмена r_s.

Примечание: для малых выборок обычно 5≥n≥40

• Если признаки измерены в порядковой (ранговой) шкале, то применим коэффициент корреляции Кендалла τ.

Примечание: не допускается использование одинаковых рангов.

Качественные признаки:

• если признаки измерены в дихотомической шкале, то применим коэффициент ассоциации Пирсона φ;

• если один признак измерен в дихотомической шкале, а другой в ранговой шкале, то применим рангово-бисериальный коэффициент корреляции R_rb;

• если один признак измерен в дихотомической шкале, а другой в шкале отношений или интервалов, то применим бисериальный коэффициент корреляции R_бис.

Выявление структуры взаимосвязей признаков:

• метод максимального корреляционного пути Л.К. Выханду (структура с доминирующими и подчиненными признаками);

• метод усредненного рангового места коэффициента корреляции (выявляет признаки, имеющие наибольший удельный вес в структуре взаимосвязей);

• метод корреляционных плеяд;

• метод факторного анализа (сокращение числа переменных [редукция данных] и определение структуры взаимосвязей, классификация переменных. Метод структурной классификации.)

Выявление влияния отдельных факторов на результаты экспериментов:

• дисперсионный анализ (анализ изменчивости признака под влиянием каких-либо контролируемых переменных факторов, т.е. выявление причинно-следственной связи);

• регрессионный анализ (функциональная, чаще линейная зависимость одного признака от другого или нескольких признаков);

• корреляционное отношение (вклад одних признаков в общее влияние всех признаков, воздействующих на коррелируемый признак – показатель уровня связи, употребляющийся в случае нелинейной зависимости между признаками).

Нулевая гипотеза (обозначается Н₀) предполагает, что в эксперименте не будет выявлено различий. Например: «Между учениками 1 класса А и 1 класса Б нет различий по уровню интеллекта».

Альтернативная гипотеза (обозначается Н₁) предполагает, что будут выявлены различия (что различия будут достоверны). Например: «Ученики 1 класса А и 1 класса Б отличаются по уровню интеллекта» .

Гипотезы также могут быть ненаправленными (см. предыдущий пример) и направленными: «Ученики 1 класса А превосходят по уровню интеллекта учеников 1 класса Б».

Уровни статистической значимости

Статистическая значимость (p-уровень) представляет собой оцененную меру уверенности в его «истинности». Более высокий уровень значимости соответствует более низкому уровню доверия к полученным результатам.

В психологии обычно используется три уровня значимости:

5-процентный, 1-процентный и 0,1- процентный (хотя последний намного реже). Если указывают, что различия достоверны на 5%-ом уровне значимости (p < 0.05), то имеют ввиду, что вероятность ошибочного вывода составляет 0,05, если на 1%-ом, то – 0,01 (p < 0.01) и т.д. При этом 5%-й уровень считается низшим, а 0,1%-й – высшим уровнем значимости (p < 0.001).

Различают эмпирическое значение критерия и его критическое значение. При использовании большинства критериев, если эмпирическое значение больше критического, то H₀ отвергается.