8,Внешняя валидность

Внешняя валидность (англ. external validity) — вид валидности, определяющий то, насколько результаты конкретного исследования можно распространить на весь класс подобных ситуаций/явлений/объектов. Данное понятие можно рассматривать как междисциплинарное: оно широко применяется в экспериментальной психологии, а также в других сферах науки. Внешняя валидность — соответствие реального исследования изучаемой объективной реальности.

Внешняя валидность определяет то, в какой мере результаты, полученные в эксперименте, могут соответствовать тому типу жизненной ситуации, которая была исследована, и то, насколько возможно обобщить эти результаты на все подобные жизненные ситуации[1]. Например, критику психологов-экспериментаторов в том, что о студентах-второкурсниках и белых крысах они знают очень много, а обо всём остальном — очень мало, можно рассматривать как критику внешней валидности[2].

Как и в отношении любой другой валидности, о внешней валидности в исследовании, вероятно, невозможно сказать, что она абсолютно соблюдена, можно указать только на её нарушение. Абсолютным соблюдение внешней валидности считалось бы тогда, когда результаты исследования можно обобщить на любые популяции при любых условиях и в любое время, поэтому учёные говорят не о соблюдении либо несоблюдении внешней валидности, а о степени её соблюдения.

4,Нуль-гипотезе

НУЛЬ-ГИПОТЕЗА (нулевая гипотеза) — утверждение, постулирующее отсутствие различий между сравниваемыми величинами или отсутствие связи между изучаемыми переменными. Используется при статистической проверке Г. В качестве антитезиса к Н.-Г. формулируется альтернативная Г., утверждающая наличие различий между величинами или связи между переменными. Статистическая проверка Г. состоит в том, чтобы на основании некоторого численного критерия определить, следует ли принять Н.-Г. или отклонить ее, что равносильно принятию альтернативной Г. Н.-Г. при этом играет роль теоретического утверждения, которое следует отклонить, если найдется противоречащий ему пример, но нельзя считать доказанным, если такого примера нет. Таким образом, отклонение Н.-Г. «более важно», чем ее принятие.

Статистическая проверка Г. является разделом математической статистики, позволяющим распространять результаты выборочного исследования на генеральную совокупность (см. Выборочные методы). Утверждения, сформулированные в Н.-Г. и альтернативной Г., относятся к параметрам генеральной совокупности, в то время как решение принять или отклонить Н.-Г. принимается на основе численного критерия, рассчитанного по выборке.

В силу случайности выборочного метода решение может быть принято как правильно, так и ошибочно. Ошибка, состоящая в том, чтобы отклонить Н.-Г., которая на самом деле верна, называется ошибкой первого рода; ошибка, заключающаяся в том, чтобы принять Н.-Г., которая на самом деле неверна, — ошибкой второго рода. Пусть, например, следует проверить Г. о том, что средняя заработная плата женщин ниже, чем средняя заработная плата мужчин (по генеральной совокупности всего занятого населения). Данная Г., утверждающая неравенство, может использоваться как альтернативная. Н.-Г. в этом случае будет утверждать, что средняя заработная плата женщин и мужчин одинакова. Если выборочное исследование покажет, что средняя зарплата мужчин выше, мы отклоним Н.-Г. (поскольку результаты исследования ей противоречат) в пользу альтернативной Г. Это решение будет правильным, если в генеральной совокупности выше зарплата мужчин, или ошибочным, если в генеральной совокупности выше зарплата женщин (ошибка первого рода). Если в результате выборочного исследования окажется, что выше средняя зарплата женщин, или что зарплата мужчин и женщин одинакова, будет принята Н.-Г., поскольку данные скорее противоречат альтернативной Г., чем нулевой. Это решение будет ошибочным (ошибка второго рода), если в генеральной совокупности выше зарплата мужчин, и правильным, если в генеральной совокупности выше зарплата женщин.

Однако как обстоят дела в генеральной совокупности, как правило, неизвестно. Поэтому любое из решений не исключает возможных ошибок, и задача состоит в том, чтобы оценить вероятность каждой из ошибок. Вероятность ошибки первого рода называется уровнем значимости, вероятность ошибки второго рода — мощностью критерия. .О.В. Терещенко