Многомерные методы анализа данных

Статистическая проверка научной гипотезы

Статистическая проверка научной гипотезы проводится с целью выявления меры правдоподобности ее принятия. Педагогическая гипотеза в процессе статистического анализа переводится на язык статистической науки и заново формулируется в виде статистических гипотез. В начале формулируется нулевая гипотеза, в которой исследователь утверждает, что предлагаемый им новый метод не обладает какими-либо преимуществами пред старым, т.е. различия между ними объявляются равными нулю. Если по результатам исследования нулевая гипотеза опровергается, то выдвигается альтернативная гипотеза, в которой делается предположение о преимуществе нового метода. Нулевая гипотеза опровергается в тех случаях, когда разница в значениях средней арифметической экспериментальной и контрольной групп значительна, а риск ошибки в выводах не превышает 5 процентов (в пяти случаях из ста экспериментов).

Пример выявления такой меры правдоподобности (опровержения или подтверждения нулевой гипотезы) приводится у П.И.Образцова (стр. 154-156)[2].

Многомерные методы анализа данных применяются с целью обнаружения скрытых закономерностей, выявления наиболее существенных связей между переменными путем анализа взаимосвязи между большим количеством этих переменных. К таким методам относят факторный анализ, кластерный анализ, дисперсионный анализ, регрессионный анализ, латентно-структурный анализ, многомерное шкалирование и др.

Факторный анализ заключается в выявлении и интерпретации факторов. Фактор – обобщенная переменная, которая позволяет свернуть часть информации, т.е. представить ее в удобообозримом виде. Например, факторная теория личности выделяет ряд обобщенных характеристик поведения, которые в данном случае называются чертами личности.

Кластерный анализ позволяет выделить ведущий признак и иерархию взаимосвязей признаков.

Дисперсионный анализ – статистический метод, используемый для изучения одной или нескольких одновременно действующих и независимых переменных на изменчивость наблюдаемого признака. Его особенность состоит в том, что наблюдаемый признак может быть только количественным, в то же время объясняющие признаки могут быть как количественными, так и качественными.

Регрессионный анализ позволяет выявить количественную (численную) зависимость среднего значения изменений результативного (объясняемого) признака (переменной) от изменений одного или нескольких объясняющих признаков (переменных). Как правило, данный вид анализа применяется в том случае, когда требуется выяснить насколько изменяется средняя величина одного признака при изменении на единицу другого признака.

Латентно-структурный анализ представляет собой совокупность аналитико-статистических процедур выявления скрытых переменных (признаков), а также внутренней структуры связей между ними. Он дает возможность исследовать проявления сложных взаимосвязей непосредственно наблюдаемых характеристик социально-психологических и педагогических феноменов. Латентный анализ может стать основой для моделирования указанных взаимосвязей.

Многомерное шкалирование обеспечивает наглядную оценку сходства или различия между некоторыми объектами, описываемыми большим количеством разнообразных переменных. Эти различия представляются в виде расстояния между оцениваемыми объектами в многомерном пространстве.

Дата добавления: 2014-01-15