Подготовка данных к статистической обработке

После того, как данные обозначены, их необходимо ввести в компьютер – для этого вы можете использовать любой популярный статистический пакет или специализированную программу. Для снятия ограничения в процессе обработки – следует сохранять данные в общепринятом стандарте - DBF-формате, что обеспечит обмен данных между различными программными системами. Как правило, данные организуют в форме электронных таблиц, которые представляют собой матрицы данных, где столбцы представляют собой переменные (values), а строки – измерения значений этих переменных (cases), например, у разных объектов, или в разных условиях, или в разные интервалы времени.

Сырые данные не всегда (и, как правило) пригодны для статистического анализа. Чаще всего необходима процедура преобразования сырых данных, начиная с простых алгебраических, матричных или структурных преобразований, и заканчивая «борьбой» с пропущенными и некорректными измерениями вашей выборки.

Прежде чем приступить к статистической оценке данных выборочной совокупности, напомним несколько важных аксиоматических принципов в культуре экспериментального исследования:

1. Различают исследования зависимостей и экспериментальные исследования. Большинство эмпирических исследований данных можно отнести к одному из названных типов. В исследовании корреляций (зависимостей, связей) вы не влияете (или, по крайней мере, пытаетесь не влиять) на переменные, а только измеряете их и хотите найти зависимости (корреляции) между некоторыми измеренными переменными, например, между кровяным давлением и уровнем холестерина. В экспериментальных исследованиях, напротив, вы варьируете некоторые переменные и измеряете воздействия этих изменений на другие переменные. Например, исследователь может искусственно увеличивать кровяное давление, а затем на определенных уровнях давления измерить уровень холестерина. Анализ данных в экспериментальном исследовании также приходит к вычислению "корреляций" (зависимостей) между переменными, а именно, между переменными, на которые воздействуют, и переменными, на которые влияет это воздействие. Тем не менее, экспериментальные данные потенциально снабжают нас более качественной информацией. Только экспериментально можно убедительно доказать причинную связь между переменными. Например, если обнаружено, что всякий раз, когда изменяется переменная A, изменяется и переменная B, то можно сделать вывод - "переменная A оказывает влияние на переменную B", т.е. между переменными А и В имеется причинная зависимость. Результаты корреляционного исследования также могут быть проинтерпретированы в каузальных (причинных) терминах на основе некоторой теории, но сами по себе не могут отчетливо доказать причинность.

2. Различают понятие зависимых и независимых переменных. Независимыми переменными называются переменные, которые варьируются исследователем, тогда как зависимые переменные - это переменные, которые измеряются или регистрируются. Термины зависимая и независимая переменная применяются в основном в экспериментальном исследовании, где экспериментатор манипулирует некоторыми переменными, и в этом смысле они "независимы" от реакций, свойств, намерений и т.д. присущих объектам исследования. Некоторые другие переменные, как предполагается, должны "зависеть" от действий экспериментатора или от экспериментальных условий. Иными словами, зависимость проявляется в ответной реакции исследуемого объекта на посланное на него воздействие. Отчасти в противоречии с данным разграничением понятий находится использование их в исследованиях, где вы не варьируете независимые переменные, а только приписываете объекты к "экспериментальным группам", основываясь на некоторых их априорных свойствах. Например, если в эксперименте мужчины сравниваются с женщинами относительно числа лейкоцитов (WCC), содержащихся в крови, то Пол можно назвать независимой переменной, а WCC зависимой переменной.

3. Любая статистическая процедура оценки данных начинается с постановки и проверки статистической гипотезы. Статистические гипотезы подразделяются на нулевые и альтернативные, направленные и ненаправленные. Проверка гипотез осуществляется с помощью критериев статистической оценки различий.

Глава 2. Общие принципы проверки статистических гипотез

В социальных науках, как и других научных областях, ничем не доказанные предположения называются гипотезами [3].

Пользуясь статистическими приемами, мы очень часто можем установить, существует ли эм­пирическое доказательство, подтверждающее наши гипотезы. Многие обсуждаемые в следующих несколь­ких параграфах процедуры используются именно для про­верки специфических гипотез. По этой причине по­лезно дать обзор некоторых понятий, которые составляют основу проверки гипотез в классической теории статистики, таких как формирование нулевой гипотезы, установление критериев для ее проверки, уровень значимости и уровень достоверности и, наконец, понятие об ошибках первого и второго рода.

Дата добавления: 2014-12-26