Проверка нормальности распределения результативного признака

Уравновешивание комплексов

Создание комплексов

Подготовка данных к дисперсионному анализу

Лучше всего для каждого испытуемого создать отдельную кар­точку, куда были бы занесены данные по всем исследованным призна­кам. Дело в том, что в процессе анализа у исследователя могут изме­ниться гипотезы. Потребуется создавать, быть может, не один, а мно­жество дисперсионных комплексов, различающихся как по факторам, так и по результативным признакам. Карточки помогут нам быстро создавать новые дисперсионные комплексы. Благодаря карточкам мы сразу увидим, равномерно ли распределяются данные по градациям в случае, если за фактор мы решили принять один из исследованных пси­хологических признаков. С помощью карточек мы можем помочь себе выделить три, четыре или более градаций этого фактора, например, уровни мотивации, настойчивости, креативности и др.

Комплекс, в котором каждая ячейка представлена одинаковым количеством наблюдений, называется равномерным. Равномерность комплекса позволяет нам обойти требование равенства дисперсий в ка­ждой из ячеек комплекса (Шеффе Г., 1980).

Равномерные комплексы позволяют также избежать значитель­ных трудностей, которые неизбежно возникают при обсчете неравно­мерных, или неортогональных, комплексов. В настоящем руководстве приведены алгоритмы расчета лишь для равномерных комплексов. С методами обсчета неравномерных комплексов можно ознакомиться у НА. Плохинского (1970), Г.В. Суходольского (1972), Г. Шеффе (1980).

В случае, если в разных градациях комплекса оказалось неравное количество наблюдений, необходимо отсеять некоторые из них. Если вкомплексе со связанными выборками кто-либо из испытуемых не был подвергнут одному из условий действия переменной (градаций факто­ра), то его данные исключаются. Если же комплекс включает незави­симые выборки, каждая из которых была подвергнута определенному условию воздействия (градации фактора), то "лишние" испытуемые вкакой-либо из ячеек комплекса отсеиваются путем случайного выбора необходимого количества карточек.

Дисперсионный анализ относится к группе параметрических мето­дов и поэтому его следует применять только тогда, когда известно илидоказано, что распределение признака является нормальным (Суходольский Г.В., 1972; Шеффе Г., 1980 и др.). Строго говоря, перед тем, как применять дисперсионный анализ, мы должны убедиться в нормальности распределения результативного признака. Нормальность распределения результативного признака можно проверить путем расче­та показателей асимметрии и эксцесса и сопоставления их с критическими значениями (Пустыльник Е.И., 1968* Плохинский Н.А., 1970 и др.).

Произведем необходимые расчеты на примере параграфа 8.3, в котором анализируется длительность мышечного волевого усилия.

Действовать будем по следующему алгоритму:

а) определим показатели асимметрии и эксцесса по формулам Н.А. Плохинского и сопоставим их с критическими значениями, указан­ными Н.А. Плохинским;

б) рассчитаем критические значения показателей асимметрии и эксцесса по формулам Е.И. Пустыльника и сопоставим с ними эмпирические значения;

в) если эмпирические значения показателей окажутся ниже критиче­ских, сделаем вывод о том, что распределение признака не отличает­ся от нормального.

Таблица 7.1

Вычисление показателей асимметрии и эксцесса по показателю длитель­ности попыток решения анаграмм

№	хi	(хi – )	(хi – )^2	(хi – )^3	(хi – )^4
		0,94	0,884	0.831	0,781
		2,94	8,644	25,412	74,712
		1.94	3,764	7,301	14,165
		-1,06	1,124	-1,191	1,262
		-0.06	0,004	-0,000	0,000
		0,94	0,884	0,831	0,781
		-2,06	4,244	-8.742	18,009
		-0,06	0,004	-0,000	0,000
		4,94	24,404	120,554	595,536
		3,94	15,524	61,163	240,982
И		-2,06	4,244	-8,742	18,009
		-3.06	9,364	-28,653	87,677
		-0.06	0,004	-0,000	0,000
		-0,06	0.004	-0,000	0,000
		-5,06	25,604	-129,554	655,544
		-2,06	4,244	-8,742	18,009
Суммы			102,944	30,468	1725,467

Для расчетов в Табл. 7.1 необходимо сначала определить сред­нюю арифметическую по формуле:

где х_i - каждое наблюдаемое значение признака;

n - количество наблюдений. В данном случае:

Стандартное отклонение (сигма) вычисляется по формуле:

где х_i - каждое наблюдаемое значение признака; _– среднее значение (среднее арифметическое); n - количество наблюдений. В данном случае:

Показатели асимметрии и эксцесса с их ошибками репрезента­тивности определяются по следующим формулам:

где (х_{i –} ) - центральные отклонения;

σ - стандартное отклонение;

п - количество испытуемых. В данном случае:

Показатели асимметрии и эксцесса свидетельствуют о достовер­ном отличии эмпирических распределений от нормального в том случае, если они превышают по абсолютной величине свою ошибку репрезентативности в 3 и более раз:

Мы видим, что оба показателя не превышают в три раза свою ошибку репрезентативности, из чего мы можем заключить, что распре­деление данного признака не отличается от нормального.

Теперь произведем проверку по формулам Е.И. Пустыльника. Рассчитаем критические значения для показателей А и Е:

Итак, оба варианта проверки, по Н.А. Плохинскому и по Е.И. Пустыльнику, дают один и тот же результат: распределение результа­тивного признака в данном примере не отличается от нормального рас­пределения.

Можно выбрать любой из двух предложенных вариантов провер­ки и придерживаться его. При больших объемах выборки, по-видимому, стоит производить расчет первичных статистик (оценок па­раметров) на ЭВМ.

Дата добавления: 2015-06-04