Анализ данных. Доказательство исследовательских гипотез

Типовые задачи, которые решают психологи при обработке эмпирического материала, следующие:

1. Сопоставление групп испытуемых по какому-либо признаку для выявления различий между ними по этому признаку.

2. Сопоставление того, что было “до” с тем, что стало “после” экспериментальных или «формирующих» воздействий.

3. Сопоставление эмпирического распределения значений признака с каким-либо теоретическим законом или с другим эмпирическим распределением, чтобы доказать неслучайность различия в распределениях.

4. Сопоставление двух признаков на одной выборке для установления степени согласованности их изменений, их сопряженность, корреляцию между ними.

5. Сопоставление индивидуальных значений, полученных при разных комбинациях условий, чтобы выявить характер взаимодействия этих условий и их влияние на индивидуальное значение признака.

Каждая из приведенных задач на этапе планирования требовала определенных условий проведения исследования, и также на этапе обработки данных требует определенных критериев доказательности. Прежде всего, вы должны ответить на следующие вопросы:

1. Какого качества моя выборка?

2. Какое обобщение в отношении результатов мне потребуется?

В соответствии с ответами вы будете выбирать математическую модель. Вообще-то эти проблемы уже должны были быть решены на этапе планирования исследования и проведения пилотажа. Но для студенческих работ такая дальновидность не характерна: вопросы математической обработки данных оставляются на самый конец работы над дипломом. Что касается пилотажа, да еще с обработкой, он представляет собой исключение, большую редкость в дипломах психологов.

Итак, если объем выборки:

n ≤ 30, то выборка малая,

30 < n ≤ 200, то выборка средняя,

n > 200, то выборка большая.

В психологических студенческих работах чаще встречаются выборки первая или вторая с n < 100.

По способу отбора выборка может быть случайной или неслучайной. Если она неслучайна, то укажите, использовались ли критерии отбора или данные собирались на конкретной естественной группе. В случае выполнения заказной работы эмпирика описывает ситуацию только в той группе, где материал собирался, и вопрос переноса результатов в отношении генеральной совокупности не стоит. В остальных случаях надо анализировать: насколько исследовательская выборка репрезентативна.

Необходимо также учесть тип проведенного исследования. В эксплораторном (пробном) исследовании (эксперименте), где впервые описывается что-либо новое, особо значима ошибка II рода, когда отвергается верная исследовательская гипотеза о существующих различиях. Ошибка I рода особо значима в конформаторном (уточняющем) исследовании, где результаты имеют практическое значение. Поэтому уровень значимости принятия решения о нуль-гипотезе понижается для второго случая, такие исследования проводятся также на малых выборках, и повышается для первого, для которого также большее значение имеет объем и качество выборки. Помимо этого, субъективная значимость ошибки II рода значительно ниже.

Далее вы должны определиться с выбором критерия, прежде всего, каким он будет параметрическим или не параметрическим.

Параметрический критерий может применяться, когда эмпирические данные удовлетворяют следующим требованиям:

признак измерялся в интервальной шкале,

распределение признака является нормальным.

Этим условиям удовлетворяют стандартные тесты, в которых есть шкалы перевода «сырых» баллов в нормированные показатели (тесты MMPI, 16PF, тест тревожности Спилбергера, тест интеллекта Векслера и др.).

Если будет использоваться дисперсионный анализ, то к эмпирическим данным возникает еще одно требование: в ячейках комплекса должно быть равенство дисперсий.

Если данные не удовлетворяют условиям применимости параметрического критерия [15, с.28], то надо приготовиться к «ручному» счету одного из многих непараметрических, список которых [из 15, с. 34] приводится в табл. 6.

К счастью, можно отметить, что в современные компьютерные программы (СТАТИСТИКА-6, SSPS) уже включены некоторые непараметрические критерии: критерий U-Манна-Уитни, критерий Вилкоксона и др. Пока выходит это пособие, возможно появятся еще более совершенные программы. К сожалению, очень важный именно психологам критерий χ²- Пирсона предложен в СТАТИСТИКЕ только для 4-клеточной таблицы. Значит находить сопряженности номинативных переменных можно только для размерности =2 (да-нет, есть-нет и пр.). Более сложные распределения приходится обрабатывать «в ручную».

Таблица 6

Классификация задач и методов их решения

Задачи	Условия	Методы
1.Выявление различий в уровне исследуемого признака	а) 2 выборки испытуемых	Q –критерий Розенбаума U –критерий Манна-Уитни φ* -критерий (угловое преобразование Фишера)
б) 3 и более выборок испытуемых	S –критерий тенденций Джонкира H –критерий Крускала -Уоллиса
2. Оценка сдвига значений исследуемого признака	а) 2 замера на одной и той же выборке испытуемых	T- критерий Вилкоксона G – критерий знаков φ* -критерий (угловое преобразование Фишера)
б) 3 и более замеров на одной и той же выборке испытуемых	χr² - критерий Фридмана L – критерий тенденций Пейджа
3. Выявление различий в распределении признака	а) при сопоставлении эмпирического распределения с теоретическим	χ² - критерий Пирсона λ –критерий Колмогорова-Смирнова m– биномиальный критерий
б) при сопоставлении двух эмпирических распределений	χ² - критерий Пирсона λ –критерий Колмогорова-Смирнова φ* -критерий (угловое преобразование Фишера)
4. Выявление степени согласованности изменений	а) двух признаков	rs - коэффициент ранговой корреляции Спирмена
б) двух иерархий или профилей	rs - коэффициент ранговой корреляции Спирмена
5. Анализ изменений признака под влиянием контролируемых условий	а) под влиянием одного фактора	S –критерий тенденций Джонкира L – критерий тенденций Пейджа однофакторный дисперсионный анализ Фишера
б) под влиянием двух факторов одновременно	двухфакторный анализ Фишера

Ценность предлагаемых непараметрических критериев в том, что, во-первых, обрабатываемые выборки могут быть очень небольшими (например, 5 испытуемых), во-вторых, показатели могут измеряться в любых шкалах, начиная со шкалы наименований (возможна обработка своих методик, для которых не выполняются многие требования, предъявляемые к стандартным тестам, например, требование валидизации или стандартизации), в-третьих, критерии просты в применении.

Когда вы принимаете решение по исследовательской гипотезе необходимо опираться на правило-соглашение, принятое в психологической научной среде.

Правило принятия-отклонения гипотезы Н_0. (эмпирическое правило для психологических исследований).

Если эмпирическое значение критерия равняется критическому при p ≤ 0,05 или превышает его, то Н₀ отклоняется, но Н₁ еще не принимается. Если эмпирическое значение критерия равняется критическому при p ≤ 0,01 или превышает его, то Н₀ отклоняется и Н₁ принимается.

Для критерия знаков G, критерия T Вилкоксона и критерия U Манна-Уитни устанавливаются обратные соотношения.

Таким образом, зона значений статистического критерия от 0,05 до 0,01 является зоной неопределенности в отношении выдвинутой гипотезы. В целом, большинство психологов-исследователей ориентируются на это правило, но практически исследователь может принимать достоверность различий и из зоны неопределенности или брать другой уровень значимости, например, p ≤ 0,02.

Чаще всего психологи используют ненаправленные гипотезы, при которых используется двусторонний критерий, но иногда возникает необходимость в изучении направления изменения признака (возрастании или убывании), тогда используется односторонний критерий – он менее строг, чем двусторонний. (!) Помните, что, если эмпирическое значение критерия как одностороннего соответствует значимости p ≤ 0,05, то для двустороннего - только p ≤ 0,10. Таким образом, после получения первичных статистик вы должны определить, какую задачу анализа данных вам надо решать, как будет формулироваться гипотеза Н_0, какой критерий использовать.

Вновь обратимся к программе «STATISTIKA». С ее помощью можно вычислить t-критерий, если ваши данные удовлетворяют необходимым условиям. В разделе Basic statistics and Tables есть функция t-test for independent samples. Проверяется значимость различий в уровнях признака у двух различных групп (независимые случаи). Аналогично t-test for dependent samples (зависимые случаи), когда замеры произведены на одной выборке. Пользоваться этим критерием удобно хотя бы потому, что уровень значимости можно задавать и менять по-своему усмотрению. Таблицы t-распределения встроены в программу.

Дата добавления: 2015-07-02