- •Санкт-Петербургский Государственный Институт Психологии и Социальной Работы
- •Математические методы в психологии Учебно-методическое пособие
- •Аннотация
- •Глава 1. Описательная статистика 18
- •Глава 2. Индуктивная статистика 84
- •Оглавление
- •Глава 1. Описательная статистика 12
- •Глава 2. Индуктивная статистика 78
- •Введение Цели и задачи изучения дисциплины «Математические методы в психологии» и сфера профессионального использования
- •Методические указания для студентов
- •Контрольные вопросы для самостоятельной подготовки и самопроверки
- •Глава 1. Описательная статистика
- •1. 1. Математическая статистика и психология. Измерения в психологии и виды шкал
- •Материалы лекции.
- •Типы измерений и измерительные шкалы
- •Генеральная совокупность и выборочное исследование. Статистическая достоверность
- •Этапы обработки результатов психологического исследования
- •1. 2. Описание результатов исследования
- •Материалы лекции.
- •Результаты исследования экстраверсии
- •Алгоритм построения сгруппированного (или табулированного) ряда
- •Общий обзор параметров распределений
- •1. 3. Параметры статистических совокупностей
- •Материалы лекции.
- •Результаты исследования экстраверсии
- •Исключение выскакивающих значений
- •Нормальный закон распределения и другие виды распределений
- •Проверка «нормальности» эмпирического распределения
- •Стандартизация данных и стандартизованные шкалы в психологии
- •Процентильные нормы для детей 5;5 – 11 лет
- •1. 4. Характеристики взаимосвязи признаков
- •Материалы лекции. Понятие статистической зависимости
- •Общий обзор мер связи
- •Коэффициент контингенции
- •Критерий «хи-квадрат» Пирсона
- •Ранжирование
- •Правила ранжирования
- •Бисериальные коэффициенты корреляции
- •Коэффициент взаимной сопряженности Чупрова
- •Коэффициент взаимной сопряженности Пирсона
- •Ранговой коэффициент корреляции Спирмена
- •Коэффициент линейной корреляции Пирсона
- •Глава 2. Индуктивная статистика
- •2. 1. Решение задачи сравнения выборок. Понятие статистических критериев и их виды
- •Материалы лекции. Статистические гипотезы
- •Уровень статистической значимости
- •Этапы принятия статистического решения
- •Классификация исследовательских задач, решаемых с помощью статистических методов
- •Решение задачи сравнения выборок
- •4. Каковы ограничения в применении критерия?
- •Обзор наиболее часто применяемых параметрических критериев
- •Общий обзор непараметрических критериев
- •2. 2. Выявление различий в уровне исследуемого признака
- •Материалы лекции. Параметрический критерий Стьюдента для сравнения независимых выборок
- •Поправка Снедекора
- •Правило принятия решения описано выше. Непараметрический критерий Розенбаума (критерий «хвостов»)
- •Непараметрический критерий Манна-Уитни
- •2. 3. Оценка достоверности сдвига в значениях исследуемого признака
- •Материалы лекции.
- •Параметрический критерий Стьюдента для сравнения зависимых выборок
- •Непараметрический критерий знаков
- •6. Правило принятия решения:
- •Непараметрический критерий Вилкоксона
- •2. 4. Выявление различий в распределении признака
- •Материалы лекции. Критерий «хи-квадрат» Пирсона
- •Критерий Колмогорова-Смирнова
- •2. 5. Многофункциональные статистические критерии
- •Материалы лекции.
- •Критерий φ* — «Угловое преобразование» Фишера
- •Алгоритм расчета критерия φ*
- •Критерий Макнамары
- •Алгоритм расчет критерия
- •2. 6. Дисперсионный анализ
- •Материалы лекции. Введение в дисперсионный анализ anova
- •Однофакторный дисперсионный анализ
- •2. 7. Многомерные методы обработки данных
- •Материалы лекции.
- •I. Классификация методов по назначению:
- •II. Классификация методов по исходным предположениям о структуре данных:
- •III. Классификация методов по виду исходных данных:
- •Множественный регрессионный анализ
- •Матрица корреляций пяти показателей интеллекта
- •Факторные нагрузки после варимакс-вращения
- •1. Эксплораторный-разведочный.
- •2. Конфирматорный.
- •1. Выбор исходных данных.
- •2. Предварительное решение проблемы числа факторов.
- •3. Факторизация матрицы интеркорреляций.
- •4. Вращение и предварительная интерпретация факторов (ротация факторов).
- •5. Принятие решения о качестве факторной структуры.
- •6. Вычисление факторных коэффициентов и оценок.
- •Компьютерные пакеты прикладных статистических программ
- •Список литературы
- •Приложение 1. Статистические таблицы с критическими значениями
- •1.1. Критические значения отношения для исключения выскакивающих значений
- •1.2. Критические значения коэффициента ранговой корреляции Спирмена
- •1.3. Критические значения коэффициента линейной корреляции Пирсона
- •1.4. Критические значения критерия хи-квадрат Пирсона
- •1.5. Критические значения критерия Стьюдента
- •1.6. Критические значения критерия Фишера
- •1.7. Критические значения непараметрического критерия Манна-Уитни
- •1.8. Критические значения непараметрического критерия Вилкоксона
- •1.9. Таблицы для перевода процентных долей в величины центрального угла для расчета критерия «угловое преобразование» Фишера
- •Приложение 2. Глоссарий
- •Приложение 3. Англо-русский словарь статистических терминов
Глава 2. Индуктивная статистика
2. 1. Решение задачи сравнения выборок. Понятие статистических критериев и их виды
Методические рекомендации к изучению темы
При изучении данной темы необходимо обратить внимание на сущность статистических гипотез и этапы принятия статистического решения.
Особое внимание следует обратить на следующий материал: статистическая значимость, число степеней свободы, классификация критериев различий и область их применения. Внимательно изучите этот материал и попытайтесь самостоятельно придумать примеры психологических исследований, в которых можно было бы применить каждый из критериев различий, приведенных в таблицах 1 и 2 (Общий обзор критериев).
После изучения материала лекции ответьте на контрольные вопросы и выполните самостоятельное задание, ответы занесите в конспект.
Материалы лекции. Статистические гипотезы
Полученные в исследованиях выборочные данные всегда ограничены и носят в значительной мере случайный характер. Именно поэтому для анализа таких данных и используется математическая статистика, позволяющая обобщать закономерности, полученные на выборке, и распространять их на всю генеральную совокупность.
Подчеркнем еще раз, что полученные в результате эксперимента на какой-либо выборке данные служат основанием для суждения о генеральной совокупности. Однако в силу действия случайных вероятностных причин оценка параметров генеральной совокупности, сделанная на основании экспериментальных (выборочных) данных, всегда будет сопровождаться погрешностью, и поэтому подобного рода оценки должны рассматриваться как предположительные, а не как окончательные утверждения.
Как указывает Г.В. Суходольский: «Под статистической гипотезой обычно понимают формальное предположение о том, что сходство (или различие) некоторых параметрических или функциональных характеристик случайно или, наоборот, неслучайно»6. Подобные предположения о свойствах и параметрах генеральной совокупности, различии выборок или зависимости между признаками получили название статистических гипотез.
Сущность проверки статистической гипотезы заключается в том, чтобы установить, согласуются ли экспериментальные данные и выдвинутая гипотеза, допустимо ли отнести расхождение между гипотезой и результатом статистического анализа экспериментальных данных за счет случайных причин? Таким образом, статистическая гипотеза — это научная гипотеза, допускающая статистическую проверку, а математическая статистика — это научная дисциплина, задачей которой и является научно обоснованная проверка статистических гипотез.
При проверке статистических гипотез используются два понятия: так называемая нулевая (обозначение Н0) и альтернативная гипотеза (обозначение Н1).
При сравнении распределений принято считать, что нулевая гипотеза Н0 — это гипотеза о сходстве, а альтернативная Н1 — гипотеза о различии. Таким образом, принятие нулевой гипотезы Н0 свидетельствует об отсутствии различий, а гипотезы Н1 — о наличии различий.
Например, две выборки извлечены из нормально распределенных генеральных совокупностей и перед нами стоит задача сравнить эти выборки. Одна выборка имеет параметры и σ1, а другая параметры и σ2. Нулевая гипотеза Н0 исходит из предположения о том, что =и σ1=σ2, то есть разность двух средних –=0 и разность двух стандартных отклонений σ1–σ2,=0 (отсюда и название гипотезы — нулевая).
Принятие альтернативной гипотезы Н1 свидетельствует о наличии различий и исходит из предположения, что –≠0 и σ1–σ2,≠0.
Очень часто альтернативная гипотеза носит название экспериментальной гипотезы, если в исследовании ставится задача доказать существование различий между выборками. Если же исследователь хочет доказать именно отсутствие различий, то экспериментальной гипотезой является нулевая гипотеза.
При сравнении выборок альтернативные статистические гипотезы могут быть направленными и ненаправленными.
Если мы заметили, что в одной выборке индивидуальные значения испытуемых по какому-либо признаку, выше, а в другой — ниже, то для проверки различий между выборками формулируется направленная гипотеза. Если мы ходим доказать, что в одной группе под влиянием каких-то экспериментальных воздействий произошли более выраженные изменения, необходимо также сформулировать направленную гипотезу. Формально она записывается так Н1: х1 превышает х2. Нулевая гипотеза при этом выглядит следующим образом Н0: х1 не превышает х2.
Если мы хотим доказать, что различаются формы распределения, то формулируются ненаправленные гипотезы. Формально они записывается так Н1: х1 отличается от х2. Нулевая гипотеза Н0: х1 не отличается от х2.
Вообще говоря, при принятии или отвержении гипотез возможны различные варианты.
При проверке гипотезы экспериментальные данные могут противоречить гипотезе Н0, тогда эта гипотеза отклоняется. В противном случае, т.е. если экспериментальные данные согласуются с гипотезой Н0, она не отклоняется. Часто в таких случаях говорят, что гипотеза Н0 принимается (хотя такая формулировка не совсем точна, однако она широко распространена). Отсюда видно, что статистическая проверка гипотез, основанная на экспериментальных, выборочных данных, неизбежно связана с риском (вероятностью) принять ложное решение. При этом возможны ошибки двух родов. Ошибка первого рода произойдет, когда будет принято решение отклонить гипотезу Н0, хотя в действительности она оказывается верной. Ошибка второго рода произойдет когда будет принято решение не отклонять гипотезу Н0, хотя в действительности она будет неверна. Очевидно, что и правильные выводы могут быть приняты также в двух случаях. Вышесказанное можно представить в виде таблицы 25.
Таблица 25
Гипотезы Результат проверки |
Возможные состояния проверяемой гипотезы | |
Верна гипотеза Н0 |
Верна гипотеза Н1 | |
Гипотеза Н0 отклоняется |
Ошибка первого рода |
Правильное решение |
Гипотеза Н0 не отклоняется |
Правильное решение |
Ошибка второго рода |
Поскольку исключить ошибки при принятии статистических гипотез невозможно, то необходимо минимизировать возможные последствия, т.е. принятие неверной статистической гипотезы. В большинстве случаев единственный путь минимизации ошибок заключается в увеличении объема выборки.