Основные методы статистической обработки результатов
advertisement
Христианский гуманитарно-экономический университет Реферат Студента курса гуманитарного факультета Попескула Александра Александровича Учебная дисциплина: экспериментальная психология Тема: Основные методы статистической обработки результатов исследования « __»_________ 200г. Оценка: г.одесса План 1. Введение 2. Статистические шкалы 2.1 шкала наименований (или номинальную); 2.2 Шкала порядка 2.3 Шкала интервалов 2.4 Шкала отношений 2.5 Другие шкалы 3. Шкальные преобразования 4. Параметрические и непараметрические методы статистики 4.1 Типы задач 5. Заключение 6. Список использованной литературы -1- 1. Введение Статистические методы (в психологии) (от лат. status — состояние) — некоторые методы прикладной математической статистики, используемые в психологии в основном для обработки экспериментальных результатов. Основная цель применения статистических методов — повышение обоснованности выводов в психологических исследованиях за счет использования вероятностной логики и вероятностных моделей. История статистики и психологии имеет много примеров положительного взаимного влияния. Так, важная для современной науки идея регрессионного и корреляционного анализа родилась из попыток Ф. Гальтона исследовать закономерности наследования детьми психологических и физических признаков своих родителей. Для исследования интеллектуальных способностей было разработано несколько вариантов факторного анализа. Ряд статистических методов был создан специально для проверки качества психологических тестов и для применения в профессиональном отборе. Статистические методы применяются при обработке материалов психологических исследований для того, чтобы извлечь из тех количественных данных, которые получены в экспериментах, при опросе и наблюдениях, возможно больше полезной информации. В частности, в обработке данных, получаемых при испытаниях по психологической диагностике, это будет информация об индивидуально-психологических особенностях испытуемых. Психологические исследования обычно строятся с опорой на количественные данные. Вот пример. К школьному психологу обратился шестиклассник Саша Ю. с прось-бой испытать его двигательный темп. Его очень интересовал баскетбол, и он собирался вступить в баскетбольную команду, а баскетболист, не-сомненно, должен иметь высокий двигательный темп. Психолог разра-ботал план небольшого исследования. Он начал с того, что попросил Сашу так быстро, как он только может, ставить точки в центре кружков, нарисованных на листке бумаги. За одну минуту мальчик поставил 137 то-чек. Насколько этот темп характерен для него? Чтобы установить это, психолог попросил Сашу повторить эту пробу 25 раз. Действительно, некоторые результаты превышали первоначально полученное число, но некоторые оказались и поменьше. Психолог просуммировал все полу-ченные за 25 проб результаты, а сумму разделил на 25 -- таким путем он получил среднее арифметическое по всем пробам. Это среднее ариф-метическое составило 141. Таков по этой пробе максимальный темп это-го мальчика. Можно ли считать этот темп высоким? Потребовался еще один шаг в исследовании. Психолог сформировал группу из 50 шести-классников, не отличающихся от Саши и друг от друга по возрасту более чем на полгода. С этими ребятами психолог также провел сначала по несколько тренировочных проб, чтобы получить надежные данные об их темпе, и, наконец, последнюю пробу для обработки. -2- Все эти данные в виде средних арифметических были построены в один порядковый ряд, который был разбит по десяткам (по децилям). Сашины данные вошли в первый десяток с наиболее быстрыми результатами. По этим количественным данным психолог сделал вывод о том, что мальчик обладает сравнительно высоким двигательным темпом, о чем и было ему сообщено. Современная математическая статистика представляет собой большую и сложную систему знаний. Нельзя рассчитывать на то, что каждый психолог овладеет этими знаниями. Основой психологических измерений является математическая теория измерений — раздел психологии, интенсивно развивающийся параллельно и в тесном взаимодействии с развитием процедур психологического измерения. Сегодня это — крупнейший раздел математической психологии. С математической точки зрения, измерением называется операция установления взаимно однозначного соответствия множества объектов и символов (как частный случай — чисел). Символы (числа) приписываются вещам по определенным правилам. Правила, на основании которых числа приписываются объектам, определяют шкалу измерения. Измерительная шкала— основное понятие, введенное в психологию в 1950г. С. С. Стивенсом, его трактовка шкалы и сегодня используется в научной литературе. В настоящее время под измерением понимается конструирование любой функции, которая изоморфно отображает эмпирическую структуру в символическую структуру. Совсем не обязательно такой структурой должна быть числовая. Это может быть любая структура, с помощью которой можно измерить характеристики объектов, заменив их другими, более удобными в обращении (в том числе числами). -3- 2. Статистические шкалы Применение тех или других статистических методов определяется тем, к какой статистической шкале относится полученный материал. Существуют следующие основные типы шкал: 1. шкалу наименований (или номинальную); 2. шкалу порядка; 3. шкалу интервалов; 4. шкалу отношений. Ряд специалистов выделяет также абсолютную шкалу и шкалу разностей. Рассмотрим особенности каждого типа шкал. 2.1 шкала наименований (или номинальную); Шкала наименований получается путем присвоения «имен» объектам. При этом нужно разделить множество объектов на непересекающиеся подмножества. Иными словами, объекты сравниваются друг с другом и определяется их эквивалентность—неэквивалентность. В результате данной процедуры образуется совокупность классов эквивалентности. Объекты, принадлежащие к одному классу, эквивалентны друг другу и отличны от объектов, относящихся к другим классам. Эквивалентным объектам присваиваются одинаковые имена. Операция сравнения является первичной для построения любой шкалы. Для построения такой шкалы нужно, чтобы объект был равен или подобен сам себе (х = х для всех значений х), т.е. на множестве объектов должно быть реализовано отношение рефлексивности. Для психологических объектов, например испытуемых или психических образов, это отношение реализуемо, если абстрагироваться от времени. Но поскольку операции попарного (в частности) сравнения множества всех объектов эмпирически реализуются неодновременно, то в ходе эмпирического измерения даже это простейшее условие не выполняется. Следует запомнить: любая шкала есть идеализация, модель реальности, даже такая простейшая, как шкала наименований. На объектах должно быть реализовано отношение симметрии R (X = Y) R (Y = X) и транзитивности R (X = Y, Y = Z) R (X = Z). Но на множестве результатов психологических экспериментов эти условия могут нарушаться. Кроме того, многократное повторение эксперимента (накопление статистики) приводит к «перемешиванию» состава классов: в лучшем случае мы можем получить оценку, указывающую на вероятность принадлежности объекта к классу. Таким образом, нет оснований говорить о шкале наименований (номинативной шкале, или шкале строгой классификации) как о простейшей шкале, начальном уровне измерения в психологии. -4- Существуют более «примитивные» (с эмпирической, но не с математической точки зрения) виды шкал: шкалы, основанные на отношениях толерантности; шкалы «размытой» классификации и т.п. О шкале наименований можно говорить в том случае, когда эмпирические объекты просто «помечаются» числом. Примером таких пометок являются номера на майках футболистов: цифру «1» по традиции получает вратарь, и это указывает на то, что по своей функции он отличен от всех остальных игроков; но его функция на футбольном поле эквивалентна функции других вратарей, если не учитывать качество игры. В принципе, вместо чисел при использовании шкалы наименований необходимо применять другие символы, ибо числовая шкала (натуральный ряд чисел) характеризуется разными системами операций. Итак, если объекты в каком-то отношении эквивалентны, то мы имеем право отнести их к одному классу. Главное, как говорил Стивенc, не приписывать один и тот же символ разным классам или разные символы одному и тому же классу. Для этой шкалы допустимо любое взаимно однозначное преобразование. Несмотря на тенденцию «завышать» мощность шкалы, психологи очень часто применяют шкалу наименований в исследованиях. «Объективные» измерительные процедуры при диагностике личности приводят к типологизации: отнесению конкретной личности к тому или иному типа. Примером такой типологии являются классические темпераменты: холерик, сангвиник, меланхолик и флегматик. В «субъективной» психологии измерения используются также классификации. Примеры: сортировка объектов по Гарднеру, метод константных стимулов в психофизике и т.д. Исследователь, пользующийся шкалой наименований, может применять следующие инвариантные статистики: относительные частоты, моду, корреляции случайных событий, критерий 2. 2.2 Шкала порядка Порядковая шкала образуется, если на множестве реализовано одно бинарное отношение — порядок (отношения «не больше» и «меньше»). Построение шкалы порядка — процедура более сложная, чем создание шкалы наименований. На шкале порядка объект может находиться между двумя другими, причем если а>b, b>с, то а>с (правило транзитивности отношений). Классы эквивалентности, выделенные при помощи шкалы наименований, могут быть упорядочены по некоторому основанию. Различают шкалу строгого порядка (строгая упорядоченность) и шкалу слабого порядка (слабая упорядоченность). В первом случае на элементах множества реализуются отношения «не больше» и «меньше», а во втором — «не больше или равно» и «меньше или равно». -5- Шкала порядка сохраняет свои свойства при изотонических преобразованиях. Все функции, которые не имеют максимума (монотонные), отвечают этой группе преобразований. Значения величин можно заменять квадратами, логарифмами, нормализовать и т.д. При таких преобразованиях значений величин, определенных по шкале порядка, место объектов на шкале не изменяется, т.е. не происходит инверсий. Еще Стивенс высказывал мнение, что результаты большинства психологических измерений в лучшем случае соответствуют лишь шкалам порядка. -6- Шкалы порядка широко используются в психологии познавательных процессов, экспериментальной психосемантике, социальной психологии: ранжирование, оценивание, в том числе педагогическое, дают порядковые шкалы. Классическим примером использования порядковых шкал является тестирование личностных черт, а также способностей. Большинство же специалистов в области тестирования интеллекта полагают, что процедура измерения этого свойства позволяет использовать интервальную шкалу и даже шкалу отношений. Как бы то ни было, шкала порядка позволяет ввести линейную упорядоченность объектов на некоторой оси признака. Тем самым вводится важнейшее понятие — измеряемое свойство, или линейное свойство, тогда как шкала наименований использует «вырожденный» вариант интерпретации понятия «свойство»: «точечное» свойство (свойство есть — свойства нет). Переходным вариантом шкалы порядка можно считать дихотомическую классификацию, проводимую по принципу «есть свойство — нет свойства» (1; 0) при 1 > 0. Дихотомическое разбиение множества позволяет применять не только порядок, но и метрику. Для интерпретации данных, полученных посредством порядковой шкалы, можно использовать более широкий спектр статистических мер (в дополнение к тем, которые допустимы для шкалы наименований). В качестве характеристики центральной тенденции можно использовать медиану, а в качестве характеристики разброса — процентили. Для установления связи двух измерений допустима порядковая корреляция (Кэнделла и -Спирмена). Числовые значения порядковой шкалы нельзя складывать, вычитать, делить и умножать. -7- 2.3 Шкала интервалов Шкала интервалов является первой метрической шкалой. Собственно, начиная с нее, имеет смысл говорить об измерениях в узком смысле этого слова — о введении меры на множестве объектов. Шкала интервалов определяет величину различий между объектами в проявлении свойства. С помощью шкалы интервалов можно сравнивать два объекта. При этом выясняют, насколько более или менее выражено определенное свойство у одного объекта, чем у другого. Шкала интервалов очень часто используется исследователями. Классическим примером применения этой шкалы в физике является измерение температуры по Цельсию. Шкала интервалов имеет масштабную единицу, но положение нуля на ней произвольно, поэтому нет смысла говорить о том, во сколько раз больше или меньше утренняя температура воздуха, измеренная шкалой Цельсия, чем дневная. Значения интервальной шкалы инвариантны относительно группы аффинных преобразований прямой. То есть мы имеем право изменять масштаб шкалы, умножая каждое из ее значений на константу, и производить ее сдвиг относительно произвольно выбранной точки на любое расстояние вправо или влево (прибавлять или отнимать константу). Интервальная шкала позволяет применять практически всю параметрическую статистику для анализа данных, полученных с ее помощью. Помимо медианы и моды для характеристики центральной тенденции используется среднее арифметическое, а для оценки разброса — дисперсия. Можно вычислять коэффициенты асимметрии и эксцесса и другие параметры распределения. Для оценки величины статистической связи между переменными применяется коэффициент линейной корреляции Пирсона и т.д. Большинство специалистов по теории психологических измерений полагает, что тесты измеряют психические свойства с помощью шкалы интервалов. Прежде всего это касается тестов интеллекта и достижений. Численные значения одного теста можно переводить в численные значения другого теста с помощью линейного преобразования: х' = ах + b. Ряд авторов полагает, что относить тесты интеллекта к шкалам интервалов нет оснований. Во-первых, каждый тест имеет «нуль» — любой индивид может получить минимальный балл, если не решит ни одной задачи в отведенное время. Во-вторых, тест имеет максимум шкалы — балл, который испытуемый может получить, решив все задачи за минимальное время. В-третьих, разница между отдельными значениями шкалы неодинакова. По крайней мере, нет никаких теоретических и эмпирических оснований утверждать, что 100 и 120 баллов по шкале IQ отличаются на столько же, на сколько 80 и 100 баллов. -8- Скорее всего, шкала любого теста интеллекта является комбинированной шкалой, с естественным минимумом и/или максимумом, но порядковой. Однако эти соображения не мешают тестологам рассматривать шкалу IQ как интервальную, преобразуя «сырые» значения в шкальные с помощью известной процедуры «нормализации» шкалы. 2.4 Шкала отношений Шкала отношений — наиболее часто используемая в физике шкала. По крайней мере, идеалом измерительной процедуры является получение таких данных о выраженности свойств объектов, когда можно сказать, во сколько раз один объект больше или меньше другого. Это возможно лишь тогда, когда помимо определения равенства, рангового порядка, равенства интервалов известно равенство отношений. Шкала отношений отличается от шкалы интервалов тем, что на ней определено положение «естественного нуля». Классический пример — шкала температур Кельвина. В психологии шкалы отношений практически не применяются. Одним из исключении являются шкалы оценки компетентности, основанные на модели Раша (о ней пойдет речь позже). Действительно, вполне можно представить уровень «нулевой» осведомленности испытуемого в какой-то области знаний (например, знание автором этого учебника эскимосского языка) или же «нулевой» уровень владения каким-либо навыком. Авторы стохастической теории теста доказывают, что, введя единую шкалу «трудности задачи — способности испытуемого», можно измерить, во сколько раз одна задача труднее другой или же один испытуемый компетентнее другого. Значения шкалы отношений инвариантны относительно преобразования вида: х' = ах. Значения шкалы можно умножать на константу. К ним применимы любые статистические меры. Измерения массы, времени реакции и выполнения тестового задания — таковы области применения шкалы отношений. Отличием этой шкалы от абсолютной является отсутствие «естественной» масштабной единицы. -9- 2.5 Другие шкалы 1. Дихотомическая классификация часто рассматривается как вариант шкалы наименований. Это верно, за исключением одного случая, когда мы измеряем свойство, имеющее всего лишь два уровня выраженности: «есть— нет», так называемое «точечное» свойство. Примеров таких свойств много: наличие или отсутствие у испытуемого какой-либо наследственной болезни (дальтонизм, болезнь Дауна, гемофилия и др.), абсолютного слуха и др. В этом случае исследователь имеет право проводить «оцифровку» данных, присваивая каждому из типов цифру «1» или «0», и работать с ними как со значениями шкалы интервалов. В ряде пособий неверно утверждается, что шкала наименований различает предметы по проявлению свойства, но не различает их по уровню проявления этого свойства. Шкала наименований вообще не основана на понятии «свойство» (которое вводится, лишь начиная со шкалы порядка), а базируется на представлении о «типе» — множестве эквивалентных объектов. Для того чтобы ввести понятие «свойство», требуется ввести отношения не между объектами, а между классами (типами) эквивалентных объектов (которые, конечно, могут содержать всего лишь один объект). 2. Шкала разностей, в отличие от шкалы отношений, не имеет естественного нуля, но имеет естественную масштабную единицу измерения. Ей соответствует аддитивная группа действительных чисел. Классическим примером этой шкалы является историческая хронология. Она сходна со шкалой интервалов. Разница лишь в том, что значения этой шкалы нельзя умножать (делить) на константу. Поэтому считается, что шкала разностей — единственная с точностью до сдвига. Некоторые исследователи полагают, что Иисус Христос родился за четыре года до общепринятого начала нашего христианского летосчисления. Сдвиг на четыре года назад ничего не изменит в хронологии. Можно использовать мусульманское летосчисление или же считать годы от сотворения мира. Кому как нравится. В психологии шкала разностей используется в методиках парных сравнении. 3. Абсолютная шкала является развитием шкалы отношении и отличается от нее тем, что обладает естественной единицей измерения. В этом ее сходство со шкалой разностей. Число решенных задач («сырой» балл), если задачи эквивалентны, — одно из проявлений абсолютной шкалы. В психологии абсолютные шкалы не используются. Данные, полученные с помощью абсолютной шкалы, не преобразуются, шкала тождественна сама себе. Любые статистические меры допустимы. 4. В литературе, посвященной проблемам психологических измерений, упоминаются и другие типы шкал: ординальная (порядковая) с естественным началом, лог-интервальная, упорядоченная метрическая и др. О свойствах порядковой шкалы с естественным началом упоминалось в данном разделе. -10- Все написанное выше относится к одномерным шкалам. Шкалы могут быть и многомерными: шкалируемый признак в этом случае имеет ненулевые проекции на два (или более) соответствующих параметра. Векторные свойства, в отличие от скалярных, являются многомерными. 3. Шкальные преобразования Возможны два варианта шкальных преобразований: 1) повышение мощности шкалы; 2) понижение мощности шкалы. Вторая процедура является тривиальной. Поскольку все возможные процедуры преобразований, которые приемлемы для более мощной шкалы (например, шкалы интервалов), допустимы и для менее мощной (например, шкалы порядка), то у нас есть право рассматривать данные, полученные с помощью интервальной шкалы, как порядковые или, допустим, порядковую шкалу — в качестве номинальной. Другое дело, если (по каким-либо соображениям) у нас возникает потребность перейти от шкалы наименований к шкале порядка и т.д. Для этого требуется вводить необъективные (с позиций математической теории измерений) допущения и эмпирические приемы, базирующиеся лишь на интуиции и правдоподобных рассуждениях. Но в большинстве случаев производится эмпирическая проверка: в какой мере данные, полученные с помощью «слабой» шкалы, удовлетворяют требованиям более «мощной» шкалы. Рассмотрим переход от шкалы наименований к порядковой шкале. Естественно, для этого нужно упорядочить классы по некоторому основанию. Предположим, что принадлежность объекта к некоторому классу есть случайная функция. Тогда переход от номинативной шкалы к шкале порядка возможен в том случае, если существует упорядоченность классов. Во-первых, для каждого элемента существует модальный класс, вероятность принадлежности к которому значимо больше, чем к другим классам. Вовторых, для каждого элемента существует только одна функция вероятностной принадлежности к множеству классов, такая, чтобы эти классы можно было упорядочить единственным образом. Проще говоря, каждый класс должен иметь только двух соседей: «слева» и «справа», а порядок соседства определяется эмпирической частотой попадания элементов в различные классы. В «свой» класс элемент попадает чаще, в соседние со «своим» — реже и в отдаленные — еще реже. При обработке данных осуществляется эмпирическая проверка каждой тройки классов на стохастическую транзитность. Преобразование шкалы порядка в шкалу интервалов — более частый вариант. -11- 4. Параметрические и непараметрические методы статистики Приступая к статистической обработке своих исследований, психолог должен решить, какие методы ему более подходят по особенностям его материала — параметрические или непараметрические. Различие между ними легко понять. Вспомним, что говорилось об измерении двигательной скорости шестиклассников. Как обработать эти данные? Нужно записать все произведенные измерения — в данном случае это будет число точек, поставленных каждым испытуемым, — затем требуется вычислить для каждого испытуемого среднее арифметическое по результатам опытов. Далее следует расположить все эти данные в их последовательности, например, начиная с наименьших к наибольшим. Для облегчения обозримости этих данных их обычно объединяют в группы; в этом случае можно объединить по 5—9 измерений в группе. Вообще же при таком объединении желательно, если общее число случаев не более ста, чтобы общее число групп было порядка двенадцати. Далее нужно установить, сколько раз в опытах встретились числовые значения, соответствующие каждой группе. Сделав это, нужно для каждой группы записать ее численность. Полученные в такой таблице данные носят название распределения численностей. Рекомендуется представить это распределение в виде диаграммы — полигона распределения. Контуры этого полигона помогут решить вопрос о статистических методах обработки. Нередко они напоминают контуры колокола, с наивысшей точкой в центре полигона и с симметричными ветвями, отходящими в ту и другую сторону. Такой контур соответствует кривой нормального распределения. Это понятие было введено в математическую статистику К.Ф. Гауссом (1777—1855), поэтому кривую именуют также кривой Гаусса. Он же дал математическое описание этой кривой. Для построения кривой Гаусса (или кривой нормального распределения) теоретически требуется очень большое количество случаев. Практически же приходится довольствоваться тем фактическим материалом, который накоплен в исследовании. Если данные, которыми располагает исследователь, при их внимательном рассмотрении или после переноса их на диаграмму, лишь в незначительной степени расходятся с кривой нормального распределения, то это дает право исследователю применять в статистической обработке параметрические методы, исходные положения которых основываются на нормальной (О математически обоснованных способах определения того, можно ли считать данное распределение нормальным, см., например, в кн.: Урбах В.Ю. Математическая статистика для биологов и медиков. М., 1963. С. 66) кривой распределения Гаусса. Нормальное распределение называют параметрическим потому, что для построения и анализа кривой Гаусса достаточно иметь всего два параметра: среднее арифметическое, значение которого должно соответствовать высоте перпендикуляра, восстановленного в центре кривой, и так называемое среднее квадратическое, -12- или стандартное, отклонение — величины, характеризующей размах колебаний данной кривой. Параметрические методы обладают для исследователя многими преимуществами, но нельзя забывать о том, что применение их правомерно только тогда, когда обрабатываемые данные показывают распределение, лишь несущественно отличающееся от гауссова. При невозможности применить параметрические методы, надлежит обратиться к непараметрическим. Эти методы успешно разрабатывались в последние 3—4 десятилетия, и их разработка была вызвана прежде всего потребностями ряда наук; в частности, психологии. Они показали свою высокую эффективность. Вместе с тем они не требуют сложной вычислительной работы. Современному психологу-исследователю нужно исходить из того, что “существует большое количество данных либо вообще не поддающихся анализу с помощью кривой нормального распределения, либо не удовлетворяющих основным предпосылкам, необходимым для ее использования”. Генеральная совокупность и выборка. Психологу постоянно придется иметь дело с этими двумя понятиями. Генеральная совокупность, или просто совокупность, — это множество, все элементы которого обладают какими-то общими признаками. Так, все подростки-шестиклассники 12 лет (от 11,5 до 12,5) образуют совокупность. Дети того же возраста, но не обучающиеся в школе, или же обучающиеся, но не в шестых классах, не подлежат включению в эту совокупность. В ходе конкретизации проблем своего исследования психологу неизбежно придется обозначить границы изучаемой им совокупности. Следует ли включать в изучаемую совокупность детей того же возраста, но обучающихся в колледжах, гимназиях, лицеях и других подобных учебных заведениях? В ответе на этот и на другие такие же вопросы может помочь статистика. В подавляющем большинстве случаев исследователь не в состоянии охватить в изучении всю совокупность. Приходится, хотя это и связано с некоторой утратой информации, взять для изучения лишь часть совокупности, ее и называют выборкой. Задача исследователя заключается в том, чтобы подобрать такую выборку, которая репрезентировала бы, представляла совокупность; другими словами, признаки элементов совокупности должны быть представлены в выборке. Составить такую выборку, в точности повторяющую все разнообразные сочетания признаков, которые имеются в элементах совокупности, вряд ли возможно. Поэтому некоторые потери в информации оказываются неизбежными. Важно, чтобы в выборке были сохранены существенные, с точки зрения данного исследования, признаки совокупности. Возможны случаи, и для их обнаружения есть статистические методы, когда задачи исследования требуют создания двух выборок одной совокупности; -13- при этом нужно установить, не взяты ли выборки из разных совокупностей. Эти и другие подобные казусы нужно иметь в виду психологу при обработке результатов выборочных исследований. 4.1 Типы задач Следует рассмотреть типы задач, с которыми чаще всего имеет дело психолог. Соответственно приводятся и статистические методы, которые приложимы для обработки психологических материалов, направленных на решение этих задач. Первый тип задач. Психологу нужно дать сжатую и достаточно информативную характеристику психологических особенностей какой-то выборки, например, школьников определенного класса. Чтобы подойти к решению этой задачи, необходимо располагать результатами диагностических испытаний; эти испытания, разумеется, следует заранее спланировать так, чтобы они давали информацию о тех особенностях группы, которые в этом конкретном случае интересуют психолога. Это могут быть особенности умственного развития, психофизиологические особенности, данные об изменении работоспособности и т.д. Получив все экспериментальные результаты и материалы наблюдений, следует подумать о том, как их подать пользователю в компактном виде, чтобы при этом свести к минимуму потерю информации. В перечне статистических методов, используемых при решении подобных задач, обычно находят свое место и параметрические и непараметрические методы, о возможностях применения тех и других, как было сказано выше, судят по полученному материалу. Об этих статистических методах и их использовании пойдет речь ниже. Второй тип задач. Это, пожалуй, наиболее часто встречающиеся задачи в исследовательской и практической деятельности психолога: сравниваются между собой несколько выборок, чтобы установить, являются ли выборки независимыми или принадлежат одной и той же совокупности. Так, проведя эксперименты в восьмых классах двух различных школ, психолог сравнивает эти выборки между собой. К этому же типу относятся задачи с определением тесноты связи двух рядов показателей, полученных на одной и той же выборке; в такой обработке чаще всего применяют метод корреляций. Третий тип задач — это задачи, в которых обработке подлежат временные ряды, в них расположены показатели, меняющиеся во времени; их называют также динамическими рядами. В предшествующих типах задач фактор времени не принимался во внимание и материал анализировался так, как будто он весь поступил в руки исследователя в одно и то же время. Такое допущение можно оправдать тем, что за тот короткий период времени, который был затрачен на собирание материала, он не потерпел существенных изменений. -14- Но психологу приходится работать и с таким материалом, в котором наибольший интерес представляют как раз его изменения во времени. Допустим, психолог намерен изучить изменение работоспособности школьников в течение учебной четверти. В этом случае информативными будут показатели, по которым можно судить о динамике работоспособности. Берясь за такой материал, психолог должен понимать, что при анализе динамических рядов нет смысла пользоваться средним арифметическим ряда, так как оно замаскирует нужную информацию о динамике. Четвертый тип задач — задачи, возникающие перед психологом, занимающимся конструированием диагностических методик, проверкой и обработкой результатов их применения. Отчасти об этих задачах уже говорилось в других главах, но не уделялось внимания специально статистике. Психологическая диагностика, в особенности тестология, имеет целый ряд канонических правил, применение которых должно обеспечивать высокое качество информации, получаемой посредством диагностических методик. Так, методика должна быть надежной, гомогенной, валидной. По упрочившимся в тестологии правилам, все эти свойства проверяются статистическими методами. -15- 5. Заключение Статистика как таковая не создает новой научной информации. Эта информация либо содержится, либо не содержится (к сожалению, и так бывает) в полученных исследователем материалах. Назначение статистики состоит в том, чтобы извлечь из этих материалов больше полезной информации. Вместе с тем статистика показывает, что эта информация не случайна и что добытые данные имеют определенную и значимую вероятность. Статистические методы раскрывают связи между изучаемыми явлениями. Однако необходимо твердо знать, что как бы ни была высока вероятность таких связей, они не дают права исследователю признать их причинноследственными отношениями. Статистика, как о ней пишут известные английские ученые Д.Э. Юл и М.Дж. Кендэл , “вынуждена принимать к анализу данные, подверженные влиянию множества причин”. Статистика, например, утверждает, что существует значимая связь между двигательной скоростью и игрой в теннис. Но отсюда еще не вытекает, будто двигательная скорость и есть причина успешной игры. Нельзя, по крайней мере в некоторых случаях, исключить и того, что сама двигательная скорость явилась следствием успешной игры. Чтобы подтвердить или отвергнуть существование причинно-следственных отношений, исследователю зачастую приходится продумывать целые серии экспериментов. Если они будут правильно построены и проведены, то статистика поможет извлечь из результатов этих экспериментов информацию, которая необходима исследователю, чтобы либо обосновать и подтвердить свою гипотезу, либо признать ее недоказанной. -16- 6. Список использованной литературы 1. Экспериментальная психология. В.Н. Дружинин., «П» 2000 2. Статистические методы. http://psychology.net.ru/dictionaries/psy.html?word=942 3. Статистика в обработке материалов психологических исследований. http://revolution.allbest.ru/psychology/00022400_0.html 4. Простейшие методы статистической обработки материалов психологических исследований. http://student.km.ru/ref_show_frame.asp?id=C1D96ED2B86A44D99E288124B20 B928B