Математические методы в психологии
Теоретические основы измерения и количественного описания данных. Сущность и характеристика основных видов шкал Стивенса. Представление результатов психологического исследования. Нормальный закон распределения и его применение. Статистические гипотезы.
Рубрика | Математика |
Вид | учебное пособие |
Язык | русский |
Дата добавления | 16.10.2013 |
Размер файла | 1,8 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Сильная |
r >0,70 |
|
Средняя |
0, 50 < r < 0,69 |
|
Умеренная |
0,30 < r < 0,49 |
|
Слабая |
0,20< r < 0,29 |
|
Очень слабая |
r < 0,19 |
Таблица 8.2 Классификация коэффициентов корреляции по значимости
Высокозначимая корреляция |
r соответствует уровню высокой статистической значимости p?0,01 |
|
Статистически значимая корреляция |
r соответствует уровню статистической значимости p?0,05 |
|
Незначимая корреляция |
r не достигает уровня статистической значимости p>0,1 |
8.2 Коэффициент линейной корреляции Пирсона
Формула коэффициента линейной корреляции Пирсона выглядит следующим образом (10):
(10)
Пример.
Вычислим коэффициент корреляции между показателями роста (в см.) и веса (в кг.) у представителей группы студентов.
Сформулирует нулевую и альтернативную гипотезы.
Н0 - корреляция между показателями роста и веса значимо не отличается от нуля (является случайной).
Н1 - корреляция между показателями роста и веса значимо отличается от нуля (является неслучайной).
Решение представить в виде таблицы.
№ п/п |
xi |
xi-Mx |
(xi-Mx)2 |
yi |
yi-My |
(yi-My)2 |
(xi-Mx) (yi-My) |
|
1 |
159 |
-7 |
49 |
47 |
-11 |
121 |
77 |
|
2 |
160 |
-6 |
36 |
49 |
-9 |
81 |
54 |
|
3 |
172 |
6 |
36 |
65 |
7 |
49 |
42 |
|
4 |
160 |
-6 |
36 |
57 |
-1 |
1 |
6 |
|
5 |
171 |
5 |
25 |
68 |
10 |
100 |
50 |
|
6 |
163 |
-3 |
9 |
50 |
-8 |
64 |
24 |
|
7 |
164 |
-2 |
4 |
59 |
1 |
1 |
-2 |
|
8 |
166 |
0 |
0 |
68 |
10 |
100 |
0 |
|
9 |
175 |
9 |
81 |
63 |
5 |
25 |
45 |
|
10 |
170 |
4 |
16 |
54 |
-4 |
16 |
-16 |
|
n=10 |
Mx= 166 |
292 |
My= 58 |
558 |
280 |
Вывод: корреляционную связь между показателями веса и роста можно оценить как сильную положительную.
8.3 Ранговая корреляция
Вычисление ранговой корреляции помогает определить силу и направление корреляционной связи между двумя признаками, измеренными в ранговой шкале.
Вычисление ранговой корреляции по Спирмену
Коэффициент ранговой корреляции Спирмена подсчитывается по формуле (11):
(11)
Пример. Психологу необходимо рассчитать величину профессиональной самооценки методом ранговой корреляции Спирмена. Для этого студент дважды проранжировал качества: 1) в отношении образа «Я»; 2) в отношении образа «квалифицированный психолог». Результаты представлены в таблице.
N |
характеристики |
N1 |
Разряд |
||
d |
d2 |
||||
1 |
Самостоятельность |
3 |
2 |
4 |
|
2 |
Целеустремленность |
1 |
-1 |
1 |
|
7 |
Организованность |
10 |
3 |
9 |
|
3 |
Ответственность |
9 |
6 |
36 |
|
9 |
Инициативность |
8 |
-1 |
1 |
|
4 |
Любознательность |
7 |
3 |
9 |
|
5 |
Эмпатия |
6 |
1 |
1 |
|
10 |
Креативность |
5 |
-5 |
25 |
|
8 |
Рефлексивность |
4 |
-4 |
16 |
|
6 |
Решительность |
2 |
-4 |
16 |
|
Сумма |
118 |
Вывод: корреляция между представлениями респондента в отношении образа «Я» и образа «квалифицированного психолога» не случайны, а имеют сильную корреляционную зависимость.
ЗАДАНИЯ ДЛЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ К РАЗДЕЛУ 2
Требуется сравнить уровень интеллекта мужчин и женщин. Сформулируйте нулевую и альтернативную гипотезы.
Требуется изучить влияние решения дополнительных тренинговых задач на развитие у детей 6-11 лет психических познавательных способностей. Сформулируйте нулевую и альтернативную гипотезы.
Требуется сравнить показатели по тесту Равена у учащихся 5-х классов. Сформулируйте нулевую и альтернативную гипотезы.
Приведите примеры связных и несвязных выборок.
Составьте диаграмму корреляционной зависимости между показателями веса и роста в группе студентов. Объем выборки должен быть не менее 15 человек. К диаграмме приложите таблицу значений.
Составьте диаграмму корреляционной зависимости показателей субтестов «исключение изображений» и «аналогии» (таблица 1 Приложения) для первых 12 человек.
В группе учащихся (15 человек) исследовали силу связи между уровнем интеллекта и средними показателями школьной успеваемости. Выяснилось, что коэффициент Rxy = 0,65 при p=0,04. Как можно проинтерпретировать полученный результат.
На выборке из 7 человек было проведено сравнительное исследование уровня интеллектуальной ригидности и уровня интеллекта. Данные представлены в таблице.
Вычислите коэффициент линейной корреляции и определите уровень его статистической значимости. Проинтерпретируйте результаты.
Определите силу корреляционной связи и значимость полученного коэффициента (Е.В.Сидоренко).
Показатели интеллектуальной ригидности |
Уровень интеллекта |
|
22 |
120 |
|
28 |
110 |
|
39 |
112 |
|
33 |
115 |
|
31 |
118 |
|
34 |
104 |
|
15 |
116 |
Проведите корреляционный анализ показателей субтестов «Числовые ряды» и «Умозаключения» (таблица 1 Приложения).
Двум студентам было предложено проранжировать свои терминальные ценности (по методике ценностных ориентаций Рокича). Насколько у данных студентов совпадают цели-ценности?
№ п/п |
Список ценностей студента «А» |
Список ценностей студента «Б» |
d |
d2 |
|
1 |
2 |
8 |
|||
2 |
14 |
18 |
|||
3 |
5 |
12 |
|||
4 |
7 |
4 |
|||
5 |
13 |
14 |
|||
6 |
1 |
1 |
|||
7 |
4 |
6 |
|||
8 |
6 |
5 |
|||
9 |
16 |
17 |
|||
10 |
15 |
11 |
|||
1 |
12 |
10 |
|||
12 |
17 |
16 |
|||
13 |
11 |
3 |
|||
14 |
8 |
9 |
|||
15 |
3 |
3 |
|||
16 |
18 |
15 |
|||
17 |
10 |
8 |
|||
18 |
9 |
7 |
|||
Сумма |
Переведите показатели субтестов «Геометрическое сложение» и «Заучивание слов» (таблица 1 Приложения) в ранговые, вычислите коэффициент ранговой корреляции Спирмена и его достоверность.
Было проведено изучение предпочтений 38 студентов в отношении 4-х напитков. Данные опроса были сведены в таблицу. Можно ли сказать, что эти напитки одинаково предпочитаемы?
Pepsi cola |
Coca cola |
Sprite |
Seven Up |
|
10 |
14 |
6 |
8 |
Был проведен социологический опрос старшеклассников. Им было предложено ответить, какое из трех возможных направлений обучения (математические, естественнонаучное, гуманитарное) они предпочтут в дальнейшем. В опросе принимали участие 34 девушки и 31 юноша. Результаты опроса представлены в таблице. Можно ли утверждать, что юноши больше предпочитают математическое направление, а девушки - гуманитарное?
Математика |
Естественные науки |
Гуманитарные науки |
||
Юноши |
18 |
10 |
3 |
|
Девушки |
10 |
9 |
15 |
Психолог проводит групповой тренинг (в группе 15 человек). Его задача - выяснить будет ли эффективен данный конкретный вариант тренинга для снижения уровня тревожности участников. Уровень тревожности психолог дважды (до и после тренинга) измеряет по методике Тейлора. Полученные результаты измерений представлены в таблице (Е.В.Сидоренко).
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
|
До |
30 |
24 |
36 |
34 |
22 |
22 |
45 |
56 |
43 |
19 |
16 |
23 |
25 |
12 |
67 |
|
После |
28 |
26 |
35 |
36 |
22 |
21 |
34 |
46 |
33 |
23 |
16 |
23 |
24 |
14 |
56 |
Шести школьникам предъявляют тест Равена. Фиксируется время решения каждого задания. Выясняется вопрос - будут ли найдены статистически значимые различия между временем решения первых трех заданий теста?
Результаты представлены в таблице (О.Ю. Ермолаев)
№ испытуемых |
Время решения первого задания теста в сек. |
Время решения второго задания теста в сек. |
Время решения третьего задания теста в сек. |
|
8 |
3 |
5 |
||
4 |
15 |
12 |
||
6 |
23 |
15 |
||
3 |
6 |
6 |
||
7 |
12 |
3 |
||
15 |
24 |
12 |
В выборке курсантов военного училища (юноши в возрасте от 18 до 20 лет) измерялась способность к удержанию физического волевого усилия на динамометре. Сначала у испытуемых измерялась максимальная мышечная сила каждой из рук, а на следующий день им предлагалось выдерживать на динамометре с подвижной стрелкой мышечное усилие, равное Ѕ максимальной мышечной силе данной руки. Почувствовав усталость, испытуемый должен был сообщать об этом экспериментатору, но не прекращать опыт, преодолевая усталость и неприятные ощущения - «бороться пока воля не иссякнет». Опыт проводился дважды; вначале с обычной инструкцией, а затем после того как испытуемый заполнял опросник самооценки волевых качеств по методике А.Ц.Пуни, ему предлагалось представить себе, что он уже добился идеала в развитии волевых качеств, и продемонстрировать соответствующее идеалу волевое усилие. Экспериментатор проверял гипотезу о том, что обращение к идеалу способствует возрастанию волевого усилия. Данные представлены в таблице (Е.В.Сидоренко).
Код имени испытуемого |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
||
Г. |
В. |
А. |
Р. |
И. |
М. |
Т. |
Ф. |
С. |
П. |
З. |
|||
Длительность удержания усилия на динамометре до и после измерения волевых качеств и обращения к идеалу |
до |
64 |
77 |
74 |
95 |
105 |
83 |
73 |
75 |
101 |
97 |
78 |
|
после |
25 |
50 |
77 |
76 |
67 |
75 |
77 |
71 |
63 |
122 |
60 |
Психолог провел исследование интеллектуальной настойчивости. Респонденты решали три анаграммы. Время решения анаграмм представлено в таблице. Необходимо проверить, достоверны ли различия во времени решения испытуемыми анаграмм (Е.В.Сидоренко).
Показатели времени решения анаграмм (сек.)
№ испытуемого |
Анаграмма 1 |
Анаграмма 2 |
Анаграмма 3 |
|
1 |
5 |
235 |
7 |
|
2 |
7 |
604 |
20 |
|
3 |
2 |
93 |
5 |
|
4 |
2 |
171 |
8 |
|
5 |
35 |
141 |
7 |
Г.А. Бадасова изучала отношение родителей к наказаниям, которые совершают по отношению к их детям разные люди. В таблице представлены оценки степени согласия с утверждениями о допустимости телесных наказаний до предъявления видеозаписи в экспериментальной группе. Можно ли говорить о достоверной тенденции в оценках? (Е.В.Сидоренко)
Испытуемые |
Условие 1: "Я сам наказываю" |
Условие 2: "Бабушка наказывает" |
Условие 3: "Учительница наказывает" |
|
1 |
4 |
2 |
1 |
|
2 |
1 |
1 |
1 |
|
3 |
5 |
4 |
4 |
|
4 |
4 |
3 |
2 |
|
5 |
3 |
3 |
2 |
|
6 |
4 |
5 |
1 |
|
7 |
3 |
3 |
1 |
|
8 |
5 |
5 |
3 |
|
9 |
6 |
5 |
3 |
|
10 |
2 |
2 |
2 |
|
11 |
6 |
3 |
2 |
|
12 |
5 |
3 |
4 |
|
13 |
7 |
5 |
4 |
|
14 |
5 |
5 |
2 |
|
15 |
5 |
5 |
4 |
|
16 |
6 |
6 |
4 |
|
Суммы |
71 |
60 |
40 |
Двенадцать участников комплексной программы тренинга партнерского общения, продолжавшегося 7 дней, дважды оценивали у себя уровень владения тремя важнейшими коммуникативными навыками. Первое измерение производилось в первый день тренинга, второе - в последний. Участники должны были также наметить для себя реально достижимый, с их точки зрения, индивидуальный идеал в развитии каждого из навыков. Все измерения производились по 10-балльной шкале. Данные представлены в таблице (Е.В.Сидоренко).
Оценки реального и идеального уровней развития коммуникативных навыков (п=12)
№ п/п |
1 измерение |
2 измерение |
|||||||||||
Активное слушание |
Снижение эмоционального напряжения |
Аргументация |
Активное слушание |
Снижение эмоционального напряжения |
Аргументация |
||||||||
р |
и |
р |
и |
р |
и |
р |
и |
р |
и |
р |
и |
||
1 |
6 |
9 |
5 |
8 |
5 |
8 |
7 |
10 |
6 |
10 |
7 |
9 |
|
2 |
3 |
5 |
1 |
3 |
4 |
5 |
5 |
7 |
4 |
6 |
5 |
7 |
|
3 |
4 |
6 |
4 |
6 |
5 |
8 |
8 |
10 |
7 |
8 |
6 |
8 |
|
4 |
4 |
6 |
4 |
5 |
5 |
7 |
6 |
7 |
5 |
7 |
5 |
7 |
|
5 |
6 |
9 |
4 |
9 |
4 |
8 |
4 |
10 |
5 |
10 |
5 |
10 |
|
6 |
6 |
8 |
5 |
8 |
3 |
6 |
8 |
9 |
7 |
9 |
6 |
8 |
|
7 |
3 |
8 |
5 |
10 |
2 |
6 |
7 |
8 |
8 |
10 |
5 |
7 |
|
8 |
6 |
9 |
5 |
8 |
3 |
7 |
5 |
8 |
7 |
10 |
5 |
9 |
|
9 |
6 |
8 |
5 |
9 |
5 |
9 |
7 |
8 |
6 |
9 |
5 |
9 |
|
10 |
5 |
8 |
6 |
9 |
5 |
8 |
7 |
10 |
7 |
10 |
6 |
10 |
|
11 |
6 |
8 |
6 |
10 |
3 |
9 |
5 |
10 |
4 |
9 |
3 |
9 |
|
12 |
6 |
8 |
3 |
10 |
4 |
7 |
7 |
9 |
6 |
8 |
5 |
8 |
Вопросы:
Ощущаются ли участниками достоверные сдвиги в уровне владения каждым из трех навыков после тренинга?
Произошли ли по трем группам навыков разные сдвиги, или эти сдвиги для разных навыков примерно одинаковы?
Уменьшается ли расхождение между "идеальным" и реальным уровнями владения навыками после тренинга?
Психолога интересует вопрос, различаются ли две группы студентов по успешности решения новой экспериментальной задачи. В первой группе из 20 человек с нею справились 12 человек, а во второй выборке из 25 человек - 10.
В выборке здоровых лиц мужского пола, студентов технических и военно-технических вузов в возрасте 19-22 лет, проводился тест Люшера в 8-цветном варианте. Установлено, что желтый цвет предпочитается испытуемыми чаще, чем отвергается. Можно ли утверждать, что распределение желтого цвета 8-и позициям у здоровых испытуемых отличается от равномерного распределения? (Е.В.Сидоренко)
Разряды |
Позиция желтого цвета |
Сумма |
||||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|||
Эмпирические частоты |
24 |
25 |
13 |
8 |
15 |
10 |
9 |
8 |
102 |
В исследовании моделирующем деятельность авиадиспетчера, группа испытуемых (студентов) проходила подготовку перед началом работы на тренажере. Испытуемые должны были решать задачи по выбору оптимального типа взлетно-посадочной полосы для заданного типа самолета. Связано ли количество ошибок, допущенных испытуемыми в тренировочной сессии, с показателями вербального и невербального интеллекта, измеренными по методике Векслера? (Е.В.Сидоренко)
Испытуемый |
Количество ошибок |
Показатель вербального интеллекта |
Показатель невербального интеллекта |
|
1 |
29 |
131 |
106 |
|
2 |
54 |
132 |
90 |
|
3 |
13 |
121 |
95 |
|
4 |
8 |
127 |
116 |
|
5 |
14 |
136 |
127 |
|
6 |
26 |
124 |
107 |
|
7 |
9 |
134 |
104 |
|
8 |
20 |
136 |
102 |
|
9 |
2 |
132 |
111 |
|
10 |
17 |
136 |
99 |
М.Э. Рахова изучала отношение студентов к страхам, выделенным Дж. Вольпе.
Ее интересует вопрос, различаются ли значимо упорядоченные перечни видов страхов в американской и отечественной выборках? Результаты ранжирования видов страха респондентами представлены в таблице. (Е.В. Сидоренко)
Виды страха |
Ранг в американской выборке |
Ранг в российской выборке |
|
Страх публичного выступления |
1 |
7 |
|
Страх полета |
2 |
12 |
|
Страх совершить ошибку |
3 |
10 |
|
Страх неудачи |
4 |
6 |
|
Страх неодобрения |
5 |
9 |
|
Страх отвержения |
6 |
2 |
|
Страх злых людей |
7 |
5 |
|
Страх одиночества |
8 |
1 |
|
Страх крови |
9 |
16 |
|
Страх открытых ран |
10 |
13 |
|
Страх дантиста |
11 |
3 |
|
Страх уколов |
12 |
19 |
|
Страх прохождения тестов |
13 |
20 |
|
Страх полиции (милиции) |
14 |
17 |
|
Страх высоты |
15 |
4 |
|
Страх собак |
16 |
11 |
|
Страх пауков |
17 |
18 |
|
Страх искалеченных людей |
18 |
8 |
|
Страх больниц |
19 |
15 |
|
Страх темноты |
20 |
14 |
В исследовании С.К. Скаковского изучалась проблема психологических барьеров при обращении в службу знакомств у мужчин и женщин. В эксперименте приняли участие 17 мужчин и 23 женщины в возрасте от 17 до 45 лет. Испытуемые должны были отметить на отрезке точку, соответствующую интенсивности внутреннего сопротивления, которое им пришлось преодолеть, чтобы обратиться в службу знакомств. Длина отрезка, отражающая максимально возможное сопротивление, составляла 100 мм. В таблице представлены показатели интенсивности сопротивления, выраженные в миллиметрах. Можно ли утверждать, что мужчинам приходится преодолевать субъективно более мощное сопротивление? (Е.В.Сидоренко)
Мужчины
№ п/п |
||||||||||
Показатель внут. сопр. |
81 |
80 |
73 |
72 |
72 |
69 |
69 |
65 |
65 |
|
№ п/п |
||||||||||
Показатель внут. сопр. |
62 |
60 |
54 |
54 |
43 |
0 |
26 |
26 |
Женщины
№ п/п |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
|
Показатель внут. сопр. |
70 |
66 |
66 |
63 |
63 |
61 |
60 |
54 |
47 |
43 |
41 |
40 |
39 |
|
№ п/п |
14 |
15 |
16 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
||||
Показатель внут. сопр. |
38 |
38 |
35 |
30 |
27 |
25 |
23 |
17 |
10 |
9 |
Выполните ранжирование представленных качеств в отношении эталонного профиля лидера и индивидуального профиля. Рассчитайте коэффициент ранговой корреляции Спирмена.
Наименование качеств |
Ранг качества в эталонном профиле лидера |
Ранг качества в индивидуальном профиле |
|
Ответственность |
|||
Порядочность |
|||
Умение общаться с людьми |
|||
Выдержка и самообладание |
|||
Общий уровень культуры |
|||
Энергия, активность |
|||
Логика |
|||
Самокритичность |
|||
Самостоятельность |
|||
Личностная зрелость |
|||
Целеустремленность |
|||
Обучаемость |
|||
Гуманизм |
|||
Терпимость к чужому мнению |
|||
Стойкость |
|||
Гибкость поведения |
|||
Способность производить благоприятное впечатление |
|||
Способность к творчеству нового |
РАЗДЕЛ 3. МЕТОДЫ МНОГОМЕРНОГО СТАТИСТИЧЕСКОГО АНАЛИЗА
ТЕМА 9. ДИСПЕРСИОННЫЙ АНАЛИЗ
Дисперсионный анализ - это анализ изменчивости признака под влиянием какого-либо фактора (или совокупности факторов). Метод основан на разложении общей дисперсии (вариативности) на составляющие компоненты, сравнивая которые можно определить долю общей вариации изучаемого признака, обусловленную действием на него как регулируемых, так и неучтенных в опыте факторов.
В основе дисперсионного анализа лежит предположение, что одни переменные могут рассматриваться как причины, а другие как следствия. При этом в психологических исследованиях именно переменные, рассматриваемые как причины, считаются факторами (независимыми переменными), а вторые переменные, рассматриваемые как следствия, - результативными признаками (зависимыми переменными). Независимые переменные называют иногда регулируемыми факторами именно потому, что в эксперименте психолог имеет возможность варьировать ими и анализировать получающийся результат.
Нулевая гипотеза сводится к предположению о равенстве межгрупповых средних и дисперсий (то есть считается, что никакого систематического действия факторов на результативный признак нет, наблюдаемые различия в групповых средних являются случайными).
Проведение дисперсионного анализа реализовано в программах Statistica (только однофакторный вариант), SPSS и последних версиях Excel. Вычисления по методу однофакторного дисперсионного анализа в ручную достаточно трудоемко и требует пристального внимания, во избежание возможных ошибок.
ТЕМА 10. КЛАСТЕРНЫЙ АНАЛИЗ
Кластерный (таксономический) анализ используется для упорядочивания объектов и объединения их в однородные разряды на основе попарного сравнения этих объектов по предварительно определенным и измеренным критериям. В результате исходная выборка разделяется на группы схожих между собой объектов, называемых кластерами. Кластер -- это группа объектов, характеризующихся повышенной плотностью (сгущенность внутри разряда) и дисперсией.
Однородность объектов определяется по расстоянию p(x1, x2). Объекты считаются однородными, если p(x1, x2) < pпредельного. Расстояние р вычисляется по формуле:
Результаты процедуры представляют в виде дендрограммы -- древовидного графика.
Пример. На рисунке представлена дендограмма.
А.Д. Наследов выделяет ряд задач, при решении которых кластерный анализ является более эффективным, чем другие многомерные методы.
Разбиение совокупности испытуемых на группы по измеренным признакам с целью дальнейшей проверки причин межгрупповых различий по внешним критериям, например, проверка гипотез о том, проявляются ли типологические различия между испытуемыми по измеренным признакам.
Применение кластерного анализа как значительно более простого и наглядного аналога факторного анализа, когда ставится только задача группировки признаков на основе их корреляции.
Классификация объектов на основе непосредственных оценок различий между ними (например, исследование социальной структуры коллектива по данным социометрии - по выполненным межличностным предпочтениям).
Несмотря на различие целей проведения кластерного анализа, А.Д. Наследов выделяет общую последовательность в применении кластерного анализа, как ряд относительно самостоятельных шагов, играющих существенную роль в прикладном исследовании.
Отбор объектов для кластеризации. Объектами могут быть, в зависимости от цели исследования: а) испытуемые; б) объекты, которые оцениваются испытуемыми; в) признаки, измеренные на выборке испытуемых.
Определение множества переменных, по которым будут различаться объекты кластеризации. Для испытуемых - это набор измеренных признаков, для оцениваемых объектов - субъекты оценки, для признаков - испытуемые. Если в качестве исходных данных предполагается использовать результаты попарного сравнения объектов, необходимо четко определить критерии этого сравнения испытуемыми (экспертами).
Определение меры различия между объектами кластеризации. Это первая проблема, которая является специфичной для методов анализа различий: многомерного шкалирования и кластерного анализа.
Выбор и применение метода классификации для создания групп сходных объектов. Это вторая и центральная проблема кластерного анализа. Ее весомость связана с тем, что разные методы кластеризации порождают разные группировки для одних и тех же данных.
Проверка достоверности разбиения на классы.
Последний этап не всегда необходим.
Пример. В данном примере описано изучение мотивационной сферы респондентов методом семантического дифференциала. Для анализа полученных результатов использован кластерный анализ. Исследование проведено во ВГИПУ, в нем приняли участие студенты психологи 3-4-5 курсов очной формы обучения.
Метод семантического дифференциала, разработанный Ч.Осгудом, предназначен для измерения количественных характеристик эмоционального отношения испытуемого к объектам, выраженным в форме понятий.
Для изучения особенностей мотивационной сферы респондентов и исходя из задач психологического исследования было обозначено двадцать пять понятий: мое будущее, мое увлечение, достижение успеха, мое прошлое, неприятности, неудача, мое настоящее, Я, моя работа, моя учеба, угроза, признание окружающих, общение с людьми, мое свободное время, материальное благополучие, моя профессия, выполнение обязанностей, моя карьера, моя зарплата, творчество, рефлексия (самоанализ), практический психолог, профессиональное становление, мои друзья, болезнь.
При подготовке стимульного материала в состав объектов были включены понятия, смысл которых отражает в сознании респондентов, их отношение к получаемой профессии «психолог» (понятия-маркеры). Это понятия: моя профессия, моя работа и практический психолог. Кроме того, выделены понятия, характеризующие временную перспективу: мое прошлое, мое настоящее и мое будущее. Все эти понятия выступают в роли ориентиров в семантическом пространстве, по отношению к которым респонденты определяли позиции остальных понятий.
Результаты, полученные в процессе изучения особенностей мотивационной сферы респондентов, позволили охарактеризовать семантическое пространство, измерить семантические расстояния между обозначенными понятиями стимульного материала, выделить и проанализировать объединения понятий (кластеры).
На рисунках 1-2 представлены варианты дендрограмм, анализируя которые можно сделать следующие выводы:
Рисунок 1. Понятие- маркер «практический психолог» входит в кластер «моя профессия - профессиональное становление».
Рисунок 2. Понятие- маркер «практический психолог» входит в кластер «моя карьера».
Анализ дендрограмм показал, какие понятия попали в один кластер с понятиями-маркерами, т.е. какие понятия испытуемые идентифицируют с ними. В таблице представлены сводные результаты кластерного анализа семантического пространства студентов-психологов. Обращает на себя внимание тот факт, что понятие «практический психолог» не идентифицируется в сознании респондентов с понятиями «мое будущее» и «Я». Только у 13,9% респондентов понятие «практический психолог» идентифицируется с понятиями «моя работа» и «моя профессия», а у 37,2% респондентов рассматриваемые понятия-маркеры не имеют никаких идентификационных связей.
Рисунок 1
Рисунок 2
Таблица Сводные результаты кластерного анализа семантического пространства студентов-психологов (в %) (понятия-маркеры: моя работа, моя профессия, практический психолог)
№ п/п |
Понятия |
Моя работа |
Моя профессия |
Практический психолог |
|
1 |
Мое будущее |
2,3 |
4,6 |
||
2 |
Мое увлечение |
2,3 |
6,98 |
||
3 |
Достижение успеха |
6,98 |
4,6 |
4,6 |
|
4 |
Мое прошлое |
11,6 |
2,3 |
||
5 |
Неприятности |
||||
6 |
Неудача |
2,3 |
2,3 |
||
7 |
Мое настоящее |
4,6 |
4,6 |
6,98 |
|
8 |
Я |
2,3 |
|||
9 |
Моя работа |
6,98 |
6,98 |
||
10 |
Моя учеба |
9,3 |
4,6 |
2,3 |
|
11 |
Угроза |
||||
12 |
Признание окружающих |
4,6 |
9,3 |
||
13 |
Общение с людьми |
4,6 |
6,98 |
||
14 |
Мое свободное время |
6,98 |
2,3 |
||
15 |
Материальное благополучие |
6,98 |
4,6 |
6,98 |
|
16 |
Моя профессия |
11,6 |
9,3 |
||
17 |
Выполнение обязанностей |
9,3 |
6,98 |
4,6 |
|
18 |
Моя карьера |
4,6 |
4,6 |
2,3 |
|
19 |
Моя зарплата |
4,6 |
11,6 |
||
20 |
Творчество |
9,3 |
4,6 |
11,6 |
|
21 |
Рефлексия |
2,3 |
4,6 |
4,6 |
|
22 |
Практический психолог |
4,6 |
9,3 |
||
23 |
Профессиональное становление |
6,98 |
9,3 |
18,6 |
|
24 |
Мои друзья |
4,6 |
4,6 |
||
25 |
Болезнь |
||||
Связь не обнаружена |
11,6 |
9,3 |
16,3 |
Понятие «практический психолог» идентифицируется с видом деятельности (моя работа, моя учеба, общение с людьми, мое свободное время, моя профессия, рефлексия) у 32,5% респондентов, с потребностями и ценностями (мое увлечение, достижение успеха, материальное благополучие, выполнение обязанностей, моя карьера, моя зарплата, творчество) у 48,7% респондентов и с этапами жизненного пути (мое прошлое, мое настоящее, профессиональное становление) у 27,8% респондентов.
Таким образом, изучение особенностей мотивационной сферы студентов-психологов методом семантического дифференциала (модификация И.Л.Соломина), а именно изучение скрытой мотивации, позволило нам установить тот факт, что у большинства студентов (86,1%), обучающихся по направлению «психология», понятие-маркер «практический психолог» не идентифицируется с понятиями «моя работа» или «моя профессия», 95,7% респондентов не соотносят данное понятие с прошлым или настоящим, и никто - с будущим.
ТЕМА 11. ФАКТОРНЫЙ АНАЛИЗ
Возникновение и развитие факторного анализа тесно связано с измерениями в психологии. Длительное время факторный анализ и воспринимался как математическая модель в психологической теории интеллекта. Лишь начиная с 50-х годов XX столетия, одновременно с разработкой математического обоснования факторного анализа, этот метод становится общенаучным. К настоящему времени факторный анализ является неотъемлемой частью любой серьезной статистической компьютерной программы и входит в основной инструментарий всех наук, имеющих дело с многопараметрическим описанием изучаемых объектов, таких, как социология, экономика, биология, медицина и другие.
Факторный анализ -- статистический метод, который используется при обработке больших массивов экспериментальных данных. Задачами факторного анализа являются: сокращение числа переменных (редукция данных) и определение структуры взаимосвязей между переменными, т.е. классификация переменных, поэтому факторный анализ используется как метод сокращения данных или как метод структурной классификации.
Важное отличие факторного анализа от всех описанных выше методов заключается в том, что его нельзя применять для обработки первичных, или, как говорят, «сырых», экспериментальных данных, т.е. полученных непосредственно при обследовании испытуемых. Материалом для факторного анализа служат корреляционные связи, а точнее -- коэффициенты корреляции Пирсона, которые вычисляются между переменными (т.е. психологическими признаками), включенными в обследование. Иными словами, факторному анализу подвергают корреляционные матрицы, или, как их иначе называют, матрицы интеркорреляций. Наименования столбцов и строк в этих матрицах одинаковы, так как они представляют собой перечень переменных, включенных в анализ. По этой причине матрицы интеркорреляций всегда квадратные, т.е. число строк в них равно числу столбцов, и симметричные, т.е. на симметричных местах относительно главной диагонали стоят одни и те же коэффициенты корреляции.
Главное понятие факторного анализа -- фактор. Это искусственный статистический показатель, возникающий в результате специальных преобразований таблицы коэффициентов корреляции между изучаемыми психологическими признаками, или матрицы интеркорреляций. Процедура извлечения факторов из матрицы интеркорреляций называется факторизацией матрицы, В результате факторизации из корреляционной матрицы может быть извлечено разное количество факторов вплоть до числа, равного количеству исходных переменных. Однако факторы, выделяемые в результате факторизации, как правило, неравноценны по своему значению. Формальным критерием качества проведения процедуры факторного анализа является процент объединенной дисперсии исходных признаков.
В истории психологии факторный анализ связан с решением ряда теоретических задач в области исследования интеллекта. Ф.Гальтон, сформулировавший основные идеи метода, пытался при помощи его доказать, что высокий уровень мыслительных способностей является полностью врожденным. Ч. Спирмен, разработавший математическое обоснование данного метода, на основе анализа корреляций между результатами различных тестов выдвинул идею единого генерального фактора, лежащего в основе успешности выполнения любых тестов, связанных с измерением интеллектуальных свойств.
В настоящее время факторный анализ широко используется как для решения исследовательских задач, так и при конструировании психодиагностических методик. Факторный анализ является важнейшим инструментом для математического моделирования. Математическое моделирование -- это процедура описания различных процессов (экономических, биологических, социально-психологических) посредством математического аппарата. Указанная процедура включает в себя выделение всех факторов процесса, определение доли вклада каждого из факторов, выявление закономерностей их функционирования и вероятностное предсказание протекания всего процесса в дальнейшем.
РАЗДЕЛ 4. ЗАДАНИЯ ДЛЯ САМОКОНТРОЛЯ
Тестовые задания для самоконтроля
Распределение тестовых заданий по разделам учебного курса
№ раздела |
Наименование раздела |
Количество заданий |
Номера заданий |
|
I |
Теоретические основы измерения и количественного описания данных |
15 |
1-15 |
|
II |
Методы статистического вывода |
10 |
16-25 |
|
III |
Методы многомерного статистического анализа |
5 |
26-30 |
Укажите правильный ответ
Какие эффекты сбора информации для анализа не влияют на ее качество:
генерализации;
реактивности;
лабильности.
Операционализация понятия приводит к …
его расширению;
его сужению и упрощению;
расчленению на составные части;
соотнесению с другими понятиями.
Для обеспечения адекватной генерализации полученных выводов обычно используют:
стандартные психологические тесты;
организацию репрезентативной выборки;
экспертизу программы исследования;
валидизацию методик исследования.
В какой шкале представлено количество вопросов в анкете как мера трудоемкости опроса:
номинативная:
ранговая;
шкала отношений;
шкала интервалов.
В какой шкале представлено упорядочивание испытуемых по времени решения тестовой задачи:
Номинативная шкала:
Ранговая шкала;
шкала отношений;
шкала интервалов.
В какой шкале представлен академический статус (ассистент, доцент, профессор) как указание на принадлежность к соответствующей категории:
номинативная шкала;
Ранговая шкала;
шкала отношений;
шкала интервалов.
В какой шкале представлен академический статус (ассистент, доцент, профессор) как мера продвижения по службе:
номинативная шкала;
ранговая шкала;
шкала отношений;
шкала интервалов.
К мерам центральной тенденции не относится:
мода;
медиана;
размах;
среднее арифметическое.
К мерам изменчивости относится:
среднее арифметическое;
дисперсия;
мода;
медиана.
К мерам положения не относится:
медиана;
процентиль;
квартиль;
нет правильного ответа.
Следующий показатель не предназначен для оценки среднего значения:
математическое ожидание;
мода;
медиана;
дисперсия.
Для оценки среднего значения используется показатель:
среднего квадратичного отклонения;
моды;
коэффициента вариации; дисперсии.
Медиа...
Подобные документы
Задачи математической статистики. Распределение случайной величины на основе опытных данных. Эмпирическая функция распределения. Статистические оценки параметров распределения. Нормальный закон распределения случайной величины, проверка гипотезы.
курсовая работа [57,0 K], добавлен 13.10.2009История открытия нормального закона, его применение в науке и технике. Вероятность попадания случайной величины, подчиненной нормальному закону, на заданный участок. Нормальная функция распределения. Геометрическая интерпретация вероятного отклонения.
контрольная работа [506,3 K], добавлен 21.04.2019Проведение проверки гипотезы о нормальности закона распределения вероятности результатов измерения случайной величины по критерию согласия Пирсона. Определение ошибок в массивах данных: расчет периферийных значений, проверка серии на равнорассеянность.
контрольная работа [1,8 M], добавлен 28.11.2011Определение математического ожидания и дисперсии параметров распределения Гаусса. Расчет функции распределения случайной величины Х, замена переменной. Значения функций Лапласа и Пуассона, их графики. Правило трех сигм, пример решения данной задачи.
презентация [131,8 K], добавлен 01.11.2013Теоретические основы оценивания показателей точности и описание статистической имитационной модели. Моделирование мощности излучения и процесса подготовки к измерениям. Статистическая обработка результатов моделирования и сущность закона распределения.
дипломная работа [1,9 M], добавлен 10.06.2011Математические методы систематизации и использования статистических данных для научных и практических выводов. Закон распределения дискретной случайной величины. Понятие генеральной совокупности. Задачи статистических наблюдений. Выборочное распределение.
реферат [332,8 K], добавлен 10.12.2010Определение, доказательство свойств и построение графика функции распределения. Вероятность попадания непрерывной случайной величины в заданный интервал. Понятие о теореме Ляпунова. Плотность распределения "хи квадрат", Стьюдента, F Фишера—Снедекора.
курсовая работа [994,4 K], добавлен 02.10.2011Проверка выполнимости теоремы Бернулли на примере вероятности прохождения тока по цепи. Моделирование дискретной случайной величины, имеющей закон распределения Пуассона. Подтверждение гипотезы данного закона распределения с помощью критерия Колмогорова.
курсовая работа [134,2 K], добавлен 31.05.2010Критерий Пирсона, формулировка альтернативной гипотезы о распределении случайной величины. Нахождение теоретических частот и критического значения. Отбрасывание аномальных результатов измерений при помощи распределения. Односторонний критерий Фишера.
лекция [290,6 K], добавлен 30.07.2013Освоение основных приемов статистической обработки результатов многократных измерений. Протокол результатов измерений. Проверка гипотезы о виде распределения методом линеаризации. Особенности объединения результатов разных серий измерений в общий массив.
методичка [179,5 K], добавлен 17.05.2012Методы регистрации, описания и анализа статистических экспериментальных данных, получаемых в результате наблюдения массовых случайных явлений. Обзор задач математической статистики. Закон распределения случайной величины. Проверка правдоподобия гипотез.
презентация [113,3 K], добавлен 01.11.2013Изучение сути и выдвижение предположения о законе распределения вероятности экспериментальных данных. Понятие и оценка асимметрии. Принятие решения о виде закона распределения вероятности результата. Переход от случайного значения к неслучайной величине.
курсовая работа [126,0 K], добавлен 27.04.2013Закон распределения случайной величины Х, функция распределения и формулы основных числовых характеристик: математическое ожидание, дисперсия и среднеквадратичное отклонение. Построение полигона частот и составление эмпирической функции распределения.
контрольная работа [36,5 K], добавлен 14.11.2010Сущность и содержание корреляционного и регрессивного анализа, элементарные и индексные методы обработки расчетных данных. Диагностика объема производства и реализации продукции, материальных ресурсов, себестоимости продукции, финансовых результатов.
курсовая работа [1,1 M], добавлен 10.06.2014Числовые характеристики выборки. Статистический ряд и функция распределения. Понятие и графическое представление статистической совокупности. Метод наибольшего правдоподобия для нахождения плотности распределения. Применение метода наименьших квадратов.
контрольная работа [62,6 K], добавлен 20.02.2011Описание случайных ошибок методами теории вероятностей. Непрерывные случайные величины. Числовые характеристики случайных величин. Нормальный закон распределения. Понятие функции случайной величины. Центральная предельная теорема. Закон больших чисел.
реферат [146,5 K], добавлен 19.08.2015Измерения физических величин, их классификация и оценка истинного значения; обработка результатов. Понятие доверительного интервала: распределение Гаусса и Стьюдента. Понятие случайной величины и вероятностного распределения; методы расчета погрешностей.
методичка [459,2 K], добавлен 18.12.2014Случайная выборка значений двух случайных величин для исследования их совместного распределения. Диаграмма рассеяния опытных данных для четырех видов распределения. Вычисление коэффициента корреляции при большом объеме выборок; проверка его значимости.
реферат [811,7 K], добавлен 27.01.2013Анализ и обработка статистического материала выборок Х1, Х2, Х3. Вычисление статистической дисперсии и стандарта случайной величины. Определение линейной корреляционной зависимости нормального распределения двух случайных величин, матрицы вероятностей.
контрольная работа [232,5 K], добавлен 25.10.2009Алгоритм проведения регрессионного анализа для создания адекватной модели, прогнозирующей цены на бензин на будущий период. Основы разработки программного обеспечения, позволяющего автоматизировать исследования операций в заданной предметной области.
контрольная работа [182,0 K], добавлен 06.02.2013