WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |

Пример 5.1.(независимые выборки). Предположим, имеется две независимые выборки школьников, интеллект которых развивали в течение некоторого времени по двум различным методикам, требуется установить, какая из методик лучше (табл.5.1). Предварительно было выяснено, что начальный уровень интеллекта был одинаковым в обеих выборках. Задача сравнения двух методик может быть переформулирована на язык статистики как задача сравнения средних арифметических значений интеллекта в обеих выборках.

Таблица 5.1.

Гипотезы:

Н0: средние значения уровня интеллекта в обоих выборках не различаются, Н1: средние значения уровня интеллекта в обоих выборках статистически значимо различаются.

В данном случае для получения эмпирического значения t-критерия используется следующая формула:

где: n1, n2 – количество испытуемых в 1-й и 2-й выборках; M, M – средние 1 арифметические значения в 1-й и 2-й выборках; 1, 2 – стандартные отклонения в 1-й и 2-й выборках.

Количество степеней свободы для нахождения критического значения критерия:

Df = n1+n2-2.

(В рассматриваемых примерах критические значения t-критерия приводятся для ненаправленных гипотез).

Тогда:

Таким образом, получаем tэмп=2,Критические значения t-критерия находим по таблице 1 (приложение 5.3.) для df=30+322=60.

2,0 для p 0, tкр = 2,66 для p 0, Полученное эмпирическое значение t-критерия превышает критическое для =0,05, но оказывается меньше критического для =0.01, т.е.

2,0

Строгое использование t-критерия предполагает, что обе выборки извлечены из нормальных совокупностей. Однако многие авторы не считают это условие достаточно жестким, указывая на возможность использования t-критерия в ситуациях, когда нет серьезных оснований сомневаться в нормальности распределения признака в генеральной совокупности, даже если это нельзя подтвердить статистически.

При зависимых выборках возникает корреляция результатов, поскольку измерения проводятся на одних и тех же испытуемых в различных условиях (х и у)', чтобы учесть влияние корреляции, применяется другая формула:

где di = xi – уi, то есть разность значений признака для каждого испытуемого. Количество степеней свободы df=n–1. Проверяется статистическая гипотеза о соответствии распределения разностей t-распределению Стьюдента с нулевым средним значением.

Пример 5.2. (зависимые выборки). Допустим, проводится измерение ситуативной тревожности до и после психотерапевтического воздействия с помощью некоторого опросника (табл.5.2). Исследователя интересует вопрос, приводит ли воздействие к изменению уровня тревожности.

Гипотезы:

Н0: разности оценок у испытуемых ситуативной тревожности до и после психотерапевтического воздействия не отличаются от нуля, Н1: разности оценок у испытуемых ситуативной тревожности до и после психотерапевтического воздействия статистически значимо отличаются от нуля Таблица 5.2.

Подставив в формулу найденные значения di и di2 получим:

Имеем: tэмп=2,Находим по таблице 1 критические значения (Приложение 5.3.) 2,365 для p 0, tкр = 3,499 для p 0, Отсюда: 2,365

Случай 2. При проверке отличия от нуля мер связи (коэффициентов корреляции) эмпирическое значение t-критерия вычисляется по формуле где r – коэффициент корреляции, n – количество испытуемых. Количество степеней свободы df= n–2. Вывод об отличии меры связи от нуля делается при превышении эмпирического значения критерия над критическим для =0.05 и соответствующего числа степеней свободы, то есть аналогично рассмотренным выше случаям.

Для коэффициентов линейной корреляции Пирсона и ранговой корреляции Спирмена можно непосредственно использовать таблицы критических значений (Приложение 5.3., таблица 2). Эмпирическое значение коэффициента корреляции берется по абсолютной величине.

В некоторых пособиях и учебниках приводятся отдельные таблицы критических значений для коэффициента ранговой корреляции Спирмена, по В.Ю. Урбаху. Значения в них отличаются от критических для коэффициентов линейной корреляции Пирсона. Программа Statistiсa не делает различий между этими типами корреляций.

5.2. F-критерий Фишера (для сравнения дисперсий) F-критерий Фишера используется для:

1) установления сходства-различия дисперсий в двух независимых выборках (D1D2);

2) установления отличия от нуля коэффициента детерминации (2 "О");

3) установления наличия-отсутствия влияния фактора в дисперсионном анализе.

Случай Эмпирическое значение F-критерия для сравнения двух дисперсий в независимых выборках находят по очень простой формуле:

где D1 – большая дисперсия, D2 – меньшая дисперсия [Подстановка в числитель большей дисперсии необходима для использования таблиц критических значений, в которых приводится только правое критическое значение (больше единицы). Статистические программы рассчитывают и левое критическое значение (меньше единицы)].

Количество степеней свободы определяется отдельно для числителя и отдельно для знаменателя:

dfчисл= nчисл-dfзнам =nзнам -Пример 5.3.Две группы испытуемых обучались некоторым моторным навыкам по двум разным методикам, фиксировалось количество ошибочных действий, до обучения результаты в обеих группах имели одинаковый разброс. Какая из методик даст наибольшее выравнивание результатов внутри группы после обучения (табл.5.3.).

Таблица 5.3.

Подставляя в формулу получим:

Fэмп= 36/16 = 2,25.

dfчисл= 16-1 = dfзнам =21-1 = Поскольку нам заранее не известно, какая из методик может обладать меньшей дисперсией, мы используем ненаправленную гипотезу и, следовательно, двусторонний критерий.

Находим по таблице 3 (Приложение) критическое значение Fкр для = 0,05 (/2+/2 = 0,05) и dfчисл=15, dfзнам=20, Fкрит=2,573.

Получим: Fэмп=2,25Fкрит=2,Вывод: Так как эмпирическое значение меньше критического, то статистически значимых различий дисперсий в первой и второй группах нет и, следовательно, стабилизация навыка при обучении по обеим методикам одинакова.

Замечание. Для сравнения дисперсий в зависимых выборках более строгим будет применение t-критерия Стьюдента.

Случай В случае определения отличия от нуля коэффициента детерминации эмпирическое значение F-критерия рассчитывается так:

где: N – общее число испытуемых, r-число интервалов квантования, исходя из которых рассчитывалось 2.

При определении критического значения число степеней свободы для числителя:

dfчисл=r–1, для знаменателя:

dfзнам=N–r.

(Коэффициент детерминации – 2, определяет общую меру связи – корреляционное отношение. Он определяется по формуле:

Здесь:

SSвнтр – сумма квадратов отклонений от внутригруппового (условного) среднего;

SSобщ – сумма квадратов отклонений от общего для всех измерений среднего (безусловного среднего);

Следует отметить, что в отличие от линейной корреляции коэффициент детерминации устанавливает два типа связей: зависимость х от у и зависимость у от х (2, 2 ). То есть сначала х/у у/х одна переменная рассматривается как зависимая, другая – как независимая, затем наоборот).

Пример 5.4. В таблице 5.4. даны результаты тестирования по двум методикам испытуемых. Отличается ли коэффициент детерминации от нуля Таблица 5.4.

В нашем случае, имеем 2=0,77, N=12, r=4. Подставляя в формулу, получаем Fэмп=8,93.

Критические значения F-кpитepия для =0,05, dfчисл=4-1=3, dfзнам=12-4=8 находим по таблице:

4,066 для p 0, Fкр = 7,591 для p 0, Fэмп=8,93>Fкр(0,01)=7,Вывод: Коэффициент детерминации 2 статистически значимо отличается от нуля (<0.01).

5.3. Выявление различий в уровне исследуемого признака. Q-критерий Розенбаума В психологии часто приходится проводить исследования на выявление различий между двумя, тремя и более выборками испытуемых. Это может быть, например, задача определения психологических особенностей больных детей по сравнению со здоровыми, или различий между работниками государственных предприятий и частных фирм и т.д.

Иногда по выявленным в исследовании статистически достоверным различиям формируется "групповой профиль" или "усредненный портрет" человека той или иной профессии, статуса, соматического заболевания и др.

В последние годы все чаще встает задача выявления психологического портрета специалиста новых профессий: "успешного менеджера", "успешного политика", "успешного торгового представителя", "успешного коммерческого директора" и др. Такого рода исследования не всегда подразумевают участие двух или более выборок. Иногда обследуется одна, но достаточно представительная выборка численностью не менее 60 человек, а затем внутри, этой выборки выделяются группы более и менее успешных специалистов, и их данные по исследованным переменным сопоставляются между собой. В самом простом случае критерием для разделения выборки на "успешных" и "неуспешных" будет средняя величина по показателю успешности. Однако такое деление является довольно грубым: лица, получившие близкие оценки по успешности, могут оказаться в противоположных группах, а лица, заметно различающиеся по оценкам успешности, – в одной и той же группе.

Это может исказить результаты сопоставления групп или, по крайней мере, сделать различия между группами менее заметными.

Чтобы избежать этого, можно попробовать выделить группы "успешных" и "неуспешных" специалистов более строго, включая в первую из них только тех, чьи значения превышают среднюю величину не менее чем на 1/4 стандартного отклонения, а во вторую группу – только тех, чьи значения не менее чем на 1/4 стандартного отклонения ниже средней величины. При этом все, кто оказывается в зоне средних величин, М±1/4, выпадают из дальнейших сопоставлений. Если распределение близко к нормальному, то выпадет примерно 19,8% испытуемых. Если распределение отличается от нормального, то таких испытуемых может быть и больше. Чтобы избежать потерь, можно сопоставлять не две, а три группы испытуемых: с высокой, средней и низкой профессиональной успешностью.

(38,2% испытуемых) (30,9 испытуемых) (30,9% испытуемых) Рис 5.1. Схематическое изображение процесса разделения выборки на группы с низкой, средней и высокой профессиональной успешностью На Рис. 5.1 представлена схема разделения выборки на группы с низкой, средней и высокой профессиональной успешностью по критерию отклонения значений от средней величины на 1/2 стандартного отклонения. При таком строгом критерии в "среднюю" группу попадают (при нормальном распределении) около 38,2% всех испытуемых, а в крайних группах оказывается по 30,9% испытуемых.

Чем меньше испытуемых оказывается в группах, тем меньше у нас возможностей для выявления достоверных различий, так как критические значения большинства критериев при малых n строже, чем при больших n.

Таким образом, при нестрогом разделении испытуемых на группы мы теряем в точности, а при строгом – в количестве испытуемых.

Сопоставление уровневых показателей в разных выборках может быть необходимой частью комплексных диагностических, учебных, психокоррекционных и иных программ. Оно помогает обратить внимание на те особенности обследованных выборок, которые должны быть учтены и использованы при адаптации программ к данной группе в процессе их конкретного воплощения.

Решение о выборе того или иного критерия принимается на основе того, сколько выборок сопоставляется и каков их объем.

Назначение критерия.

Критерий используется для оценки различий между двумя выборками по уровню какоголибо признака, количественно измеренного. В каждой из выборок должно быть не менее испытуемых.

Описание критерия.

Это очень простой непараметрический критерий, который позволяет быстро оценить различия между двумя выборками по какому-либо признаку. Однако если критерий Q не выявляет достоверных различий, это еще не означает, что их действительно нет.

В этом случае стоит применить критерий * – Фишера. Если же Q-критерий выявляет достоверные различия между выборками с уровнем значимости 0,01, то можно ограничиться только им и избежать трудностей применения других критериев.

Критерий применяется в тех случаях, когда данные представлены, по крайней мере, в порядковой шкале. Признак должен варьировать в каком-то диапазоне значений, иначе сопоставления с помощью Q-критерия просто невозможны. Например, если у нас только значения признака, 1, 2 и 3, – нам очень трудно будет установить различия. Метод Розенбаума требует достаточно тонко измеренных признаков.

Применение критерия начинается с упорядочивания значений признака в обеих выборках по нарастанию (или убыванию) признака. Для того чтобы не запутаться, в этом и во многих других критериях рекомендуется первым рядом (выборкой, группой) считать тот ряд, где значения выше, а вторым рядом – тот, где значения ниже.

Гипотезы.

H0: Уровень признака в выборке 1 не превышает уровня признака в выборке 2.

H1: Уровень признака в выборке 1 превышает уровень признака в выборке 2.

Графическое представление критерия Q.

На Рис. 5.2. представлены три варианта соотношения рядов значений в двух выборках. В варианте (а) все значения первого ряда выше всех значений второго ряда. Различия, безусловно, достоверны, при соблюдении условия, что n1,n211.

В варианте (б), напротив, оба ряда находятся на одном и том же уровне: различия недостоверны. В варианте (в) ряды частично перекрещиваются, но все же первый ряд оказывается гораздо выше второго. Достаточно ли велики зоны S1 и S2, в сумме составляющие Q, можно определить по Таблице 4 Приложения 1, где приведены критические значения Q для разных п.

Чем величина Q больше, тем более достоверные различия мы сможем констатировать.

Рис. 5.2. Возможные соотношения рядов значений в двух выборках; S1 – зона значений первого ряда, которые выше максимального значения 2-го ряда; S2 – зона значений второго ряда, которые меньше минимального значения 1-го ряда; штриховкой отмечены перекрещивающиеся зоны двух рядов.

Ограничения критерия Q 1) В каждой из сопоставляемых выборок должно быть не менее 11 наблюдений. При этом объемы выборок должны примерно совпадать. Е.В. Гублером указываются следующие правила:

Pages:     | 1 |   ...   | 8 | 9 || 11 | 12 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.