Методами обработки результатов исследования называются математические приемы формулы способы

Методами обработки результатов исследования называются математические приемы формулы способы

Применение методов математической статистики (статистических методов) для обработки результатов эмпирического исследования является обязательным требованием к курсовым и выпускным квалификационным работам по психологии и конфликтологии.

Методами статистической обработки результатов исследования называются математические приемы, формулы, способы количественных расчетов, с помощью которых показатели, получаемые в ходе исследования, можно обобщать, приводить в систему, выявляя скрытые в них закономерности.

В зависимости от применяемых методов можно охарактеризовать выборочное распределение данных исследования, можем судить о динамики изменения отдельных показателей, о статистических связях существующих между исследуемыми переменными величинами.

Математическая обработка результатов исследования дает психологу возможность ответить на ряд вопросов:

Чем один человек отличается от другого (или группы лиц) по исследуемой психологической характеристике?

Чем отличается уровень развития одной психологической характеристики от другой у данной личности?

Как развиваются две группы лиц по какой-либо психологической характеристике и др.

Ответы на эти и другие вопросы могут быть получены в ходе психодиагностического обследования и зависят от правильного проведения этого обследования, а также от грамотной обработке и интерпретации полученных результатов.

Главная цель статистических методов — представить количественные данные в сжатой форме, с тем, чтобы облегчить их понимание.

Все методы статистического анализа условно делятся на первичные и вторичные.

Первичными называются методы, с помощью которых можно получить показатели, непосредственно отражающие результаты проводимых в эксперименте измерений. Под первичными статистическими показателями имеются в виду показатели, которые применяются в самих психодиагностических методиках и являются итогом начальной статистической обработки результатов диагностики.

К первичным методам статистической обработки относят: определение среднего арифметического, дисперсии, моды и медианы.

Вторичными называют методы статистической обработки, с помощью которых на базе первичных данных выявляют скрытые в них статистические закономерности.

К вторичным методам статистической обработки относят: корреляционный анализ, регрессионный анализ, факторный анализ, методы сравнения первичных данных двух или нескольких выборок.

Источник

Учись Учиться

Лекция 12. Методы статистической обработки результатов.

User Rating: 5 / 5

Лекция 12. Методы статистической обработки результатов.

Методами статистической обработки результатов называются математические приемы, формулы, способы количественных расчетов, с помощью которых показатели, получаемые в ходе эксперимента, можно обобщать, приводить в систему, выявляя скрытые в них закономерности. Речь идет о таких закономерностях статистического характера, которые существуют между изучаемыми в эксперименте переменными величинами.

1. Методы первичной статистической обработки результатов эксперимента

Все методы математико-статистического анализа условно делятся на первичные и вторичные. Первичными называют методы, с помощью которых можно получить показатели, непосредственно отражающие результаты производимых в эксперименте измерений. Соответственно под первичными статистическими показателями имеются в виду те, которые применяются в самих психодиагностических методиках и являются итогом начальной статистической обработки результатов психодиагностики. Вторичными называются методы статистической обработки, с помощью которых на базе первичных данных выявляют скрытые в них статистические закономерности.

К первичным методам статистической обработки относят, например, определение выборочной средней величины, выборочной дисперсии, выборочной моды и выборочной медианы. В число вторичных методов обычно включают корреляционный анализ, регрессионный анализ, методы сравнения первичных статистик у двух или нескольких выборок.

Рассмотрим методы вычисления элементарных математических статистик.

Модой называют количественное значение исследуемого признака, наиболее часто встречающееся в выборке.

Медианой называется значение изучаемого признака, которое делит выборку, упорядоченную по величине данного признака, пополам.

Выборочное среднее (среднее арифметическое) значение как статистический показатель представляет собой среднюю оценку изучаемого в эксперименте психологического качества.

Разброс (иногда эту величину называют размахом) выборки обозначается буквой R. Это самый простой показатель, который можно получить для выборки — разность между максимальной и минимальной величинами данного конкретного вариационного ряда.

Дисперсия — это среднее арифметическое квадратов отклонений значений переменной от её среднего значения.

2. Методы вторичной статистической обработки результатов эксперимента

С помощью вторичных методов статистической обработки экспериментальных данных непосредственно проверяются, доказываются или опровергаются гипотезы, связанные с экспериментом. Эти методы, как правило, сложнее, чем методы первичной статистической обработки, и требуют от исследователя хорошей подготовки в области элементарной математики и статистики.

Обсуждаемую группу методов можно разделить на несколько подгрупп:

1 Регрессионное исчисление

Регрессионное исчисление — это метод математической статистики, позволяющий свести частные, разрозненные данные к некоторому линейному графику, приблизительно отражающему их внутреннюю взаимосвязь, и получить возможность по значению одной из переменных приблизительно оценивать вероятное значение другой переменной.

Следующий метод вторичной статистической обработки, посредством которого выясняется связь или прямая зависимость между двумя рядами экспериментальных данных, носит название метод корреляций. Он показывает, каким образом одно явление влияет на другое или связано с ним в своей динамике. Подобного рода зависимости существуют, к примеру, между величинами, находящимися в причинно-следственных связях друг с другом. Если выясняется, что два явления статистически достоверно коррелируют друг с другом и если при этом есть уверенность в том, что одно из них может выступать в качестве причины другого явления, то отсюда определенно следует вывод о наличии между ними причинно-следственной зависимости.

3 Факторный анализ

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.

Вопросы для повторения

1. Что такое методы статистической обработки?

2. На какие подгруппы делят вторичные методы статистической обработки?

3. Объясните сущность метода корреляции?

4. В каких случаях применяют методы статистической обработки?

5. Как Вы считаете, насколько эффективно применение методов статистической обработки в научном исследовании?

1. Ознакомится с рекомендуемой литературой.

2. Рассмотреть особенности методов статистической обработки данных.

1.. Горбатов Д.С. Практикум по психологическому исследованию: Учеб. пособие. — Самара: «БАХРАХ — М», 2003. — 272 с.

2. Ермолаев А.Ю. Математическая статистика для психологов. — М.: Московский психолого-социальный институт: Флинта, 2003.336с.

3. Корнилова Т.В. Введение в психологический эксперимент. Учебник для ВУЗов. М.: Изд-во ЧеРо, 2001.

Источник

Методы математической обработки

Кметодам обработки количественных данных от­носятся статистические приемы подведения итогов исследования, выявления определенных связей меж­ду ними, проверки достоверности выдвинутой гипотезы. Математическая обработка результатов обеспечивает доказательность (репрезентативность) иссле­дований. В сочетании с качественными показателя­ми количественная обработка значительно повышает объективность психологического исследования.

Достоверность выводов исследования не только определяется совершенством примененного математического аппарата, но также зависит от того, на­сколько адекватно величины, которыми мы опериру­ем, отражают реальные количественные характери­стики изученных явлений иобъектов. Несоблюдениеэтого требования превращает математическую обра­ботку в пустое манипулирование формулами.

Нахождение решающих количественных критериев для оценки тех или иных факторов и сторон обучения или воспитания не является математической проблемой. Это задача, которая решается психологическими исследованиями. Однако, чтобы ее решать, надо правильно измерять психологические явления, учитывая условия и границы применимости спосо­бов измерения.

Измерение — это приписывание чисел объектам и событиям в соответствии с определенными правила­ми. Простейший способ приписывания числовых характеристик предметам и явлениям – их регистрация. Она заключается в том, что выделяют какой-нибудь признак и отмечают каждый случай, когда в наблюде­нии или эксперименте появляется предмет или явле­ние с этим признаком. Так, например, при изучении мотивов учения на основе анкетного опроса определя­ют число студентов, выбравших тот или иной вариант ответа. Статистическая обработка результатов регист­рирующего изучения позволяет сделать некоторые важные обобщения и выводы относительно всей сово­купности изучаемых явлений в целом.

Важная особенность регистрации состоит в том, что она позволяет применять количественное изуче­ние даже там, где невозможно определить сами свой­ства изучаемых явлений, что очень часто встречается в психолого-педагогических исследованиях.

Так, например, невозможно прямо измерить уро­вень знаний и умений студентов, развития тех или иных нравственных качеств, степень эффективности данного метода обучения и т. д. Но, регистрируя со­ответствующие события[21]: ошибки, поступки, прояв­ления и т. д., — можно получать определенные коли­чественные характеристики всех этих признаков, устанавливать их частотность, а значит, определять возможные закономерности их проявления.

Для определения границы применимости регист­рации нужно как можно точнее сформировать крите­рий, позволяющий однозначно отличить объект с ре­гистрируемым признаком от объекта без него. Так, на­пример, прежде чем количественно определить про­фессиональную направленность студентов, нужно дать ее четкую формулировку и определить критерии, которые должны быть научно обоснованы. Иначе трудно будет судить о репрезентативности выводов.

Следующий способ количественной характери­стики данных — операция упорядочения. Сущность ее заключается в том, что изучаемые явления распре­деляются в порядке возрастания или убывания вели­чины определенного признака. Затем каждой группе объектов присваивается число, соответствующее месту этой группы в нарастающем или убывающем ряду. Это число, показывающее порядок изучаемого признака у данных объектов, называется их рангом.

После упорядочения данных часто осуществляют их группировку. Для этого определенный интервал значений изучаемого признака принимается за еди­ницу меры. Значение признака в исследуемых явле­ниях будет определяться числом, показывающим, сколько раз данная единица меры укладывается в на­блюдаемой величине. Условия, налагаемые на «ин­тервальное» измерение, значительно строже, чем при регистрации или упорядочении:

• наличие объективного эталона величины при­знака, принятого за единицу меры;

• возможность прямо или косвенно сопоставлять любое измеряемое явление с этим эталоном;

• неизменность измеряемых признаков в течение нужного периода времени.

Выполнение этих трех условий не всегда удается в психологических исследованиях, отсюда трудности измерений и сложности применения аппарата мате­матики.

Полученные в результате измерения количествен­ные характеристики обрабатываются методами мате­матической статистики, позволяющими обобщить эмпирические результаты, объяснить причины «слу­чайного» результата, дать ему определенное вероят­ностное толкование.

Наиболее распространенными методами обра­ботки количественных данных в прикладной психологии являются дисперсионный, корреляционный и факторный анализ.

Дисперсионный анализ (от лат. dispersio — рассеива­ние) — статистический метод, позволяющий анали­зировать влияние различных факторов на исследуе­мую переменную. Суть дисперсионного анализа за­ключается в разложении (дисперсии) измеряемого признака на независимые слагаемые, каждое из кото­рых характеризует влияние того или иного фактора или их взаимодействия. Последующее сравнение та­ких слагаемых позволяет оценить значимость каждо­го изучаемого фактора, а также их комбинации. При этом особую роль играет анализ средних значений (отклонение от которых и называют дисперсией).

При осуществлении дисперсионного анализа ре­зультаты наблюдений группируются с учетом града­ций каждого учитываемого фактора (возраста, уров­ня образования, отдельных психологических особен­ностей и т. д.). Если учитываемый фактор оказывает влияние на признак, средние результирующего при­знака изменяются в соответствии с градациями фактора. Внутри каждой такой группы обнаруживается своя дисперсия, связанная с действиями других факторов.

Дисперсионный анализ допускает статистическое исследование признаков, выраженных не только в абсолютных количественных единицах, но и в отно­сительных или условных баллах и индексах.

Корреляционный анализ (от лат. correlatio — соотно­шение) — статистический метод оценки формы, зна­ка и тесноты связи исследуемых признаков или фак­торов. При определении формы связи рассматрива­ется ее линейность или нелинейность (т. е. как в сред­нем изменяется в зависимости от изменения х, а х — от у).

Одним из основных принципов определения ко­личественных критериев корреляционной связи — коэффициентов корреляции — является сравнение величин отклонений от среднего значения по каждой группе в сопряженных парах сравниваемых рядов пе­ременных.

С целью достижения независимости меры корре­ляционной связи от числа сравниваемых пар и вели­чин стандартных отклонений в двух группах произве­дение отклонений делится на число сравниваемых пар и стандартные отклонения в сопоставимых ря­дах. Такая мера носит название коэффициента кор­реляции — произведения моментов Пирсона.

Коэффициент корреляции — математический по­казатель силы связи между двумя сопоставляемыми статистическими признаками. Величина коэффици­ента колеблется в пределах от —1 до +1. Смысл край­них значений коэффициента состоит в следующем:

• коэффициент равен +1, значит, связь между признаками однозначна по типу прямо пропорцио­нальной зависимости;

• коэффициент корреляции равен —1, следова­тельно, связь также является функциональной, но по типу обратной пропорциональности;

• нулевая величина коэффициента свидетельст­вует об отсутствии связи между признаками.

Статистическую значимость коэффициента кор­реляции определяют по таблицам.

Факторный анализ (от лат. factor — действующий, производящий и греч. analysis — разложение, расчле­нение) — метод многомерной математической статистики, применяемый при исследовании статистиче­ски связанных признаков с целью выявления опреде­ленного числа скрытых от непосредственного наблюдения факторов.

С помощью факторного анализа не просто уста­навливается связь изменения одной переменной с изменением другой переменной, а определяется мера этой связи и обнаруживаются основные факторы, лежащие в основе указанных изменений. Факторный анализ особенно продуктивен на начальных этапах научных исследований, когда необходимо выделить какие-либо предварительные закономерности в исследуемой области. Поэтому факторный анализ представляет собой не только метод статистической обработки исходных данных для их обобщения, но и широкий научный метод подтверждения гипотез относительно природы процессов, присущих самому измеряемому свойству.

Одной из наглядных моделей факторного анализа может служить схема, приведенная на рис. 1. Области признаков (психологических особенностей, свойств, способностей и т. д.), измеряемых тестами А, В, С, представлены в виде прямоугольников. В зоне 1 на­ходятся общие признаки для тестов А и В, в зоне 2 для тестов В и С, а в зоне 3 — признаки, влияющие на успешность выполнения тестов Л и С. В зоне 4 при­сутствуют признаки, объединенные общим для сово­купности трех тестов фактором. Относительная пло­щадь зон иллюстрирует факторный вес — меру выра­жения выявленной латентной переменной (призна­ка) в результатах того или иного теста, т.е. представленность в результатах теста данных выделенного универсального фактора Х_АБС.

Рис. 1. Модель факторного анализа

Исходной информацией для проведения фактор­ного анализа является корреляционная матрица, или матрица интеркорреляций показателей тестов. Выде­ленные путем анализа интеркорреляций или других характеристик связи обобщенные факторы первого

порядка могут быть представлены в виде новой мат­рицы, отражающей корреляции между факторами. Нa основе таких матриц могут определяться факторы более высокого порядка.

В настоящее время методы факторного анализа составляют сложную специальную область матема­тической статистики. В психологической диагности­ке факторный анализ широко используется как для решения исследовательских задач, так и при конст­руировании психодиагностических методик[22].

Существуют и другие методы математической об­работки данных исследований. Мы рассмотрели наи­более распространенные. Практика исследований показывает, что математическая обработка является эффективным средством описания и установления многих важных психологических характеристик, их связей, отношений, закономерностей.

В заключение обзора методов исследования следует подчеркнуть, что нельзя ни противопоставлять одни методы другим, ни абсолютизировать возмож­ности некоторых. Выбор того или иного метода определяется предметом и задачами исследования. В любом психологическом исследовании применяется и комплекс методов, взаимно дополняющих друг друга и позволяющих получить достоверные выводы.

Методы исследования, используемые в психологии профессионального образования, имеют общепсихологическое происхождение и вместе с тем обладают своей спецификой. Близость психологии профессионального образования к психологии развития, психологии труда, возрастной и педагогической психологии обусловливает заимствование уже сложившихся методов.

[1] См.: Новиков А. М. Профессиональное образование России. — М. 1997. —С. 41.

[2] См.: Шадриков В.Д. Деятельность и способности. – М., 1994.

[3] См.: Платонов К.К. Система психологии и теория отражения. – М. 1982. – С.277 – 298.

[5] См.: Ганзен В.А. Системные описания в психологии. – Л., 1984

[6] Панельное исследование предполагает неоднократное изучение одного и того же социального объекта с определенными временными интервалами при неизменной программе исследования.

[7] См.: Ананьев Б.Г. О проблемах современного человекознания. – М., 1977. – С. 295-298.

[8] См.: Введение в психологию / Под ред. А.В. Пестровского. – М., 1993.

[9] См.: Годвруа Ж. Что такое психология: В 2 т.- М., 1992. – Т.1.

[10] См.: Benesch A. Atlas zur Psychologie. – Munchen, 1992. – Bd 1.

[11] Демоскопия – опрос мнений определенной рапрезентативной социальной группы населения.

[12] Коакцион – опрос мнений на основе принятия другой социальной роли.

[13] См.: Орлов А.Б. Основные исследовательские методы возрастной и педагогической психологии // Вопр. Психологии. – 1981. — №1.

[14] См.: Anvtndungsbezogene Arbeits -, Betriebs – und Organisationspsychologie. – Gottingen, 1994.

[15] См.: Анастази А. Психологическое тестирование: В 2 кн.: Пер. с англ. – М., 1982. – Кн. 2. – С.94-97.

[16] См.: Словарь-справочник по психологической диагностике / Сост. Л.Ф. Бурлачук, С.М. Морозов. – Киев, 1989. – С. 93.

[17] См.: Психологические проблемы неуспеваемости школьников / Под ред. Н.А. Менчинской. – М., 1991.

[18] См.: Калмыкова З.И Психологические принципы развивающего обучения. – М., 1979.

[19] См.: Проблемы методологии педагогики и методики исследования / Под ред. М. А. Данилова, Н. И. Болдырева. – М., 1971. – С. – 231.

[20] Давыдов В. В. О двух основных этапах развития детской и педагогической психологии // Психология воспитания и обучения. – М., 1978. – Вып. 5. – С. 4-5.

[21] Событие – одно из вероятных явлений.

[22] См.: Бурлачук Л.Ф. Словарь-справочник по психодиагностике / Л.Ф. Бурлачук, С.М. Морозов. – СПб., 1999. – С. 361 – 362.

Источник