Шпаргалка по "Экспериментальной психологии"

В ходе доказательства тех или иных гипотез выдвигается особый вид предположения – рабочая гипотеза, т. е. предположение, выдвигаемое чаще всего на начальном этапе того или иного исследования и еще не ставящее задачу выяснения причины или закономерности. Рабочая гипотеза позволяет исследователю построить определенную группировку результатов наблюдения и дать согласующееся с ними предварительное описание изучаемого явления.

44. Первичная и вторичная обработка данных;

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.

2.Корреляция

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.

45. Корелляционные исследования, их характеристика;

 

 Теория корреляционного исследования разработана английским математиком К. Пирсоном. Стратегия проведения такого исследования заключается в том, что управляемое воздействие на объект отсутствует. План корреляционного исследования несложен. Исследователь выдвигает гипотезу о наличии статистической связи между несколькими психическими свойствами индивида. При этом предположение о причинной зависимости не обсуждается.

Корреляционным называется исследование, проводимое для подтверждения или опровержения гипотезы о статистической связи между несколькими (двумя или более) переменными. В психологии в качестве переменных могут выступать психические свойства, процессы, состояния и т. п.

Корреляционные связи. «Корреляция» в прямом переводе означает соотношение. Если изменение одной переменной сопровождается изменением другой, то говорят о корреляции этих переменных. Наличие корреляции двух переменных не является свидетельством наличия причинно-следственных зависимостей между ними, но дает возможность выдвинуть такую гипотезу. Отсутствие корреляции позволяет опровергнуть гипотезу о причинно-следственной связи переменных.

Различают несколько типов корреляционных связей:

• прямая корреляционная связь (уровень одной переменной непосредственно соответствует уровню другой переменной);

• корреляция, обусловленная третьей переменной (уровень одной переменной соответствует уровню другой переменной в силу того, что обе эти переменные обусловлены третьей, общей переменной);

• случайная корреляция (не обусловлена никакой переменной);

• корреляция, обусловленная неоднородностью выборки (если выборка состоит двух неоднородных групп, то может быть получена корреляционная связь, не существующая в генеральной совокупности).

Корреляционные связи бывают следующих видов:

– положительная корреляция (повышение уровня одной переменной сопровождается повышением уровня другой переменной);

– отрицательная корреляция (рост уровня одной переменной сопровождается снижением уровня другой);

– нулевая корреляция (свидетельствует об отсутствии связи переменных);

– нелинейная связь (в определенных пределах повышение уровня одной переменной сопровождается повышением уровня другой, а при других параметрах – наоборот. Большинство психологических переменных имеют именно нелинейную связь).

Планирование корреляционного исследования. План корреляционного исследования является разновидностью квазиэкспериментального плана при отсутствии воздействия независимой переменной на зависимые. Корреляционное исследование разбивается на серию независимых измерений в группе испытуемых. В случае простого корреляционного исследования группа однородна. В случае сравнительного корреляционного исследования мы имеем несколько подгрупп, различающихся по одному или нескольким критериям. Результаты таких измерений дают матрицу вида Р х О. Обрабатываются данные корреляционного исследования путем вычисления корреляций по строкам или по столбцам матрицы. Корреляция по строкам дает сравнение испытуемых. Корреляция столбцов дает информацию о связи измеряемых переменных. Часто выявляются временные корреляции, т. е. изменение структуры корреляций во времени.

Ниже рассмотрены основные типы корреляционного исследования.

Сравнение двух групп. Применяется для установления сходства или различия двух естественных или рандомизированных групп по выраженности того или иного параметра. Средние результаты у двух групп сравнивают с помощью t-критерия Стьюдента. При необходимости для сравнения дисперсий показателя в двух группах также может быть использован t-критерий Фишера (см. 7.3).

Одномерное исследование одной группы в разных условиях. План этого исследования близок к экспериментальному. Но в случае корреляционного исследования мы не управляем независимой переменной, а лишь констатируем изменение поведения индивида в разных условиях.

Корреляционное исследование попарно эквивалентных групп. Этот план используется при исследовании близнецов методом внутрипарных корреляций. Близнецовый метод основывается на следующих положениях: генотипы монозиготных близнецов сходны на 100 %, а дизиготных близнецов – на 50 %, среда развития как дизиготных, так и монозиготных пар одинакова. Дизиготные и монозиготные близнецы разбиваются на группы: в каждой – один близнец из пары. У близнецов обеих групп измеряется интересующий исследователя параметр. Затем вычисляются корреляции между параметрами (О -корреляция) и между близнецами (Р -корреляция). Сравнивая внутрипарные корреляции монозиготных и дизиготных близнецов, можно выявить доли влияния среды и генотипа на развитие того или иного признака. Если корреляция монозиготных близнецов надежно выше корреляции дизиготных близнецов, то можно говорить о существующей генетической детерминации признака, в противном случае говорят о средовой детерминации.

Многомерное корреляционное исследование. Проводится для проверки гипотезы о связи нескольких переменных. Отбирается экспериментальная группа, которая тестируется по определенной программе, состоящей из нескольких тестов. Данные исследования заносятся в таблицу «сырых» данных. Затем эта таблица обрабатывается, подсчитываются коэффициенты линейных корреляций. Корреляции оцениваются на статистические различия.

Структурное корреляционное исследование. Исследователь выявляет различие в уровне корреляционных зависимостей между одними и теми же показателями, измеренными у представителей разных групп.

Лонгитюдное корреляционное исследование. Оно строится по плану временных серий с тестированием группы через заданные промежутки времени. В отличие от простого лонгитюда исследователя интересуют изменения не столько самих переменных, сколько связей между ними.

46. Метод модельной экстраполяции;

Сущность экстраполяции закл-ся в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития объекта прогноза и переносе их на будущее. Разл-ют формальную и прогнозную экстраполяцию. Формальная базир-ся на предположении о сохр-нии в будущем прошлых и настоящих тенденций развития объекта прогноза. При прогнозной экстраполяции фактическое развитие увязывается с гипотезами о динамике исследуемого процесса с учетом изменений влияния разных факторов в перспективе. Методы экстраполяции отн-тся к формализованным методам.Методы экстраполяции явл-ся наиболее распространенными и проработанными. Основу экстраполяционных методов прогноз-ния составляет изучение динамических рядов. Динамический ряд — это множество наблюдений, полученных последовательно во времени.В эк прогн-нии широко применяется метод математич экстраполяции. В матем-ском смысле он означает распростр-е закона изменения функции из области ее наблюдения на область, лежащую вне отрезка наблюдения.Тенденция, описанная некоторой функцией от времени, называется трендом. Тренд — это длительная тенденция изменения экономических показателей. Методы экстраполяции надо применять на начальном этапе прогн-ния для выявления тенденций. Различают сл. методы:

Метод подбора функций — один из распространенных методов экстраполяции. Главным этапом экстраполяции тренда является выбор оптимального вида функции, описывающей эмпирический ряд. Для этого проводятся предварительная обработка и преобразование исходных данных с целью облегчения выбора вида тренда путем сглаживания и выравнивания временного ряда. Выбор модели осуществляется с помощью специально разработанных программ. Модель выбирается, во-первых, визуально исходя из сопоставления вида кривой и ее специфических свойств и качественной

характеристики тенденции экономического явления; во-вторых, исходя из значения критерия. Прогноз предполагает продление тенденции прошлого, выражаемой выбранной функцией, в будущее, т.е. экстраполяцию динамического ряда. Программным путем на ЭВМ определяется значение прогнозируемого показателя. В связи с тем, что этот метод исходит из инерционности экономических явлений и предпосылок, что общие условия, определяющие развитие в прошлом не претерпят существенных изменений в будущем, его целесообразно использовать при разработке краткосрочных прогнозов и обязательно в сочетании с методами экспертных оценок. Причем динамический ряд может строиться на основании данных не по годам, а по месяцам, кварталам.

Экстраполяция методом подбора функций учитывает все данные исходного ряда с одинаковым "весом".Влияние более поздних наблюдений на развитие процесса в будущем существеннее, чем более ранних. Проблему "старения" данных динамических рядов решает метод экспоненциального сглаживания с регулируемым трендом. Он позволяет построить такое описание процесса (динамического ряда), при котором более поздним наблюдениям придаются большие "веса" по сравнению с ранними наблюдениями. В результате создается возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения. Этот метод реализуется па ЭВМ с помощью специально разработанных программ в блоке "временные ряды", который является составной частью пакета экономических расчетов.