Материалы лекции. - раздел Психология, Психологии и Социальной Работы Роль Математических Методов В Любой Области Знания (Не Только В Психологии) —...
Роль математических методов в любой области знания (не только в психологии) — представление эмпирических данных в пригодном для интерпретации виде, поиск смысла в исходной эмпирической информации.
Наследов А. Д. вводит понятие эмпирической математической модели (ЭММ), которые идентичны мыслительным операциям. Эти модели он называет описательными, так как они представляют данные, полученные в исследовании, в удобном для интерпретации виде. Простейшие ЭММ — это, например, средние арифметические значения, вычисляемые для сравниваемых выборок в предположении, что различия в средних отражают различия между представителями групп (напомним, что среднее арифметическое значение отражает тенденцию выраженности свойства в выборке); ранжирование членов группы, которое предполагает, что порядковый номер испытуемого в группе (ранг) отражает выраженность изучаемого свойства; коэффициент корреляции между двумя признаками отражает взаимосвязь между ними, при этом мы исходим из предположения о согласованности индивидуальной изменчивости признаков и т.п.
Непосредственно сравнивать, различать, определять взаимосвязь и т.д. мы можем только при небольшой численности испытуемых и признаков. В других случаях, при небольшом числе испытуемых и признаков, мы пользуемся для расчетов калькулятором. Когда выборка большого объема и каждый испытуемый описан большим числом признаков, простейшие ЭММ мало пригодны, тогда возникает необходимость применения многомерных методов анализа и компьютера.
Многомерные методы анализа — дальнейшее развитие ЭММ в отношении многостороннего описания изучаемых явлений. Как и простейшие ЭММ, они воспроизводят мыслительные операции человека, но в отношении таких данных, непосредственное осмысление которых невозможно в силу нашей природной ограниченности. Программные реализации многомерных методов анализа относятся к области искусственного интеллекта. Многомерные методы выполняют такие интеллектуальные функции, как структурирование эмпирической информации, классификация, экстраполяция, распознавание образов и т.д.
К наиболее часто употребляемым в психологии многомерным методам анализа экспериментальных данных относятся множественный регрессионный анализ, дискриминантный анализ, кластерный анализ, факторный анализ, многомерное шкалирование и др. Эти методы можно классифицировать по трем основаниям:
А) интеллектуальная операция (или способ преобразования исходной информации) — по назначению метода;
Б) по способу сопоставления данных — по сходству (различию) или пропорциональности (корреляции);
В) по виду исходных эмпирических данных.
I. Классификация методов по назначению:
1. Методы предсказания (экстраполяции): множественный регрессионный и дискриминантный анализ. Множественный регрессионный анализ предсказывает значения метрической «зависимой» переменной по множеству известных значений «независимых» переменных, измеренных у множества объектов (испытуемых). Дискриминантный анализ предсказывает принадлежность объектов (испытуемых) к одному из известных классов (номинативной шкале) по измеренным метрическим (дискриминантным) переменным.
2. Методы классификации: варианты кластерного анализа и дискриминантный анализ. Кластерный анализ («классификация без обучения») по измеренным характеристикам у множества объектов (испытуемых) либо по данным об их попарном сходстве (различии) разбивает это множество объектов на группы, в каждой из которых содержатся объекты, более похожие друг на друга, чем на объекты из других групп. Дискриминантный анализ («классификация с обучением», «распознавание образов») позволяет классифицировать объекты по известным классам, исходя из измеренных у них признаков, пользуясь решающими правилами, выработанными предварительно на выборке идентичных объектов, у которых были измерены те же признаки.
3. Структурные методы: факторный анализ и многомерное шкалирование. Факторный анализ направлен на выявление структуры переменных как совокупности факторов, каждый из которых — это скрытая, обобщающая при чина взаимосвязи группы переменных. Многомерное шкалирование выявляет шкалы как критерии, по которым поляризуются объекты при их субъективном попарном сравнении.
II. Классификация методов по исходным предположениям о структуре данных:
1. Методы, исходящие из предположения о согласованной изменчивости признаков, измеренных у множества объектов: факторный анализ, множественный регрессионный анализ, отчасти — дискриминантный анализ.
2. Методы, исходящие из предположения о том, что различия между объектами можно описать как расстояние между ними. На дистантной модели основаны кластерный анализ и многомерное шкалирование, частично — дискриминантный анализ. Многомерное шкалирование и дискриминантный анализ добавляют предположение о том, что исходные различия между объектами можно представить как расстояния между ними в пространстве небольшого числа шкал (функций).
III. Классификация методов по виду исходных данных:
1. Методы, использующие в качестве исходных данных только признаки, измеренные у группы объектов. Это множественный регрессионный анализ, дискриминантный анализ и факторный анализ.
2. Методы, исходными данными для которых могут быть попарные сходства (различия) между объектами: это кластерный анализ и многомерное шкалирование. Многомерное шкалирование, кроме того, может анализировать данные о попарном сходстве между совокупностью объектов, оцененном группой экспертов. При этом совместно анализируются как различия между объектами, так и индивидуальные различия между экспертами.
Представленные классификации свидетельствуют о необходимости знаний многомерных методов, их возможностей и ограничений уже на стадии общего замысла исследования. Например, ориентируясь только на факторно-аналитическую модель, исследователь ограничен в выборе процедуры диагностики: она должна состоять в измерении признаков у множества объектов. При этом исследователь ограничен и в направлении поиска: он изучает либо взаимосвязи между признаками, либо межгрупповые различия по измеряемым признакам. Общая осведомленность о других многомерных методах позволит исследователю использовать более широкий круг психодиагностических процедур, решать более широкий спектр не только научных, но и практических задач.
Применение многомерных методов требует, разумеется, не только самого компьютера, но и соответствующего программного обеспечения. Широко известны и распространены универсальные статистические программы SТАТISТIСА и SPSS, содержащие практически весь спектр статистических методов — от простейших до самых современных. Наследов А. Д. пишет о том, что он разделяет мнение, что программа SТАТISТIСА обладает прекрасной графикой и гибкостью в обработке данных. Однако программа SPSS имеет свои преимущества: она не только проще в освоении и применении, но и включает в себя ряд методов, отсутствующих в SТАТISТIСА, например, варианты многомерного шкалирования.
Все темы данного раздела:
Учебно-методическое пособие
Санкт-Петербург
2012 г.
Рассмотрено и утверждено на заседании кафедры общей и дифференциальной психологии
Протокол за
Цели и задачи изучения дисциплины «Математические методы в психологии» и сфера профессионального использования
Психологу в своей научной и практической работе постоянно приходится отбирать, классифицировать и упорядочивать те конкретные результаты, которые он получает в практическом исследов
Методические указания для студентов
Учитывая специфику учебной дисциплины «Математические методы в психологии», следует обратить внимание на следующие методические рекомендации.
· Важно учитывать, что данная дисциплина являе
Методические рекомендации к изучению темы
При изучении данной темы необходимо обратить внимание на специфику использования математической статистики в психологических исследованиях. И здесь следует обратить внимание на материалы, приводимы
Материалы лекции.
Математическая статистика — это наука о случайных явлениях. Под явлением понимается любой подлежащий изучению объект независимо от его конкретного содержания. По степени количестве
Типы измерений и измерительные шкалы
Почти любая наука в процессе своего развития приходит к измерениям. Измерение можно рассматривать как построение своеобразной функциональной зависимости, в которой аргументами являются реальные вел
Генеральная совокупность и выборочное исследование. Статистическая достоверность
Исследование обычно начинается с некоторого предположения, требующего проверки с привлечением фактов. Это предположение — гипотеза — формулируется в отношении связи явлений или сво
Этапы обработки результатов психологического исследования
Предварительный этап. После того, как проведено исследование (собраны первичные материалы) и каждый протокол (бланк для ответов) обработан, составляется исходная матрица первичных данных
Методические рекомендации к изучению темы
При изучении темы 2 следует обратить особое внимание на различные способы репрезентации результатов исследования и их возможности. Обратите внимание на возможные ошибки при построении графиков. Вни
Материалы лекции.
Итак, математическая статистика — это математический аппарат, разработанный для анализа случайных событий.
Случайное событие— событие, которое в основных условиях иногда п
Результаты исследования экстраверсии
xi
S
f i
Алгоритм построения сгруппированного (или табулированного) ряда
I. Определение размаха выборки: R= xmax – xmin
II. Выбор количества разрядов k
Чи
Общий обзор параметров распределений
Измерительная шкала
Меры положения
или меры центральной тенденции
Меры изменчивости или меры рассеивания
Методические рекомендации к изучению темы
При измерении методом регистрации правила измерения таковы, что они позволяют лишь установить, что один объект отличается по измеряемому свойству от другого объекта, у которого изм
Материалы лекции.
Вспомним, что при измерении методом регистрации на основании правил измерения устанавливается тождественность качества свойства у измеряемых объектов. Измерение сводится к классификации объектов по
Результаты исследования экстраверсии
xi
S
f i
Меры изменчивости, или меры рассеивания
Дисперсия(Variance) — — это средний квадрат отклонений всех значений признака от среднего арифмети
Проверка на выскакивание наибольшего значения
А) Когда одно наибольшее значение подозревается в выскакивании
где xn
Проверка на выскакивание наименьшего значения
А) Когда одно наименьшее значение подозревается в выскакивании
где xn
Нормальный закон распределения
Рис. 14. Кривая нормального распределения
Нормальный закон[4] распределения во всех естественных науках имеет фундаментальное значение. И в психологических дисциплин
Гамма-распределение
Если воздействие одного или нескольких ф
Биномиальное распределение
Пусть выполняется n независимых испытаний, в каждом из которых может появиться некоторое случайное событие А, безусловная вероятность появления которого постоянна и равна Р, а вероятность его непоя
Проверка «нормальности» эмпирического распределения
В практике математико-статистического анализа результатов психологических исследований нередко встает задача проверки, является ли полученное в исследовании эмпирическое распределение нормальным (н
Стандартизация данных и стандартизованные шкалы в психологии
Стандартизация данных, полученных с помощью той или иной психологической методики — это процесс создания стандартных тестовых шкал или стандартизованных шкал. Основные цели стандартизации: а) сравн
Шкала стенайнов Гилфорда
Шкала Т-баллов (например, опросники MMPI, CPI, САТ, ГТ и т. п.)
Процентильные нормы для детей 5;5 – 11 лет
(точка с запятой отделяет количество лет от количества месяцев)
Процентили
Возраст испытуемого(лет; месяцев)
Процентили
Методические рекомендации к изучению темы
При изучении темы таблицу 1 необходимо выучить наизусть, это поможет в дальнейшем выбирать меры оценки взаимосвязей, адекватные данному конкретному случаю. Обратите внимание на то, что пользование
Понятие статистической зависимости
Зависимость (взаимосвязь) между случайными событиями состоит в том, что появление одного из событий изменяет вероятность появления другого события.
Факт взаимосвязи между с
Общий обзор мер связи
Измерительные шкалы
Шкала наименований
Шкала
порядка
Интервальная, пропорциональная шкалы
k = 2
Коэффициент контингенции
Если оба признака измерены по шкале наименований и каждый из них может иметь только два значения, то мерой связи является коэффициент контингенции «фи» — φ. В некоторых книгах
Описание критерия
Критерий χ2 отвечает на вопрос о том, с одинаковой ли частотой встречаются разные значения признака в эмпирическом и теоретическом распределениях или в двух и более эмпирических рас
Ограничения критерия
1. Объем выборки должен быть достаточно большим: N>30. При N<30 критерий χ2 дает весьма приближенные значения. Точность критерия повышается при больших N.
2. Теорети
Правила ранжирования
1. Меньшему значению присваивается меньший ранг. Наименьшему значению начисляется ранг 1. Наибольшему значению начисляется ранг, соответствующий количеству ранжируемых значений, за исключением тех
Бисериальные коэффициенты корреляции
Бисериальные коэффициенты корреляции оценивают зависимость между двумя признаками, один из которых измерен в шкале наименований с двумя градациями признака (дихотомической шкале). Бисериальные коэф
Коэффициент взаимной сопряженности Чупрова
Коэффициент взаимной сопряженности Чупрова К является мерой связи двух признаков, если один из них измерен по шкале наименований и может иметь несколько значений (больше двух), а в
Коэффициент взаимной сопряженности Пирсона
Коэффициент взаимной сопряженности Пирсона С также является мерой связи двух признаков, если один из них измерен по шкале наименований и может иметь несколько значений (больше двух
Ранговой коэффициент корреляции Спирмена
Метод ранговой корреляции Спирмена позволяет определить тесноту (силу) и направление корреляционной связи между двумя признаками или двумя профилями (иерархиями) при
Ограничения коэффициента ранговой корреляции
1. По каждой переменной должно быть представлено не менее 5 наблюдений. Верхняя граница выборки определяется имеющимися таблицами критических значений, а именно N<40. Однако возможен
Алгоритм расчета ранговой корреляции Спирмена
1. Определить, какие два признака или две иерархии признаков будут участвовать в расчетах. Для удобства расчетов составить таблицу следующего вида:
Таблица 20
Коэффициент линейной корреляции Пирсона
Коэффициент линейной корреляции Пирсона является мерой связи для признаков, измеренных по количественным шкалам (интервальной или пропорциональной) и оценивает линейные взаи
Алгоритм расчета коэффициента линейной корреляции Пирсона
1. После составления исходной матрицы данных для каждого признака находятся средние арифметические
Рассчитайте поправки для различных случаев связанных рангов: а=2; а=3; а=4; а=5 и а=6.
4. Определите, существует ли сходство в выраженности акцентуируемых черт личности матери и 8-летнего сына. Выраженность черт оценивалась с помощью методики Шмишека, в таблиц
Методические рекомендации к изучению темы
При изучении данной темы необходимо обратить внимание на сущность статистических гипотез и этапы принятия статистического решения.
Особое внимание следует обратить на следующий материал: с
Статистические гипотезы
Полученные в исследованиях выборочные данные всегда ограничены и носят в значительной мере случайный характер. Именно поэтому для анализа таких данных и используется математическая статистика, по
Уровень статистической значимости
При обосновании статистического вывода следует решить вопрос, где же проходит линия между принятием и отвержением нулевой гипотезы? В силу наличия в эксперименте случайных влияний эта граница не мо
Этапы принятия статистического решения
Принятие статистического решения разбивается на этапы или шаги.
1.Формулировка нулевой и альтернативной гипотез.
2.Определение объема выборки N.
3.Выбор соответств
Обзор наиболее часто применяемых параметрических критериев
Задачи
Условия
Критерии
Ограничения
Выявление различий в уровне исследуемого признака (сравнение двух параме
Общий обзор непараметрических критериев
Задачи
Условия
Критерии
Ограничения
1. Выявление различий в уровне исследуемого признака
Незави
Методические рекомендации к изучению темы
При изучении данной темы необходимо обратить внимание на то, что критерий Стьюдента применяется для сравнения любых двух параметров распределений, однако в лекциях приведены формулы лишь для сравне
Назначение критерия
Критерий Стьюдента применяется:
А) для сравнения любых двух параметров распределений или проверки гипотез о случайности различий между параметрами (Н0);
Б) для интервал
Назначение критерия
Критерий Фишера применяется:
а) для сравнения двух дисперсий;
б) для проверки гипотезы о значимости коэффициентов детерминации;
в) для проверки гипотезы об однородности р
Поправка Снедекора
Критерий Стьюдента рассчитывается обычным способом. Поправка Снедекора заключается в том, что расчетное значение сравнивают не с обычным критическим значением, а с иным, которое повышает это критич
Назначение критерия
Критерий Розенбаума применяется для оценки различий между двумя выборками по уровню какого-либо признака.
Этот метод сравнивает два ряда упорядоченных значений и определяет, достаточно ли
Ограничения критерия
1. Признак должен быть измерен по ординальной, интервальной или пропорциональной шкале.
2. Выборки должны быть независимыми.
3. В каждой выборке должно быть не меньше 11 наблюдени
Алгоритм расчета критерия Розенбаума
1. В каждой выборке отдельно упорядочить значения признака по возрастанию. При этом считать 1-й выборку тот ряд значений, в котором значения по предварительной оценке выше, а 2-й — ту выборку, в ко
Назначение критерия
U — критерий Манна-Уитни предназначен для оценки различий между двумя выборками по уровню какого-либо признака, измеренного начиная со шкалы порядка (не ниже). Он позволяет выявлять различия
Ограничения критерия
1. Признак должен быть измерен по ординальной, интервальной или пропорциональной шкале.
2. Выборки должны быть независимыми.
3. В каждой выборке должно быть не менее 3 наблюдений:
Алгоритм подсчета критерия Манна-Уитни.
1. Для расчета критерия необходимо мысленно все значения 1-й выборки и 2-й выборки объединить в одну общую объединенную выборку и упорядочить их.
Все рас
Методические рекомендации к изучению темы
При изучении данной темы необходимо учесть то, что рассматриваются две группы критериев: оценка выраженности признака и оценка сдвига значений признака. Обратите особое внимание на правила принятия
Материалы лекции.
Нередко, сравнивая «на глазок» результаты «до» и «после» какого либо воздействия (например, тренинга), психолог видит тенденции повторного измерения — большинство показателей может
Назначение критерия
Критерий Стьюдента применяется:
А) для сравнения любых двух параметров распределений или проверки гипотез о случайности различий между параметрами (Н0);
Б) для интервал
Ограничения критерия.
1. Признак должен быть измерен по ординальной, интервальной или пропорциональной шкале.
2. Минимальное количество испытуемых, прошедших измерения в двух условиях — 5 человек. Максимальное
Ограничения критерия
1. Признак должен быть измерен по ординальной, интервальной или пропорциональной шкале.
2. Минимальное количество испытуемых, прошедших измерения в двух условиях — 5 человек. Максимальное
Алгоритм подсчета критерия Вилкоксона
1. Составить список испытуемых в любом порядке, например, алфавитном. В таблицу 31 занести первичные значения.
Таблица 31
№№ п/п
х1i
Назначения критерия
Критерий χ2 применяется в двух целях;
1) для сопоставления эмпирического распределения признака с теоретическим - равномерным, нормальным или каким-то иным;
Назначение критерия
Критерий предназначен для сопоставления двух распределений:
а) эмпирического с теоретическим, например, равномерным или нормальным;
б) одного эмпирического распределения с другими
Алгоритм расчета критерия
Расчет критерия при сопоставлении двух эмпирических распределений[7]
1. Расчеты целесообразно провести, пользуясь следующей та
Крит.= 1,63 для уровня значимости р=0,99
Если λэмп. ≥ λкрит., то различия между распределениями статистически достоверны.
Если λэмп. < λкрит., то различия м
Методические рекомендации к изучению темы
При изучении данной темы необходимо учесть то, что оба критерия непараметрические, они оперируют частотами абсолютными или процентными. Обратите особое внимание на правила принятия решения для расс
Материалы лекции.
Многофункциональные статистические критерии — это критерии, которые могут использоваться по отношению к самым разнообразным данным, выборкам и задачам. Это означает, что данные могут быть представл
Назначение критерия
Критерий Фишера предназначен для сопоставления двух выборок по частоте встречаемости интересующего исследователя эффекта.
Критерий оценивает достоверность различий между процентными долями
Алгоритм расчет критерия
1. На основании первичных данных составляется 4-хклеточная таблица следующего вида.
Таблица 34
Замеры
Второй замер
Обратите внимание, что для способов А и Б правила принятия решения разные (противоположны).
Контрольные вопросы:
1. В каких случаях следует использовать критерий «угловое преобразование» Фишера?
2. Почему критерий «угловое преобразование»
Методические рекомендации к изучению темы
При изучении данной темы обратите внимание на условия применения дисперсионного анализа. Одно из этих условий — нормальность распределения признака. Следует вспомнить из предыдущего материалы спосо
Однофакторный дисперсионный анализ
В данной теме будет рассмотрен только однофакторный дисперсионный анализ, используемый для несвязанных выборок. Оперируя как основным понятием дисперсии, этот анализ базируется на р
Методические рекомендации к изучению темы
Данная тема является наиболее сложной в курсе. Обратите внимание на то, что общее знакомство с многомерными методами предполагает знание назначения каждого метода, его общие математико-статистическ
Множественный регрессионный анализ
Назначение метода:
1) изучение взаимосвязи одной переменной («зависимой», результирующей) от нескольких других («независимых», исходных);
2) выявление среди «независимых» п
Матрица корреляций пяти показателей интеллекта
№
Показатели
Счет в уме
1,00
Факторные нагрузки после варимакс-вращения
Исходные переменные
Факторные нагрузки
h2
(общность)
F1
Выбор исходных данных.
А) Факторный анализ применяется для признаков, измеренных по интервальной или пропорциональной шкалам.
Б) Все признаки должны иметь нормальное распределение.
Факторизация матрицы интеркорреляций.
Выбирается метод факторизации, желательно метод с операциями по общностям, или максимального правдоподобия. В результате получаем матрицу факторных нагрузок, которую следует подвергнуть предварител
А) Ортогональное вращение (четырёх видов).
Варимакс. Минимизируется количество переменных, имеющих высокие нагрузки на данные факторы. При этом максимально увеличивается дисперсия фактора за счёт группировки вокруг него
Б) Косоугольное (облическое) вращение.
Облимин – наиболее распространённый метод косоугольного вращения.
Интерпретацию после вращения нужно проводить в следующем порядке:
· По кажд
Принятие решения о качестве факторной структуры.
Формальные требования к факторной структуре сформулировал в 30-х годах XX века Терстоун – «Принцип простой структуры». Геометрически этот принцип означает, что все переменные имеют нагрузки, близки
Компьютерные пакеты прикладных статистических программ
Широко распространены и известны универсальные статистические программы STATISTICA и SPSS. Они содержат почти весь спектр статистических методов — от простейших до самых современных. По мнению мног
Критические значения отношения для исключения выскакивающих значений
(по книге: Ашмарин И. В. Статистические методы в микробиологическом исследовании./ И. В. Ашмарин, А. А. Воробьев – Л.: Медгиз, 1962. – 160 с.)
Если полученная (расчетная) величина отношени
Критические значения коэффициента ранговой корреляции Спирмена
(по книге: Суходольский Г.В. Основы математической статистики для психологов [Текст]: учебник / Г. В. Суходольский. - СПб.: Изд-во СПбГУ, 1998. - 464 с. - С. 419. )
Критические значения коэффициента линейной корреляции Пирсона
(по книге: Суходольский Г.В. Основы математической статистики для психологов [Текст]: учебник / Г. В. Суходольский. - СПб.: Изд-во СПбГУ, 1998. - 464 с. - С. 418.)
Критические значения критерия хи-квадрат Пирсона
(по книге: Суходольский Г.В. Основы математической статистики для психологов [Текст]: учебник / Г. В. Суходольский. - СПб.: Изд-во СПбГУ, 1998. - 464 с. - С. 419-420).
При c2
Критические значения критерия Стьюдента
(по книге: Суходольский Г.В. Основы математической статистики для психологов [Текст]: учебник / Г. В. Суходольский. - СПб.: Изд-во СПбГУ, 1998. - 464 с. - С.420.)
При tрасч.
Критические значения критерия Фишера
(по книге: Суходольский Г.В. Основы математической статистики для психологов [Текст]: учебник / Г. В. Суходольский. - СПб.: Изд-во СПбГУ, 1998. - 464 с. - С. 421-422.)
При Fра
Критические значения непараметрического критерия Манна-Уитни
(по книге: Сидоренко Е. В. Методы математической обработки в психологии [Текст] / Е. В. Сидоренко. - СПб.: Речь, 2010. - 350 с.: ил. - С.316-321)
Различия между двумя выборками можно счита
Критические значения непараметрического критерия Вилкоксона
(по книге: Сидоренко Е. В. Методы математической обработки в психологии [Текст] / Е. В. Сидоренко. - СПб.: Речь, 2010. - 350 с.: ил. - С. 324)
При Т расч. £ Т
Новости и инфо для студентов