рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Независимые выборки

Независимые выборки - раздел Социология, ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА Это Наиболее Часто Встречающаяся Ситуация Применения Таблиц 2X2, Ког­да Одна ...

Это наиболее часто встречающаяся ситуация применения таблиц 2x2, ког­да одна группа объектов классифицируется по двум дихотомическим основа­ниям и проверяется гипотеза о связи этих двух оснований классификации.

По сравнению с другими таблицами сопряженности особенность таблиц 2x2 проявляется в трех отношениях.

1.

Эти таблицы могут быть построены разными способами, но только один

из них является правильным в отношении применимости критерия % -Пирсона.

2. Допустима проверка направленных альтернатив. Соответственно, меня­
ется способ определения /ьуровня значимости.

3. В некоторых случаях при расчете х2-Пирсона необходимо введение по­
правки на непрерывность Йетса.

Рассмотрим эти особенности на примере.

ПРИМЕР 9.5___________________________________________________________

Предположим, для изучения влияния 2-х условий запоминания материала 100 ис­пытуемых были случайным образом разделены на две группы: по 50 человек для каждого из условий. После обучения количество усвоивших этот материал в пер­вой группе составило 24 человека, а во второй — 34 человека. Можно ли утверж­дать, что различия в условиях влияют на результативность обучения?

Данные примера 9.5 могут быть представлены тремя способами, но только один из них является верным.

Правильный способ представления данных примера 9.4 в таблице:



 

 

 

  Усвоение материала Всего:
есть нет
Условие I
Условие 2
Всего:

ГЛАВА 9. АНАЛИЗ НОМИНАТИВНЫХ ДАННЫХ

Варианты неправильного представления в таблице данных примера 9.5:


 

  Усвоение материала
участвовали усвоили
Условие 1
Условие 2

 

 

  Усвоение материала
наблюдаемое ожидаемое
Условие 1
Условие 2

В последних двух случаях таблицы не содержат информации о тех, кто не усвоил материал. Поэтому уменьшаются шансы обнаружить достоверные раз­личия, даже если они есть.

Как отмечалось, специфика применения х2-Пирсона в подобных случаях проявляется и в том, что это тот случай, когда допустима проверка как ненап­равленной, так и направленной статистической гипотезы. Важность определе­ния того, какая из этих двух гипотез проверяется, обусловлена тем, что в от­ношении одних и тех же данных при проверке направленной альтернативы значение р-уровня в два раза меньше, чем при проверке ненаправленной альтерна­тивы (см. главу 7: Направленные и ненаправленные альтернативы).

Любые сомнения при выборе между направленной и ненаправленной ста­тистической гипотезой решаются в пользу ненаправленной альтернативы!

Рассмотрим различия ненаправленной и направленной альтернативы в от­ношении данных примера 9.5. Они могли быть получены в ходе сравнения двух способов (Запоминания — без предварительных предположений о том, какой способ лучше. Исследователя при этом интересуют два случая (направ­ления) отклонения Но: а) «запоминание лучше при условии 1»; б) «запомина­ние лучше при условии 2». Такая проверка предполагает ненаправленную аль­тернативу. Соответственно, при отклонении Но допустим как тот, так и другой вывод. Или эти данные могли быть получены в ходе проверки предположе­ния о том, что новый (второй) способ является более эффективным, чем тра­диционный (первый). Исследователя тогда будет интересовать только один исход: «запоминание лучше при условии 2». Эта проверка предполагает на­правленную альтернативу, а при отклонении Но допустим только один вывод — о превосходстве условий 2.

ПРИМЕР, КОГДА ОПРАВДАНА ПРОВЕРКА НАПРАВЛЕННОЙ ГИПОТЕЗЫ_______________

Проверялась гипотеза о влиянии природы родства на преступность близнеца. Дан­ные относятся к 30 преступникам мужского пола, каждый из которых имел брата близнеца. Тридцать человек были классифицированы: а) по природе родства (одно­яйцовые или разнояйцовые близнецы); б) по виновности или невиновности брата:

 

 

 

  Виновность брата: Всего:
виновен не виновен
Однояйцовый близнец
Разнояйцовый близнец
Всего:

(Справочник по прикладной статистике/Под ред. Э.Ллойда, У. Ледермана. М., 1989. Т. 1.С. 376).


ЧАСТЬ II. МЕТОДЫ СТАТИСТИЧЕСКОГО ВЫВОДА: ПРОВЕРКА ГИПОТЕЗ

Как указывают различные авторы, односторонний критерий ^-Пирсона, который применяется для ненаправленных гипотез, в данном случае «пре­вращается» в двусторонний1. Таким образом, для проверки направленных ги­потез р-уровень для таблиц 2x2, определенный по таблице для ненаправлен­ной гипотезы (как двусторонний), делится на 2.

Другая особенность применения х2-Пирсона заключается во введении по­правки на непрерывность Йетса. В соответствии с ней формула 9.1 для таблиц 2x2 приобретает вид:



(9.4)


ПРИМЕР 9.5 (продолжение)

Предположим, данные примера 9.5 относятся к ситуации проверки содержатель­ного предположения о большей эффективности нового метода обучения (условие 2) по сравнению с традиционным методом (условие 1).

Ш а г 1. Формулируется направленная статистическая гипотеза. Направленная Но: При условии 2 вероятность усвоения материала не выше, чем при условии 1. В связи с тем, что объемы сравниваемых выборок не очень велики, можно принять а = 0,05.

Ш а г 2. Вычисляется эмпирическое значение х,2-Пирсона с поправкой Йетса. Теоретические частоты подсчитываем по формуле 9.3:

frfj

 

 

 

Л Л  
Л
0,698
0,964
0,698
2! 0,964
Сумма: 3,325

Эмпирическое значение х2-Пирсона с поправкой на непрерывность х2 = 3,325.

Ш а г 3. Определение/куровня для направленной статистической гипотезы. Определяем по таблице критических значений критерия х2-Пирсона /ьуровень значимости. Наше эмпирическое значение располагается между критическими для р = 0,1 и р = 0,05. Следовательно, для ненаправленных гипотез в нашем случае р < 0,1. Но с учетом того, что мы проверяем направленную гипотезу, окончатель­ное значение р-уровня: р < 0,05.

1 Доказательство этого см., например: Кендалл М., Стьюарт А. Статистические выводы и связи. М., 1973. С. 744-745; Справочник по прикладной статистике. В 2 т. Т. 1 / Под ред. Э. Ллойда, У. Ледермана, Ю. Тюрина. М, 1989. С. 370-377.


ГЛАВА 9. АНАЛИЗ НОМИНАТИВНЫХ ДАННЫХ

Ш а г 4. Принятие статистического решения и формулировка содержательного вы­вода. Статистическое решение: Но отклоняется. Содержательный вывод: эффектив­ность усвоения материала в условиях обучения № 2 статистически значимо выше, чем в условиях № 1 (у} = 3,325, df= I, p < 0,05).

Отметим, что при проверке ненаправленной гипотезы для тех же данных статистическое решение и, следовательно, содержательный вывод были бы другими.

у}-Пирсона с поправкой на непрерывность применим для анализа таблиц со­пряженности 2x2, когда N> 40, а если ни одна из теоретических частот не мень­ше 5, то при N> 20}

Если таблица сопряженности 2x2 не удовлетворяет этим требованиям (Х2-Пирсона с поправкой на непрерывность не применим), то можно восполь­зоваться расчетом точного значения р-уровня по Фишеру (Fisher's exact test точный критерий Фишера) — односторонним (1 -sided), для направленных ги­потез, или двусторонним (2-sided), для ненаправленных альтернатив. Его рас­чет «вручную» является трудоемким, поэтому необходимо воспользоваться компьютерной программой (SPSS, Statistica — см. конец этой главы).

– Конец работы –

Эта тема принадлежит разделу:

ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА

ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА ГИПОТЕЗЫ НАУЧНЫЕ И СТАТИСТИЧЕСКИЕ ПРИМЕР Исходя из... ПРИМЕР... Первым примером применения такой логики для проверки статистической ги потезы по видимому является работа врача...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Независимые выборки

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

ГИПОТЕЗЫ НАУЧНЫЕ И СТАТИСТИЧЕСКИЕ
Обычно исследование проводится для проверки гипотезы, которая явля­ется следствием теоретических представлений.1 Эта гипотеза содержит утвер­ждение о связи абстрактных категорий, относящ

ИДЕЯ ПРОВЕРКИ СТАТИСТИЧЕСКОЙ ГИПОТЕЗЫ
Рассмотрим идею проверки статистической гипотезы на примере. Пред­положим, психолог решил проверить пригодность разработанных ранее норм для имеющегося в его распоряжении теста интеллекта. Прежний

УРОВЕНЬ СТАТИСТИЧЕСКОЙ ЗНАЧИМОСТИ
Статистическая значимость(Significant level, сокращенно Sig.), или р-уро-вень значимости(р-level), — основной результат проверки статис

СТАТИСТИЧЕСКОЕ РЕШЕНИЕ И ВЕРОЯТНОСТЬ ОШИБКИ
До сих пор под проверкой статистической гипотезы мы подразумевали про­цедуру определения надежности связи (р-уровня, как показателя статистичес­кой значимости). Однако в конечном итоге проверка ста

ВЫБОР МЕТОДА СТАТИСТИЧЕСКОГО ВЫВОДА
Приступая к операционализации содержательной гипотезы — к определе­нию того, как будут измерены изучаемые явления, исследователь уже должен представлять себе, какому методу статистического выв

Анализ таблиц сопряженности
Условие применения: для. каждого объекта (испытуемого) выборки опреде­лена его принадлежность к одной из категорий (градаций) Хи к одной из ка­тегорий (градаций) Y (получена пе

Общий случай: число градаций больше двух
ПРИМЕР Исследовались различия между мужчинами и женщинами в предпочтениях пяти политических лидеров.

Таблицы сопряженности 2x2 с независимыми выборками
ПРИМЕР Методом «потерянных писем» исследовалась склонность людей передавать хоро­шие и плохие новости. Из

Таблицы сопряженности 2x2 с повторными измерениями
ПРИМЕР Необходимо сравнить два вопроса, заданных одной и той же группе испытуемых, по соотношению ответов

Сравнение двух независимых выборок
Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух независимых выборок. ПРИМЕР____________________________________

Сравнение 2-х зависимых выборок
Условия применения: (а) признак измерен у объектов (испытуемых), каж­дый из которых принадлежит к одной из двух зависимых выборок: либо при- ГЛАВА 8. ВЫБОР МЕТОДА СТАТИСТИЧЕ

Сравнение более двух независимых выборок
Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из к независимых выборок (к > 2). ЧАСТЬ II. МЕТОДЫ СТАТИС

АНАЛИЗ НОМИНАТИВНЫХ ДАННЫХ
Методы, о которых пойдет речь в этой главе, касаются проверки, по-види­мому, самого широкого класса гипотез — в отношении тех явлений, измере­ния которых доступны в номинативной шкале.

Две градации
Эта задача сводится к сравнению численности двух долей объектов (лю­дей, событий и т. д.) в совокупности: обладающих и не обладающих некото­рым свойством. ПРИМЕР________________________

Обработка на компьютере: биномиальный критерий
Исходные данные: значения бинарной номинативной переменной (0, 1) оп­ределены для каждого члена выборки и представлены одним столбцом. Выбираем: Analyze (Метод) > Nonparam

Binomial Test
      Category N Observed Prop. Test Prop. Exact Sig. (1-tailed)

Test Statistics
    Y Chi-Square{a) df Asymp. Sig. 13.333 4 .010 a 0 cells (.0%) have expected frequenc

Число градаций больше двух
По сравнению с анализом классификации, специфика применения крите­рия х2-Пирсона (формула 9.1) к таблицам сопряженности заключается в том, что теоретические частоты рассчитываются отдель

Повторные измерения
Структура исходных данных соответствует ситуации, когда одна выборка объектов классифицирована на две группы дважды по одному и тому же осно­ванию. Рассмотрим проверку гипотезы в отношении таких да

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ
Корреляционный анализ — это проверка гипотез о связях между переменны­ми с использованием коэффициентов корреляции. Наиболее распространен­ные коэффициенты корреляции подробно рассмотрены в

ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ СРАВНЕНИЯ ДВУХ ВЫБОРОК
Сравнение двух выборок по признаку, измеренному в метрической шкале, обычно предполагает сравнение средних значений с использованием параметри­ческого критерия t-Стьюдента. Следует различать

КРИТЕРИЙ Г-СТЬЮДЕНТА ДЛЯ ЗАВИСИМЫХ ВЫБОРОК
Метод позволяет проверить гипотезу о том, что средние значения двух ie-неральных совокупностей, из которых извлечены сравниваемые зависимые вы­борки, отличаются друг от друга. Допущение зави

Критерий r-Стьюдента для одной выборки.
A) Выбираем Analyze > Compare meansj> One Sample T-Test... Б) Воткрывшемся окне диалога выделяем и переносим интересующие пе­ременные из левого окна

Group Statistics
     

Paired Samples Statistics
    Mean N Std. Deviation Std. Error Mean Pair 1 VAR2 VAR3 11.9000 9.6000

Paired Samples Test
          Paired Differences      

ОБЩИЕ ЗАМЕЧАНИЯ
К методам сравнения выборок, в соответствии с принятой классификаци­ей1, мы относим способы проверки статистических гипотез о различии выбо­рок по уровню выраженности признака, измеренно

СРАВНЕНИЕ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК
Самым популярным и наиболее чувствительным (мощным) аналогом кри­терия f-Стьюдента для независимых выборок является критерий U-Манна-Уитни (Mann-Whitney U). Непараметрическим его аналогом яв

Обработка на компьютере: критерий (7-Манна-Уитни
Для обработки использованы данные примера 12.1. В таблице исходных данных (Data Editor)для каждого из 16 объектов определены значения двух переменных: varl — значения количественно

СРАВНЕНИЕ ДВУХ ЗАВИСИМЫХ ВЫБОРОК
Самым чувствительным (мощным) аналогом критерия f-Стьюдента для зависимых выборок является критерий Т-Вилкоксона (Wilcoxon signed-rank test). Непараметрическим его аналогом является крите

Обработка на компьютере: критерий Г-Вилкоксона
Для обработки использованы данные примера 12.2. Исходные данные для обработки введены в таблицу (Data Editor)в виде двух переменных: varl — «Условие 1»; var2 — «Условие 2».

СРАВНЕНИЕ БОЛЕЕ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК
Критерий IIКраскала-Уоллеса (Kruskal- Wallis H) является непараметричес­ким аналогом однофакторного дисперсионного анализа (ANOVA) для неза­висимых выборок, поэтому другое его название —

Обработка на компьютере: критерий Я-Краскала-Уоллеса
Для обработки использованы данные примера 12.3. В таблице исходных данных (Data Editor)для каждого из 16 объектов определены значения двух переменных: varl — значения количественно

СРАВНЕНИЕ БОЛЕЕ ДВУХ ЗАВИСИМЫХ ВЫБОРОК
Критерий %2-Фридмана (Friedman test) является непараметрическим анало­гом однофакторного дисперсионного анализа (ANOVA) для повторных изме­рений. Он позволяет проверять гипотезы о

Обработка на компьютере: критерий х2-Фридмана
Для обработки использованы данные примера 12.4. Исходные данные для обработки введены в таблицу (Data Editor)в виде четырех переменных, соот­ветствующих четырем сравниваемым услови

ОДНОФАКТОРНЫЙ ANOVA
Однофакторный (One-Way) ANOVA позволяет проверить гипотезу о том, что изучаемый фактор оказывает влияние на зависимую переменную (сред­ние значения, соответствующие разным градациям фактора, различ

Условие 122
Так зависит ли запоминание материала от условий его предъявления?   Условие 1 Условие 2 Условие 3 №

Обработка на компьютере
Рассмотрим применение однофакторного ANOVA к данным примера 13.1 Исходные данные для анализа введены в таблицу (Data Editor)в следую­щем виде:

Descriptives VOSPR
Первая колонка — номера градаций фактора, вторая колонка (N) — чис­ленность выборок, Mean — средние значе

МНОЖЕСТВЕННЫЕ СРАВНЕНИЯ В ANOVA
В состав процедур ANOVA включаются множественные сравнения сред­них значений для разных уровней фактора: парные сравнения средних после отклонения H0(Post Hoc Tests); метод контрастов (C

Обработка на компьютере
Рассмотрим применение методов множественного сравнения с использо­ванием данных примера 13.1. Применим метод Шеффе для парного сравне­ния средних и метод контрастов для сравнения третьего уровня фа

Scheffe
  Fl N Subset for alpha = .05     1.00

N[(Mm-M)2 +(MB2-M)2+(MB3-M)2].
 

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги