Поможем в ✍️ написании учебной работы

Имя

Поможем с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой

Выберите тип работыЧасть дипломаДипломная работаКурсовая работаКонтрольная работаРешение задачРефератНаучно - исследовательская работаОтчет по практикеОтветы на билетыТест/экзамен onlineМонографияЭссеДокладКомпьютерный набор текстаКомпьютерный чертежРецензияПереводРепетиторБизнес-планКонспектыПроверка качестваЭкзамен на сайтеАспирантский рефератМагистерская работаНаучная статьяНаучный трудТехническая редакция текстаЧертеж от рукиДиаграммы, таблицыПрезентация к защитеТезисный планРечь к дипломуДоработка заказа клиентаОтзыв на дипломПубликация статьи в ВАКПубликация статьи в ScopusДипломная работа MBAПовышение оригинальностиКопирайтингДругое

Нажимая кнопку "Продолжить", я принимаю политику конфиденциальности

Параметрические методы сравнения

критерий t-Стьюдента для независимых выборок однофакторный дисперсионный анализ (ANOVA)

Ранговая шкала

Метрическая шкала

(при ненормальном

Распределении значений показателя)

Непараметрические методы сравнения

критерий U-Манна-Уитни, критерий серий критерий H-Краскала- Уоллеса

 

Для проверки различий между двумя выборками парных измерений (связанные или зависимые выборки), когда необходимо определить изменение изучаемого признака до и после планируемого в эксперименте воздействия, применяют параметрический статистический критерий t-Стьюдента для зависимых выборок. Альтернативой данного критерия является непараметрический критерий Т- Вилкоксона.

Проверка гипотезы о различии более двух зависимых выборок (повторных измерений) по уровню выраженности изучаемого признака осуществляется с помощью однофакторного дисперсионного анализа (ANOVA) с повторными измерениями (параметрический метод сравнения) или непараметрического критерия χ² – Фридмана (таблица 3).

 

Таблица 3 – Статистические методы сравнения показателей зависимых выборок

Тип используемых Измерительных шкал	Количество выборок (градаций номинативной переменной)
	две выборки	больше двух выборок
Метрическая шкала (при нормальном Распределении значений показателя)	Параметрические методы сравнения
	критерий t-Стьюдента для зависимых выборок	однофакторный дисперсионный анализ (ANOVA) с повторными измерениями
Ранговая шкала Метрическая шкала (при ненормальном Распределении значений Показателя)	Непараметрические методы сравнения
	критерий Т-Вилкоксона, критерий знаков	критерий χ2 - Фридмана

 

Для построения более сложных математических моделей эмпирического исследования могут быть использованы методы многомерного статистического анализа, позволяющие структурировать (факторный анализ) и классифицировать (кластерный анализ) эмпирическую информацию, прогнозировать значения изучаемых метрических (регрессионный анализ) и номинативных (дискриминантный анализ) «зависимых» психологических переменных по известным значениям «независимых» метрических переменных, отображать пространственные отношения между объектами (многомерное шкалирование) и т. д.

Для получения достоверных результатов и обоснования выводов крайне необходим выбор правильных статистических критериев, однако многие студенты считают эту процедуру второстепенной.

Факторный анализ — это группа методов, направленных на выявление, математическое выражение и определенную причинную интерпретацию латентных структур. Результатом факторного анализа является переход от множества исходных переменных к существенно меньшему числу новых переменных — факторов. Фактор при этом интерпретируется как причина совместной изменчивости нескольких исходных переменных. Факторный анализ разделяют на эксплораторный (поиск факторов, позволяющих описать исходную корреляционную матрицу) и конфирматорный (проверка гипотезы о числе факторов и их нагрузках).

Кластерный анализ — совокупность алгоритмов обработки данных, предназначенных для распределения (классификации) исследуемых объектов на относительно однородные группы (кластеры). Результатом кластерного анализа является дерево иерархической классификации - дендрограмма, интерпретация которой состоит в описании полученных классов объектов на основе их содержательных характеристик.

Множественный регрессионный анализ позволяет предсказать значения метрической «зависимой» переменной по множеству известных значений метрических «независимых» переменных, измеренных у множества объектов (испытуемых). Используется при проверке гипотезы о влиянии (детерминации) показателей независимых переменных на зависимую переменную.

Дискриминантный анализ позволяет классифицировать объекты по известным классам, исходя из измеренных у них признаков на основе решающих правил, выработанными предварительно на выборке идентичных объектов, у которых были измерены те же признаки.

Многомерное шкалирование позволяет выявить шкалы как критерии, по которым поляризуются объекты при их субъективном попарном сравнении и получить пространственное отображение отношений, существующих между объектами.