Учебное пособие для магистров

С-Петербург

Кедич С. И.

Практикум по статистическим методам в психологии: Учебное пособие /С.И. Кедич - СПб.: Петербургский государственный университет путей сообщения, 2015. - 48 с.

Пособие предназначено для освоения студентами дисциплины «Статистические методы в психологии» в процессе подготовки магистров психологии. В практикум включены задания направленные на освоение навыков необходимых студентам при компьютерной обработке результатов научных исследований. Обработка данных средствами электронных таблиц Microsoft Excel и статистического пакета SPSS Statistica 17 учитывает специфику психологических исследований, в которых имеются как числовые, так и нечисловые (номинативные) измерения. В практикуме рассмотрены конкретные примеры и расчетов и оформления полученных результатов.

Программа предназначена для студентов факультета экономики и менеджмент, обучающихся по направлению для направления 37.04.01 (030300.68) «Психология» по магистерской программе «Организационная психология».

Учебное пособие «Практикум по статистическим методам в психологии» обсуждено и рекомендовано к изданию на заседании кафедры «Прикладная психология» ПГУПС

Протокол № 9 от 23 марта 2015 г.

Задачи статистической обработки результатов исследования............................................ 4

1. Первичная обработка данных.......................................................................................... 5

1.2. Построение таблицы распределения частот для номинальной шкалы................... 6

1.3 Порядок выявления аномальных значений................................................................. 8

1.4. Проверка нормальности распределения признака..................................................... 9

2. Выбор метода статистического анализа....................................................................... 11

3. Сравнение выборок........................................................................................................ 13

3.1. Сравнение независимых выборок (1 способ)........................................................... 13

3.2. Сравнение независимых выборок (2 способ)........................................................... 17

3.3. Сравнение частоты встречаемости показателя........................................................ 21

3.4. Оформление результатов сравнения двух независимых выборок при измерениях, выполненных в метрической шкале............................................................................................................. 25

4. Изучение взаимосвязей характеристик........................................................................ 29

4.1 Корреляционная связь.................................................................................................. 29

4.2. Оформление результатов корреляционного анализа............................................... 32

4.3. Меры связи явлений, измеренных в номинативных шкалах................................. 35

Определение коэффициента многоклеточной сопряженности в MS Excel................. 35

4.4. Определение коэффициента многоклеточной сопряженности в SPSS................. 38

4.5.Представление результатов статистических расчетов в диссертации при измерениях, выполненных в номинальных шкале........................................................................................................... 42

5. Факторный анализ ......................................................................................................... 45

5.1. Определение факторов................................................................................................ 45

5.2. Оформление результатов факторного анализа......................................................... 48

Задачи статистической обработки результатов исследования

Результаты эмпирического исследования необходимо обосновывать математико-статистическими расчётами.

Правильное применение статистки позволяет:

· Доказывать правильность и обоснованность используемых методических приёмов и методов;

· Строго обосновывать экспериментальные планы;

· Обобщать данные эксперимента;

· Находить зависимости между экспериментальными планами;

· Выявлять значимые различия между группами испытуемых;

· Избегать логических и содержательных ошибок и др.

Для достижения этих целей необходимо решить некоторые частные задачи, среди которых можно выделить следующие:

1. Определить тип данных (шкалы) в которых производились измерения.

2. Проанализировать данные с целью выбраковки аномальных (сбитых или «выскакивающих») и восстановления пропущенных измерений. Эта задача связана с тем, что в экспериментальных данных могут встречаться грубые ошибки, вызванные разными причинами (просчеты экспериментатора, сбои или аномалии в работе измерительных приборов, опечатки и т. д.). Без анализа качества данных, устранения или хотя бы существенного уменьшения влияния аномальных данных на результаты последующей обработки можно сделать ложные выводы об изучаемом объекте или явлении.

3. Объединить в одну таблицу измерения, полученные, по разным методикам, в различное время или в различных условиях, для совместной обработки.

4. Проверить особенности распределения частот по каждому измеренному показателю. Это необходимо для определения возможности использования параметрических способов обработки данных.

5. Сгруппировать исходную информацию при большом объеме экспериментальных данных. При этом должны быть учтены особенности их законов распределения, которые выявлены на предыдущем этапе обработки.

6. Оценить параметры и числовые характеристики наблюдаемых случайных величин или процессов. Экспериментально проверить законы распределения экспериментальных данных.

7. Выбрать методы последующей обработки, направленной на построение и проверку адекватности математической модели исследуемому явлению.

8. Вычислить соответствующие показатели.

9. Интерпретировать полученные результаты.

Первичная обработка данных

1.1. Под измерением признака понимается приписывание объектам или событиям числовых форм в соответствии с определенными правилами. С. Стивенс выделил 4 типа шкал: это шкалы наименований (синонимы - «номинативная» и «номинальная»), рангов (она же порядковая шкала), интервалов и отношений. Первые две шкалы - наименований и рангов - относятся к неметрическим шкалам, это шкалы, у которых нет единицы измерений. Две другие шкалы - интервалов и отношений - относятся к шкалам метрическим.

Шкала наименований, она же номинативная илиноминальная шкала. Номинативная шкала - это способ распределения объектов или явлений по классификационным ячейкам (классов). Например,

· ответил на вопрос «да» или «нет» (2 класса),

· стратегия поведения в конфликте «соперничество», «сотрудничество», «избегание», «приспособление», «компромисс» (5 классов).

В простейшем случае номинативная шкала состоит из двух классов («да - нет») и называется дихотомической. В этом случае мы учитываем только одно свойство чисел - то, что это разные символы. Остальные свойства чисел не учитываются. Привычные операции с числами - упорядочивание, сложение, вычитание, деление - при измерении в номинативной шкале теряют смысл.

Шкала рангов (или порядковая шкала) классифицирует объекты по принципу «больше»-«меньше». В порядковой шкале (шкале рангов) единица измерения - 1ранг. Расстояние между рангами нам неизвестно, оно может быть одинаковым, может различаться в разы.

Шкала интервалов классифицирует объекты или явления по признакам «больше (меньше) на какое-то количество единиц», то есть основывается на предположении о равенстве разности степени выраженности какого-либо психологического свойства двух объектов разности двух чисел, приписываемых этим объектам для характеристики свойства.

Шкала отношений классифицирует объекты или субъекты пропорционально степени выраженности измеряемого свойства. Принципиальная разница между шкалами интервалов и отношений заключается в том, что в интервальной шкале нет абсолютного нуля (нулевая точка ставится условно), в шкале отношений такая точка есть.

При математической обработке данных в случае необходимости всегда можно перейти к шкале более низкого порядка - от шкалы интервалов, например, к шкале рангов или наименований. В то же время переход к шкале более высокого порядка (от шкалы наименований, к примеру, к шкале рангов) невозможен без дополнительных исследований.