Xreferat.com » Рефераты по психологии » Нормы и интерпретация результатов теста

Нормы и интерпретация результатов теста

что этот ряд не имеет свойств нормального рас­пределения, ему остается перейти на методы непараметрической статистики. С их помощью могут быть получены и центральная тенденция изучаемого ряда — медиана — и величина, позволяющая судить о диапазоне варьирования и о строении изучаемого ряда — квартильное отклонение.

Вот пример. После диагностических испытаний уровня умствен­ного развития учеников 6-го класса полученные данные были упо­рядочены, т.е. расположены в последовательности от меньшей ве­личины к большей. Испытания проходили 18 учащихся (табл. 2).

Таблица 2

Учащиеся Баллы

Ранги (R)

Учащиеся Баллы

Ранги (R)

А 25 1 К 68 10
Б 28 2 Л 69 11,5
В 39 4 М 69 11,5
Г 39 4 Н 70 14,5
Д 39 4 О 70 14,5
Е 45 6 П 70 14,5
Ж 50 7 Р 70 14,5
3 52 8,5 С 74 17,5
И 52 8,5 Т 74 17,5

Примечание. Буквами обозначены учащиеся, числами — полученные ими баллы по тесту.

Процедура ранжирования состоит в следующем. Все числа ряда в их последовательности получают по своим. порядковым местам присваи­ваемые им ранги. Если какие-нибудь числа повторяются, то всем по­вторяющимся числам присваивается один и тот же ранг — средний из общей суммы занятых ими ранговых мест. Так, числу 28 в изучаемом ряду присвоен ранг 2. Затем следуют трижды повторяющиеся числа 39. На них приходятся занятые ими ранговые места 3, 4, 5. Поэтому этим числам присваивается один и тот же средний ранг, в дан­ном случае — 4. Поскольку места до 5-го включительно заняты, то следующее число получает ранг 6 и т.д.

При обработке ряда, не имеющего признаков нормального рас­пределения — непараметрического ряда, — для величины, которая выражала бы его центральную тенденцию, более всего пригодна ме­диана, т.е. величина, расположенная в середине ряда. Ее определя­ют по срединному рангу по формуле Me = (п + 1)/2, где Me — оз­начает медиану, п — как в ранее приводившихся формулах — число членов ряда. При нечетном числе членов ряда ранговая медиана — целое число, при нечетном число — с 0,5. Заметим, что числовое значение медианы может и не быть в составе самого обрабатывае­мого ряда.

Возьмем к примеру ряд в семь членов: 3—5—6—7—9—10—11.

Проранжировав его, имеем: 1—2—3—4—5—6—7.

Ранговая медиана в таком ряду равна: Me = (7 + 1)/2 = 4, этот ранг приходится на величину 7.

Возьмем ряд в восемь членов: 3—5—6—7—9—10—11—12.

Проранжировав его, имеем: 1—2—3—4—5—6—7—8.

Ранговая медиана в этом ряду равна: Me = (8 + 1)/2 = 4,5.

Этому рангу соответствует середина между двумя величинами, имеющими ранг 4 и ранг 5, т.е. между 7 и 9. Медиана этого ряда равна: Me = (7 + 9)/2 = 8.

Следует обратить внимание на то, что величины 8 в составе ряда нет, но таково значение медианы этого ряда.

Вернемся к изучаемому ряду. Он состоит из 18 членов. Его ран­говая медиана равна: Me = (18 + 1)/2 = 9,5.

Она расположится между 9-й и 10-й величиной ряда. 9-я величи­на — 52, 10-я — 68. Медиана занимает срединное место между ними, следовательно, Me = (52 + 68)/2 = 60.

По обе стороны от этой величины находится по 50% величин ряда.

Характеристику распределения численностей в непараметриче­ском ряду можно получить из отношения его квартилей. Квартилью называется величина, отграничивающая 1/4 всех величин ряда. Квартиль первая — ее обозначение Q1 — вычисляется по формуле:

Это полусумма первого и последнего рангов первой — левой от медианы половины ряда;

квартиль третья, обозначаемая Q3 вычисляется по формуле:

т.е. как полусумма первого и последнего рангов второй, правой от ме­дианы, половины ряда. Берутся порядковые значения рангов по их по­следовательности в ряду. В обрабатываемом ряду Q1 = (1+9)/2 = 5, Q3 = (10 + 18)/2 = 14.

Рангу 5 в этом ряду соответствует величина 39, а рангу 14 — 70. Следовательно, в данном ряду Q1 = 39, а Q3 = 70.

Для характеристики распределения в непараметрическом ряду вычисляется среднее квартильное отклонение, обозначаемое Q. Формула для Q такова: Q = (Q3 - Q1)/2. Для обрабатываемого ряда Q = (70 - 39)/2 = 15,5. Были рассмотрены статистическая обработка параметрического ряда (x и ), статистическая обработка непараметрического ряда (Mе и Q). Параметрический ряд относится к шкале интервалов, не­параметрический — к шкале порядка. Но встречаются также ряды, относящиеся к шкале наименований. Наиболее краткая характери­стика такого ряда может быть получена с помощью моды, величи­ны, которая выражает наивысшее числовое значение величин дан­ного ряда, при п — числе членов ряда. Следует заметить, что моду можно лишь условно считать выражением центральной тенденции в ряду, относящемуся к шкале наименований. Она выражает наибо­лее типичную величину ряда.

Рассмотрим подробнее пример, приведенный выше (С. 242). Там речь шла об участниках некой конференции; в их числе были 3 англичанина, 2 датчанина, 5 немцев, 3 русских и 1 француз. Мода в данном ряду приходится на участников конференции — немцев. Число членов ряда равно — 13, а мода — Mo = 5.

Итак, мы рассмотрели статистические методы, применяющиеся для задач первого типа.

Второй тип задач. Психологу в его повседневной практической и исследовательской работе приходится искать ответы на различные вопросы. Предположим, что проведены диагностические испытания умственного развития у школьников шестых классов городской и сельской школ: можно ли в дальнейшем рассматривать обе школь­ные выборки как принадлежащие одной совокупности? По поводу неодинаковых условий обучения в городской и сельской школах вы­сказано немало противоречивых суждений. Психолог в данном слу­чае намерен опираться на экспериментальные факты. Чтобы прийти к какому-то решению, целесообразно проанализировать полученный экспериментальный материал. Это достаточно часто встречающаяся задача, встречаются и такие, где приходится решать тот же вопрос относительно нескольких, а не двух выборок. Это и есть задачи второго типа.

Перед психологом два ряда численностей. Прежде всего нужно установить, на какие статистические методы опираться — на пара­метрические или непараметрические? Применять параметрические методы следует в том случае, если оба ряда имеют распределение, не отличающееся от нормального. Если же один из рядов не соот­ветствует этому требованию, то применение параметрических мето­дов противопоказано.

Положим, оба ряда показывают распределение, допускающее применение параметрических методов. Сравнение величин цен­тральных тенденций — в данном случае их представляют средние арифметические — не даст ответа на вопрос о том, относятся ли выборки к одной совокупности. Почти безошибочно можно утвер­ждать, что средние арифметические не будут тождественными, но этого явно недостаточно для ответа на поставленный вопрос, ответ не был бы получен, даже если бы средние арифметические оказа­лись равными. Для данного случая более всего подходит сравнение выборок по критерию t Стьюдента.

Перед тем как ознакомиться с техникой вычислений и интерпре­таций результатов, получаемых при работе с критерием t Стьюден­та, необходимо остановиться на некоторых статистических терми­нах; они постоянно встречаются в прикладной статистике.

В том разделе статистики, где заходит речь о проверке гипотез, постоянно приходится иметь дело с нуль-гипотезой, или нулевой гипотезой. При сравнении двух выборок нуль-гипотеза формулиру­ется следующим образом: между изучаемыми выборками нет разли­чия или, иначе, различие между ними несущественно. Все даль­нейшие расчеты направлены на то, чтобы прийти к заключению верна ли нуль-гипотеза или от нее нужно отказаться, и в действи­тельности существенная разница между выборками имеется. В дру­гих случаях в зависимости от содержания материала меняются формулировки, но вычисления показывают, какова вероятность нуль-гипотезы. Для обозначения нуль-гипотезы используется символ h0.

Допустим, что разница между выборками имеется. Исследователь встает перед вопросом, насколько существенна эта разница, как часто будет обнаруживаться она в последующем, когда придется работать с подобными же выборками. Самые общие соображения при этом таковы: если разница получена на небольшом материале (числе случаев, охваченных той или другой выборкой), то при по­вторном изучении таких же выборок разницу, возможно, найти и не удастся. Другое дело, если изучаемые выборки не малы. Далее важно, оказалась ли обнаруженная разница значительной. Это рас­суждение и следует иметь в виду, когда в статистике речь идет об уровне значимости полученного коэффициента, параметра и пр. Уровни значимости представлены в специальных таблицах, которые обычно даются в учебниках статистики, есть такие таблицы и в конце этой главы. Какой уровень значимости можно признать удов­летворительным? В психологии и педагогике минимально допусти­мым для отказа от Н0 уровнем значимости признается 0,95. Это значит, что расчеты, основанные на математической теории вероят­ности, дают основание утверждать, что при проведении таких же исследований, по крайней мере в 95% случаев, будет получен та­кой же результат, возможно, лишь с несущественными отклонения­ми. В некоторых работах удается получить и более высокие уровни значимости — 0,990 и даже 0,999 (эти же уровни значимости мож­но записать: 0,05; 0,01; 0,001. Записывая уровень 0,95, имеют в ви­ду, что полученные параметры повторяются в 95% случаев, а запи­сывая 0,05, что в 5% случаев они не повторятся; смысл в том и другом случае один и тот же).

А если не получен уровень значимости 0,95? Тогда нужно при­знать, что нуль-гипотезу не следует отвергать. Впрочем, иногда, по задачам исследования признается достаточным и более низкий уро­вень. В некоторых исследованиях цель состоит в том, чтобы прийти к утверждению нуль-гипотезы.

Обращаясь к таблицам уровней значимости, исследователь обна­руживает во многих из них специальный столбец с указанием сте­пеней свободы, относящихся к полученному параметру или коэф­фициенту. Уровень значимости прямо зависит от того, каким чис­лом степеней свободы обладает данный коэффициент или параметр. Число независимых величин, участвующих в образовании того или другого параметра, называется числом степеней свободы этого па­раметра. Оно равно общему числу величин, по которым вычисляет­ся параметр, минус число условий, связывающих эти величины (Урбах В.Ю. Указ. соч. С. 161). Число степеней свободы и способы его определения всегда даются в окончательных формулах, которы­ми пользуется исследователь при статистической обработке своих материалов.

Рассмотрим пример с двумя выборками, которые, по мнению ис­следователя, можно рассматривать как подлежащие обработке па­раметрическим методом.

Двум группам шестиклассников по 6 человек было дано задание бросать мяч в корзину. Группы обучались по разным программам. Можно ли считать, что разница в программах сказалась на конеч­ной результативности школьников? Для сравнения было взято чис­ло попаданий в корзину. Всего было дано по 10 проб.

Формула вычисления t:

где


Материал, подлежащий обработке:

первая выборка, п = 6

Исп. х

x - x

(x - x)2

А 2 -1 1
Б 4 1 1
В 6 3 9
Г 4 1 1
Д 1 -2 4
Е 1 -2 4


вторая выборка, п = 6

Исп. х

x - x

(x - x)2

Ж 5 — —
3 4 -1 1
И 2 -3 9
К 8 3 9
Л 6 1 1
М 5 — —


Ход вычислений показывает:


fd (число степеней свободы) =n1-n2 -2=6+6-2= 10. По таблице уровней значимости t Стьюдента находим t0,95 = 2,223. Существенность различия не доказана, хотя полученное значение t = 1,9 очень близко к требуемому уровню. Принимается Но. Нель­зя утверждать, что выборки существенно различаются.

Для вычисления t существует несколько формул, различающихся только техникой расчетов.

Сравниваемые выборки могут быть неодинаковыми по объему. Применять параметрические методы можно лишь к материалу, об­ладающему определенными свойствами, о которых говорилось ра­нее. В других случаях следует обращаться к непараметрическим методам.

Ниже будет рассмотрена техника применения критерия Манна— Уитни, непараметрического метода, часто используемого в психоло­гических исследованиях.

Предположим, что психологу нужно решить такую задачу. Есть ли различия между выборками школьников одного и того же клас­са, если одна выборка включает школьников, которые после кон­трольной работы проходили дополнительное обучение по коррекционным программам, другая — школьников, такого обучения не про­ходивших? Обе выборки малы, поэтому для проверки гипотез о су­ществовании различий между выборками следует взять мощный критерий. Мощность критерия — это вероятность принятия при его применении правильного решения для отклонения ho; чем выше эта вероятность, тем больше мощность критерия. Мощность любого критерия увеличивается вместе с увеличением объема сравниваемых выборок, а также со снижением того уровня зна­чимости, на который ориентируется исследователь. Другими словами, если выборки велики, то принятие правильного реше­ния относительно ho увеличивается. Ориентация на высокий уровень значимости, например 0,990 или 0,999, предполагает применение достаточно мощного критерия. В рассматриваемом примере выборки малы, а при установлении существенной раз­ницы между ними, т.е. при отказе от ho желательно, чтобы уро­вень значимости был как можно выше, но не ниже 0,95.

Формула вычисления критерия Манна—Уитни такова:

или:

В примере сравнению подлежат результаты контрольной работы выборки A из 4 школьников, проходивших обучение по коррекционным программам, и выборки Б, состоящей из 7 школьников, никако­го коррекционного обучения не проходивших. Последовательность действий, предусматриваемых вычислением всех нужных для реше­ния задачи величин, такова.

1. Выписать в любом порядке число успешно решенных заданий школьниками сначала выборки А, затем выборки Б.

2. Проранжировать число успешно решенных заданий, объединив обе выборки.

3. Найти сумму рангов выборок А и Б раздельно.

Эти три действия дадут все необходимые для вычисления крите­рия данные.

Для проверки расчетов вычисляется:

RA + RB = N/2(1 + N); т.е. 37 + 29 = 11/2(1 + 11), т.е. 66 = 66.

Имея величины U1 и U2, следует обратиться к таблице уровня значимости. На совмещение строки четвертой со столбцом седьмым находим 3/25. По условиям таблицы, U1 должно быть меньше верх­ней, a U2 — больше нижней величины. Полученные величины по­казывают, что ho отвергается. Можно утверждать, что между вы­борками имеется существенное различие: результаты свидетельст­вуют о преимуществе выборки A.

Попарное сравнение. В предыдущем материале исследователь имел дело с двумя выборками. В обработку они поступают как два ряда чисел; каждый ряд есть результат экспериментов, проведенных с данной выборкой. Однако часто приходится встречаться с мате­риалом, в котором даны два числовых ряда, но оба они получены на одной выборке; сюда относятся исследования, когда эксперименты проводятся до и после какого-то специального воздействия. Цель такого исследования состоит в том, чтобы установить, есть ли дос­таточно существенные изменения и можно ли утверждать, что спе­циальное воздействие имело существенное значение.

Например, психологу было предложено ответить на такой вопрос:

влияют ли занятия физкультурой на общее самочувствие занимаю­щихся школьников? Исследование он построил так: школьников просили отмечать на линейной шкале свое самочувствие до занятий физкультурой и после них.

Статистической обработке подлежат попарные сравнения показа­ния одного и того же испытуемого до и после воздействия:

до воздействия после него разность рядов «до» и «после»

х

х2

3,2 3,8 +0,6 0,36
1,6 1,0 -0,6 0,36
5,7 8,4 +2,7 7,29
2,8 3,6 +0,8 0,64
5,5 5,0 -0,5 0,25
1,2 3,5 +2,3 5,29
6,1 7,3 +1,2 1,44
2,9 4,8 +1,9 3,61


x = 8,4;

x2 = 19,24



(x)2 = 70,56



Нуль-гипотеза формулируется так: сравнение рядов до и после воздействия не дает оснований утверждать, что по измеряемому признаку произошли существенные изменения.

Выборка, подвергнутая изучению, состояла из 8 человек. Начнем с параметрического метода. Будет применен критерий t Стьюдента, его формула для попарного сравнения такова:

Нужно вычислить все величины, входящие в эту формулу. Для получения S используется формула:

Извлекая корень из полученной величины, узнаем значение S. Остается произвести по формуле все вычисления.

Ниже приводятся ряды, полученные в эксперименте (числа заимст­вованы из кн.: Бейли Н. Статистические методы в биологии. М., 1964).

При вычислении t при попарном сравнении число степеней сво­боды равно п -1. По таблице уровней значимости для t находим, что для 7 степеней свободы t0,95 должно быть не менее 2,36. По­скольку получена большая величина, следует признать, что налицо статистически значимое влияние занятий физкультурой на самочув­ствие школьников.

Из непараметрических методов для попарного сравнения удобен для пользования критерий Уилкоксона, правда, на небольших вы­борках этот критерий оказывается недостаточно мощным; его лучше применять на выборках объемом от 12 и более элементов.

Небольшие по объему выборки, однако, удобны для наглядного последовательного изложения техники расчетов.

Для использования этого критерия (его называют также знаково-ранговым) следует проранжировать, сначала не обращая внимания на знаки, весь перечень разностей между рядами «до» и «после». Если разность у отдельных испытуемых и в отдельных случаях ну­левая, то она из ранжирования исключается и не входит в сумму рангов. В этом примере таких разностей (равных нулю) не встреча­ется.

Далее нужно суммировать раздельно ранги разностей с положи­тельным знаком и ранги разностей с отрицательным знаком. Значе­ние критерия Т равно меньшей по абсолютной величине сумме рангов.

В этом примере Т = 3,5.

Ряд разнос­тей +0,6 -0,6 +2,7 +0,8 -0,5 +2,3 +1,2 +1,9
Ранги 2,5

(2.5)

8 4 (1) 7 5 6

Скобками указаны ранги разностей с отрицательными значениями. Но прежде чем отыскивать уровень значимости Т, нужно обра­тить внимание на то, что в данном случае критерий Уилкоксона — это двусторонний критерий. Как это понимать? Различают односто­ронние и двусторонние критерии. Отвергая нуль-гипотезу, выдвигают альтернативную ей гипотезу. При этом возникает вопрос: в ка­кую сторону направлено отличие альтернативной гипотезы от Ho — в положительную или отрицательную. Если исследование предпола­гает равно возможными и ту, и другую направленности, следует принять двусторонний критерий. Возможна вместе с тем такая по­становка исследования, когда учитывается лишь одна направлен­ность результатов. Так, сравнивая две выборки учащихся по освое­нии ими научных химических понятий, исследователь ставит огра­ниченную задачу — рассмотреть только возможность преобладания в этом освоении одной выборки над другой. В этом исследовании применим односторонний критерий.

При описании статистических методов всегда указывается, какого рода критерий подлежит применению — односторонний или двусто­ронний. В таблицах уровней значимости обычно значения для односто­роннего и для двустороннего критериев даются либо в особых столб­цах, либо в таблице указывается, какому значению одностороннего критерия соответствует значение двустороннего, и наоборот.

Возвращаясь к рассматриваемому примеру, следует признать, что для него при обработке с помощью критерия Уилкоксона применим двусторонний критерий: различия между показателями «до» и «пос­ле» в одних строках положительные, в других отрицательные, учи­тываются те и другие.

В таблице уровней значимости для критерия Т, имея в виду, что критерий двусторонний, находим, что для 0,95 уровня значение Т должно быть не более 3. Поскольку получено значение Т = 3,5, ho не следует отклонять.

Следовательно, критерий t Стьюдента свидетельствует о том, что Ho подлежит отклонению, а T-критерий Уилкоксона свидетель­ствует о том, что нуль-гипотезу отвергать не следует. Такого ро­да расхождения, особенно при работе с небольшими выборками, вполне возможны. То, что критерий Уилкоксона Т всего на 0,5 превысил установленный уровень значимости, говорит о том, что при увеличении объема выборки в 1,5 или в 2 раза критерий Т также окажется значимым. В параграфе, где пойдет речь о пла­нировании эксперимента, еще предстоит рассмотреть вопрос об объеме выборок.

Сравнение нескольких выборок по Уилкоксону. Иногда ис­следователю приходится сравнивать не две, а несколько выборок:

три, четыре и более. В таких случаях следует обратиться к просто­му и достаточно мощному непараметрическому критерию, пред­ставляющему собой модификацию критерия Уилкоксона. Метод позволяет сравнивать выборку с любой другой — вторую с третьей, первую с четвертой и т.д. Нужно, чтобы выборки были равными по численности.

Допустим, что учащимся 8-х классов четырех различных школ был предложен тест умственного развития. В школах использова­лись различные методы обучения и воспитания. Умственное разви­тие, как можно полагать, формировалось в каждой выборке в осо­бых условиях. Эти условия и могли определить различия между выборками. Взято по 10 учеников из каждой школы. Их результаты и даны в таблице (табл. 3).


Таблица 3

№ Школа I Школа II Школа III Школа IV
Резуль­тат

Ранг (R1)

Резуль­тат

Ранг (R2)

Резуль­тат

Ранг (R3)

Резуль­тат

Ранг (R4)

1 96 36,5 96 36,5 32 9,5 40 15
2 82 30 100 39 27 3,5 38 14
3 80 28,5 93 34 68 23 42 18,5
4 78 25,5 87 33 78 25,5 32 9,5
5 34 11 100 39 54 21 31 8
6 42 18,5 28 5,5 56 22 28 5,5
7 42 18,5 80 28,5 83 31,5 42 18,5
8 69 24 94 35 22 1 30 7
9 79 27 25 2 41 16 36 13
10 100 39 83 31,5 27 3,5 35 12

R 258
284,5
156,5
121

Объединим результаты четырех школ в один ряд и проранжируем его. Для этого расположим ряд в порядке его возрастания и перене­сем полученные ранги в таблицу (табл. 4).

Таблица 4

Резуль­тат Ранг Резуль­тат Ранг Резуль­тат Ранг Резуль­тат Ранг
22 1 34 11 54 21 83 31,5
25 2 35 12 56 22 83 31,5
27 3,5 36 13 68 23 87 33
27 3,5 38 14 69 24 93 34
28 5,5 40 15 78 25,5 94 35
28 5,5 41 16 78 25,5 96 36,5
30 7 42 18,5 79 27 96 36,5
31 8 42 18,5 80 28,5 100 39
32 9,5 42 18,5 80 28,5 100 39
32 9,5 42 18,5 82 30 100 39

Подсчитаем сумму рангов по каждой школе.

R = 258 + 284,5 + 156,5 + 121 = 820.

Проверочная формула: R = N/2(N+1) = 820, где N — общее число элементов, включающее все выборки. В этом примере оно равно 40.



Школа I

R = 258

Школа II

R = 284,5

Школа III

R = 156,5

Школа IV

R = 121

Шк. I

R = 258


26,5 101,5 137

Шк. II

R = 284,5

26,5
156,5 163,5

Шк. III

R = 156,5

101,5 156,5
35,5

Шк. IV

R = 121

137 163,5 35,5

Далее суммы рангов по выборкам размещаются в матрице.

На пересечении строк и столбцов указываются разности, показы­вающие, насколько отличается сумма рангов каждой выборки от других выборок.

По таблице значимости устанавливается, что при n = 10 (учиты­вается объем отдельной выборки) и при четырех условиях достига­ют уровня значимости 0,95 — величина 134 и более, а уровня зна­чимости 0,99 — величина 163 и более. Следовательно, существен­ное статистически значимое различие имеется между 1-й и 4-й вы­борками и между 2-й и 4-й выборками; в последнем случае на уров­не значимости 0,99.

Корреляции. В примере, рассмотренном выше (С. 260), сравни­вались два ряда чисел, представляющие два ряда показателей одной и той же выборки; по смыслу задачи нужно было установить, суще­ственная ли разница между этими рядами. Это были ряды, взятые из ситуации «до» и «после». Есть, однако, и многочисленные ситуа­ции, когда исследователь заинтересован не в том, чтобы найти сте­пень существенности разницы между вариационными рядами, а в том, чтобы найти, насколько тесно эти ряды связаны между собой, какова направленность этой связи. Так, группе школьников были предложены два теста, задания которых были построены на мате­риале школьных дисциплин гуманитарного цикла — литературы и истории. Но в первом тесте для выполнения заданий требовалась актуализация умственного действия аналогии, а во втором — умст­венного действия классификации. Данные тестирования представ­лены в двух числовых рядах. Исследователю нужно ответить на во­прос, насколько тесно связаны эти два ряда. При строгой постанов­ке эксперимента это исследование должно было пролить свет на то, какую роль играют умственные действия, указанные выше, на ус­воение знаний в гуманитарном цикле.

Пример. Исследовалась выборка из 15 школьников. Для вычисления коэффициента корреляции, отражающего тесноту связи между двумя рядами, используются как параметрические, так и непараметрические методы.

До перехода к расчетам полезно рассмотреть любые корре­лируемые ряды в их размещении в корреляционной решетке. По оси абсцисс размещаются показатели одного, а по оси ординат — дру­гого ряда.

Теснота связи между рядами благодаря этой решетке становится легко обозримой. На рис. 3 схематически изображены различные виды соотношения коррелируемых рядов. Как видно, схемы отра­жают всего пять различных соотношений.

1. Положи­тельная связь

2. Слабая по­ложительная связь


3. Отсутствие связи


4. Отрицатель­ная связь


5. Нели­нейная за­висимость



Рис. 3

На схемах можно усмотреть как тесноту связи, так и ее направлен­ность. Схема 3 демонстрирует полное отсутствие связи между рядами; на схеме 5 показана нелинейная связь между рядами, та ее форма, ко­торая показана на этой схеме лишь одна из возможных.

Коэффициент корреляции принимает значение от -1 (схема 4) до +1 (схема 1). В этих пределах возможны все числовые значения коэф­фициента корреляции. Если никакой связи между рядами не суще­ствует, то коэффициент равен 0 (схема 3). В подавляющем боль­шинстве случаев коэффициент составляет величину, не достигаю­щую 1. При положительной корреляции при увеличении числовых значений одного ряда соответственно увеличиваются числовые зна­чения другого ряда. При отрицательной корреляции увеличению чи­словых значений одного ряда соответствует уменьшение числовых значений другого ряда.

Если исследователь убежден в том, что оба коррелируемых ряда можно рассматривать как ряды параметрические, то для вычисле­ния коэффициента корреляции применяется параметрический метод по формуле Пирсона:


Существует много различных видов этой формулы, представляю­щих собой ее преобразования. Исследователь сам выбирает удоб­ную для себя формулу. Об уровне значимости коэффициента корре­ляции судят по табл. 5, причем для г число степеней свободы fd = п - 2, где п — объем выборки.

Вычисление коэффициента корреляции по Пирсону. Ко­эффициент показывает тесноту связи между выполнением задач в тестах «Аналогии» и «Классификации». Данные по тесту «Аналогии» обозначены х, а по тесту «Классификации» — у.

Для упрощения расчетов введены некоторые тождества.


Испытуемые х y

х2

y2

ху
А 1 3 1 9 3
Б 2 4 4 16 8
В 3 5 9 25 15
Г 3 6 9 36 18
Д 4 6 16 36 24
Е 4 7 16 49 28
Ж 4 7 16 49 28
3 5 8 25 64 40
И 5 8 25 64 40
К 6 8 36 64 48
Л 6 8 36 64 48
М 7 9 49 81 63
Н 8 9 64 81 72
О 9 10 81 100 90
П 10 11 100 121 110
n = 15 77 109 487 859 635


Число степеней свободы fd = п - 2 = 15 - 2 = 13. По таблице уровней значимости находим, что при 13 степенях свободы r0,999 = = 0,760. Сравниваем это значение с полученным коэффициентом:

0,76 < 0,96.

Полученный коэффициент корреляции показывает, что между ре­зультатами в тестах «Аналогии» и «Классификации» имеется связь. Высокий уровень значимости свидетельствует о том, что эта связь с высокой вероятностью будет воспроизводиться в таких же экспери­ментах.

Вычисление коэффициента корреляции по Спирмену (коэффициент ранговой корреляции).

Исследовательское задание указано на с. 266. Формула ранговой корреляции такова:

где d — разность рангов ряда х и ряда у т.е. (Rx- Ry).

Таблица 6
Испыту­емые

х

Rx

y

Ry

dRxRy

R2 dRxR y

А 1 1 3 1 0 0
Б 2 2 4 2 0 0
В 3 3,5 5 3 0,5 0,25
Г 3 3,5 6 4,5 1 1
Д 4 6 6 4,5 1,5 2,25
Е 4 6 7 6,5 0,5 0,25
Ж 4 6 7 6,5 0,5 0,25
3 5 8,5 8 9,5 1 1
И 5 8,5 8 9,5 1 1
К 6 10,5 8 9,5 1 1
Л 6 10,5 8 9,5 1 1
М 7 12 9 12,5 0,5 0,25
Н 8 13 9 12,5 0,5 0,25
О 9 14 10 14 0 0
П 10 15 11 15 0 0

n = 15

n2 = 225





Σd2RxRy = 8,5


fd = п - 2 = 15 - 2 = 13.

Производится раздельное ранжирование ряда

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: