Нормирование (стандартизация) данных.
Слайд
Первичные методы статистической обработки данных в психологии.
Методами статистической обработки называются математические приемы, формулы, способы количественных расчетов, с помощью которых показатели, получаемые в ходе исследования, можно обобщать, приводить в систему, выявляя скрытые в них закономерности.
Слайд
Все методы математико-статистического анализа условно делятся на первичные и вторичные.
Первичными называют методы, с помощью которых можно получить показатели, непосредственно отражающие результаты производимых измерений.
Соответственно, под первичными статистическими показателями имеются в виду те, которые применяются в самих психодиагностических методиках и являются итогом начальной статистической обработки результатов психодиагностики. К первичным методам статистической обработки относят, например, определение среднего арифметического, дисперсии, моды и медианы.
Слайд
Генеральная совокупность и выборка
Исследование какой-либо темы может охватывать всех членов изучаемой совокупности без единого исключения (полное или сплошное) или ограничиваться обследованием лишь некоторой части данной совокупности (частичное или выборочное). Полное обследование совокупности позволяет получать исчерпывающую информацию об изучаемом объекте, однако к нему прибегают редко, так как эта работа сопряжена с большими затратами времени и труда, а также в силу практической невозможности.
|
|
|
В подавляющем большинстве случаев вместо сплошного изучению подвергают некоторую часть обследуемой совокупности, по которой и судят о ее состоянии в целом.
Совокупность, из которой отбирают определенную часть ее членов для совместного изучения, называют генеральной. Отобранная тем или иным способом часть генеральной совокупности называется выборочной совокупностью или выборкой. Общую сумму членов генеральной совокупности называют ее объемом и обозначают большой буквой N. Теоретически объем генеральной совокупности ничем не ограничен, т.е. генеральную совокупность представляют как бесконечно большое множество относительно однородных единиц или членов, составляющих ее содержание. Объем выборки, обозначаемый маленькой буквой n, может быть и большим, и малым, но он не может содержать менее двух единиц.
Слайд
Выборочный метод – основной при изучении статистических закономерностей. Его преимущество перед полным учетом всех членов генеральной совокупности заключается в том, что он сокращает время и затраты труда, а главное – позволяет получать информацию о таких групповых объектах, сплошное обследование которых практически невозможно или нецелесообразно.
|
|
|
Основное требование, предъявляемое к любой выборке, сводится к получению наиболее полной информации о состоянии генеральной совокупности, из которой выборка взята.
Слайд
Чтобы выборка наиболее полно отображала структуру генеральной совокупности, она должна быть достаточно представительной или репрезентативной, т.е. она должна отражать основные параметры той генеральной совокупности, которую она представляет.
Выборка должна отражать специфику генеральной совокупности людей как по составу (пол, возраст, социально-экономические, географические, этнические, культурные характеристики), так и по индивидуальным характеристикам включенных в нее людей. Причем эти характеристики должны быть представлены в выборке стандартизации примерно в том же процентном соотношении, что и в генеральной совокупности.
Слайд
Частотное распределение
Частотное распределение – это количество случаев (т.е. частота встречаемости) каждого показателя. Для удобства случаи сначала распределяют по порядку (например, по возрастанию или убыванию).
Информация, содержащаяся в частотном распределении, может быть также представлена графически в виде кривой распределения.
|
|
|
Для того, чтобы сделать обобщенные данные о характере распределения результатов по тесту и в случае, если получено слишком большое число значений первичного результата, необходимо произвести группировку данных и провести аналогичную процедуру построения частотного распределения.
Слайд
Меры центральной тенденции
Рассматривая элементарные методы математической статистики, применяемые для обработки данных тестовых исследований, можно выделить группу методов, которые могут описывать те или иные меры центральной тенденции. Такие меры указывают наиболее типичный или репрезентативный результат, характеризующий выполнение теста всей группой. Самой известной из таких мер является среднеарифметическое значение (М).
Среднеарифметическое (или выборочное среднее) значение как статистический показатель представляет собой среднюю оценку изучаемого в исследовании. Эта оценка характеризует степень его развития в целом у той группы испытуемых, которая была подвергнута исследованию (выборки испытуемых). Сравнивая непосредственно средние значения двух или нескольких групп, мы можем судить об относительной степени развития у людей, составляющих эти группы, оцениваемого качества.
|
|
|
Слайд
Среднеарифметическое понимается как отношение суммы всех результатов к количеству частных показателей.
Слайд
Другой мерой центральной тенденции является мода (Мо) или наиболее часто встречающийся результат. В интервальном частотном распределении мода определяется как середина интервала, для которого частота максимальна.
Третья мера центральной тенденции – это медиана (Ме), т.е. результат, находящийся в середине последовательности показателей, если их расположить в порядке возрастания или убывания. Справа и слева от медианы в упорядоченном ряду остается по одинаковому количеству данных (50% и 50%).
Знание медианы и моды полезно для того, чтобы установить, является ли распределение частных значений изучаемого признака симметричным и приближающимся к нормальному распределению. Среднее арифметическое, медиана и мода для нормального распределения обычно совпадают или очень мало отличаются друг от друга. Для других типов распределений это не характерно.
Если выборочное распределение признаков близко к нормальному, то к нему можно применять методы вторичных статистических расчетов, основанные на нормальном распределении данных. В противном случае этого делать нельзя, т.к. в расчеты могут вкрасться серьезные ошибки.
Слайд
Меры разброса данных
Для более полного описания результатов эмпирического исследования используются меры разброса (или вариативности) данных, характеризующие степень индивидуальных отклонений от центральной тенденции. Наиболее наглядным и известным способом представления разброса является размах распределения, т.е. разность между самым высоким и самым низким результатом.
Но эта мера крайне неточна и неустойчива, т.к. она определяется только двумя показателями, и единственный необычайно высокий или низкий результат может заметно повлиять на величину размаха.
Слайд
Более точный метод измерения разброса данных основан на учете разности между каждым индивидуальным результатом и среднеарифметическим значением по группе. Такой мерой разброса является дисперсия или средний квадрат отклонения. Дисперсия как статистическая величина характеризует, насколько частные значения отклоняются от средней величины в данной выборке. Чем больше дисперсия, тем больше отклонение или разброс данных.
Очень часто вместо дисперсии для выявления разброса частных данных относительно средней используют производную от дисперсии величину, называемую стандартное (или выборочное) отклонение. Оно равно квадратному корню, извлекаемому из дисперсии, и обозначается тем же знаком, только без квадрата. Эта величина в ряде случаев оказывается более удобной характеристикой варьирования, чем дисперсия, так как выражается в тех же единицах, что и средняя арифметическая величина.
Слайд
Нормирование (стандартизация) данных.
Большинство психологических тестов дает непосредственные числовые сведения об исполнении их человеком, называемые сырой оценкой. Ею может быть количество вопросов, на которые были даны ответы, время, необходимое для выполнения задания, или другие сведения.
Взятая сама по себе сырая оценка по психологическому тесту не имеет значения. Ее можно интерпретировать только сопоставив с каким-нибудь стандартом. На практике ее обычно сопоставляют с нормами выполнения данного теста в выборке стандартизации. Соотнесение первичного результата (или сырой оценки) с распределением результатов, полученных в выборке стандартизации показывает, какое место он занимает в этом распределении.
Чтобы более точно определить положение результатов конкретного испытуемого, полученный результат переводится в некую относительную меру (стандартизованную оценку).
Таким образом, преобразованные оценки называют тестовыми нормами. Тестовые нормы представляют собой эмпирически установленные на базе репрезентативной выборки усредненные количественные данные о результатах выполнения теста, полученные в определенных условиях.
Тестовые нормы позволяют:
1) устанавливать для данного теста место каждого испытуемого по отношению к другим в составе генеральной совокупности;
2) устанавливать статистически значимые сходство или различие между группами (и между испытуемыми) по одному и по различным тестам.
Пользователь теста всегда должен знать способ, которым устанавливались нормы теста. Применительно к психологическим тестам они не абсолютны, не универсальны и не постоянны. Они отражают лишь выполнение теста испытуемыми из выборки стандартизации. Таким образом, нормы устанавливаются эмпирически, соответственно тому, как выполняет задания теста репрезентативная группа испытуемых. После этого сырой балл испытуемого соотносится с нормами, полученными на выборке стандартизации и делается вывод об уровне развития исследуемой психологической переменной (соответствует ли результат среднему выполнению в нормативной группе, ниже среднего или значительно выше среднего).
Слайд
Большинство распределений первичных результатов исследования ближе к нормальному распределению, чем к какому-либо иному. Нормальный закон распределения во всех естественных науках имеет фундаментальное значение, и в психологии его значение трудно переоценить. Достаточно сказать, что все психологические шкалы основываются на этом законе, поскольку ему следуют распределения большинства человеческих способностей и свойств. Большинство статистических процедур, применяемых в психологии, построено на гипотезе нормального распределения данных. Поэтому на практике, прежде чем перейти к построению норм, проверяется предположение, что анализируемое распределение соответствует нормальному (т.е. близость свойств эмпирического распределения со свойствами нормального распределения).
Каковы же свойства нормального распределения?
1. В нормальном распределении все меры центральной тенденции равны между собой, т.е. сходятся в одной точке на графике (М = Ме = Мо).
2. В нормальном распределении примерно 99% всех значений исследуемой переменной находится в пределе М+3s (альфа), то есть в пределах суммы среднего арифметического и стандартного отклонения. Процентное распределение случаев на кривой нормального распределения в психологии называют “законом трех сигм”.
3. Кривая нормального распределения имеет вид колокола, она симметрична и не имеет слишком острой или слишком плоской вершины.
Слайд
Дата добавления: 2021-07-19; просмотров: 188; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!