Факторный анализ. Интерпретация, аналитическое и графическое представление результатов факторных экспериментов.
Факторный анализ — многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Предполагается, что известные переменные зависят от меньшего количества неизвестных переменных и случайной ошибки
Если в экспериментальном плане учитываются изменения более чем одной управляемой независимой переменной, то такой эксперимент называется факторным. Для факторного эксперимента план будет включать указание условий, в которых сочетаются уровни двух или более переменных. Согласно принципу изолированных условий, функциональный контроль каждой НП происходит независимо от другой. Вторая независимая переменная может вводиться для целей контроля изменений, связанных с тем же базисным процессом, на который влияет первая НП, или для уточнения психологических механизмов, стоящих за изменениями ЗП.
Влияние каждой независимой переменной, или основной результат действия (ОРД) фактора, вычисляется аналитически или графически как разница значений ЗП между условиями, отличающимися по этому фактору. Взаимодействие двух экспериментальных факторов хорошо отражает график; эффект совместного влияния уровней первой и второй НП не складывается из ОРД каждой переменной в отдельности. Графически ОРД второй НП «характер сообщения» будет выглядеть как расстояние между двумя прямыми, опущенными на ось ординат (показатели ЗП) из точек, являющихся средними для каждого из двух отрезков, связующих значения ЗП по условиям непредвзятое и предвзятое сообщение. Для факторных экспериментов графическое изображение полученных данных обычно сочетается с оценкой значимости основных результатов действия переменных и эффектов взаимодействий согласно процедурам дисперсионного анализа. Основные преимущества этого типа статистических решений – сравнение нескольких рядов средних (а не двух, как при обычном использовании статистических критериев проверки нуль-гипотез для оценки различий выборочных средних ЗП в экспериментальном и контрольном условиях) и определение значимости эффектов взаимодействий экспериментальных факторов.
|
|
|
1. Корреляционный анализ. Виды коэффициентов корреляции. Интерпретация и представление результатов.
Корреляционный анализ — метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан с регрессионным анализом (также часто встречается термин «корреляционно-регрессионный анализ», который является более общим статистическим понятием), с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям (используя коэффициент детерминации).
|
|
|
Основная цель использования мер связи в экспериментальном исследовании – проверка статистической нуль-гипотезы о том, что переменные Х и Y не связаны, т.е. имеют нулевой коэффициент корреляции в совокупности [15, с. 287]. В логике экспериментального вывода соответствующие статистические решения занимают вполне определенное место: от количественной оценки значимости выявленной ковариации переменных зависит содержательный вывод об обоснованности экспериментальной или контргипотезы (или необходимости поиска других конкурирующих гипотез). Если в соответствии с полученными эмпирическими данными нуль-гипотеза не может быть отвергнута, то следует отвергнуть экспериментальную гипотезу, т.е. признать изменения переменных не связанными друг с другом. В этой логике отвержения экспериментальных гипотез коэффициент корреляции выполняет ту же роль, что и меры различий: t-критерий Стьюдента и др. Более строго следовало бы говорить об отвержении гипотезы о значимости коэффициента корреляции.
Корреляционное исследование и эксперимент. Типы экспериментального исследования. Виды планов корреляционного исследования.
Дата добавления: 2016-01-03; просмотров: 37; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!