Студопедия Главная Случайная страница Задать вопрос

Разделы: Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

Февраля





Джентльменский набор для статей, курсовых и дипломных и ты

Словесное описание данных

На уровне описательной статистики средних разбросов

Статистический анализ

Обсуждения (интерпретации) результатов

 

Среднее, мода, медиана - это общее описание нашей выборки

А дальше это описание мы обосновываваем статистически

 

Это называетсядискриптивный описательный анализ.

 

Как изменяется одна или несколько зависимых переменных (подытоженные в спсс).

Анализ - отчеты - OLAP кубы. Подытоженные переменные - ЗП. Группирующие переменные - независимые (которые группирирует по какому-либо критерию). В виде каких описательных статистик (статистические показатели - среднее, модуль, медиана, дисперсия)? Так показывается, что мы подобрались хорошую группу, адекватную нашему исследованию. В хороших журналах требуют еще и ошибку среднего. Мощное средство группировки данных по НП.

 

Анализ- описательные статистик - Частоты -Строит графики и диаграммы. Когда нужно быстро охарактерезовать выборку по возрасту или любому другому признаку. Здесь можно и описательные статистики (медиана, среднее, мода) - Важно при описании внешней валидности.

 

Мера среднего - медиана. Должен использоваться для оценки средних в не количественных данных (в порядковых). Середина ранжированного ряда. Что было в середине.

 

Мода - когда данные измерены по наминальной шкале. Самое частотное событие для этих данных.

 

Среднее арифметическое - что среднее

 

В нормальном распределении мода, медиана и среднее одно и тоже.

 

 

Анализ - описательные статистики - описательные (тоже самое, но в виде длинной таблице)

Анализ - описательные статистики - разведочный анализ. Посчитать групповых среднее. Разбить выборку. Хочу по уровню НП рассчитать и разбить ЗП. Разбить выборку на несколько групп и посчитать межгрупповые средние (маргинальные- группы, разбитых по уровню какой-либо НП). Разбив по несколько основаниям по группам, мы произвели эксплураторный анализ.

 

 

Н0 - различий нет

Н1 - различия есть

 

 

Парные выборки (связанные) - выборки данных, полученные на одной и той же группы испытуемых. Одни и ту же испытуемые и до того, и после. Например сравнить эффект от тренинга: сначала до тренинга, после, через 5 лет - все равно люди одни и те же.

Непарные выборки - полученные на разных выборках, например мужчины и женщины.

 

Два дизайна - мужгрупповой и внутригрупповой

 

Важные вопросы перед планированием и обработкой данных?

1. Первый вопрос - какой уровень измерения (номинальный, порядковый...) -> параметрические или не параметрический метод

2. Какой подход -мужгрупповой и внутригрупповой

 

Анализ - сравнение средних - Т-критерий для независимых выборок (работает только с количественными данными, нет порядковых и номинальных; работает по шкале интервалов). Ограничения - работает с распределения ми, похожими на нормальные. Два распределения - Т-критерий смотрит далеко ли средние друг от друга, сравнивает разницу между средними, деленную на общую дисперсию и кол-во испытуемых. А если распределение сложное (два горба и более)? Т-критерий работает, когда выражено одно среднее. Ярко выражена одна вершина - мономодальное, ровное, без перекосов (эксцессов). Чтобы решить, можно ли использовать Т-критерий, надо нарисовать распределение и посмотреть. Должно быть равно мерное распределение, симметричное относительно своей моды (верхушки).

В другом случае используем не параметрический критерий - но они имеют меньшую мощность(способность статистического критерия найти различие, Т-критерий более чувствителен к нахождению различий). На небольших выборках преимущественно используют не параметрические. Выборка > 30 уже большая.

 

!!!важно посмотреть график распределения своих данных! Сразу видны выбросы недочеты.

 

Анализ - сравнение средних - одновыборочный Т-критерий. Сравниваем свою выборку со средней литературной. В случае когда повторяем исследование кого-нибудь. Исследование тоже самое, но возраст ваших испытуемых отличается. Вот и проверяем ужасно ли это, сильно ли отличие от выборки изначального автора. 48 лет у русских отличается от среднего возраста по выборке американцев, которые мы нашли в литературе. проверяемое значение - которое теоретически мы нашли где-то в литературе, с которым сравниваемым. Сравнение возраста нашего с литературным источником.

 

 

Критерий Ливиня показывает насколько разный разброс. И соответственно показывает, насколько вариативна выборка и насколько возможно использовать Т-критерий. Значимость < 0,05 значит значимо различаются! Т-критерий > 0,05 достоверных значимых различий нет. Конвинциональный уровень значимости <0,05. Квазизначимая или тенденция 0,05-1 "очевидно тенденция есть/ ярко выражена тенденция, но достоверной значимости обнаружено не было"

 

Анализ - сравнение средних - одновыборочный Т-критерий. Проверка гипотез по сравнению парных выборок.Три повторных измерения на одних и тех же испытуемых. Зависимая выборка, так как это одна и та же группа испытуемых = Т-критерий для парных выборок. Раз они парные, то они конечно скоррелированы. т-критерий (0,6) при значимости (0,6) не достоверно. Нет значимости (Т=0,5; 15(кол-во респондентов); 0,5 (значимость))

 

 

Отличается одна из групп от остальных 5?

 

Уровень значимости - ошибка первого рода - вероятность, что есть ошибка, а ее на самом деле нет. Вероятность ошибки статистического вывода: сказали ДА, а на самом деле НЕТ. Но при таких множетых сравнений (1 со 2, 1 с 3 ...) уровень ошибки накапливается. Дисперсионный анализ решает задачу множественного сравнения средних.

Непараметрический критерий нужен, когда не работает Т-критерий или когда используем низкий уровень измерения - шкала порядка + ранжирование. Одновыборочные критерии - хи-квадрат и критерий Колмогорова -Смирнова (оценивает распределение на нормальность). Уровень распределения > 0.05 нет оснований говорить, что они отличаются от нормальной - Н0 отличия нет. Две независимые выборки - U Манна - Уитни(самый мощный)

Критерии для двух связанных выборок - критерий Уилкоксона самый сильный; Знаков работает с ответами "да"/ "нет".

 

Анализ - непараметрический критерий для сравнения двух выборок(средние они не сравнивают, работают с медианой)

 

Все критерии различия. Ребят группировки данных!!! Важно запланировать параметры группировки!

 

Дисперсионный анализ жестко параметрическая процедура!!

 

 

21 февраля

 

Непараметрический метод сравнения двух выборок

 

Книги наследова

base-statistic + отдельные элементы advance (на русском нет)

Анализ - непараметрические критерии - для двух независимых выборок -К сравнивать различие между двумя выборками. Надо показать, что в эмпирических данных две выборки отличаются.

Надо показать, что переменная медленная отличается от переменной быстро. В спсс первый критерий с галочкой самый сильный. Манна-Уитни похож на Т критерий - сравнение двух не связанных выборок, которою имеют шкалу порядку, но дифференцированную. Оценка по 9.7 батонов шкале - признак оценен градуально, можно Манна-Уитни. Колмогоров-Смирнов - взяты ли два распределения из одной генеральной совокупности? Они похожи друг на друга? Не сравнение средних (Т-критерий), а сравнение сдвига, гипотез. Берется 1 и 2 выборки и объединяться, ранжиру имя - ранги в 1 выборки сильно отличаются от 2, отсюда видим их различие - взяты из разных генеральный совокупностей. Первая выборка отличается от второй на основании (смотрим статистические критерии). Чувствительны еще к формам распределения. Более специфическая. Не только гипотеза о сдвиге, но и различия форм выборок. Менее мощный. Мозес: сравниваем экспериментальную и контрольную группу. Но там и там есть крайние высокие и низкие значения. Это критерий убирает эти экстремальные выбросы и показывает разницу между группами. Эти критерии работают не только с кол-ми данными (интервалы и отношение), но и с порядка, иногда наминальной. Манго-Уитни с номинальной не работает, только с порядковой.

 

Анализ - не параметрические критерии - Для двух связанных выборок.

Уилкоксон как и Манна Уитни работает с дифференцированной шкалой порядка (если предложили шкалу из 5 баллов, то реально будет использовать 2 балла, уменьшать эффект центрации, побуждая еще в инструкции давать и крайние ответы). Два повторных измерения (связанные выборки - до и после тренинга); ранжиру есть; смотрится разница между рангами одного испытуемого до и после тренинга. Есть ли превышение суммы баллов до и после воздействия.

Знаков- работает с бинарными данными (да/нет; 0/1), с номинальной шкалой. Сравнивает до тестирования не было, после - было (-), наоборот ((+). Сравнивает плюсы и минусы.

МакНемара с мультинаминальная шкала. До тестирования испытуемый делал быстро, но не точно. После тренинга быстро и точно. Отличный или не отличный.

 

Метрические - интервалов и именований

Неметрические - порядка и наминальной

 

АНОВА (дисперсионный анализ)

1. Сравнить несколько выборок. Т - критерий не делает поправку на уровень значимости при множественном сравнении.

2. Часто психолога интересует не влияние одного фактора (возраст), а совокупного фактора (пола и возраста). Комплексное влияние межфакторного взаимодействия. Влияет ли композиция личностных черт? Надо вычленить это влияния из общего кол- ва данных и посмотреть. Разлагаем общую дисперсию на компоненты (факторы отдельные и на меж факторные взаимодействия)

 

Требует выделение ЗП и НП. Фактор - НП (пол, возраст, соц. положение, личностные диспозиции). Надо выделять группы испытуемых и назначать их факторами, то есть уровнями НП (1 уровень -экстраверт; 1 - интроверт).

Однофакторной - сравнить несколько групп по одному фактору (экстравертов, интровертов с разными группами возрастов)

Многофакторный- насколько на ЗП влияет комбинация факторов.

Эффект одного фактора - главный эффект (main effect)

Эффект совокупного влияния - эффект межфактороного взаимодействия

 

Линейная модель дисперсионного анализа

У=кх+б (одно фактурная модель)

У=кх1+кх2 + б(дув факторные модель)

Значение У (НП) прогнозирует по значению Х (ЗП)

 

Показать роль личностный факторов на решение сложных, средних и легких задач.

 

Анализ - сравнены средних - однофакторняй дисперсионный анализ (аналог Т-критерия при двух группах). Выбираем переменную, которую хотим оценить. И фактор, по которому хотим оценить. Разбивает выборку по выбранному фактору и сравнивает средние. (Тоже самое сделали бы и с Т-криерием). Описательную статистику в приложение. Здесь f критерий не отличии от Т, так как сравниваем две выборки.

 






Дата добавления: 2015-08-30; просмотров: 189. Нарушение авторских прав

Studopedia.info - Студопедия - 2014-2017 год . (0.091 сек.) русская версия | украинская версия