 |
а) Описание в естественном языке (психологическая
|
|
|
|
а) Описание в естественном языке (психологическая
характеристика).
Непараметрические шкалы
б) Нечеткая (размытая) классификация — подобие
эталону (А).
В подобен А; С подобен А; но В не подобен С.
Пример. Выявлены характерологические черты у
трех испытуемых А, В и С. Некоторые черты одного
субъекта имеют место в характеристике другого.
Эти люди имеют сходные и различные черты в индивидуальных
характеристиках. А подобен В. Если нет
сходных черт характера у субъектов А и С, то А не подобен
С. Причем могут быть сходные характерологические
черты у В и С.
*Носс И. Н. Разработка рекомендаций по военно-профессиональной
ориентации и методических подходов к первоначальной
психологической оценке допризывников: Отчет о
НИР. - М., 1992. - 191 с.
в) Строгая классификация (номинативная, т. е.
номинальная, шкала).
А — не В; В — не С; С — не Д и т. д.;
г) Ш к а л а порядков (ранговая).
Шкала строгой упорядоченности — А > В; В > С;
С > D и т. д.
Шкала не строгой упорядоченности — «больше
или равно — меньше или равно»;
Параметрические ш к а л ы
д) Ш к а л а интервалов (интервальная) — между А
и В 10 ед.; между В и С 10 ед.; между С и Д 10 ед.
Начало отсчета (ноль) и интервалы выбраны условно.
Пример: Измерение температуры.
е) Шкала отношений — линейка, весы — есть
ноль, от которого идет относительно равный отсчет.
ж) Абсолютная шкала (Lord F., Novick М.,
1968) — есть ноль, от которого идет отсчет в абсолютных
|
|
|
долях, (количество электронов в атоме и т. д. ).
В каждой шкале применяются свои статистические
расчеты. Параметрическая статистика применяется в
интервальной и непараметрических шкалах.
1. 1. 3. 2. Распределение эмпирических данных*
Метод наименьших квадратов (МНК) в сочетании
с гауссовским (нормальным) распределением эмпирических
данных служит основой классической статистики.
Предположения о нормальном распределении
данных носят «модельный» характер. На деле они не
могут выполняться абсолютно точно. Статистические
выводы, составленные на основе модели приближенной
к нормальному распределению, носят также более
или менее приближенный характер. Оценка «приближенности
» практической кривой к параметрам нормали
осуществляется при помощи расчета асимметрии,
эксцесса и критериев согласия Пирсона %2, Колмогорова
(1933) и Ястремского (1949). В первом случае оценивается
положение вершины практической кривой относительно
теоретической, во втором — определенных
«участков» (групп частот) практической кривой относительно
теоретической нормали.
Коэффициент асимметрии As показывает величину
смещения вершины относительно расчетной вершины
по горизонтали (вправо — «+»; влево «—» ). Коэффициент
эксцесса Ех определяет «крутизну» практической
кривой (то есть смещение вершины по
вертикали — вверх «+»; вниз «—»). Коэффициент
асимметрии рассчитывается по следующим формулам:
*Карасев А. И. Основы математической статистики. - М.,
1962.
*Разработка сводной таблицы по математической
статистике для психологов-исследователей// Составители:
|
|
|
Попов В. Е., Елбаев Ю. А.
статистики.
2. Тест хорошо дифференцирует испытуемых по
уровню развития измеряемого свойства.
1. 1. 3. 3. Применение непараметрической и параметрической
статистики при обработке эмпирических
данных
Непараметрическая статистика применяется в
случаях, когда показатели тестов распределены ненормально
или распределение не известно.
Существует определение: «Непараметрические
методы статистики — методы математической статистики,
не предполагающие знание функциоонального
вида генеральных распределений»*. Распространение
методов непараметрической статистики сдерживается
отсутствием учебных пособий по этому предмету. История
непараметрических методов начинается с использования
критериев знаков в 1710 г. Арбетноттом.
Во второй половине XIX в. Фехнер и Гальтон стали
применять ранги и коэффициенты ранговой корреляции.
Работами Спирмена (1904) к ранговым методам
было привлечено внимание научной общественности,
а работы Колмогорова (1933), Смирнова (1935), Уил-
коксона (1945), Сигеля (1956) и др. создали непараметрическую
статистику как самостоятельную ветвь математической
статистики.
Для определения статистических зависимостей в
непараметрической статистике используются: мода
М0, критерии Манна-Уитни, Уилкоксона, х2 и др. —
для шкалы наименований; коэффициенты ассоциации
Ф и контингенции Q, преобразованный коэффициент
* Математические методы анализа и интерпретации
социологических данных. М.: Наука, 1989.
Таблица 1. 3. Вероятность Р для критерия х2 Пирсона
Х2\к 3 5
10 12 15 20 25 29
5 0, 1718 0, 4159 0, 7576 0, 8912 0, 9580 0, 9921 0, 9997 1, 0000 1, 0000
10 0, 0186 0, 0752 0, 2650 0, 4405 0, 6160 0, 8197 0, 9682 0, 9967 0, 9996
15 0, 0018 0, 0104 0, 0591 0, 1321 0, 2414 0, 4514 0, 7764 0, 9414 0, 9850
20 0, 0002 0, 0013 0, 0103 0, 0293 0, 0671 0, 1719 0, 4579 0, 7468 0, 8929
25 0, 0000 0, 0001 0, 0016 0, 0053 0, 0148 0, 0499 0, 2014 0, 4624 0, 6782
30 0, 0000 0, 0000 0, 0002 0, 0009 0, 0028 0, 0119 0, 0699 0, 2243 0, 4140
|
|
|
4 4
Для определения статистической связи переменных,
измеренных в дихотомической шкале наименований,
используют коэффициент контингенции Q и коэффициент
ассоциации Ф.
Задание. Рассчитать статистическую связь между
технической и гуманитарной направленностью
школьников, измеренных в дихотомической шкале наименований
по данным TAX и ДДО*
*ТАХ — тест адекватных характеристик объекта; ДДО
|
|
|
