ПОЗНАВАТЕЛЬНОЕ

Оси и плоскости тела человека - Тело человека состоит из определенных топографических частей и участков, в которых расположены органы, мышцы, сосуды, нервы и т.д.

Отёска стен и прирубка косяков - Когда на доме не достаёт окон и дверей, красивое высокое крыльцо ещё только в воображении, приходится подниматься с улицы в дом по трапу.

Дифференциальные уравнения второго порядка (модель рынка с прогнозируемыми ценами) - В простых моделях рынка спрос и предложение обычно полагают зависящими только от текущей цены на товар.

Обработка данных на компьютере

Тема: «Пошаговый алгоритм вычисления коэффициентов корреляции с помощью программы SPSS 0.10.»

Проблема: выбор статистического пакета (программы).

В настоящее время широко используются такие статистические пакеты программ, как Statistica, Microsoft Excel, SPSS, NCSS, Minitab Statistical Software и др.

Однако проблема не столько в возможностях программы, сколько в том, что эти возможности практически не «озвучиваются». Неопытному пользователю может быть совершенно непонятно, что он высчитывает.

К сожалению, если в таких «классических» методах анализа, как Пирсон или t-критерий Стьюдента, еще можно разобраться с помощью учебников, то в ряде случаев дело обстоит сложнее. Например, популярные многомерные методы анализа данных (типа факторного или кластерного анализа), если рассматриваются, то в большинстве случаев на математическом языке, иногда — на уровне «невнятных» абстракций.

Однако притом что в большинстве случаев результаты обработки данных, полученные в разных программах, совпадают, возможны и большие «разногласия». Так, широко используемый критерий Пирсона вычисляется (скорее, используется) по-разному. По сути, он предназначен для сравнения частот распределений: двух эмпирических или эмпирического и теоретического. Однако в программах Microsoft Excel и SPSS возможно соотнесение только эмпирических и теоретических (ожидаемых) распределений, в программе Minitab Statistical Software — только двух эмпирических.

Внедрение компьютеров буквально во все сферы человеческой деятельности является на сегодняшний день очевидным итогом научного прогресса. И, как следовало ожидать, в существенной степени компьютеризация изменила характер самих научных исследований, в том числе в психологии.

Компьютер обычно применяется исследователями для выполнения такой работы, которая считается самой скучной и утомительной: учёт и организация исходных данных, вычисления различных показателей, критериев. Это позволяет исследователю проводить более глубокий анализ данных, больше времени уделять интерпретации и выдвижению новых предположений, то есть заниматься тем, что обычно считается самым приятным и интересным в любом исследовании, но что остаётся за пределами возможностей компьютера.

Для проведения статистического анализа данных будем применять программу SPSS 0.10 – широко распространённое средство компьютерного анализа данных в психологии.

SPSS – это аббревиатура от Statistical Package for the Social Science (статистический пакет для социальных наук). Как следует из названия, SPSS представляет собой множество различных программ, предназначенных для анализа данных в социальных науках. Эти программы позволяют: 1) организовать ввод данных, 2) гибко менять их структуру, 3) применять к ним методы обработки, 4) получать результаты в удобной и наглядной форме.

Программа SPSS легко доступна для освоения даже тем, кто имеет минимальные навыки владения компьютером. Но имеется языковой барьер (SPSS - англоязычная программа) и не всегда блестящее владение пользователем статистической и математической терминологией. Поэтому при рассмотрении статистической процедуры будем придерживаться чётких пошаговых инструкций на конкретном примере.

Цель занятия: обеспечить пользователя исчерпывающей информацией для самостоятельной обработки данных.

Обработка данных на компьютере

Анализ данных на компьютере включает выполнение ряда необходимых шагов:

1. Определение структуры данных.

2. Ввод данных в компьютер в соответствии с их структурой и требованиями программы.

3. Выбор метода обработки данных в соответствии с задачами исследования.

4. Получение результата обработки данных.

5. Интерпретация результата обработки.

Шаги 1 (подготовительный) и 5 (заключительный) не способна выполнить ни одна компьютерная программа – их исследователь делает сам. Помощь компьютера (шаги 2-4) заключается в переходе от длинной последовательности чисел к более компактной их последовательности.

1. Исследователь подаёт массив исходных данных, который недоступен осмыслению, но пригоден для компьютерной обработки (шаг 2).

2. Затем исследователь даёт программе команду на обработку данных в соответствии с задачей исследования и структурой данных (шаг 3).

3. На «выходе» исследователь получает результат обработки (шаг 4) – тоже массив данных, только меньший, доступный осмыслению и содержательной интерпретации. При этом исчерпывающий анализ требует применения разных статистических методов.

Кратко вспомним математические основы каждого метода, а интерпретацию результатов рассмотрим на конкретных примерах. На сегодняшнем занятии проведём корреляционный анализ.

Корреляционный анализ (от лат. correlatio - соотношение) - это математические процедуры для изучения статистических связей между признаками изучаемых объектов. Он может быть применен для анализа связей как между двумя или несколькими психологическими признаками.

Основу корреляционного анализа составляет идея о том, что связь между психологическими переменными величинами выражается во взаимной согласованности их изменений.

По направлению корреляционная связь может быть положительной ("прямой") и отрицательной ("обратной"). При положительной корреляции коэффициент корреляции имеет положительный знак (г > 0), при отрицательной - отрицательный (г < 0),

Положительная корреляция - согласованные изменения, когда более высоким значениям одного признака соответствуют более высокие значения другого, а более низким значениям одного признака - низкие другого.

Отрицательная корреляция - согласованные изменения, когда более высоким значениям одного признака соответствуют более низкие другого, а более низким значениям одного признака - высокие другого.

Корреляция, или коэффициент корреляции, — это статистический показатель вероятностной связи между двумя переменными, измеренными в количественной шкале.

Корреляция представляет собой величину, заключенную в пределах от -1 до +1.

Существует много методов измерения корреляции, и выбор конкретного метода зависит от типа рассматриваемых данных (параметрические и непараметрические).

Коэффициент линейной корреляции Пирсона является мерой корреляции между двумя переменными, распределенными по нормальному закону (например, рост и вес).

Для распределений, не являющихся нормальными, предпочтительнее пользоваться ранговыми коэффициентами корреляции Спирмена. Непараметрическим является коэффициент корреляции Спирмена. Часто называется корреляцией ранговых различий потому, что основным фактором при вычислении коэффициента является различие между рангами двух переменных. (Например, для сравнения порядка прихода к финишу одних и тех же бегунов в двух забегах).Ранговым он является потому, что сначала переменные переводятся в ранги, а затем к рангам применяется формула r Пирсона. Таким образом, r Спирмена интерпретируется по аналогии с r Пирсона.