Статистические критерии в психологии реферат

Обновлено: 05.07.2024

Индуктивная статистика, или теория статистического вывода, – это базирующаяся на теории вероятностей система методов решения задач вывода о свойствах генеральнойсовокупности путем обследования выборки. Статистическая гипотеза – научная гипотеза, допускающая статистическую проверку.

Использование статистических методов в географии

Теоретической и методологической основой исследования являются объективные экономические законы, методология системного анализа, труды отечественных и зарубежных ученых и практиков, посвященные исследованию эффективности деятельности предприятий и проблем качества.

С этой целью нужно организовать поиск фактов, характеризующих несоответствия, в подавляющем большинстве которыми являются статистические данные, разработать методы анализа и обработки данных, выявить основные причины дефектов и разработать мероприятия по их устранению с наименьшими затратами. К таким методам относятся корреляционный и регрессионный анализы, проверка статистических гипотез, факторный анализ, анализ временных рядов, анализ безотказности и многие другие. С развитием научных систем управления качеством роль статистических методов в управлении качеством постоянно возрастает.

Использование статистических методов в науковедении

Таким образом целью данной работы является рассмотрение применения статистических методов в анализе изменений отношений собственности в России. Выявить основные статистические методы, использующиеся в экономических исследованиях Рассмотреть на примере земельной собственности применение статистических методов для анализа динамики отношений собственности.

Эта информация позволит показать закономерности, типические черты исследуемых явлений, зависимости между изменениями одних и других. Можно в результате получить нужные данные для разработки различных мер предупреждения преступности, для оценки эффективности действующей системы мер борьбы с ней.

Финансовые результаты деятельности предприятия оцениваются с помощью абсолютных и относительных показателей. К абсолютным показателям относятся: прибыль (убыток) от реализации продукции (работ, услуг); прибыль (убыток) от прочей реализации; доходы и расходы от вне реализационных операций; балансовая (валовая) прибыль; чистая прибыль.

Список литературы

1. Ермолаев О. Ю. Математическая статистика для психологов. — 4-е из-дание испр. – М.: Московский психолого-социальный институт: Флинта, 2006.

2. Заварыкин В.М., Житомирский В.Г., Лапчик М.П. Численные методы. М.: Просвещение, 1991.

3. Львовский Е.Н. Статистические методы построения эмпирических формул: Уч. пос. для ВТУЗов. – М.:Высш. шк., 1988.

4. Первитская А.М. Математические методы в психологии: учебное пособие. – Курган: Изд-во Курганского гос.ун-та, 2013. – 70 с.

5. Практикум по общей, экспериментальной и прикладной психологии / В.Д.Балин, В.К.Гайда, В.К.Горбачевский и др. Под общей ред. А.А.Крылова, С.А.Маничева. — 2-е изд., доп. и перераб. — СПб.: Питер, 2007.

Становление квалифицированных психологов немыслимо без практики и исследований, которые помогут им научиться применять полученные знания в жизни, проводить собственные научные изыскания, грамотно ставить диагноз и лечить пациентов, помогать им бороться с собственными страхами, преодолевать различные отклонения.

При проведении изысканий и исследований в психологии используют как общенаучные методы познания, так и специфические. Систематизировать и проанализировать собранные в ходе наблюдения или эксперимента данные помогают статистические методы.

Что это такое?

Статистические методы исследования говорят сами за себя. Они основываются на принципах математики и статистики. Для их использования потребуется специальная информация, переведенная в числовой вид, чтобы можно было произвести определенные расчеты, сравнение и получить достоверный и обоснованный вывод.

Что такое статистические критерии?

Статистические методы в психологии основываются на результатах опросов, тестирований, наблюдений за конкретными объектами исследования. Ими могут выступать как отдельные индивиды, так и группы людей. Важно, чтобы соблюдались ограничения и правила применения каждого метода.

Статистические методы и критерии в психологических исследованиях позволяют установить взаимосвязи между разными выборками, определить отличия сходства, перевести частный результат на общий формат и пр.

В основе статистических алгоритмов лежат преимущественно математические операции (расчет некоторых критериев и коэффициентов, сравнение полученных результатов с утвержденными нормами или критическими областями и пр.). Главное правильно перевести информацию в числовой формат.

Нужна помощь преподавателя?

Мы всегда рады Вам помочь!

Какие статистические критерии используются в психологических исследованиях?

Использование конкретного алгоритма зависит от ряда условий: какими данными располагает исследователь, что он намерен выявить и достичь цель и задачи), что он будет сравнивать и пр. При этом он обязательно должен учесть правила методики: сколько объектов исследования может быть, равномерность или неравномерность выборок, возможность сравнения разных показателей, наличие необходимых формул и достаточность данных и т.д.

Виды статистических критериев

Статистические критерии бывают параметрическими и непараметрическими. Первые призваны установить достоверность или ложность выдвигаемой гипотезы, а вторые – проверить взаимосвязь отдельных элементов идеи или объектов исследования.

Под статистическими критериями следует понимать определенные правила, которые позволяют оценить ситуацию, действия объектов и гарантирует получение достоверных результатов. Исследователь должен выдвинуть конкретную гипотезу и заранее продумать альтернативное предположение.

Выдвижение статистической гипотезы

Сейчас мы расскажем в каких случаях возможно применение того или иного статистического критерия:

Применения статистических критериях в определенных условиях

Как мы видим, каждый статистический критерий в психологическом исследовании уместен при соблюдении конкретных условий и параметров. Поэтому нужно тщательно проанализировать имеющиеся материалы, грамотно разбить на нужные блоки и перевести в математический вид.

В основе большинства статистических критериев лежит принцип ранжирования, который призван установить важность параметра для испытуемого. На его основе далее производится систематизация материалов и их дальнейший анализ.

Роль статистических критериев в психологии

Всем известно, что математика и статистика – самые точные науки, позволяющие провести качественный и количественный анализ, получить достоверные и обоснованные результаты.

Статистические критерии в психологии позволяют преобразовать полученные в ходе эксперимента, наблюдения, беседы или анкетирования данные в более простой и точный вид (математический), рассчитать конкретные показатели и параметры, сравнить их с утвержденными нормативами, действующими законами и принципами и сделать аргументированный вывод. Они наглядно показывают взаимодействие разных факторов, их воздействие на объект исследования.

Благодаря использованию статистических критериев в психологии автор может графически изобразить все элементы и отметить их пересечение или расхождение.

Таким образом, статистические критерии в психологическом исследовании делают информационную базу более точной и весомой, что способствует повышению качества научного изыскания.

Очень часто перед исследователем в психологии стоит задача выявления различий между двумя, тремя и более выборками испытуемых. Это может быть, например, задача определения психологических особенностей хронически больных детей по сравнению со здоровыми, между работниками государственных предприятий и частных организаций, между людьми разного возраста и пола. Кроме того, одной из наиболее часто встречающихся статистических задач, с которыми сталкивается психолог, является задача сравнения результатов обследования какого-либо психологического признака в разных условиях измерения (например, до и после тренинга). Помимо этого нередко возникает необходимость оценить характер изменения того или иного психологического показателя в одной или нескольких группах в разные периоды времени или выявить динамику изменения этого показателя под влиянием экспериментальных воздействий. Для решения подобных задач используется достаточно большой набор статистических способов, называемых в наиболее общем виде критериями различий. Эти критерии позволяют оценить степень статистической достоверности различий между разнообразными показателями, измеренными согласно плану проведения психологического исследования.

Существует достаточно большое количество критериев различий. Каждый из них имеет свою специфику, различаясь между собой по следующим основаниям:

Первое основание - тип измерительной шкалы, для которой предназначен тот или иной критерий. Например, с помощью некоторых критериев можно обрабатывать данные, полученные только в номинальных шкалах. Ряд критериев дает возможность обрабатывать данные, полученные в порядковой, интервальной и шкале равных отношений.

Второе основание - максимальный объем выборки, который они могут охватить, а также количество выборок, которые можно сравнивать между собой с их помощью. Существуют критерии, позволяющие оценить различия сразу в трех и большем числе выборок. Некоторые критерии позволяют сопоставить неравные по численности выборки.

Третье основание - качество выборки: она может быть связной (зависимой) и несвязной (независимой).

Все критерии различий условно подразделены на две группы: параметрические и непараметрические критерии.

Критерий различия называют параметрическим, если он основан на конкретном типе распределения генеральной совокупности (как правило, нормальном) или использует параметры этой совокупности (средние, дисперсии и т.д.). Критерий различия называют непараметрическим, если он не базируется на предположении о типе распределения генеральной совокупности и не использует параметры этой совокупности.

При нормальном распределении генеральной совокупности параметрические критерии обладают большей мощностью по сравнению с непараметрическими. Иными словами, они способны с большей достоверностью отвергать нулевую гипотезу, если последняя неверна. Поэтому в тех случаях, когда выборки взяты из нормального распределения генеральных совокупностей, следует отдавать предпочтение параметрическим критериям.

Однако практика показывает, что подавляющее большинство данных, получаемых в психологических экспериментах, не распределены нормально, поэтому применение параметрических критериев в анализе результатов психологических исследований может привести к ошибкам в статистических выводах. В таких случаях непараметрические критерии оказываются более мощными, то есть способными с большей достоверностью отвергать нулевую гипотезу.

Решение о выборе того или иного критерия принимается на основании того, является ли выборка зависимой или независимой, сколько выборок сопоставляется, каков их объем и является ли распределение нормальным.

Однозначно определенный способ проверки статистических гипотез называется статистическим критерием. Статистический критерий строится с помощью статистики U(x₁, x₂, …, x_n) – функции от результатов наблюдений x₁, x₂, …, x_n. В пространстве значений статистики U выделяют критическую область Ψ, т.е. область со следующим свойством: если значения применяемой статистики принадлежат данной области, то отклоняют (иногда говорят - отвергают) нулевую гипотезу, в противном случае – не отвергают (т.е. принимают).

Статистику U, используемую при построении определенного статистического критерия, называют статистикой этого критерия. Например, в задаче проверки статистической гипотезы, приведенной в примере 14, применяют критерий Колмогорова, основанный на статистике

При этом D_n называют статистикой критерия Колмогорова.

Частным случаем статистики U является векторзначная функция результатов наблюдений U₀(x₁, x₂, …, x_n) = (x₁, x₂, …, x_n), значения которой – набор результатов наблюдений. Если x_i – числа, то U₀ – набор n чисел, т.е. точка n–мерного пространства. Ясно, что статистика критерия U является функцией от U₀, т.е. U = f(U₀). Поэтому можно считать, что Ψ – область в том же n–мерном пространстве, нулевая гипотеза отвергается, если (x₁, x₂, …, x_n) Ψ, и принимается в противном случае.

В вероятностно-статистических методах обработки данных и принятия решений статистические критерии, как правило, основаны на статистиках U, принимающих числовые значения, и критические области имеют вид

где С – некоторые числа.

Статистические критерии делятся на параметрические и непараметрические. Параметрические критерии используются в параметрических задачах проверки статистических гипотез, а непараметрические – в непараметрических задачах.

Математическая статистика – прикладная отрасль математики, основанная на теории вероятностей и предназначенная в самом общем плане для систематизации и анализа эмпирических (опытных) данных, получаемых при изучении повторяющихся и варьирующихся явлений.

Главная задача элементарной описательной статистики по отношению к качественным данным – подсчитать количество наблюдений каждого типа и при необходимости рассортировать эти наблюдения. Вариационная статистика изучает поведение случайных величин и вероятностные события. Индуктивная статистика, или теория статистического вывода, – это базирующаяся на теории вероятностей система методов решения задач вывода о свойствах генеральной совокупности путем обследования выборки.

Предположения о свойствах и параметрах генеральной совокупности называются статистическими гипотезами. Статистическая гипотеза – научная гипотеза, допускающая статистическую проверку. Статистическая гипотеза состоит из двух частей. Нулевая гипотеза обозначается как H0, это гипотеза о сходстве, об отсутствии значимых различий между исследуемыми признаками. Альтернативная гипотеза обозначается как H1, это гипотеза о наличии различий.

2 Исследование стрессоустойчивости

Цель исследования – выявить различия в уровне стрессоустойчивости в зависимости от пола.

Группа испытуемых составила 24 человека (23 – 26 лет), из них 12 женщин и 12 мужчин.

Применялся тест на стрессоустойчивость и стрессочувствительность (ТНСИС). Тест оценивает уровень стрессочувствительности – показатель, обратный стрессоустойчивости. Следовательно, чем выше показатели данного теста, тем ниже стрессочувствительность человека и выше стрессоустойчивость.

3 Вопросы

1. Какая проблема в процессе использования конкретного математического метода является главной?

2. Чем определяется выбор статистического критерия?

3. Чем отличаются параметрические критерии от непараметрических?

4. Можно ли использовать непараметрические критерии, если признак подчинен нормальному закону распределения? А наоборот?

5. Как связаны F- критерий Фишера и г-критерий Стьюдента?

6. Может ли иметь место ситуация, когда в каждой из двух выборок корреляционная связь статистически значима между переменными, а при объединении двух выборок окажется статистически незначимой?

7. Какой вывод можно сделать в случае, если линейную связь с помощью корреляционного анализа установить не удалось?

8. Как связаны между собой ковариация и корреляция переменных х и у?

9. В чем заключается суть метода корреляционных плеяд?

10. Предположим, уже построена линия регрессии, изменится ли она, если придерживаться следующих оптимизационных принципов: - минимизировать сумму квадратов расстояний от точек до прямой, вычисляемых по оси ОХ; минимизировать сумму квадратов длин перпендикуляров, опущенных из точек на прямую; минимизировать сумму квадратов расстояний, вычисляемых от точек до прямой в направлении под углом π/4 к оси ОХ?

11. Если исключить из анализа некоторые наблюдения, то: изменится ли уравнение регрессии; изменится ли коэффициент детерминации?

12. Каковы последствия включения в факторный анализ не коррелирующих переменных?

13. В каком случае можно применять факторный анализ для классификации (или испытуемых)?

14. Чем отличается эксплораторный факторный анализ от конфирматорного?

15. Какой метод вращения факторов нужно использовать, если поставлена задача интерпретации факторов?

16. Сколько выбирать факторов в факторном анализе?

17. Как интерпретировать выбранные факторы?

18. Как определить значимость решений и факторов?

19. Как проверить теорию в факторном анализе?

20. Как оценить факторные значения?

21. Осуществляется ли проверка статистических гипотез в процессе использования кластерного анализа?

22. Можно ли использовать метод К-средних кластерного анализа, если переменные измерены в ранговой шкале?

23. В чем суть иерархического факторного анализа?

24. Какие требования предъявляются к данным в факторном анализе?

25. Обязательна ли проверка однородности экспериментальных групп для результирующего признака при выполнении дисперсионного анализа? Какой критерий для этого лучше использовать?

26. Обязательно ли проверять, подчинен ли признак нормальному закону распределения в случае малых выборок при использовании параметрических методов? Какие критерии для этого можно применить?

27. Достаточно ли по графику эмпирического распределения определить, отличается ли оно от теоретического (нормального) для дальнейшего использования параметрических методов?

28. Что следует предпринять, если влияние фактора на результативную переменную выявлено, а содержательная интерпретация характера этого влияния неадекватна?

29. Можно ли вместо однофакторного дисперсионного анализа провести множественное парное сравнение средних?

30. Почему для парного апостериорного сравнения средних при проведении дисперсионного анализа при большом количестве выборок использование t-критерия некорректно?

31. Что следует предпринять, если условие однородности дисперсий при использовании дисперсионного анализа не выполняется?

32. Что следует предпринять, если результативный признак измерен в ранговой шкале или в шкале наименований?

33. В чем заключается межфакторное взаимодействие? Приведите пример психологической задачи, в которой необходимо оценить взаимодействие 2-3 факторов на результативную переменную.

34. Предусматривается ли множественное сравнение средних для взаимодействий порядка выше первого?

35. Можно ли получить адекватную однозначную интерпретацию результата многофакторного дисперсионного анализа с неполным планом?

36. Возможно ли применение многофакторного дисперсионного анализа, если в качестве одного из факторов выступает количество воздействий на испытуемых?

38. Какие преимущества имеет вариант дисперсионного анализа с повторными измерениями по сравнению с дисперсионным анализом без повторных измерений?

39. Каким образом в дисперсионном анализе с повторными измерениями компенсируется наличие зависимых выборок?

40. Какое дополнительное математическое допущение принимается в дисперсионном анализе с повторными измерениями?

41. Как связан метод моделирования структурными уравнениями с методами факторного и регрессионного анализа?

42. Если данные являются неэкспериментальными, то какие существуют способы для выявления причинно-следственных отношений?

4 Тесты

4.1 Дисперсионный анализ

1. Нулевая гипотеза для множественного λ - критерия:

а) различия в средних показателях во всех группах отсутствуют

2. Однофакторный дисперсионный анализ для связанных выборок предназначен для исследования:

а) влияния разных градаций фактора или разных условий на одну и ту же выборку испытуемых

3. Однофакторный дисперсионный анализ для несвязанных выборок предназначен для исследования:

4. Результативный признак при использовании дисперсионного анализа должен быть измерен в шкале:

5. Факторный признак при использовании дисперсионного анализа должен быть измерен в шкале:

6. Нулевая гипотеза в однофакторном дисперсионном анализе для связанных выборок:

7. Нулевая гипотеза для критерия Левена:

8. Математические допущения однофакторного дисперсионного анализа:

9. Для проверки однородности групповых дисперсий используют следующие критерии:

10. Назначение критерия Фишера в однофакторном дисперсионном анализе для несвязанных выборок:

11. Двухфакторный дисперсионный анализ для связанных выборок предназначен для исследования:

12. Двухфакторный дисперсионный анализ для несвязанных выборок предназначен для исследования:

13. Результативный признак при использовании многофакторного дисперсионного анализа должен быть измерен в шкале:

14. Нулевая гипотеза в двухфакторном дисперсионном анализе для связанных выборок:

15. Экспериментальный план в двухфакторном дисперсионном анализе для несвязанных выборок называется полным, если:

16. Экспериментальный план в двухфакторном дисперсионном анализе для несвязанных выборок называется смешанным, если:

17. Взаимодействие факторов называется взаимодействием второго порядка, если:

4.2 Кластерный анализ

1. Назначение кластерного анализа:

2. Число кластеров в методе объединения (древовидная кластеризация):

3. Требования к качеству кластеризации:

4. Укажите основные меры расстояния между объектами:

5. Укажите правила объединения:

6. На дендрограмме представлены:

7. Число кластеров в методе К-средних:

8. Метод К-средних предполагает:

9. Проверка статистической значимости не проводится:

10. Разбиение на кластеры не является однозначным:

4.3 Факторный анализ

2. Метод вращения варимакс упрощает интерпретацию:

3. Метод вращения биквартимакс упрощает интерпретацию:

4. Фактор называется общим, если он имеет значимые нагрузки:

5. Фактор называется генеральным, если имеет значимые нагрузки:

6. Дисперсия ошибки – это:

7. Для определения числа общих факторов используется:

8. Матрица факторных коэффициентов – это:

9. Собственное значение фактора – это:

10. Метод главных компонент учитывает:

11. Общность (hj2) как компонента дисперсии равна:

4.4 Корреляционный анализ

1. По направлению связи бывают:

2. Коэффициент корреляции Спирмена можно применить для оценки тесноты связи между:

3. Коэффициент корреляции φ используется в случае, когда признаки измерены:

4. Рангово-бисериальный коэффициент корреляции характеризует тесноту связи показателей, измеренных:

6. Степень тесноты корреляционной связи можно измерить с помощью:

7. Коэффициент корреляции изменяется в пределах:

8. Если коэффициент корреляции равен единице, то между двумя величинами связь:

9. Если коэффициент корреляции равен нулю, то между двумя величинами связь:

4.5 Статистические критерии

1. Назначение G-критерия знаков:

2. Назначение Т-критерия Вилкоксона:

3. Назначение критерия Манна-Уитни:

4. Количественный признак измеряется по шкале:

5. Укажите ограничения F - критерия:

6. Ограничения G - критерия:

7. Какова нулевая гипотеза для t - критерия Стьюдента:

8. Уровень значимости α – это:

9. Число степеней свободы – это число

4.6 Регрессионный анализ

1. Коэффициент детерминации характеризует:

2. Регрессионная модель является адекватной, если:

3. Основная задача множественного регрессионного анализа:

4. Частная корреляция – это связь:

6. Из приведенных зависимостей нелинейными являются:

7. По аналитическому выражению связи различаются:

8. Функциональной является связь:

9. Аналитическое выражение связи определяется с помощью методов анализа:

10. Анализ тесноты и направления связей двух признаков осуществляется на основе:

11. Мультиколлинеарность – это связь между:

12. Оценка значимости параметров модели регрессии осушествляется на основе:

13. Оценка значимости уравнения регрессии осуществляется на основе:

14. Метод статистического анализа зависимости случайной величины У от переменных хj; (i = 1, 2, 3. , к) называется:

15. Зависимость между себестоимостью единицы продукции (рубли) и производительностью труда работника (тыс. рублей) выражена уравнением регрессии ух = 48 - 2,5х. Если производительность труда увеличится на 1тыс. рублей, то себестоимость продукции среднем:

Список литературы [ всего 6]

Ермолаев О. Ю. Математическая статистика для психологов. - 4-е издание испр. – М.: Московский психолого-социальный институт: Флинта, 2006.
Заварыкин В.М., Житомирский В.Г., Лапчик М.П. Численные методы. М.: Просвещение, 1991.
Львовский Е.Н. Статистические методы построения эмпирических формул: Уч. пос. для ВТУЗов. – М.:Высш. шк., 1988.
.

Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.

* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.

Читайте также: