Студопедия  
Главная страница | Контакты | Случайная страница

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Экспериментальное исследование является в развитых дисциплинах обычно достаточно длительным процессом, в котором можно выделить несколько этапов.

Читайте также:
  1. A.Свободная энергия равна 0, изменение энтропии стремится к минимально возможному значению, наблюдаются потоки энергии и вещества во внешнюю среду и обратно.
  2. B) Маркеры внутри тела Т, предоставляющие возможность отмены части выполненных в рамках данной Т действий
  3. C.) Не является объектом технологических преобразований
  4. D) суд, орган уголовного преследования вправе выделить уголовное дело в отношении несовершеннолетнего
  5. I. Исследование свойств форматов сжатия графических данных
  6. II. Исследование алгоритмов сжатия RAR и ZIP для графических файлов
  7. II. ЭКСПЕРИМЕНТАЛЬНОЕ ОБОСНОВАНИЕ ПСИХОДИАГНОСТИЧЕСКОЙ МЕТОДИКИ.
  8. L При этом социум является необходимым условием ее формирования.
  9. Lt;question> Кто является автором педагогики сотрудничества?
  10. MS Power Point: назначение, возможности. Технологии создания электронных презентаций.

1. Разработка программы эксперимента. Разумеется, экспериментальное исследование должно выполняться только тогда, когда в этом есть необходимость, т.е. существует научная задача (или совокупность задач), решение которой может быть получено именно экспериментальным методом. Поэтому на начальном этапе исследователь должен осознать и четко сформулировать свою задачу. Как правило, это происходит в виде выдвижения рабочей гипотезы, после чего исследователь, ориентируясь на имеющиеся знания и материально-технические возможности, разрабатывает адекватную этой гипотезе программу эксперимента (экспериментов); в ходе экспериментов должны быть получены данные, подкрепляющие исходную гипотезу либо опровергающие ее.

Круг работ, принадлежащих к этой стадии, достаточно обширен. Исследователю необходимо продумать цель, смысл, структуру экспериментов, условия их проведения, подобрать адекватный объект исследования, учитывая и этическую сторону (в медико-биологических и гуманитарных науках), необходимые приборы и материалы. Особое значение имеет разработка адекватной методики. Методика исследования — это упорядоченная совокупность предписаний, необходимая и достаточная для достижения цели исследования. Итогом подготовительной деятельности экспериментатора должна явиться программа эксперимента, в которой указаны все компоненты, требующиеся для проведения экспериментального исследования, описаны объем экспериментальных работ, материально-техническое обеспечение, детально изложена методика, а также рассчитаны сроки выполнения. Важнейшим методологическим требованием к плану эксперимента является его реализуемость. Это означает, что количество задач не должно быть слишком большим; проект должен обладать прозрачной логической структурой, отличаться максимальной простотой, наглядностью, удобством в применении. На стадии разработки программы нет мелочей, все должно быть тщательно продумано и упорядочено.

План эксперимента — это определенная логическая схема, выбранная для достижения исследовательских целей. В англоязычной литературе также употребляется термин “дизайн” (design) эксперимента. Следует отметить, что современная научная методология обеспечивает серьезную концептуальную поддержку стадии планирования эксперимента. Так, существует специальная прикладная математическая дисциплина — математическая теория эксперимента. Среди массы источников, посвященных этой теме, достаточно указать на работы В.В. Налимова1, известного также своими философскими сочинениями. Математическая теория эксперимента разрабатывает условия оптимального планирования исследований. Она содержит ряд концепций последовательного эксперимента, многофакторного эксперимента (вкратце описанного выше), рандомизации, оптимального использования факторного пространства и др. Эти теории совершенствуют стратегию исследователя, способствуют успешному достижению целей. Для иллюстрации назовем концепцию последовательного эксперимента, ее предложил в 1943 г. А. Вальд. Это пошаговая стратегия, главной идеей которой является деление исследовательской задачи на последовательные этапы; при выполнении этой стратегии каждый последующий шаг исследования зависит от результатов анализа предыдущего шага.

Для нужд исследователей сейчас имеются специальные каталоги планов эксперимента, в которых приводятся сравнительные оценки различных экспериментальных дизайнов и даются рекомендации по их выбору в сответствии с конкретными условиями исследований. Но в любой ситуации, использует ли исследователь готовые схемы экспериментов или сталкивается с каким-то особым случаем, требующим от него самостоятельного планирования, ведущим принципом на стадии разработки программы опытов остается прекрасное правило французского физиолога и патолога Клода Бернара (1813-1878): “Нужно заботиться не столько об увеличении числа экспериментов, сколько о том, чтобы свести их к небольшому количеству решающих опытов”.

2. Проведение экспериментального исследования. Непосредственное проведение исследований является для экспериментатора наиболее напряженным, динамичным этапом работы, требующим от ученого инициативности, быстроты реакции и внимания. Будучи включенным в режим экспериментирования, исследователь должен следить за поддержанием стандартных условий эксперимента, систематически регистрировать, оценивать, осмысливать происходящие события и их характеристики — их частоту, интенсивность, какие-либо количественные параметры и т.п.; оказывать, если это возможно, направленное воздействие на изучаемый объект, управляя независимыми переменными, варьируя и дозируя их. Разумеется, экспериментатор опирается на имеющийся у него план, но использует его с известной долей инициативы, т.к. вполне возможны неожиданные изменения ситуации.

Важную роль в ходе этой стадии работы имеет, как известно, составление и ведение протокола исследования (лабораторного журнала). В протоколе фиксируется информация о ходе эксперимента, действиях экспериментатора, состоянии изучаемого объекта. Протокол является научной основой для последующего анализа и обобщения результатов, а также не только фактическим, но даже юридическим доказательством правомерности сделанных иследователем выводов (есть случаи, когда для присуждения ученой степени комиссии требовалась проверка фактических данных по первичным документам исследования). Поэтому к записям протокола приложимо требование точности и подробности: исследовательский протокол должен быть изначально ориентирован на достижение интерсубъективной значимости полученных результатов.

Вообще в работе экспериментатора как на предварительной стадии, так и в ходе проведения исследования должно быть внимательное отношение к деталям. Наблюдательность, точность, аккуратность, даже некоторая педантичность — важнейшие добродетели экспериментатора; эти качества отличают профессионала от дилетанта. И, конечно, для занятий экспериментальной наукой требуется особый талант экспериментатора. В экспериментальной науке, как, впрочем, и во всех других видах научной деятельности, многое зависит от личности исследователя, ярко видна роль субъекта как непосредственного автора научной работы.

Не следует забывать и о том, что в ходе реализации программы эксперимента исследователь не перестает мыслить теоретически. Уже на стадии проведения экспериментального исследования ученый осуществляет первичную обработку получаемых им результатов, дает им оценку и решает вопрос о дальнейшем ходе эксперимента. Предварительная обработка данных позволяет исследователю адекватно откликаться на изменения ситуации, варьировать нужные параметры, активно управлять процессом. Уже на этой стадии ученый может столкнуться с данными, имеющими принципиальное теоретическое значение, поэтому уже здесь эксперимент непосредственно встречается с теоретизированием.

3. Анализ и обобщение результатов эксперимента. Эта стадия завершает экспериментальное исследование. Здесь исследователь проводит общий анализ достигнутых результатов. В ходе непосредственной экспериментальной работы часто трудно бывает уяснить суть происходящего, увидеть ее за сочетанием факторов и изменением переменных, а ведь для науки важны не эмпирические данные сами по себе, в чистом виде, а стоящие за ними смыслы, их теоретическая ценность. Именно осмысление проведенного исследования, т.е. содержательная интерпретация первичного материала, и составляет задачу третьей стадии. Прежде всего исследователь оценивает сами полученные данные — насколько они отвечают статистическим требованиям, не содержат ли они систематические ошибки и артефакты (искусственно произведенные лабораторные эффекты, не имеющие объективного значения). Далее исследователь производит сопоставление исходной гипотезы с полученными данными. В случае расхождения приходится решать вопрос либо о необходимости скорректировать исходные теоретические положения, либо о достоверности экспериментального исследования. Таким образом, исследователь принимает решение о дальнейшей экспериментальной деятельности: считать ли основную часть работы завершенной, а цель эксперимента— достигнутой, или провести дополнительный сбор информации и перейти к планированию новой серии исследований, а работу считать неудачной и требующей повторного выполнения и т.п.

На этой стадии изучаемый объект как бы восстанавливается во всей полноте связей тех его отдельных сторон, которые были искусственно вычленены и разделены в эксперименте. Исследователь должен обобщить полученные данные и сформулировать выводы, которые станут основой для последующих исследований.

Следует отметить, что, хотя в нашем предыдущем изложении экспериментальное исследование было упрощенно представлено как линейная последовательность этапов, в реальности соотношение этих стадий между собой более сложное. Стадии экспериментального исследования не только логически связаны между собой, но и хронологически пересекаются в реальной научной практике, часто плавно переходя один в другой, так что провести строгое разграничение этапов не всегда представляется возможным. Например, не такой уж редкой является та ситуация, когда ученый в ходе самого исследования оказывается вынужден менять его план и цели, т.е. возникает потребность пересмотреть стадию планирования эксперимента. В целом экспериментальное исследование протекает скорее циклически:

Возможны и другие структурные соотношения этапов, например те или иные группы экспериментов могут соединяться в определенные блоки, выполняться параллельно, иерархически организованно, с определенными интервалами и т.п.

Таким образом, в научной практике экспериментальное исследование представляет собой, как правило, не изолированный единичный эксперимент, а некоторую систему взаимосвязанных экспериментальных работ, объединенную общим замыслом и соотнесенную с определенным теоретическим контекстом.

 

 Методы первичной статистической обработки результатов эксперимента

Все методы математико-статистического анализа условно делятся на первичные и вторичные. Первичными называют методы, с помощью которых можно получить показатели, непосредственно отражающие результаты производимых в эксперименте измерений. Соответственно под первичными статистическими показателями имеются в виду те, которые применяются в самих психодиагностических методиках и являются итогом начальной статистической обработки результатов психодиагностики. Вторичными называются методы статистической обработки, с помощью которых на базе первичных данных выявляют скрытые в них статистические закономерности.

К первичным методам статистической обработки относят, например, определение выборочной средней величины, выборочной дисперсии, выборочной моды и выборочной медианы. В число вторичных методов обычно включают корреляционный анализ, регрессионный анализ, методы сравнения первичных статистик у двух или нескольких выборок.

Рассмотрим методы вычисления элементарных математических статистик.

1.1 Мода

Числовой характеристикой выборки, как правило, не требующей вычислений, является так называемая мода. Модой называют количественное значение исследуемого признака, наиболее часто встречающееся в выборке. Для симметричных распределений признаков, в том числе для нормального распределения, значение моды совпадает со значениями среднего и медианы. Для других типов распределении, несимметричных, это не характерно. К примеру, в последовательности значений признаков 1, 2, 5, 2, 4, 2, 6, 7, 2 модой является значение 2, так как оно встречается чаще других значений - четыре раза.

Моду находят согласно следующим правилам:

1) В том случае, когда все значения в выборке встречаются одинаково часто, принято считать, что этот выборочный ряд не имеет моды. Например: 5, 5, 6, 6, 7, 7 - в этой выборке моды нет.

2) Когда два соседних (смежных) значения имеют одинаковую частоту и их частота больше частот любых других значений, мода вычисляется как среднее арифметическое этих двух значений. Например, в выборке 1, 2, 2, 2, 5, 5, 5, 6 частоты рядом расположенных значений 2 и 5 совпадают и равняются 3. Эта частота больше, чем частота других значений 1 и 6 (у которых она равна 1). Следовательно, модой этого ряда будет величина =3,5

3) Если два несмежных (не соседних) значения в выборке имеют равные частоты, которые больше частот любого другого значения, то выделяют две моды. Например, в ряду 10, 11, 11, 11, 12, 13, 14, 14, 14, 17 модами являются значения 11 и 14. В таком случае говорят, что выборка является бимодальной.

 

Могут существовать и так называемые мультимодальные распределения, имеющие более двух вершин (мод).

4) Если мода оценивается по множеству сгруппированных данных, то для нахождения моды необходимо определить группу с наибольшей частотой признака. Эта группа называется модальной группой.

1.2 Медиана

Медианой называется значение изучаемого признака, которое делит выборку, упорядоченную по величине данного признака, пополам. Справа и слева от медианы в упорядоченном ряду остается по одинаковому количеству признаков. Например, для выборки 2, 3, 4, 4, 5, 6, 8, 7, 9 медианой будет значение 5, так как слева и справа от него остается по четыре показателя. Если ряд включает в себя четное число признаков, то медианой будет среднее, взятое как полусумма величин двух центральных значений ряда. Для следующего ряда 0, 1, 1, 2, 3, 4, 5, 5, 6, 7 медиана будет равна 3,5.

Знание медианы полезно для того, чтобы установить, является ли распределение частных значений изученного признака симметричным и приближающимся к так называемому нормальному распределению. Средняя и медиана для нормального распределения обычно совпадают или очень мало отличаются друг от друга. Если выборочное распределение признаков нормально, то к нему можно применять методы вторичных статистических расчетов, основанные на нормальном распределении данных. В противном случае этого делать нельзя, так как в расчеты могут вкрасться серьезные ошибки.

1.3 Выборочное среднее

Выборочное среднее (среднее арифметическое) значение как статистический показатель представляет собой среднюю оценку изучаемого в эксперименте психологического качества. Эта оценка характеризует степень его развития в целом у той группы испытуемых, которая была подвергнута психодиагностическому обследованию. Сравнивая непосредственно средние значения двух или нескольких выборок, мы можем судить об относительной степени развития у людей, составляющих эти выборки, оцениваемого качества.

Выборочное среднее определяется при помощи следующей формулы:

 

где х - выборочная средняя величина или среднее арифметическое значение по выборке;

n - количество испытуемых в выборке или частных психодиагностических показателей, на основе которых вычисляется средняя величина;

хk - частные значения показателей у отдельных испытуемых.

Всего таких показателей n, поэтому индекс k данной переменной принимает значения от 1 до n; ∑ - принятый в математике знак суммирования величин тех переменных, которые находятся справа от этого знака. Выражение соответственно означает сумму всех х с индексом k, от 1до n. В психодиагностике и в экспериментальных психолого-педагогических исследованиях среднее, как правило, не вычисляется с точностью, превышающей один знак после запятой, т.е. с большей, чем десятые доли единицы. В психодиагностических обследованиях большая точность расчетов не требуется и не имеет смысла, если принять во внимание приблизительность тех оценок, которые в них получаются, и достаточность таких оценок для производства сравнительно точных расчетов.

1.4 Разброс выборки

Разброс (иногда эту величину называют размахом) выборки обозначается буквой R. Это самый простой показатель, который можно получить для выборки - разность между максимальной и минимальной величинами данного конкретного вариационного ряда, т.е.

R= хmax - хmin

Понятно, что чем сильнее варьирует измеряемый признак, тем больше величина R, и наоборот. Однако может случиться так, что у двух выборочных рядов и средние, и размах совпадают, однако характер варьирования этих рядов будет различный. Например, даны две выборки:

Х = 10 15 20 25 30 35 40 45 50X = 30 R = 40

Y = 10 28 28 30 30 30 32 32 50 Y=30 R = 40

При равенстве средних и разбросов для этих двух выборочных рядов характер их варьирования различен. Для того чтобы более четко представлять характер варьирования выборок, следует обратиться к их распределениям.

1.5 Дисперсия

Дисперсия - это среднее арифметическое квадратов отклонений значений переменной от её среднего значения.

Дисперсия как статистическая величина характеризует, насколько частные значения отклоняются от средней величины в данной выборке. Чем больше дисперсия, тем больше отклонения или разброс данных.

 

где 5 - выборочная дисперсия, или просто дисперсия;

2 (……) - выражение, означающее, что для всех х, от первого до последнего в данной выборке необходимо вычислить разности между частными и средними значениями, возвести эти разности в квадрат и просуммировать;

 

п - количество испытуемых в выборке или первичных значений, по которым вычисляется дисперсия. Однако сама дисперсия, как характеристика отклонения от среднего, часто неудобна для интерпретации. Для того, чтобы приблизить размерность дисперсии к размерности измеряемого признака применяют операцию извлечения квадратного корня из дисперсии. Полученную величину называют стандартным отклонением.

Из суммы квадратов, делённых на число членв ряда извлекаеся квадратный корень.

 

Иногда исходных частных первичных данных, которые подлежат статистической обработке, бывает довольно много, и они требуют проведения огромного количества элементарных арифметических операций. Для того чтобы сократить их число и вместе с тем сохранить нужную точность расчетов, иногда прибегают к замене исходной выборки частных эмпирических данных на интервалы. Интервалом называется группа упорядоченных по величине значений признака, заменяемая в процессе расчетов средним значением.

2. Методы вторичной статистической обработки результатов эксперимента

С помощью вторичных методов статистической обработки экспериментальных данных непосредственно проверяются, доказываются или опровергаются гипотезы, связанные с экспериментом. Эти методы, как правило, сложнее, чем методы первичной статистической обработки, и требуют от исследователя хорошей подготовки в области элементарной математики и статистики. (7).

Обсуждаемую группу методов можно разделить на несколько подгрупп:

1. Регрессионное исчисление.

2. Методы сравнения между собой двух или нескольких элементарных статистик (средних, дисперсий и т.п.), относящихся к разным выборкам.

3. Методы установления статистических взаимосвязей между переменными, например их корреляции друг с другом.

4. Методы выявления внутренней статистической структуры эмпирических данных (например, факторный анализ). Рассмотрим каждую из выделенных подгрупп методов вторичной статистической обработки на примерах.

2.1 Регрессионное исчисление

Регрессионное исчисление - это метод математической статистики, позволяющий свести частные, разрозненные данные к некоторому линейному графику, приблизительно отражающему их внутреннюю взаимосвязь, и получить возможность по значению одной из переменных приблизительно оценивать вероятное значение другой переменной (7).

 

Графическое выражение регрессионного уравнения называют линией регрессии. Линия регрессии выражает наилучшие предсказания зависимой переменой (Y) по независимым переменным (X).

Регрессию выражают с помощью двух уравнений регрессии, которые в самом прямом случае выглядят, как уравнения прямой.

Y = a 0 + a 1 * X (1)

X = b 0 + b 1 * Y (2)

В уравнении (1) Y - зависимая переменная, X - независимая переменная, a 0 - свободный член, a 1 - коэффициент регрессии, или угловой коэффициент, определяющий наклон линии регрессии по отношению к осям координат.

В уравнении (2) X - зависимая переменная, Y - независимая переменная, b 0 - свободный член, b 1 - коэффициент регрессии, или угловой коэффициент, определяющий наклон линии регрессии по отношению к осям координат.

Количественное представление связи (зависимости) между Х и Y (между Y и X) называется регрессионным анализом. Главная задача регрессионного анализа заключается в нахождении коэффициентов a 0, b 0, a1и b 1 и определении уровня значимости полученных аналитических выражений, связывающих между собой переменные Х и У.

При этом коэффициенты регрессии a 1 и b 1 показывают, насколько в среднем величина одной переменной изменяется при изменении на единицу меры другой. Коэффициент регрессии a 1 в уравнении можно подсчитать по формуле:

 

а коэффициент b 1 в уравнении по формуле

 

где ryx - коэффициент корреляции между переменными X и Y;

Sx - среднеквадратическое отклонение, подсчитанное для переменной X;

Sy - среднеквадратическое отклонение, подсчитанное для переменной У/

Для применения метода линейного регрессионного анализа необходимо соблюдать следующие условия:

1. Сравниваемые переменные Х и Y должны быть измерены в шкале интервалов или отношений.

 

2. Предполагается, что переменные Х и Y имеют нормальный закон распределения.

3. Число варьирующих признаков в сравниваемых переменных должно быть одинаковым. (5).

2.2 Корреляция

Следующий метод вторичной статистической обработки, посредством которого выясняется связь или прямая зависимость между двумя рядами экспериментальных данных, носит название метод корреляций. Он показывает, каким образом одно явление влияет на другое или связано с ним в своей динамике. Подобного рода зависимости существуют, к примеру, между величинами, находящимися в причинно-следственных связях друг с другом. Если выясняется, что два явления статистически достоверно коррелируют друг с другом и если при этом есть уверенность в том, что одно из них может выступать в качестве причины другого явления, то отсюда определенно следует вывод о наличии между ними причинно-следственной зависимости. (7)

Когда повышение уровня одной переменной сопровождается повышением уровня другой, то речь идёт о положительной корреляции. Если же рост одной переменной происходит при снижении уровня другой, то говорят об отрицательной корреляции. При отсутствии связи переменных мы имеем дело с нулевой корреляцией. (1)

Имеется несколько разновидностей данного метода: линейный, ранговый, парный и множественный. Линейный корреляционный анализ позволяет устанавливать прямые связи между переменными величинами по их абсолютным значениям. Эти связи графически выражаются прямой линией, отсюда название "линейный". Ранговая корреляция определяет зависимость не между абсолютными значениями переменных, а между порядковыми местами, или рангами, занимаемыми ими в упорядоченном по величине ряду. Парный корреляционный анализ включает изучение корреляционных зависимостей только между парами переменных, а множественный, или многомерный, - между многими переменными одновременно. Распространенной в прикладной статистике формой многомерного корреляционного анализа является факторный анализ. (5)

Коэффициент линейной корреляции определяется при помощи следующей формулы:

 

 

где rxy - коэффициент линейной корреляции;

х, у - средние выборочные значения сравниваемых величин;

хi, уi - частные выборочные значения сравниваемых величин;

n - общее число величин в сравниваемых рядах показателей

S2x, S2y - дисперсии, отклонения сравниваемых величин от средних значений.

 

К коэффициенту ранговой корреляции в психолого-педагогических исследованиях обращаются в том случае, когда признаки, между которыми устанавливается зависимость, являются качественно различными и не могут быть достаточно точно оценены при помощи так называемой интервальной измерительной шкалы. Интервальной называют такую шкалу, которая позволяет оценивать расстояния между ее значениями и судить о том, какое из них больше и насколько больше другого. Например, линейка, с помощью которой оцениваются и сравниваются длины объектов, является интервальной шкалой, так как, пользуясь ею, мы можем утверждать, что расстояние между двумя и шестью сантиметрами в два раза больше, чем расстояние между шестью и восемью сантиметрами. Если же, пользуясь некоторым измерительным инструментом, мы можем только утверждать, что одни показатели больше других, но не в состоянии сказать на сколько, то такой измерительный инструмент называется не интервальным, а порядковым.

 

Большинство показателей, которые получают в психолого-педагогических исследованиях, относятся к порядковым, а не к интервальным шкалам (например, оценки типа "да", "нет", "скорее нет, чем да" и другие, которые можно переводить в баллы), поэтому коэффициент линейной корреляции к ним неприменим. В этом случае обращаются к использованию коэффициента ранговой корреляции, формула которого следующая:

 

 

где Rs - коэффициент ранговой корреляции по Спирмену;

di - разница между рангами показателей одних и тех же испытуемых в упорядоченных рядах;

n - число испытуемых или цифровых данных (рангов) в коррелируемых рядах.

Метод множественных корреляций в отличие от метода парных корреляций позволяет выявить общую структуру корреляционных зависимостей, существующих внутри многомерного экспериментального материала, включающего более двух переменных, и представить эти корреляционные зависимости в виде некоторой системы.

Для применения частного коэффициента корреляции необходимо соблюдать следующие условия:

1. Сравниваемые переменные должны быть измерены в шкале интервалов или отношений.

2. Предполагается, что все переменные имеют нормальный закон распределения.

 

3. Число варьирующих признаков в сравниваемых переменных должно быть одинаковым.

4. Для оценки уровня достоверности корреляционного отношения Пирсона следует пользоваться формулой (11.9) и таблицей критических значений для t-критерия Стьюдента при k = n - 2. (5)

2.3 Факторный анализ

Факторный анализ - статистический метод, который используется при обработке больших массивов экспериментальных данных. Задачами факторного анализа являются: сокращение числа переменных (редукция данных) и определение структуры взаимосвязей между переменными, т.е. классификация переменных, поэтому факторный анализ используется как метод сокращения данных или как метод структурной классификации.

Важное отличие факторного анализа от всех описанных выше методов заключается в том, что его нельзя применять для обработки первичных, или, как говорят, "сырых", экспериментальных данных, т.е. полученных непосредственно при обследовании испытуемых. Материалом для факторного анализа служат корреляционные связи, а точнее - коэффициенты корреляции Пирсона, которые вычисляются между переменными (т.е. психологическими признаками), включенными в обследование. Иными словами, факторному анализу подвергают корреляционные матрицы, или, как их иначе называют, матрицы интеркорреляций. Наименования столбцов и строк в этих матрицах одинаковы, так как они представляют собой перечень переменных, включенных в анализ. По этой причине матрицы интеркорреляций всегда квадратные, т.е. число строк в них равно числу столбцов, и симметричные, т.е. на симметричных местах относительно главной диагонали стоят одни и те же коэффициенты корреляции.

Главное понятие факторного анализа - фактор. Это искусственный статистический показатель, возникающий в результате специальных преобразований таблицы коэффициентов корреляции между изучаемыми психологическими признаками, или матрицы интеркорреляций. Процедура извлечения факторов из матрицы интеркорреляций называется факторизацией матрицы. В результате факторизации из корреляционной матрицы может быть извлечено разное количество факторов вплоть до числа, равного количеству исходных переменных. Однако факторы, выделяемые в результате факторизации, как правило, неравноценны по своему значению. (5)

С помощью выявленных факторов объясняют взаимозависимость психологических явлений. (7)

Чаще всего в итоге факторного анализа определяется не один, а несколько факторов, по-разному объясняющих матрицу интеркорреляций переменных. В таком случае факторы делят на генеральные, общие и единичные. Генеральными называются факторы, все факторные нагрузки которых значительно отличаются от нуля (нуль нагрузки свидетельствует о том, что данная переменная никак не связана с остальными и не оказывает на них никакого влияния в жизни). Общие - это факторы, у которых часть факторных нагрузок отлична от нуля. Единичные - это факторы, в которых существенно отличается от нуля только одна из нагрузок. (7)

 

Факторный анализ может быть уместен, если выполняются следующие критерии.

1. Нельзя факторизовать качественные данные, полученные по шкале наименований, например, такие, как цвет волос (черный / каштановый / рыжий) и т.п.

2. Все переменные должны быть независимыми, а их распределение должно приближаться к нормальному.

3. Связи между переменными должны быть приблизительно линейны или, по крайней мере, не иметь явно криволинейного характера.

4. В исходной корреляционной матрице должно быть несколько корреляций по модулю выше 0,3. В противном случае достаточно трудно извлечь из матрицы какие-либо факторы.

5. Выборка испытуемых должна быть достаточно большой. Рекомендации экспертов варьируют. Наиболее жесткая точка зрения рекомендует не применять факторный анализ, если число испытуемых меньше 100, поскольку стандартные ошибки корреляции в этом случае окажутся слишком велики.

Однако если факторы хорошо определены (например, с нагрузками 0,7, а не 0,3), экспериментатору нужна меньшая выборка, чтобы выделить их. Кроме того, если известно, что полученные данные отличаются высокой надежностью (например, используются валидные тесты), то можно анализировать данные и по меньшему числу испытуемых. (5).

2.4 Использование факторного анализа в психологии

Факторный анализ широко используется в психологии в разных направлениях, связанных с решением как теоретических, так и практических проблем.

В теоретическом плане использование факторного анализа связано с разработкой так называемого факторно-аналитического подхода к изучению структуры личности, темперамента и способностей. Использование факторного анализа в этих сферах основано на широко принятом допущении, согласно которому наблюдаемые и доступные для прямого измерения показатели являются лишь косвенными и/или частными внешними проявлениями более общих характеристик. Эти характеристики, в отличие от первых, являются скрытыми, так называемыми латентными переменными, поскольку они представляют собой понятия или конструкты, которые не доступны для прямого измерения. Однако они могут быть установлены путем факторизации корреляционных связей между наблюдаемыми чертами и выделением факторов, которые (при условии хорошей структуры) можно интерпретировать как статистическое выражение искомой латентной переменной.

Хотя факторы имеют чисто математический характер, предполагается, что они репрезентируют скрытые переменные (теоретически постулируемые конструкты или понятия), поэтому названия факторов нередко отражают сущность изучаемого гипотетического конструкта.

В настоящее время факторный анализ широко используется в дифференциальной психологии и психодиагностике. С его помощью можно разрабатывать тесты, устанавливать структуру связей между отдельными психологическими характеристиками, измеряеыми набором тестов или заданиями теста.

Факторный анализ используется также для стандартизации тестовых методик, которая проводится на репрезентативной выборке испытуемых.

 




Дата добавления: 2015-04-11; просмотров: 32 | Поможем написать вашу работу | Нарушение авторских прав

1 | 2 | 3 | 4 | 5 | <== 6 ==> |


lektsii.net - Лекции.Нет - 2014-2024 год. (0.022 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав