Способы обработки эмпирических данных

Первичная обработка данных:

1. Составление таблиц:В большинстве случаев обработку целесообразно начать с составления таблиц (сводных таблиц) полученных данных. В таблицу можно свести не только числовые данные. К данным качественного характера также могут быть применены простейшие способы количественной обработки. Для всей выборки и отдельных подборок могут быть подсчитаны частоты встречаемости (количество случаев появления события), а затем и частости (относительные частоты, т.е. частоты, деленные на количество испытании) интересующих вас индикаторов, проявлений некоторого вида.

Основной формой таблицы является следующая. По строкам занесены значения показателей каждого испытуемого - в одной строке значения показателей одного испытуемого. По столбцам расположены значения каждого заносимого в таблицу признака (измеренною вами параметра) - в одном столбце находятся значения одного признака по всем испытуемым. Все строки и все столбцы должны быть пронумерованы. Последовательность признаков может быть упорядочена по разным основаниям.

В первых столбцах лучше разместить демографические, социо-демографические показатели: пол, возраст, уровень образования (если важен) и т.д. Затем по убывающей значимости (уровню информативности) измеренные параметры. Параметры, полученные с помощью одной методики, удобней располагать компактно - в одной группе. Испытуемые могут быть расположены по алфавитному порядку их фамилий, по лучше использовать этот принцип на самом нижнем уровне деления. Удобнее расположить испытуемых в соответствии с их принадлежностью к какой-либо подгруппе, которая будет взята вами как единная для сравнения. Внутри таких подгрупп можно упорядочивать испытуемых по полу, возрасту или выраженности некоторого наиболее важного для вас параметра.

Таблицам необходимо давать, названия, достаточно полно отражающие их содержание и специфику. В ходе продолжительной работы они накапливаются и затем опознаются без названия менее быстро и точно.

В исходную сводную таблицу чаще всего заносят сырые данные. Сейчас преимущественной формой математико-статистической обработки стала компьютерная технология. Если форма распределения эмпирических данных незначительно отличается от нормального распределения, то предварительное центрирование, нормирование или перевод в шкальные (стандартизованные) оценки по имеющимся в данной методике таблицам не требуется. Для начала можно предположить, что выбранный вами метод подходит для обработки средствами параметрической статистики. Получив на первом шаге компьютерных вычислений первичные статистические признаки, можно сделать дальнейшие более точные предположения о форме распределения каждого параметра.

2. Преобразование формы информации

В таблицу целесообразно внести все интересующие вас признаки в форме десятичного числа. В виде чисел в таблицу можно вписать информацию и о тех параметрах выборки, которые предположительно могут оказаться значимыми факторами, но имеются у вас в качественных показателях. Число 0 для кодирования лучше не использовать, поскольку некоторые статистические компьютерные программы не смогут обработать такие данные.

3.Проверка данных

После создания таблицы на бумаге или электронной таблицы на компьютере необходимо проверить качество полученных данных. Для этого часто достаточно внимательно осмотреть массив данных. Начать проверку слезет с выявления ошибок (описок), которые заключаются в том, что неправильно написан порядок числа.

4. Математико - статитстическая обработка.Вопрос 22.

5. Оценка достоверности отличий.

Одной из наиболее часто встречающихся задач при обработке данных является оценка достоверности отличий между двумя или более рядами значений. В математической статистике существует ряд способов для этого. Для использования большинства мощных критериев требуются дополнительные вычисления, обычно весьма развернутые.

Во многих прикладных статистических программах есть процедуры оценки различий между параметрами одной выборки или разных выборок. При полностью компьютеризованной обработке материала нетрудно в нужный момент использовать соответствующую процедуру и оценить интересующие различия. Однако, большинство психологов не имеют свободного и неограниченного доступа для работы с компьютером - либо недостаточен парк ЭВМ, либо психолог как пользователь ЭВМ неподготовлен и может проводить обработку только с помощью квалифицированного персонала. И в том, и в другом случае типичный сеанс работы с компьютером заканчивается тем, что психолог получает принтерные распечатки, содержащие подсчитанные первичные статистики, результаты корреляционного анализа, иногда и факторного (компонентного).

6.Корреляционный анализ

Для эффективного использования вычисленных коэффициентов корреляции необходимо представить имеющуюся числовую информацию в подходящем виде. Прежде всего, надо выделить коэффициенты корреляции величина которых превышает критические значения. В психологии чаще всего рассматривают два уровня достоверности 0.05 и 0.01. Целесообразно выделить среди прочих коэффициенты корреляции, превышающие эти уровни достоверности. Можно подчеркнуть коэффициенты с достоверностью 0.05 одной чертой или отметить одной звездочкой, а с достоверностью 0.01 - двумя. Удобно использовать и цветовое кодирование. Если после этого выделить обусловленность или значимых коэффициентов корреляции (превышающих уровень 0.05 или 0.01) довольно много, то для достоверного анализа более удобна полная матрица интеркорреляции. Поэтому, если в принтерной распечатке содержится только половина матрицы, отделенная от другой половины главной диагональю, то ее надо восстановить до полного вида.

Матрица интеркорреляций оцифрована только номерами признаков и содержит только коэффициенты корреляции каждого признака с каждым. Испытуемые и их порядковые номера в таблице исходных данных в ней не представлены.

Поскольку матрица интеркорреляцпй симметрична относительно своей главной диагонали (проходящей из левого верхнего угла в правый нижний), то ее при восстановлении надо «опрокинуть», повернуть относительно этой оси симметрии. Обычно в распечатке каждая строчка начинается с номера признака, затем наткана 1.0 - это коэффициент корреляции данного признака с самим собой. Затем напечатан коэффициент корреляции данного признака со следующим по порядковому номеру и далее коэффициенты корреляции с остальными признаками.

7. Факторный анализ.

Данные факторного анализа, как и корреляционного помогают обнаружить взаимосвязи между переменными, но не могут дать достаточных оснований для выводов о причинно-следственных зависимостях, об иерархии причинных связей. Выделение факторов более высокого порядка и другие усложнения и модификации сути метода не меняют. Неслучайно в различных факторных структурах личностных свойств устойчиво присутствуют именно стержневые психические качества, например, такие как тревожность, активность (энергия), нейротизм.

Какой бы понятийный аппарат психолог не использовал, в нем непременно заложен принцип причинности, он пронизывает любую концепцию. В этом существенное расхождение понятийного и факторного описания психических явлений. Никакая формализованная процедура не может заменить ум исследователя, его концептуальные представления и логику. В факторном анализе предполагается, что наблюдаемые переменные являются линейной комбинацией некоторых латентных (гипотетических или ненаблюдаемых) факторов. Фактурная модель основывается на том, что все наблюдаемые переменные являются функциями скрытых факторов. Т.е. не предполагается включение в состав переменных таких, которые являются причинными для других. Но не обязательно, чтобы все переменные были на одном уровне причинности. При достаточном опыте и наличии дополнительной информации о структуре исследуемого явления результаты факторною анализа можно достаточно корректно интерпретировать. Факторный анализ является сложной процедурой. Как правило хорошее факторное решение (достаточно простое и содержательно интерпретируемое) удается получить по меньшей мере после нескольких циклов его проведения - от отбора признаков до попытки интерпретации после вращения факторов. Для того, чтобы прийти к нему, надо соблюдать немало требований, назовем основные.

1) Переменные должны быть измерены по крайней мере на уровне шкалы интервалов (по классификации Стивенса). Многие переменные, такие, как меры отношений и мнений в совокупности, различные переменные при обработке результатов тестирования, не имеют точно определенной метрической основы. Тем не менее предполагается, что порядковым переменным можно давать числовые значения, не нарушая их внутренних свойств.

2) Не следует включать дихотомические переменные. Но если цель исследования состоит в нахождении кластерной структуры, использование факторного анализа к данным, содержащим дихотомические переменные, оправдано.

3) Отбирая переменные для факторного анализа следует учесть, что на один фактор должно приходиться по крайней мере три переменные.

4) Для обоснованного окончательного решения необходимо, чтобы число испытуемых было в три или более раз больше, чем число переменных, в пространстве которых определяется окончательное факторное решение.

5) Не имеет смысла включать в факторный анализ переменные, которые имеют очень слабые связи с остальными переменными. С большой вероятностью они будут иметь малую общность и не войдут ни в один фактор. Если перед вами не стоит задача сформировать шкалу вопросника на основе факторного анализа или какая-либо аналогичная, то не следует также включать все переменные, имеющие друг с другом очень тесные связи. Скорее всего они образуют один фактор.

6) Важнейшим моментом поиска хорошего факторного решения является определение числа факторов перед их вращением. В окончательном решении лучше всего основываться на содержательных предположениях о структуре изучаемого явления. На пути к нему можно использовать критерий Кеттела. Легче принять решение, если будет построен полигон, в котором отображены доли суммарной дисперсии факторов в порядке их убывания. Обычно на графическом изображении видно, что доля дисперсии у первых факторов при переходе от предыдущего к последующему быстро снижается, но затем линия имеет перелом и у остальных факторов доли суммарной дисперсии отличаются мало. Согласно данному критерию следует остановится на том факторе, как на последнем, за которым линия становится более пологой. При отборе переменных и сокращении их количества для следующего цикла факторного анализа быстрее можно отобрать переменные, если селектироватъ их по факторным общностям, а не просматривая их нагрузки по всем факторам.

8. Использование прикладных статистических программ

Использование статистических программ в компьютерной обработке на несколько порядков ускоряет обработку материала. Однако, в полной мере эти преимущества могут использованы, если психолог имеет необходимый уровень подготовки в этой области. Обычно, чем мощнее компьютерная программа (чем более широкие у нее возможности), тем больше времени она требует дня освоения. Таким образом, затрачивать время на ее изучение при редких обращениях к мощному статистическому аппарату не совсем эффективно. Добавлю, что очень часто использование таких программ для решения несложных задач также требует определенной суммы умений. Для того, чтобы избежать лишних сложностей и временных затрат, целесообразно, во-первых, стремиться выбрать программу с возможно более дружественным интерфейсом. Т.е., выбрать программы в которых есть достаточно развитая функция подсказок,предусмотрен режим меню - при нем пользователь на каждом шаге делает выбор для дальнейшей работы из предложенных альтернатив и избавлен от необходимости самостоятельно формулировать задачу для работы компьютера, соблюдая весь набор требований.Во-вторых, следует пытаться найти программы наиболее приспособленные к обработке психологических данных.

22. Факторы, снижающие точность измерений.

Важной проблемой практической диагностики является выяснение негативных факторов, влияющих на точность измерений. Многие авторы пытались составить классификацию таких факторов. Среди них наиболее часто называются следующие:

1) нестабильность диагностируемого свойства;

2) несовершенство диагностических методик (небрежно составлена инструкция, задания по своему характеру разнородны, нечетко сформулированы указания по предъявлению методики испытуемым и т. д.);

3) меняющаяся ситуация обследования (разное время дня, когда проводятся эксперименты, разная освещенность помещения, наличие или отсутствие посторонних шумов и т. д.);

4) различия в манере поведения экспериментатора (от опыта к опыту по - разному предъявляет инструкции, по - разному стимулирует выполнение заданий и т. д.);

5) колебания в функциональном состоянии испытуемого (в одном эксперименте отмечается хорошее самочувствие, в другом - утомление и т. д.);

6) элементы субъективности в способах оценки и интерпретации результатов (когда ведется протоколирование ответов испытуемых, оцениваются ответы по степени полноты, оригинальности и т. п.).

Если все эти факторы иметь в виду и постараться в каждом из них устранить условия, снижающие точность измерений, то можно добиться приемлемого уровня надежности теста. Одним из важнейших средств повышения надежности психодиагностической методики является единообразие процедуры обследования, его строгая регламентация: одинаковые для обследуемой выборки испытуемых обстановка и условия работы, однотипный характер инструкций, одинаковые для всех временные ограничения, способы и особенности контакта с испытуемыми, порядок предъявления заданий и т. д. При такой стандартизации процедуры исследования можно существенно уменьшить влияние посторонних случайных факторов на результаты теста и таким образом повысить их надежность.