Количественная обработка результатов исследования

Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как среднее арифметическое и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.

Чтобы выбрать статистические критерии и познакомиться с основами их применения для обработки эмпирических данных, можно использовать ряд пособий (например, Ермолаев- Томин, 2014; Наследов, 2007; Сидоренко, 2003; Калинин, 2004; и др.). Множество критериев, приводимых обычно в учебниках по математической статистике, и сложное описание процедур их вычисления часто смущают студента, хотя значительная их часть используются достаточно редко. Каждый исследователь (и научный руководитель в том числе) выбирает статистические критерии, исходя из своих знаний, опыта, типа задачи и вида данных, которые подлежат обработке.

Как же поступить студенту? Можно положиться на опыт и советы научного руководителя (однако основательно разобравшись при этом в смысле и процедуре критерия). Можно опереться на примеры, приведенные в методических пособиях.

Статистические гипотезы. Выбор статистических критериев предполагает также формулировку статистических гипотез, то есть перевода экспериментальной гипотезы на язык статистики. Таким образом, статистическая гипотеза — это утверждение в отношении изучаемой переменной, сформулированное на языке математической статистики. Для этого необходимо определить математико-статистические критерии, уровни статистической значимости, которые дают основания исследователю утверждать, подтвердилась экспериментальная гипотеза или нет. На этом этапе исследования формулируются статистические гипотезы, которые конкретизируют соответствующую эмпирическую гипотезу на уровне математических критериев значимости. Эмпирическая (экспериментальная) гипотеза воплощается в процедуре статистической интерпретации данных. Эта процедура сводима к оценке сходств и различий. При проверке статистических гипотез используются два понятия: Н (1) (гипотеза о различии) и Н (0) (гипотеза о сходстве). Подтверждение первой гипотезы свидетельствует о верности статистического утверждения Н (1), а второй — о принятии утверждения Н (0) — об отсутствии различий.

Предположим, в двух группах испытуемых (участников исследования) — с высокой и низкой тревожностью — измерялся уровень продуктивности их умственной деятельности. В процессе эксперимента были сделаны замеры соответствующих переменных — тревожности и продуктивности. Экспериментатор хотел выяснить, существуют ли различия в продуктивности деятельности между испытуемыми с высокой и низкой тревожностью. Различия обнаружились, но возникает вопрос: насколько они большие или небольшие, случайные или неслучайные. Нулевая гипотеза (НО) в этом случае заключается в том, что различия между ними случайны и статистически незначимы. В свою очередь, альтернативная гипотеза (Н1) заключается в том, что различия неслучайны и статистически значимы.

После проведения конкретного эксперимента проверяются многочисленные статистические гипотезы, поскольку в каждом психологическом исследовании регистрируется не один, а множество поведенческих параметров. Каждый параметр характеризуется несколькими статистическими мерами: центральной тенденции, изменчивости, распределения. Кроме того, можно вычислить меры связи параметров и оценить значимость этих связей.

Таким образом, экспериментальная гипотеза служит для организации и проведения эмпирического исследования, а статистическая — для организации процедуры сравнения регистрируемых параметров. Статистическая гипотеза необходима на этапе математической интерпретации данных эмпирических исследований. Естественно, большое количество статистических гипотез необходимо для подтверждения или опровержения экспериментальной (эмпирической) гипотезы.

Выбирать математические методы обработки эмпирических данных нужно в процессе планирования исследования. Выбор метода математической обработки полученных эмпирических данных — очень важная и ответственная часть исследования. И делать это лучше до того, как получены данные. При планировании исследования необходимо заранее продумать, какие эмпирические показатели будут регистрироваться, с помощью каких методов будут обрабатываться, и какие выводы при разных результатах обработки можно будет сделать. Полезным руководством при этом может стать классификация задач и методов их решения, которую приводит Е. В. Сидоренко (2003, с. 34).

Следует идентифицировать тип переменных и шкалу измерения. При выборе математико-статистического критерия нужно, прежде всего, идентифицировать тип переменных (признаков) и шкалу, которая использовалась при измерении психологических показателей и других переменных — например, возраст, состав семьи, уровень образования. В качестве переменных могут выступать любые показатели, которые можно сравнивать друг с другом (то есть измерять). Это может быть время выполнения задания, количество ошибок, уровень самооценки, количество правильно решенных задач и качественные особенности их выполнения, личностные показатели, получаемые в психологических тестах, и другие. Порой для студентов представляет трудность выделение переменных в работах по практической психологии, где возможности использования традиционных и стандартизированных психологических тестов (с которыми обычно ассоциируется проблема измерения) ограничены. Следует иметь в виду, что в области практической психологии могут широко использоваться номинативные и порядковые шкалы. Речевые высказывания клиента, виды поведенческих реакций, улыбки, взгляды, — все это может рассматриваться в качестве переменных. Главное — иметь четкие и ясные критерии их отнесения к тому или иному типу в зависимости от поставленных гипотез и задач.

Нужно учитывать тип распределения данных при выборе статистического критерия. При выборе математико-статистического критерия следует также ориентироваться на тип распределения данных, который получился в исследовании. Параметрические критерии используются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с большей вероятностью (но не обязательно) получается при выборках более 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметрических критериев необходима проверка нормальности распределения.

Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых, используемых обычно в курсовой или дипломной работе, целесообразно выбрать непараметрические критерии, которые дают большую достоверность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. В некоторых случаях статистически обоснованные выводы могут быть сделаны даже при выборках в 5—10 испытуемых.

Основные типы исследовательских задач с точки зрения статистических процедур обработки данных. Большинство психологических работ сводятся к нескольким типам исследовательских задач, которые и предопределяют тип математикостатистического критерия.

  • 1. Во многих исследованиях осуществляется поиск различий в психологических показателях у испытуемых, имеющих те или иные особенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого признака или в его распределении. Для определения значимости различий в проявлении признака в психологических исследованиях часто используются такие показатели, как парный критерий Вилкоксона, U-критерий Манна — Уитни, критерий хи-квадрат (с2), точный критерий Фишера, биномиальный критерий.
  • 2. Во многих исследованиях осуществляется поиск взаимосвязи психологических показателей у одних и тех же испытуемых. Для обработки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто характеризуются коэффициентом линейной корреляции Пирсона и коэффициентом ранговой корреляции Спирмена.
  • 3. Выявление структуры данных (и соответственно структуры изучаемой психологической реальности), а также их взаимосвязи выявляется факторным анализом. Для этого может использоваться эксплораторный (поисковый или исследовательский) и конфирматорный (подтверждающий) факторный анализ.
  • 4. Во многих исследованиях интерес представляет анализ изменчивости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучаемый признак. Для математической обработки данных в таких задачах может использоваться U-критерий Манна — Уитни, критерий Краскела — Уоллиса, Т-критерий Вилкоксона, критерий с2 Фридмана. Однако для исследования влияния, а тем более взаимовлияния нескольких факторов на изучаемый параметр полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а переменные второго рода — результативными признаками. В этом отличие дисперсионного анализа от корреляционного, в котором предполагается, что изменения одного признака просто связаны с определенными изменениями другого (Сидоренко, 2003, с. 225).
  • 5. Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо психологических, поведенческих параметров и проявлений за определенный промежуток времени в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэффициенты оценки достоверности сдвига в значениях исследуемого признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона.

Важно обратить внимание на ограничения, которые имеет каждый критерий. Если один критерий не подходят для анализа имеющихся данных, всегда можно найти какой- либо другой, возможно изменив тип представления самих данных. Прежде чем обрабатывать эмпирические данные, полезно проверить, существуют ли в пособии, которым вы пользуетесь, критические значения, соответствующие количеству и типу ваших данных. В противном случае вас может ждать разочарование, когда ваши подсчеты окажутся напрасными по причине отсутствия в таблице критических значений при объеме выборки, которая у вас была.

После знакомства с процедурой вычисления критерия можно провести «ручную» обработку данных или воспользоваться статистической программой персонального компьютера. Для компьютерной обработки одни психологи предпочитают пакет статистических программ SPSS, другие — программу Statistica.

Студенты-психологи предпочитают SPSS, прежде всего, потому, что в последние годы опубликованы хорошие руководства по его применению (Калинин, 2004; Наследов, 2007).

Методы математической обработки данных важно использовать и для анализа результатов инновационной практической психологической работы: психотерапии, консультирования, развивающей психологической работы. Для этого необходимо регистрировать конкретные психологические и поведенческие показатели участников исследования «до» и «после» курса психологической помощи, которые могут статистически обрабатываться и использоваться для подтверждения эффективности курса занятий. Применение математикостатистических критериев для проверки значимости изменений придает доказательность выводам такой работы.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >