МНОГОМЕРНЫЙ АНАЛИЗ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

В результате изучения данной главы студент должен:

знать

  • • назначение, основные принципы, модели и процедуры факторного анализа;
  • • принципиальные различия между эксплораторными и конфирматорными процедурами факторного анализа;
  • • назначение и смысл процедур вращения факторов в факторном анализе;
  • • основное назначение и модели многомерного шкалирования;
  • • назначение и основные виды кластерного анализа;

уметь

  • • содержательно интерпретировать смысл факторов, выделяемых в факторном анализе;
  • • применять процедуры вращения факторов;

владеть

  • • базовым понятийным аппаратом факторного и кластерного анализа и многомерного шкалирования экспериментальных данных;
  • • основными навыками компьютерной обработки данных на основе факторного и кластерного анализа, а также многомерного шкалирования.

Как правило, в экспериментальном исследовании решается задача нахождения связи между наблюдаемыми фактами и явлениями. Парадигма истинного эксперимента направлена не просто на поиск таких связей, но и на оценку их как причинно-следственных. Эта задача, как мы уже знаем, решается не столько статистическими методами, сколько методами планирования самого экспериментального исследования. В ходе этой работы исследователь ищет возможности альтернативного, конкурирующего, объяснения наблюдаемых закономерностей. Для исключения таких возможностей используются различные приемы экспериментального контроля, которые составляют основу планирования эксперимента и таким образом предваряют не только статистический анализ данных, но и само экспериментальное исследование. В квазиэкспери ментальных и корреляционных исследованиях экспериментальный контроль становится непрямым, статистическим. Но и такие формы контроля в конечном счете позволяют говорить о наличии или отсутствии причинно-следственных связей между изучаемыми фактами и явлениями.

Однако в ряде случаев перед исследователем может возникнуть несколько иная задача. Важным оказывается вопрос о том, в какой мере исследуемые им факты отражают изучаемую реальность. Например, изучая вопросы мотивации, исследователь может задаться вопросом, в какой мере различные способы понимания поступков и действий человека на самом деле отражают его мотивы и поступки. В этом случае на помощь исследователю приходят различные методы многомерного анализа эмпирических данных. Эти методы позволяют не только лучше понять различные аспекты человеческой психики, но и построить их структурные модели, описывающие разные аспекты индивидуального и группового поведения.

Современные математические методы многомерного анализа данных, применяемые в психологии, можно разделить на три класса: 1) методы уменьшения размерности данных; 2) методы многомерного шкалирования и 3) методы классификации данных.

Факторный анализ

Уменьшение размерности данных

Одной из задач, которую может решать исследователь, является уход от избыточности описания наблюдаемых нами фактов и закономерностей. Дело в том, что любое более или менее сложное явление может быть описано по ряду параметров. Выбор таких параметров – вопрос опыта и интуиции исследователя. Чем больше этот опыт, чем более проницательным оказывается исследователь, тем больше все менее заметных аспектов изучаемого явления он может отследить и попытаться измерить и оценить. Но всегда ли полезно увеличение числа параметров, по которым мы хотим описать те или иные факты? Не оказывается ли дополнительная информация избыточной?

Так, американский психолог Р. Кеттел [20], исследуя поведение личности, обратился к словарю английского языка. Он обнаружил в нем 4505 слов, обозначающих различные аспекты личности. По действительно ли для понимания всех аспектов поведения личности требуется оценивать именно столько характеристик или же наше понимание личности может быть не менее эффективным, если мы тем или иным способом сможем сократить этот список до объема, значительно более приемлемого для эффективного анализа. Задача сокращения переменных была решена Р. Кеттелом с помощью метода факторного анализа, одним из разработчиков которого он считается.

Методология факторного анализа напоминает методологию уже рассмотренных нами ранее методов статистического анализа – дисперсионного, регрессионного, ковариационного. Однако вопросы, на которые он дает ответы, оказываются несколько иными. Если в ходе дисперсионного и регрессионного анализа нас интересует, как тот или иной набор переменных, которые мы исследуем в качестве независимых, влияет на одну или несколько зависимых переменных, то в факторном анализе мы на практике имеем дело только с зависимыми переменными. Причины, вызывающие их изменения, оказываются недоступными непосредственному наблюдению. Эти срытые, латентные, причины называются факторами.

Так, в рассмотренном нами примере нам непосредственно даны 4505 переменных, с помощью которых мы можем охарактеризовать поведение конкретного человека. В то же время вслед за Р. Кеттелом мы можем предположить, что такое разнообразие описаний является производным от значительно более короткого списка факторов, которые на самом деле определяют особенности индивидуального поведения.

 
< Пред   СОДЕРЖАНИЕ     След >