MedBookAide - путеводитель в мире медицинской литературы
Разделы сайта
Поиск
Контакты
Консультации

Аткинсон Р. и др. - Введение в психологию

117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137
<<< Назад Содержание Дальше >>>

Согласно этой формуле, величина стандартной ошибки среднего уменьшается с увеличением величины выборки; поэтому среднее, основанное на более крупной выборке, является более достоверным (оно скорее окажется ближе к истинному среднему всей группы). Этого можно было ожидать и на основе здравого смысла. Стандартная ошибка среднего ясно показывает, насколько неопределенно полученное среднее. Чем больше объем выборки, тем меньше неопределенность среднего.

Значимость различия

Во многих психологических экспериментах данные собираются по двум группам испытуемых; одна группа подвергается специфическим экспериментальным воздействиям, а другая служит контрольной. Вопрос в том, существует ли различие между средними показателями этих групп, и если есть, то выдерживается ли оно для всей группы, из которой были взяты эти две выборки. Проще говоря, отражает ли различие между двумя группами истинное различие или оно возникло вследствие ошибки выборки.

В качестве примера сравним показатели экзамена по чтению у выборки мальчиков-первоклассников с показателями у выборки девочек-первоклассниц. Что касается средних показателей, то они у мальчиков ниже, но здесь есть значительное перекрытие; некоторые мальчики справляются исключительно хорошо, а некоторые девочки — крайне плохо. Поэтому мы не можем принять это различие средних, не проведя тест на статистическую значимость. Только тогда можно будет решить, отражают ли наблюдаемые различия в выборке истинные различия в группе или же они объясняются ошибкой выборки. Если некоторые более одаренные девочки и некоторые более тупые мальчики оказались выбраны по чистой случайности, то различие можно объяснить ошибкой выборки.

В качестве еще одного примера предположим, что мы провели эксперимент по сравнению крепости рукопожатия у мужчин правшей и левшей. В верхней части табл. П5 показаны гипотетические данные такого эксперимента. Выборка из 5 мужчин-правшей в среднем на 8 кг сильнее выборки из 5 мужчин левшей. Что вообще можно вывести из таких данных о мужчинах левшах и правшах? Можно ли утверждать, что правши сильнее? Очевидно, нет, поскольку среднее, полученное у большинства правшей, не отличалось бы от среднего у большинства левшей; один примечательно отличающийся показатель величиной 100 говорит о том, что мы имеем дело с неопределенной ситуацией.

Таблица П5. Значимость различия Пример 1

Сила сжатия в килограммах, Мужчина-правша 

Сила сжатия в килограммах, Мужчина-левша 

40 

40 

45 

45 

50 

50 

55 

55 

100 

60 

Сумма 290 

Сумма 250 

Среднее 58 

Среднее 50 

Пример 2

Сила сжатия в килограммах, Мужчина-правша 

Сила сжатия в килограммах, Мужчина-левша 

56 

48 

57 

49 

58 

50 

59 

51 

60 

52 

Сумма 290 

Сумма 250 

Среднее 58 

Среднее 50 

Два примера, показывающих различие между средними. Разница средних одинакова (8 кг) в верхней и нижней части таблицы. Однако, данные нижней части указывают на более надежное различие средних, чем данные в верхней части таблицы.

Теперь предположим, что в результате эксперимента получены результаты, показанные в нижней части той же табл. П5. Мы снова видим то же самое различие средних, равное 8 кг, но теперь эти данные вызывают большее доверие, поскольку показатели у левшей получились систематически ниже, чем у правшей. Статистика позволяет очень точно учесть надежность различий среднего, так чтобы при определении, какое из двух различий более надежно, не зависеть только от интуиции.

Эти примеры показывают, что значимость полученного различия зависит и от его величины, и от варьируемости сравниваемых средних. Зная стандартную ошибку среднего, можно вычислить стандартную ошибку различия между двумя средними ?DM. Затем можно оценить полученное различие при помощи критического отношения — отношения полученной разницы средних (DM) к стандартной ошибке различия между средними:

Критическое отношение = Это отношение позволяет оценить значимость различия между двумя средними. Как простейшее правило, критическое отношение должно быть не менее 2,0, чтобы разница средних считалась значимой. Во всей этой книге выражение о «статистической значимости» разницы средних означает, что критическое отношение у них не меньше такого.

Почему в качестве статистически значимого выбрано критическое отношение, равное 2.0? Просто потому, что такая или большая величина может выпасть случайно только в 5% случаев. Откуда взялись эти 5%? Критическое отношение можно считать стандартным показателем, поскольку это просто разница двух средних, выраженная в числе стандартных ошибок. Обращаясь ко 2-й колонке табл. П4, замечаем, что вероятность того, что стандартное отклонение составляет 2,0 при случайном совпадении, равна 0,023. Поскольку вероятность отклонения в противоположную сторону тоже равна 0,023, общая вероятность составит 0,046. Это означает что когда средние групп одинаковы, критическое отношение может случайно оказаться равным 2,0 (или более) в 46 случаях из 1000, или в 5% случаев.

Элементарное правило, говорящее, что критическое отношение должно быть не менее 2,0, именно таково — это произвольное, но удобное правило, задающее 5%-ный уровень значимости. Следуя этому правилу, вероятность ошибочного решения о том, что разница средних существует, тогда как на самом деле это не так, будет меньше 5%. Не обязательно пользоваться 5%-ным уровнем; в некоторых экспериментах может потребоваться более высокая значимость, в зависимости от того, насколько допустима ошибка заключения.

Пример вычисления критического отношения. Для вычисление критического отношения надо определить стандартную ошибку разницы двух средних по следующей формуле:

В этой формуле ?М1 и ?М2 — стандартные ошибки двух сравниваемых средних.

В качестве иллюстрации предположим, что нам надо сравнить достижения первоклассников — мальчиков и девочек на экзамене по чтению в США. Берется случайная выборка мальчиков и девочек и подвергается тестированию. Предположим, что средний показатель у мальчиков равен 70 при стандартной ошибке среднего 0,40, а средний показатель у девочек — 72 при стандартной ошибке среднего 0,30. На основе этих выборок надо решить, есть ли это реальное различие между успехами мальчиков и девочек в чтении в группе в целом, Данные выборки показывают, что оценки у девочек больше, чем у мальчиков, но можно ли заключить, что мы получили бы то же самое, протестировав всех первоклассников США? Решить это позволяет критическое отношение.

Критическое отношение = Поскольку критическое отношение значительно выше 2,0, можно утверждать, что наблюдаемое среднее различие статистически значимо на 5%-ном уровне. Поэтому можно заключить, что между мальчиками и девочками существует надежное различие в успехах по чтению. Заметьте, что критическое отношение может быть положительным и отрицательным, в зависимости от того, какое среднее из какого вычитается; при интерпретации критического отношения учитывается только его величина, но не знак.

Коэффициент корреляции

Корреляцией называют параллельную вариацию двух величин. Предположим, что разрабатывается тест для предсказания успеваемости в колледже. Если это хороший тест, высокие показатели в нем должны связываться с высокой успеваемостью в колледже, а низкие — с низкой успеваемостью. Коэффициент корреляции позволяет точнее установить степень этой связи.

Корреляция как произведение моментов

Чаще всего коэффициент корреляции определяется методом произведения моментов; получаемый в результате индекс обычно обозначается маленькой буквой r. Вычисленный через произведение моментов коэффициент r варьируется между полной положительной корреляцией (r = +1,00) и полной отрицательной корреляцией (r = -1,00). Отсутствие всякой связи дает r = 0,00.

Корреляция вычисляется через произведение моментов по формуле:

Здесь одну из парных мер называют x-показателем, а другую y-показателем, dx и dy — это отклонения каждого показателя от среднего; N — количество парных величин, а ?x и ?y — стандартные отклонения x-показателей и y-показателей.

Для определения коэффициента корреляции надо определить сумму произведений (dx) x (dy). Эту сумму вместе с вычисленными стандартными отклонениями для х-показателей и y-показателей можно затем подставить в формулу.

Пример вычисления корреляции через произведение моментов. Предположим, мы собрали данные, показанные в табл. П6. Для каждого испытуемого получено два показателя; первый — оценка на вступительных экзаменах (ее мы произвольно назовем x-показателем), а второй — оценки за первый курс (y-показатель).

Таблица П6. Вычисление корреляции через произведение моментов

Студент 

Вступительный экзамен (x-оценка) 

Оценка в конце года (y-оценка) 

(dx) 

(dy) 

(dx) x (dy) 

Андрей 

71 

39 

+54 

Борис 

67 

27 

-3 

-6 

Владимир 

65 

33 

Григорий 

63 

30 

-2 

Дмитрий 

59 

-6 

-9 

+54 

Сумма 

325 

150 

+ 102 

Среднее 

65 

30 

 

 

 

?x = 4, ?y = 6 На рис. П6 показан точечный график этих данных. Каждая точка отражает x-показатель и y-показатель данного человека; например, верхняя точка справа означает Андрея. Глядя на эти данные, легко обнаружить, что между х- и у-показателями существует некоторая положительная корреляция. Андрей получил наивысшую оценку на вступительном экзамене и также получил наивысшую отметку за 1-й курс; Дмитрий получил и там, и там самую низкую отметку. В показателях других студентов есть немного нерегулярности, так что мы знаем, что корреляция не полная; следовательно, r меньше 1,00.

Рис. П6. Точечная диаграмма. Каждая точка отражает х- и у-показатели определенного учащегося.

Мы подсчитаем корреляцию, чтобы проиллюстрировать этот метод, хотя на практике ни один исследователь не станет считать корреляцию для столь малого количества показателей. Подробности приведены в табл. П6. Согласно процедуре, приведенной в табл. П3, мы вычисляем стандартное отклонение x-показателей, а затем стандартное отклонение y-показателей. Затем мы вычисляем произведение (dx) x (dy) для каждого человека и для 5 случаев в общем. Подставляя полученные числа в уравнение, получаем r = +0.85.

Интерпретация коэффициента корреляции

Корреляцию можно использовать для прогнозирования. Например, если из опыта известно, что определенный вступительный тест коррелирует с отметками первокурсников, можно предсказать отметки на экзаменах за первый курс у тех начинающих студентов, которые этот тест проходили. Если корреляция полная, их отметки можно предсказать безошибочно. Но, как правило, r меньше 1,00 и в прогнозе есть определенные ошибки; чем ближе r к 0, тем больше ошибка прогноза.

Мы не сможем рассмотреть технические проблемы прогнозирования оценок первокурсников, исходя из оценок на вступительном экзамене или других аналогичных прогнозов, но можно рассмотреть смысл разной величины коэффициента корреляции. Очевидно, что если корреляция между х и у равна 0, то знание х не поможет предсказать у. Если вес человека не связан с интеллектом, то знание о весе ничего не дает для предсказания интеллекта. Другое полярное значение — полная корреляция — означало бы 100%-ную эффективность прогноза: зная х, можно было бы абсолютно точно предсказать у. Но что значат промежуточные величины r? Некоторое представление о значении промежуточной величины коэффициента корреляции можно получить из точечных диаграмм на рис. П7.

Рис. П7. Точечные диаграммы, иллюстрирующие разную величину корреляции. Каждая точка изображает оценки одного человека в двух экзаменах, х и у. На графике А все случаи падают на диагональ, и корреляция является полной (r = +1,00); если известна оценка человека по х, значит она будет такой же и по у. На графике Б корреляция равна 0; зная оценку человека по х, мы не сможем сказать, будет ли она у него такой же, выше или ниже по у. Например, из четырех человек со одинаковой средней оценкой, равной х (dx = 0), один получает очень высокую отметку по у (dy = +2), один — очень низкую (dy = -2), а два получают среднюю. На графиках В и Г существует диагональная тенденция отметок, так что высокая отметка по х имеет связь с высокой отметкой по у, а низкая отметка по х имеет связь с низкой отметкой по у, но связь эта неполная. Если на осях не будет обычных шкал, это никак не повлияет на интерпретацию. Например, если бы мы координатам х и у присвоили величины от 5 до 10 и затем подсчитали бы r для этих новых величин, коэффициент корреляции получился бы тем же самым.

В предыдущем обсуждении мы не обращали особого внимания на знак коэффициента корреляции, поскольку он не говорит о силе связи. Единственное различие между коэффициентами корреляции +0,70 и -0,70 — это то, что в первом случае увеличение х сопровождается увеличением у: а во втором увеличение х сопровождается уменьшением у.

Коэффициент корреляции — один из наиболее часто применяемых статистических инструментов в психологии, но одновременно это одна из тех процедур, которые чаще всего неверно используются. Те, кто им пользуется, часто упускают из виду, что r не указывает на причинно-следственную связь между х и у. Когда два набора показателей коррелируют, можно предположить, что у них есть некоторый общий причинный фактор, но нельзя считать, что один из них просто вызывает другой.

Корреляция иногда выглядит парадоксально. Например, было обнаружено, что корреляция между временем, затрачиваемым на учебу, и оценками в колледже имеет слегка отрицательную величину (-0,10). Если использовать причинную интерпретацию, то пришлось бы заключить, что лучший способ улучшить отметки — перестать учиться. На самом же деле отрицательная корреляция возникает здесь просто потому, что у некоторых студентов есть преимущество над остальными в получении высоких отметок (возможно потому, что они лучше были подготовлены к колледжу), так что те, кто затрачивает больше времени на учебу, — это часто те, кому высокие отметки даются труднее остальных.

Этот пример служит достаточным предупреждением против причинного понимания коэффициента корреляции. Случается, однако, что две переменных коррелируют и одна из них действительно является причиной другой. Поиск причины — дело логики, и корреляция может направлять экспериментаторов при проверке причинно-следственных отношений.

Литература

ABELSON, R. P., ARONSON, E., MCGUIRE, W. J., NEWCOMB, T. M.. ROSENBERG, M. J., & TANNENBAUM. P. H. (Eds.). (1968). THEORIES OF COGNITIVE CONSISTENCY: A SOURCEBOOK (pp.112-39) Chicago: Rand McNally.

ADAMS, J. L. (1974). CONCEPTUAL BLOCK-BUSTING. Stanford, CA: Stanford Alumni Association.

ADAMS, M., & COLLINS, A. (1979). A schema-theoretic view of reading. In R. O. Freedle (Ed.), NEW DIRECTIONS DISCOURSE PROCESSING, Vol. 12. Norwood, NJ: Ablex.

ADORNO, T. W., FRENKEL-BRUNSWIK, E., LEVINSON. D. J.. & SANFORD. R. N. (1950). THE AUTHORITARIAN PERSONALITY. New York: Harper.

AGRAS, W. S. (1985). PANIC: FACING FEARS, PHOBIAS, AND ANXIETY. New York: Freeman.

AINSWORTH, M. D. S., BLEHAR, M. C., WALTERS, E.. & WALL. S. (1978). PATTERNS OF ATTACHMENT: A PSYCHOLOGICAL STUDY OF THE STRANGE SITUATION. Hillsdale, NJ: Erlbaum.

AKERS, C. (1984). Methodological criticisms of parapsychology. In S. Krippner (Ed.), ADVANCES IN PARAPSYCHOLOGICAL RESEARCH (Vol. 4). Jefferson, NC: McFarland.

ALBERTS. В., BRAY. D., LEWIS. J., RAFF, M., ROBERTS. K., & WATSON. J. D. (1989). MOLECULAR BIOLOGY OF THE CELL. New York: Garland.

ALLPORT, F. H. (1924). SOCIAL PSYCHOLOGY. Boston: Houghton Mifflin.

ALLPORT G. W. (1937). PERSONALITY: A PSYCHOLOGICAL INTERPRETATION. New York: Henry Holt.

ALTEMEYER, B. (1988). ENEMIES OF FREEDOM: UNDERSTANDING RIGHT-WING AUTHORITARIANISM. San Francisco: Jossey-Bass.

ALWIN, D. F.. COHEN, R. L., & NEWCOMB, Т. М. (1991). PERSONALITY AND SOCIAL CHANGE: ATTITUDE PERSISTENCE AND CHANGES OVER THE LIFESPAN. Madison: University of Wisconsin Press.

AMERICAN PSYCHIATRIC ASSOCIATION. (1987). DIAGNOSTIC AND STATISTICAL MANUAL OF MENTAL DISORDERS (3rd ed., rev.). Washington, DC: American Psychiatric Association.

AMERICAN PSYCHIATRIC ASSOCIATION. (1994). DIAGNOSTIC AND STATISTICAL MANUAL OF MENTAL DISORDERS (4th ed.). Washington, DC: American Psychiatric Association.

ANASTASI. A. (1989). PSYCHOLOGICAL TESTING (6th ed.). New York: MacMillan.

ANCH, M. A., BROWMAN, C. P., MITLER, M. M., & WALSH, J. K. (1988). SLEEP: A SCIENTIFIC PERSPECTIVE. Englewood Cliffs. NJ: Prentice-Hall.

ANDERSON, C. M., REISS, D. J., & HOGARTY, G. E. (1986). SCHIZOPHRENIA AND THE FAMILY. New York: Guilford Press.

ANDERSON, J. R. (1983). THE ARCHITECTURE OF COGNITION. Cambridge, MA: Harvard University Press.

ANDERSON, J. R. (1990). COGNITIVE PSYCHOLOGY AND ITS IMPLICATIONS (3rd ed.). New York: Freeman.

ARDREY, R. (1966). THE TERRITORIAL IMPERATIVE. New York: Dell.

ARENDT, H. (1963). EICHMANN IN JERUSALEM: A REPORT ON THE BANALITY OF EVIL. New York: Viking Press.

ARONSON, E. (1995). THE SOCIAL ANIMAL (7th ed.). San Francisco: Freeman.

ARONSON, E., WILSON. T. D.. & AKERT, R. M. (1994). SOCIAL PSYCHOLOGY. New York: Harper-Collins.

ASCH, S. E. (1952). SOCIAL PSYCHOLOGY. Englewood Cliffs, NJ: Prentice-Hall.

ASCH, S. E. (1958). Effects of group pressure upon modification and distortion of judgments. In E. E. Maccoby, T. M. Newcomb, & E. L. Hartley (Eds.). READINGS IN SOCIAL PSYCHOLOGY (3rd ed.). New York: Holt, Rinehart & Winston.

ASLIN, R. N. (1987). Visual and auditory development in infancy. In J. D. Osofsky (Ed.), HANDBOOK OF INFANT DEVELOPMENT (2nd ed.). New York: Wiley.

ASLIN, R. N. & BANKS, M. S. (1978). Early visual experience in humans: Evidence for a critical period in the development of binocular vision. In S. Schneider, H. Liebowitz, H. Pick, & H. Stevenson (Eds.). PSYCHOLOGY: FROM BASIC RESEARCH TO PRACTICE. New York: Plenum.

ATKINSON. R. C., HERRNSTEIN, R. J., LINDZEY, G., & LUCE, R. D. (Eds.). (1988). STEVENS' HANDBOOK OF EXPERIMENTAL PSYCHOLOGY (Vols. 1 and 2). New York: Wiley.

AVERILL, J. R. (1982) ANGER AGGRESSION: AN ESSAY ON EMOTION. New York: Springer-Verlag.

BAARS, B. J. (1988). COGNITIVE THEORY OF CONSCIOUSNESS. New York: Cambridge University Press.

<<< Назад Содержание Дальше >>>

medbookaide.ru