Таблица 5.14
Для 3 тестов полный план корреляционного исследования с контрбалансировкой выглядит следующим образом:
1-я группа: А В С
2-я группа: С А В
3-я группа: В С А
где А, В, С — различные тесты. Однако я не знаю ни одного случая, когда бы в отечественных корреляционных исследованиях контролировались эффекты тестирования и переноса.
Приведу один пример. Нам необходимо было выявить, как влияет вид задания на успешность выполнения сменяющих одна другую задач. Мы предположили, что для испытуемых не безразлично, в какой последовательности им даются тесты. Были выбраны задания на креативность (из теста Торренса) и на общий интеллект (из теста Айзенка). Задачи давались испытуемым в случайном порядке. Оказалось, что если задание на креативность выполняется первым, то скорость и точность решения задачи на интеллект снижается. Обратного эффекта не наблюдалось. Не вдаваясь в объяснения этого явления (это сложная проблема), заметим, что здесь мы столкнулись с классическим эффектом асимметричного переноса.
5. Структурное корреляционное исследование. От предшествующих вариантов эта схема отличается тем, что исследователь выявляет не отсутствие или наличие значимых корреляций, а различие в уровне значимых корреляционных зависимостей между одними и теми же показателями, измеренными у представителей различных групп.
Поясним этот случай примером. Допустим, нам необходимо проверить гипотезу о том, влияет ли пол родителя и пол ребенка на сходство или различие их личностных черт, например уровня нейротизма по Айзенку. Для этого мы должны провести исследование реальных групп — семей. Затем вычисляются коэффициенты корреляции уровней тревожности родителей и детей. Получаются 4 основных коэффициента корреляции: 1) мать—дочь; 2) мать—сын; 3) отец—дочь; 4) отец—сын, и два дополнительных: 5) сын—дочь; 6) мать—отец. Если нас интересует лишь сравнение сходства—различия первой группы корреляций, а не исследование ассортативности, то мы строим 4-клеточную таблицу 2 х 2 (табл. 5.14).
Корреляции подвергаются Z-преобразованию и сравниваются по t-критерию Стьюдента.
Здесь приведен простейший пример структурного корреляционного исследования. В исследовательской практике встречаются более сложные версии структурных корреляционных исследований. Чаще всего они проводятся в психологии индивидуальности (Б. Г. Ананьев и его школа), психологии труда и обучения (В. Д. Шадриков), психофизиологии индивидуальных различий (Б. М. Теплов, В. Д. Небылицын, В. М. Ру-салов и др.), психосемантике (В. Ф. Петренко, А. Г. Шмелев и др.).
6. Лонгитюдное корреляционное исследование. Лонгитюдное исследование — вариант квазиэкспериментальных исследовательских планов. Воздействующей переменной психолог, проводящий лонгитюдное исследование, считает время. Оно является аналогом плана тестирования одной группы в разных условиях. Только условия считаются константными. Результатом любого временного исследования (в том числе и лонгитюдного) является построение временного тренда измеряемых переменных, которые могут быть аналитически описаны теми или иными функциональными зависимостями.
Лонгитюдное корреляционное исследование строится по плану временных серий с тестированием группы через заданные промежутки времени. Помимо эффектов обучения, последовательности и т.д. в лонгитюдном исследовании следует учитывать эффект выбывания: не всех испытуемых, первоначально принимавших участие в эксперименте, удается обследовать через какое-то определенное время. Возможно взаимодействие эффектов выбывания и тестирования (отказ от участия в последующем обследовании) и т.д.
Структурное лонгитюдное исследование отличается от простого лонгитюда тем, что нас интересует не столько изменение центральной тенденции или разброса какой-либо переменной, сколько изменение связей между переменными. Такого рода исследования широко распространены в психогенетике.
Обработка и интерпретация данных корреляционного исследования. Данные структурного корреляционного исследования представляют собой одну или несколько матриц «испытуемые» х «тесты». Первичная обработка заключается в подсчете коэффициентов статистической связи между двумя и более переменными. Выбор меры связи определяется шкалой, с помощью которой произведены измерения.
1. Если измерения произведены по дихотомической шкале, то для подсчета тесноты связи признаков применяется коэффициент . Дихотомическую шкалу часто путают со шкалой наименований (даже в пособиях по статистике; см., например, Дж. Гласс и Дж. Стенли. Статистические методы в педагогике и психологии, 1976) Дихотомическая шкала — вырожденный вариант шкалы интервалов; для нее применимы все статистические методы шкалы интервалов. Данные для вычисления коэффициента (φ представлены в таблице сопряженности (рис. 5.19).
2. Данные представлены в порядковой шкале. Мерой связи, которая соответствует шкале порядка, является коэффициент Кэнделла. Он основан на подсчете несовпадений в порядке следования ранжировок Х и Y. Есть ряд испытуемых: сначала мы выстраиваем этот ряд в порядке убывания массы тела, а затем — в порядке убывания роста. Для каждой пары подсчитывается число совпадений и инверсий: совпадение, если их порядок по Х и Y одинаков; инверсия, если порядок различен. Разница числа «совпадений» и числа «инверсий», деленная на п(п–1)/2, дает коэффициент t. Алгоритм подсчета приведен в пособиях по статистике [см. Дж. Гласс и Дж. Стенли, 1976] и в любом статпакете для персональных компьютеров.
Часто для обработки данных, полученных с помощью шкалы порядка, используют коэффициент ранговой корреляции Спирмена, который является модификацией коэффициента Пирсона для натурального ряда чисел (рангов). Никакого отношения к порядковой шкале он не имеет. Но его рекомендуют применять в том случае, если одно измерение произведено по шкале порядков, а другое — по шкале интервалов.
3. Данные получены по шкале интервалов, или отношений. В этом случае применяется стандартный коэффициент корреляции Пирсона или коэффициент ранговой корреляции Спирмена. В том случае, если одна переменная является дихотомической, а другая — интервальной, используется так называемый бисериальный коэффициент корреляции.
Наконец, если исследователь полагает, что связи между переменными нелинейны, он вычисляет корреляционное отношение, характеризующее величину нелинейной статистической зависимости двух переменных.
Корреляционное исследование завершается выводом о статистической значимости установленных (или неустановленных) зависимостей между переменными. Однако исследователи не ограничиваются такой констатацией. Одна из главных задач, которые возникают перед психологами, — выяснить, не обусловлены ли связи между отдельными параметрами (психологическими свойствами) скрытыми факторами? Для этой цели применяется аппарат редукции числа переменных: методы многомерного анализа данных, которые изучаются психологами в курсе «Математические методы в психологии».
Do'stlaringiz bilan baham: |