Для визначення способів математично-статистичного оброблення необхідно оцінити характер розподілу даних за всіма параметрами (ознаками). Для параметрів, що мають нормальний або близький до нормального розподіл, можна використовувати методи параметричної статистики, які часто є результативнішими, ніж методи непараметричної. Перевага їх полягає у можливості перевіряти статистичні гіпотези незалежно від форми розподілу.
Нормальний розподіл - вид розподілу змінних, що спостерігають при зміні ознаки (змінної) під впливом багатьох відносно незалежних факторів. Такий вплив характерний для психічних явищ, тому дослідник часто розраховує нормальний розподіл для статистичного опису сукупності емпіричних даних, оцінювання генеральної сукупності за вибіркою, для стандартного нормування тестових балів і переведення їх у шкальні оцінки. На властивостях нормального розподілу ґрунтуються статистичні критерії перевірки гіпотез (г-критерій, критерій х2" f-критерій Фішера, і-критерій Стьюдента тощо). Основною метою виявлення нормального розподілу є визначення методів математично-статистичного оброблення даних.
За нормального розподілу показників психологічної ознаки або наближеного до нього, що описує крива Гаусса, можна використовувати параметричні методи математичної статистики як найпростіші, надійні і достовірні: порівняльний аналіз, розрахунок достовірності відмінностей ознаки між вибірками за t-критерієм Стьюдента, f-критерієм Фішера, коефіцієнтом кореляції Пірсона тощо.
Якщо крива розподілу показників психологічної ознаки віддалена від нормальної, дослідник змушений використовувати методи не параметричної статистики: розрахунок достовірності відмінностей за критерієм Q Розенбаума (для малих вибірок), за U-критерієм Манна - Вітні, коефіцієнт рангової кореляції Спірмена, факторні, багатофакторні, кластерний та інші методи аналізу.
За характером розподілу можна отримати загальне уявлення про особливості вибірки досліджуваних за певною ознакою і валідність методики щодо вибірки.
Статистичні висновки, сформовані на основі моделі, наближеної до нормального розподілу, є теж приблизними. Оцінювання наближення практичної кривої до параметрів нормалі здійснюється шляхом розрахунку коефіцієнтів асиметрії, ексцесу і критеріїв погодженості Пірсона, Колмогорова і Ястремського.
Коефіцієнт асиметрії Аs оцінює розміщення вершини практичної кривої щодо теоретичної, показує величину зсуву вершини щодо розрахункової вершини по горизонталі (вправо "+"; уліво "-") (рис. 2.3).
Рис. 2.3. Соціометричний розподіл емпіричних даних
Коефіцієнт асиметрії - показник скошеності розподілу в лівий або правий бік по осі абсцис на рис. 2.4.
Рис. 2.4. Асиметричний розподіл емпіричних даних
Якщо права гілка кривої довша за ліву, йдеться про правосторонню (позитивну) асиметрію, а якщо ліва гілка довшу за праву - про лівосторонню (негативну) асиметрію (рис. 2.5).
Рис. 2.5. Бімодальний розподіл емпіричних даних (право - та лівостороння асиметрія)
Коефіцієнт асиметрії Аs розраховують за такою формулою:
Коефіцієнт ексцесу Ех, тобто певних "ділянок" (груп частот) практичної кривої щодо теоретичної нормалі, визначає зсув практичної кривої (вершини) (по вертикалі - нагору "+"; униз "-"). Ексцес є показником гостроверхості. Криві, вищі у середній частині (гостроверхі) називають ексцесивними. При зменшенні величини ексцесу крива стає плоскішою, набуваючи вигляду плато, а потім і сідлоподібною, тобто з прогинанням у середній частині (рис. 2.6).
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Психодіагностика» автора Галян І.М. на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Оцінювання розподілу емпіричних даних“ на сторінці 1. Приємного читання.
