Использование линейных преобразований приводит к изменению лишь средней арифметической и/или среднего квадратичного отклонения, не меняя показателей симметрии и эксцесса. Изменение средней арифметической производится прибавлением к каждому первичному результату некоторой постоянной величины: Х{+а...Хп+а. Изменение среднего квадратичного отклонения можно получить, умножая каждое отклонение от средней на постоянную величину: (Х(— М) • а, где X. — первичный результат, М — средняя арифметическая величина, а — константа.
Наиболее частыми линейными преобразованиями, которые находят применение как в области психометрии, так и в области психофизики, являются центрирование и нормирование результатов измерения. Под центрированием понимается такое линейное преобразование, при котором средняя арифметическая величина становится равной нулю, в то время как направление шкалы и величина ее единиц остаются неизменными. Под нормированием понимают такое линейное преобразование результатов измерения, при котором их средняя арифметическая величина становится равной нулю, а среднее квадратичное отклонение равным ±1. Из сказанного очевидно, что для обработки и анализа эмпирических данных, полученных на уровне шкал интервалов, допустимы любые приемы статистической обработки, а именно расчет основных характеристик распределения, а также меры взаимосвязи количественных переменных (коэффициентов корреляции). В случае наличия нормальных распределений первичных результатов для их сравнения можно применять также все известные критерии оценки значимости различий как между значениями их средних величин', так и дисперсии, т. е. размаха распределения.
Примером интервальных шкал, используемых в психологии, являются стандартизованные тестовые шкалы психодиагностики: шкалы Векслера, шкалы Тёрстена, шкалы С и шкала Т. Гилфорда.
Шкалы отношений. Конструирование шкал отношений предполагает наряду с наличием свойств предыдущих шкал существование постоянной естественной нулевой точки отсчета, в которой измеряемый признак полностью отсутствует. Следовательно, шкалы отношений характеризуются тем, что в них, во-первых, классы объектов разделены и упорядочены согласно измеряемому свойству, во-вторых, равным разностям между классами объектов соответствуют равные разности между приписываемыми им чис-
1 Способ расчета значимости различий между средними арифметическими величинами (f-критерии Стьюдента) см. в Приложении I на с 274.
I. Приемы измерений и статистические способы обработки...___________15;
лами, в-третьих, числа, приравниваемые классам объектов, пропорциональны степени выраженности измеряемого свойства. Последнее не было свойственно рассмотренным выше шкалам.
Основными операциями, допустимыми на уровне шкал отношений, являются все те операции, которым подчиняются шкалы всех перечисленных выше типов, и дополнительно — операции установления равенства отношений между отдельными значениями шкалы. Это возможно благодаря существованию на шкале естественного, абсолютного, нуля. Поэтому лишь для данной шкалы числа, являющиеся точками (значениями) на шкале, соответствуют реальному количеству измеряемого свойства, что позволяет производить с ними любые арифметические действия — оперирование суммами, произведениями и частными. Для шкал отношений допустимы любые мультипликативные преобразования типа х' -ах, для любых а>0. Однако недопустимы (об этом часто забывают!) никакие операции прибавления или вычитания константных величин, что приводит, как было показано на примере шкал интервалов, к сдвигу точки отсчета. Дополнительно к указанным для описанных выше шкал измерения приемам статистической обработки данных для величин шкалы отношений можно рассчитывать, например, геометрические и гармонические средние, а также коэффициенты изменчивости измеряемого признака.
Считалось, что шкалы отношений не встречаются в психологических измерениях. Однако Стивене, исходя из постулата о допустимости непосредственного измерения психических процессов, показал возможность построения шкал отношений в психофизике. Для этой цели он разработал ряд измерительных процедур, предусматривающих прямое шкалирование. Среди них наиболее известными стали методики фракционирования и мультипликации предъявляемых стимулов. К этой же группе методик можно отнести и методики оценки величин стимулов и непосредственной оценки их отношений. Общим для всех перечисленных методик прямого шкалирования является то, что в качестве измерительного инструмента выступает сам испытуемый, который оценивает количественные отношения между раздражителями.
ОБРАБОТКА РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ
Итак, результаты экспериментальных исследований могут быть описаны с помощью определенных статистических показателей. Какие именно показатели могут быть применены в каждом отдельном случае, зависит от типа использованных измерительных шкал. Прежде чем будут описаны конкретные способы вычислений некоторых статистических показателей, необходимо определить значение ряда используемых при этом понятий.
В первую очередь надо пояснить понятие распределения результатов. Можно себе представить, что большому числу испытуемых было предложено решить некоторое число, например 20, задач. Результаты оценивались в
16
I. Приемы измерений и статистические способы обработки...
М
категориях «решил/не решил» задачи. Если задачи окажутся трудными для испытуемых, то лишь немногие из них правильно решат все 20 задач, притом что некоторые не решат ни одной задачи. Кроме того, можно ожидать, что большинство испытуемых какое-то количество задач решат правильно и какое-то количество — ошибочно. Первый шаг обработки первичных результатов состоит в подсчете того, сколько испытуемых правильно решили 1 задачу, сколько испытуемых — 2 задачи и т. д. И наконец, сколько лиц правильно решили все 20 задач. Величина, характеризующая количество людей, правильно решивших то или иное число задач, называется частотой (f).
Совокупность полученных частот образует распределение первичных результатов, в нашем случае — распределение числа лиц правильно решивших то или иное количество задач.
При графическом представлении результатов (рис. 1.1.1) и при достаточно большом количестве измерений, т. е. большой выборке (см. ниже), кривая распределения чаще всего имеет характерный колоколо-образный вид. Такое распределение первичных результатов получило название нормального, или Гауссова, распределения. Нормальное распределение от других возможных распределений отличается рядом простых свойств. Прежде всего оно однозначно определяется всего лишь двумя параметрами, а именно:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183
Наиболее частыми линейными преобразованиями, которые находят применение как в области психометрии, так и в области психофизики, являются центрирование и нормирование результатов измерения. Под центрированием понимается такое линейное преобразование, при котором средняя арифметическая величина становится равной нулю, в то время как направление шкалы и величина ее единиц остаются неизменными. Под нормированием понимают такое линейное преобразование результатов измерения, при котором их средняя арифметическая величина становится равной нулю, а среднее квадратичное отклонение равным ±1. Из сказанного очевидно, что для обработки и анализа эмпирических данных, полученных на уровне шкал интервалов, допустимы любые приемы статистической обработки, а именно расчет основных характеристик распределения, а также меры взаимосвязи количественных переменных (коэффициентов корреляции). В случае наличия нормальных распределений первичных результатов для их сравнения можно применять также все известные критерии оценки значимости различий как между значениями их средних величин', так и дисперсии, т. е. размаха распределения.
Примером интервальных шкал, используемых в психологии, являются стандартизованные тестовые шкалы психодиагностики: шкалы Векслера, шкалы Тёрстена, шкалы С и шкала Т. Гилфорда.
Шкалы отношений. Конструирование шкал отношений предполагает наряду с наличием свойств предыдущих шкал существование постоянной естественной нулевой точки отсчета, в которой измеряемый признак полностью отсутствует. Следовательно, шкалы отношений характеризуются тем, что в них, во-первых, классы объектов разделены и упорядочены согласно измеряемому свойству, во-вторых, равным разностям между классами объектов соответствуют равные разности между приписываемыми им чис-
1 Способ расчета значимости различий между средними арифметическими величинами (f-критерии Стьюдента) см. в Приложении I на с 274.
I. Приемы измерений и статистические способы обработки...___________15;
лами, в-третьих, числа, приравниваемые классам объектов, пропорциональны степени выраженности измеряемого свойства. Последнее не было свойственно рассмотренным выше шкалам.
Основными операциями, допустимыми на уровне шкал отношений, являются все те операции, которым подчиняются шкалы всех перечисленных выше типов, и дополнительно — операции установления равенства отношений между отдельными значениями шкалы. Это возможно благодаря существованию на шкале естественного, абсолютного, нуля. Поэтому лишь для данной шкалы числа, являющиеся точками (значениями) на шкале, соответствуют реальному количеству измеряемого свойства, что позволяет производить с ними любые арифметические действия — оперирование суммами, произведениями и частными. Для шкал отношений допустимы любые мультипликативные преобразования типа х' -ах, для любых а>0. Однако недопустимы (об этом часто забывают!) никакие операции прибавления или вычитания константных величин, что приводит, как было показано на примере шкал интервалов, к сдвигу точки отсчета. Дополнительно к указанным для описанных выше шкал измерения приемам статистической обработки данных для величин шкалы отношений можно рассчитывать, например, геометрические и гармонические средние, а также коэффициенты изменчивости измеряемого признака.
Считалось, что шкалы отношений не встречаются в психологических измерениях. Однако Стивене, исходя из постулата о допустимости непосредственного измерения психических процессов, показал возможность построения шкал отношений в психофизике. Для этой цели он разработал ряд измерительных процедур, предусматривающих прямое шкалирование. Среди них наиболее известными стали методики фракционирования и мультипликации предъявляемых стимулов. К этой же группе методик можно отнести и методики оценки величин стимулов и непосредственной оценки их отношений. Общим для всех перечисленных методик прямого шкалирования является то, что в качестве измерительного инструмента выступает сам испытуемый, который оценивает количественные отношения между раздражителями.
ОБРАБОТКА РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ
Итак, результаты экспериментальных исследований могут быть описаны с помощью определенных статистических показателей. Какие именно показатели могут быть применены в каждом отдельном случае, зависит от типа использованных измерительных шкал. Прежде чем будут описаны конкретные способы вычислений некоторых статистических показателей, необходимо определить значение ряда используемых при этом понятий.
В первую очередь надо пояснить понятие распределения результатов. Можно себе представить, что большому числу испытуемых было предложено решить некоторое число, например 20, задач. Результаты оценивались в
16
I. Приемы измерений и статистические способы обработки...
М
категориях «решил/не решил» задачи. Если задачи окажутся трудными для испытуемых, то лишь немногие из них правильно решат все 20 задач, притом что некоторые не решат ни одной задачи. Кроме того, можно ожидать, что большинство испытуемых какое-то количество задач решат правильно и какое-то количество — ошибочно. Первый шаг обработки первичных результатов состоит в подсчете того, сколько испытуемых правильно решили 1 задачу, сколько испытуемых — 2 задачи и т. д. И наконец, сколько лиц правильно решили все 20 задач. Величина, характеризующая количество людей, правильно решивших то или иное число задач, называется частотой (f).
Совокупность полученных частот образует распределение первичных результатов, в нашем случае — распределение числа лиц правильно решивших то или иное количество задач.
При графическом представлении результатов (рис. 1.1.1) и при достаточно большом количестве измерений, т. е. большой выборке (см. ниже), кривая распределения чаще всего имеет характерный колоколо-образный вид. Такое распределение первичных результатов получило название нормального, или Гауссова, распределения. Нормальное распределение от других возможных распределений отличается рядом простых свойств. Прежде всего оно однозначно определяется всего лишь двумя параметрами, а именно:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183