Вторичная ОБРАБОТКА ДАННЫХ
Благодаря вторичной обработке данных можно выявить скрытые тенденции, закономерности и связи; обнаружить новые факты, которые не ожидались и не были замечены в ходе эмпирического процесса; выявить уровень достоверности, надежности и точности полученных результатов; получить научно обоснованные результаты. Выбор конкретного метода обработки данных зависит от задач исследования, а также от способа измерения данных (т.е. шкалы, в которой они представлены).
Изучите внимательно таблицу 11.
Таблица 11
Классификация задач и методов их решения (на базе таблицы Е.Ф. Волковой).
| № п/п | Задачи | Условия | Объем выборки (ок) | Методы | Шкала |
| Отбраковка выпадающих значений | нет ограничений | n>5 | t – критерий выпада | ||
| Определение наиболее характерных показателей для исследуемой выборки | нет ограничений | чем больше выборка, тем ближе может быть оценка параметра к его истинному значению | x-среднее арифметическое | интервальная отношений | |
| Ме – медиана | порядковая интервальная отношений | ||||
| Мо - мода | чаще для номинативной | ||||
| Оценка степени рассеивания отдельных величин вокруг средней арифметической | нет ограничений | чем больше выборка, тем ближе может быть оценка параметра к его истинному значению | Wn – размах | порядковая интервальная | |
| точно для нормального распределения | s - стандартное отклонение | отношений интервальная отношений | |||
| Выявление различий в уровне исследуемого признака | 2 выборки испытуемых, диапазоны разброса показателей не должны совпадать | n ≥ 11, n1 » n2 | Q–критерий Розенбаума | порядковая интервальная отношений | |
| 2 выборки испытуемых, имеется зона перекрещивающихся значений между выборками (т.е. повторяющихся в разных выборках). | а) n1=2, n2³5 б) 3 ≤ n1 ≤ 60, 3 ≤ n1 ≤ 60, | U–критерий Манна-Уитни | порядковая интервальная отношений | ||
| 2 выборки испытуемых | а) n1=2, n2³30 б) n1=3, n2³7 в) n1=4, n2³5 г) n1, n2³5 | φ*-критерий (угловое преобразование Фишера) | любая шкала | ||
| 5 | Оценка различия в средних | 2 выборки испытуемых, нормальное распределение | 30£(n1 + n2 - 2) до ¥ | t – критерий Стьюдента | интервальная отношений |
| Оценка сдвига значений исследуемого признака | Одни и те же показатели, измеренные у одних и тех же испытуемых до и после воздействия а) при отсутствии контрольной группы (2 замера 1 группа) | 5 £ n £ 50 | Т– критерий Вилкоксона | порядковая интервальная отношений | |
| б) при наличии контрольной группы (2 замера 2 группы) | 5 £ n £ 50 | Вариант1 – сопоставление значений «до» и «после» отдельно по экспериментальной и контрольной группам Т – критерий Вилкоксона | порядковая интервальная отношений | ||
| n ³ 11, n1 » n2 n1=2, n2 ³ 5; 3 £ (n1, n2) £ 60 n1, n2 ³ 5 | Вариант 2 – сопоставление сдвигов в двух группах Q – критерий Розенбаума U – критерий Манна–Уитни φ*-критерий Фишера | порядковая интервальная отношений все шкалы | |||
| Выявление различий в распределении признака | сопоставление двух эмпирических распределений или эмпирического с теоретическим | n ³ 30 | c² критерий Пирсона | любая шкала | |
| n1,2 ³ 50 | l-критерий Колмогорова-Смирнова | порядковая интервальная отношений | |||
| а) n1=2, n2³30 б) n1=3, n2³7 в) n1=4, n2³5 г) n1, n2³5 | φ*-критерий Фишера | любая шкала. | |||
| Выявление степени согласованности изменений (корреляции) | 2 признака или 2 профиля | 30< n £ 40 | rs-коэффициент ранговой корреляции Спирмена | порядковая интервальная отношений | |
| 4< n£5000 | rxy-коэффициент линейной корреляции Пирсона | интервальная отношений |
С описанием способа решения первых трех задач Вы познакомились, изучая раздел «Первичная обработка данных».
Для дальнейшего рассмотрения способов обработки данных нам потребуется понятие «статистические гипотезы». Формулирование гипотез систематизирует предположения исследователя и представляет их в четком и лаконичном виде. Благодаря гипотезам, исследователь не теряет путеводной нити в процессе рассчетов и ему легко понять после их окончания, что, собственно, он обнаружил. Статистических гипотез две:
- нулевая гипотеза (Но) – гипотеза об отсутствии различий, эту гипотезу мы опровергаем, если стоит задача доказать значимость различий,
- альтернативная гипотеза (Н1) – это то, что мы хотим доказать.
Для каждого метода статистической обработки данных эти гипотезы в общем виде будут сформулированы. Вам придется только уточнить их в терминах Вашего исследования.
Итак, определитесь, какую задачу Вам необходимо решить, выберите по таблице подходящий метод, четко следуйте алгоритму подсчета данных – и у Вас все получится! Небольшая рекомендация: независимо от того, считаете ли Вы «в столбик» или на калькуляторе – пересчитывайте все операции не менее двух раз, тогда Вы снизите риск механической ошибки.