Реферат: Неэмпирические методы психологии

В. В. НИКАНДРОВ


НЕЭМПИРИЧЕСКИЕ МЕТОДЫ ПСИХОЛОГИИ


РЕЧЬ

Санкт-Петербург 2003

ББК 88.5 Н62


Печатается по постановлению

редакционно-издательского совета

Санкт-Петербургского Государственного Университета


Рецензенты: доктор психологических наук Л. В. Куликов, канди­дат психологических наук Ю. И. Филимоненко.


Никандров В. В.

Н62 Неэмпирические методы психологии: Учеб. пособие. — СПб.: Речь, 2003. — 53 с.

В пособии изложены основные сведения о методах организации психоло­гического исследования, обработки эмпирического материала и интерпре­тации результатов, объединяемых наименованием «неэмпирическис методы психологии». Пособие адресовано студентам, аспирантам и другим катего­риям обучающихся по психологическим направлениям.


ББК 88.5 ISBN 5-9268-0174-5

ISBN 5-9268-0174-5

© В. В. Никандров, 2003

© Издательство «Речь», 2003

© П. В. Борозенец, оформление обложки, 2003


Оглавление


Введение 7


1. Организационные методы 11

1.1. Сравнительный метод 11

1.2. Лонгитюдный метод 12

1.3. Комплексный метод 15


2. Методы обработки данных 16

2.1. Количественные методы 18

2.1.1. Методы первичной обработки 18

2.1.2. Методы вторичной обработки 19

2.1.2.1. Общее представление о вторичной обработке 19

2.1.2.2. Комплексное вычисление статистик 25

2.1.2.3. Корреляционный анализ 25

2.1.2.4. Дисперсионный анализ 26

2.1.2.5. Факторный анализ 26

2.1.2.6. Регрессионный анализ 27

2.1.2.7. Таксономический анализ 28

2.1.2.8. Шкалирование 28

2.2. Качественные методы 38

2.2.1. Классификация 38

2.2.2. Типологизация 40

2.2.3. Систематизация 43

2.2.4. Периодизация 43

2.2.5. Психологическая казуистика 44


3. Интерпретационные методы 45

3.1. Генетический метод 45

3.2. Структурный метод 46

3.3. Функциональный метод 47

3.4. Комплексный метод 48

3.5. Системный метод 49


Литература 52


Введение


Неэмпирические методы психологии — это научно-исследова­тельские приемы психологической работы вне рамок контакта (непос­редственного или опосредованного) исследователя с объектом иссле­дования. Эти приемы, во-первых, способствуют организации получе­ния психологической информации с помощью эмпирических методов и, во-вторых, дают возможность преобразования этой информации в достоверное научное знание.

Как известно, в самом первом приближении любое научное ис­следование, в том числе и психологическое, проходит три этапа: 1) под­готовительный; 2) основной; 3) заключительный. На первом этапе формулируются цели и задачи исследования, производится ориентация в совокупности знаний в данной области, составляется программа дей­ствий, решаются организационные, материальные и финансовые воп­росы. На основном этапе производится собственно исследовательский процесс: ученый с помощью специальных методов вступает в контакт (непосредственный или опосредованный) с изучаемым объектом и про­изводит сбор данных о нем. Именно этот этап обычно в наибольшей степени отражает специфику исследования: изучаемую реальность в виде исследуемых объекта и предмета, область знаний, вид исследова­ния, методическое оснащение. На заключительном этапе производится обработка полученных данных и превращение их в искомый результат. Результаты соотносятся с выдвинутыми целями, объясняются и вклю­чаются в имеющуюся в данной области систему знаний.

Приведенные этапы можно разделить, и тогда получают более под­робную схему, аналоги которой в том или ином виде приводятся в науч­ной литературе [5, 28, 40]:

I. Подготовительный этап:

1. Постановка проблемы;

2. Выдвижение гипотезы; [7]

3. Планирование исследования.


II. Основной (эмпирический) этап:

4. Сбор данных.


III. Заключительный этап:

5. Обработка данных;

6. Интерпретация результатов;

7. Выводы и включение результатов в систему знаний. Неэмпирические методы используются на первом и третьем эта­пах исследования, эмпирические — на втором.


В науке имеется множество классификаций психологических ме­тодов, но большинство из них касается эмпирических методов. Неэм­пирические методы представлены в немногих классификациях, из ко­торых наиболее удобны те, что базируются на критерии этапности пси­хологического процесса. Среди них наиболее успешной и широко признанной является классификация психологических методов, пред­ложенная Б. Г. Ананьевым, который в свою очередь опирался на клас­сификацию болгарского ученого Г. Пирьова [1, 2, 59, 60]. Считается, что Б. Г. Ананьевым «была разработана классификация, соответствую­щая современному уровню науки и стимулировавшая дальнейшие ис­следования по этой центральной для методологии психологии пробле­ме» [47, с. 45]. Разбиение хода психологического исследования на эта­пы по Б. Г. Ананьеву, хотя и не совпадает полностью с приведенным нами выше, все же очень близок к нему: А) организационный этап (пла­нирование); Б) эмпирический этап (сбор данных); В) обработка дан­ных; Г) интерпретация результатов.

Немного изменив и дополнив классификацию Б. Г. Ананьева, по­лучим развернутую систему методов, которую рекомендуем как опор­ную при изучении психологического инструментария:


I. Организационные методы (подходы).

1. Сравнительный.

2. Лонгитюдный.

3. Комплексный.


П. Эмпирические методы.

1. Обсервационные (наблюдение):

а) объективное наблюдение;

б) самонаблюдение (интроспекция). [8]

2. Вербально-коммуникативные методы.

а) беседа;

б) опрос (интервью и анкетирование).

3. Экспериментальные методы:

а) лабораторный эксперимент;

б) естественный эксперимент;

в) формирующий эксперимент.

4. Психодиагностические методы:

а) психодиагностические тесты;

б) психосемантическпе методы;

в) психомоторные методы;

г) методы социально-психологической диагностики личности.

5. Психотерапевтические методы.

6. Методы изучения продуктов деятельности:

а) метод реконструкции;

б) метод изучения документов (архивный метод);

в) графология.

7. Биографические методы.

8. Психофизиологические методы:

а) методы изучения работы вегетативной нервной системы;

б) методы изучения работы соматической нервной системы;

в) методы изучения работы центральной нервной системы.

9. Праксиметрические методы:

а) общие методы исследования отдельных движений и действий;

б) специальные методы исследования трудовых операций и дея­тельности.

10. Моделирование.

11. Специфические методы отраслевых психологических наук.


III. Методы обработки данных:

1. Количественные методы;

2. Качественные методы.


^ IV. Интерпретационные методы (подходы):

1. Генетический;

2. Структурный;

3. Функциональный;

4. Комплексный;

5. Системный. [9]


Приведенная классификация не претендует на исчерпывающую полноту и строгую систематичность. И вслед за Б. Г. Ананьевым мы можем сказать, что «противоречия современной методологии, методи­ки и техники психологии достаточно глубоко отразились в предлагае­мой классификации» [1, с. 293]. Тем не менее она все же дает общее представление о системе используемых в психологии методов, причем методов с устоявшимися в практике их использования обозначениями и наименованиями.

Итак, опираясь на предложенную классификацию, имеем три груп­пы неэмпирических методов: организационные, обработки данных и интерпретационные. Последовательно рассмотрим их. [10]


^ ОРГАНИЗАЦИОННЫЕ МЕТОДЫ


Эти методы скорее следует именовать подходами, так как они пред­ставляют собой не столько конкретный способ исследования, сколько процедурную стратегию. Выбор того или иного способа организации исследования предопределяется его задачами. А выбранный подход, в свою очередь, сам определяет набор и порядок применения конкрет­ных методов сбора данных об объекте и предмете изучения.


^ 1.1. Сравнительный метод

Сравнительный метод заключается в сопоставлении различных объектов или различных сторон одного объекта изучения в некоторый момент времени. Снятые с этих объектов данные сравниваются между собой, что дает основание к выявлению отношений между ними. Под­ход позволяет изучать пространственное многообразие, взаимосвязи и эволюцию психических явлений. Многообразие и взаимосвязи иссле­дуются или путем сопоставления различных проявлений психики у од­ного объекта (человека, животного, группы) в определенный момент времени, или путем одновременного сопоставления разных людей (жи­вотных, групп) по какому-либо одному виду (или комплексу) психичес­ких проявлений. Например, зависимость скорости реакции от вида мо­дальности сигнала изучается на отдельном индивиде, а от половых, эт­нических или возрастных особенностей — на нескольких индивидах. Понятно, что «одновременность», как и «определенный момент време­ни», в данном случае понятия относительные. Они определяются дли­тельностью исследования, которая может измеряться часами, днями и даже неделями, но будет ничтожно мала по сравнению с жизненным циклом изучаемого объекта. [11]

Особенно ярко сравнительный метод проявляется в эволюци­онном изучении психики. Сравнению подлежат объекты (и их пока­затели), соответствующие определенным стадиям филогенеза. С со­временным человеком сравниваются приматы, архантропы, палеоантропы, данные о которых поставляют зоопсихология, ант­ропология, палеопсихология, археология, этология и другие науки о животных и происхождении человека. Наука, занимающаяся подоб­ными анализом и обобщениями, носит название «Сравнительная психология».

Вне сравнительного метода немыслима вся психология различий (дифференциальная психология). Интересна модификация сравнитель­ного метода, распространенная в возрастной психологии и носящая название «метода поперечных срезов». Поперечные срезы — это со­вокупность данных о человеке на определенных стадиях его онтоге­неза (младенчество, детство, старость и т. п.), получаемых в исследо­ваниях соответствующих контингентов. Подобные данные в обобщен­ном виде могут выступать в качестве эталонов уровня психического развития человека для определенного возраста в той или иной попу­ляции.

Сравнительный метод допускает использование любого эмпири­ческого метода при сборе данных об объекте исследования.


^ 1.2. Лонгитюдный метод


Лонгитюдный метод (лат. long —длинный) —длительное и си­стематическое изучение одного и того же объекта. Подобное продол­жительное отслеживание объекта (обычно по заранее составленной программе) позволяет выявить динамику его существования и прогно­зировать его дальнейшее развитие.

В психологии лонгитюд широко применяется при изучении возра­стной динамики, преимущественно в детском периоде. Специфическая форма реализации — метод «продольных срезов». Продольные сре­зы — это совокупность данных об индивиде за определенный период его жизни. Эти периоды могут измеряться месяцами, годами и даже десятилетиями. [12]

Итогом лонгитюдного метода как способа организации многолет­него исследовательского цикла «является индивидуальная монография или совокупность таких монографий, описывающих ход психического развития, охватывающих ряд фаз периодов человеческой жизни. Сопо­ставление таких индивидуальных монографий позволяет достаточно полно представить диапазон колебаний возрастных норм и моменты перехода от одной фазы развития к другой. Однако построение серии функциональных проб и экспериментальных методов, периодически повторяемых при изучении одного и того же человека, — дело крайне сложное, так как адаптация испытуемого к условиям опыта, специаль­ная тренированность могут влиять на картину развития. Кроме того, узкая база такого исследования, ограниченная небольшим количеством избранных объектов, не дает оснований для построения возрастных синдромов, успешно осуществляемого посредством сравнительного метода «поперечных срезов» [1, с. 301]. Поэтому целесообразно соче­тать, когда это возможно, лонгитюд и сравнительный метод.

Й. Шванцара и В. Смекал предлагают следующую классифика­цию видов лонгитюдного исследования [86, с. 29]:

A. В зависимости от продолжительности исследования:

1. Кратковременное наблюдение;

2. Долговременное наблюдение;

3. Ускоренное наблюдение.

Б. В зависимости от направления хода исследования:

1. Ретроспективное наблюдение;

2. Перспективное (проспективное) наблюдение;

3. Сочетанное наблюдение.

B. В зависимости от применяемых способов:

1. Истинное лонгитюдное наблюдение;

2. Смешанное наблюдение;

3. Псевдолонгитюдное наблюдение.


Кратковременное наблюдение рекомендуется проводить для изу­чения стадий онтогенеза, богатых изменениями, скачками в развитии. Например, грудной период младенчества, период созревания в отроче­стве — юношестве и т. п. Если же целью исследования является изуче­ние динамики крупномасштабных периодов развития, взаимосвязи меж­ду отдельными периодами и отдельными изменениями, то рекоменду-[13]ется долговременный лонгитюд. Ускоренный вариант предназначен для изучения продолжительных периодов развития, но за короткое время. Используется в основном в детской психологии. Наблюдению подле­жат сразу несколько возрастных групп. Возрастной диапазон каждой группы зависит от цели исследования. В практике наблюдения за деть­ми он обычно составляет 3-4 года. Смежные группы перекрывают друг друга на один-два года. Параллельное наблюдение за рядом таких групп позволяет увязать данные всех групп в единый цикл, охватываемый всей совокупностью этих групп от самой младшей до самой старшей. Таким образом, исследование, проводимое в течение, скажем, 2-3 лет, может дать продольный срез для 10-20 лет онтогенеза.

Ретроспективная форма позволяет проследить развитие человека или его отдельных качеств в прошлом. Осуществляется путем сбора био­графической информации, анализа продуктов деятельности. Для детей это в первую очередь автобиографические беседы, свидетельства роди­телей, данные анамнеза. Перспективный, или проспективный, способ — это текущие наблюдения за развитием человека (животного, группы) до определенного возраста. Сочетанное исследование предполагает вклю­чение в перспективный лонгитюд элементов ретроспективного.

Истинный лонгитюд представляет собой классическое выполне­ние длительного наблюдения за одним объектом. Смешанным считает­ся такой метод лонгитюдного исследования, при котором истинное про­дольное наблюдение на некоторых стадиях дополняется поперечными срезами, дающими сравнительную информацию о других объектах, однотипных с изучаемым. Этот способ выгоден при наблюдениях за группами, которые со временем «тают», т. е. их состав от периода к периоду уменьшается. Псевдолонгитюдные исследования заключают­ся в получении «норм» для разных возрастных групп и в хронологичес­ком упорядочивании этих показателей. Норму получают через попереч­ные срезы группы, т. е. через усредненные данные по каждой группе. Здесь со всей очевидностью проявляется недопустимость противопос­тавления поперечных и продольных срезов, поскольку последние, как видим, можно получить через последовательный (хронологический) ряд поперечных срезов. Кстати, именно таким образом «получено большин­ство известных до настоящего времени норм онтогенетической психо­логии» [86, с. 31]. [14]


^ 1.3. Комплексный метод


Комплексный метод (подход) предполагает организацию комп­лексного исследования какого-либо объекта. По существу это, как пра­вило, междисциплинарное исследование, посвященное изучению объек­та, общего для нескольких наук: объект один, а предметы исследования разные. [15]


^ МЕТОДЫ ОБРАБОТКИ ДАННЫХ


Обработка данных направлена на решение следующих задач:

1) упорядочивание исходного материала, преобразование множества данных в целостную систему сведений, на основе которой возможно дальнейшее описание и объяснение изучаемых объекта и предмета;

2) обнаружение и ликвидация ошибок, недочетов, пробелов в сведени­ях; 3) выявление скрытых от непосредственного восприятия тенденций, закономерностей и связей; 4) обнаружение новых фактов, которые не ожидались и не были замечены в ходе эмпирического процесса; 5) вы­яснение уровня достоверности, надежности и точности собранных дан­ных и получение на их базе научно обоснованных результатов.

Обработка данных имеет количественный и качественный аспек­ты. ^ Количественная обработка есть манипуляция с измеренными ха­рактеристиками изучаемого объекта (объектов), с его «объективизиро­ванными» во внешнем проявлении свойствами. Качественная обра­ботка — это способ предварительного проникновения в сущность объекта путем выявления его неизмеряемых свойств на базе количе­ственных данных.

Количественная обработка направлена в основном на формальное, внешнее изучение объекта, качественная — преимущественно на со­держательное, внутреннее его изучение. В количественном исследова­нии доминирует аналитическая составляющая познания, что отражено и в названиях количественных методов обработки эмпирического ма­териала, которые содержат категорию «анализ»: корреляционный ана­лиз, факторный анализ и т. д. Основным итогом количественной обра­ботки является упорядоченная совокупность «внешних» показателей объекта (объектов). Реализуется количественная обработка с помощью математико-статистических методов. [16]

В качественной обработке доминирует синтетическая составляю­щая познания, причем в этом синтезе превалирует компонент объеди­нения и в меньшей степени присутствует компонент обобщения. Обоб­щение — прерогатива следующего этапа исследовательского процес­са— интерпретационного. В фазе качественной обработки данных главное заключается не в раскрытии сущности изучаемого явления, а пока лишь в соответствующем представлении сведений о нем, обеспе­чивающем дальнейшее его теоретическое изучение. Обычно результа­том качественной обработки является интегрированное представление о множестве свойств объекта или множестве объектов в форме класси­фикаций и типологий. Качественная обработка в значительной мере апеллирует к методам логики.

Противопоставление друг другу качественной и количественной обработок (а, следовательно, и соответствующих методов) довольно условно. Они составляют органичное целое. Количественный анализ без последующей качественной обработки бессмыслен, так как сам по себе он не в состоянии превратить эмпирические данные в систему зна­ний. А качественное изучение объекта без базовых количественных данных в научном познании — немыслимо. Без количественных дан­ных качественное познание — это чисто умозрительная процедура, не свойственная современной науке. В философии категории «качество» и «количество», как известно, объединяются в категории «мера». Един­ство количественного и качественного осмысления эмпирического ма­териала наглядно проступает во многих методах обработки данных: факторный и таксономический анализы, шкалирование, классифика­ция и др. Но поскольку традиционно в науке принято деление на коли­чественные и качественные характеристики, количественные и каче­ственные методы, количественные и качественные описания, примем количественные и качественные аспекты обработки данных как само­стоятельные фазы одного исследовательского этапа, которым соответ­ствуют определенные количественные и качественные методы.

Качественная обработка естественным образом выливается в опи­сание и объяснение изучаемых явлений, что составляет уже следую­щий уровень их изучения, осуществляемый на стадии интерпретации результатов. Количественная же обработка полностью относится к эта­пу обработки данных. [17]


^ 2.1. Количественные методы


Процесс количественной обработки данных имеет две фазы: пер­вичную и вторичную.


2.1.1. Методы первичной обработки

Первичная обработка нацелена на упорядочивание информации об объекте и предмете изучения, полученной на эмпирическом этапе исследования. На этой стадии «сырые» сведения группируются по тем или иным критериям, заносятся в сводные таблицы, а для наглядности представляются графически. Все эти манипуляции позволяют, во-пер­вых, обнаружить и ликвидировать ошибки, совершенные при фикса­ции данных, и, во-вторых, выявить и изъять из общего массива неле­пые данные, полученные в результате нарушения процедуры обследо­вания, несоблюдения испытуемыми инструкции и т. п. Кроме того, первично обработанные данные, представая в удобной для обозрения форме, дают исследователю в первом приближении представление о характере всей совокупности данных в целом: об их однородности — неоднородности, компактности — разбросанности, четкости — размы­тости и т. д. Эта информация хорошо читается на наглядных формах представления данных и связана с понятиями «распределение данных».

К основным методам первичной обработки относятся: табулирова­ние, т. е. представление количественной информации в табличной форме, и построение диаграмм (рис. I), гистограмм (рис. 2), полигонов рас­пределения (рис. 3) и кривых распределения (рис. 4). Диаграммы отра­жают распределение дискретных данных, остальные графические формы используются для представления распределения непрерывных данных.

От гистограммы легко перейти к построению частотного полиго­на распределения, а от последнего — к кривой распределения. Частот­ный полигон строят, соединяя прямыми отрезками верхние точки цент­ральных осей всех участков гистограммы. Если же вершины участков соединить с помощью плавньгх кривых линий, то получится кривая рас­пределения первичных результатов. Переход от гистограммы к кривой распределения позволяет путем интерполяции находить те величины исследуемой переменной, которые в опыте не были получены. [18]





^ 2.1.2. Методы вторичной обработки


2.1.2.1. Общее представление о вторичной обработке

Вторичная обработка заключается главным образом в статис­тическом анализе итогов первичной обработки. Уже табулирование и построение графиков, строго говоря, тоже есть статистическая обра­ботка, которая в совокупности с вычислением мер центральной тен­денции и разброса включается в один из разделов статистики, а именно в описательную статистику. Другой раздел статистики — индуктив-[19]ная статистика — осуществляет проверку соответствия данных вы­борки всей популяции, т. е. решает проблему репрезентативности ре­зультатов и возможности перехода от частного знания к общему [10, 34, 41, 42]. Третий большой раздел — корреляционная статистика — выявляет связи между явлениями. В целом же надо понимать, что «ста­тистика — это не математика, а, прежде всего, способ мышления, и для ее применения нужно лишь иметь немного здравого смысла и знать основы математики» [19, т. 2, с. 277].

Статистический анализ всей совокупности полученных в исследо­вании данных дает возможность охарактеризовать ее в предельно сжа­том виде, поскольку позволяет ответить на три главных вопроса: 1) ка­кое значение наиболее характерно для выборки?; 2) велик ли разброс данных относительно этого харакгерного значения, т. е. какова «размы­тость» данных?; 3) существует ли взаимосвязь между отдельными дан­ными в имеющейся совокупности и каковы характер и сила этих связей? Ответами на эти вопросы служат некоторые статистические показатели исследуемой выборки. Для решения первого вопроса вычисляются меры центральной тенденции (или локализации), второго — меры изменчиво­сти (или рассеивания, разброса), третьего — меры связи (или корреля­ции). Эти статистические показатели приложимы к количественным дан­ным (порядковым, интервальным, пропорциональным).

^ Меры центральной тенденции (м. ц. т.) — это величины, вокруг которых группируются остальные данные. Эти величины являются как бы обобщающими всю выборку показателями, что, во-первых, позво­ляет по ним судить обо всей выборке, а во-вторых, дает возможность сравнивать разные выборки, разные серии между собой. К мерам цент­ральной тенденции относятся: среднее арифметическое, медиана, мода, среднее геометрическое, среднее гармоническое. В психологии обычно используются первые три.

^ Среднее арифметическое (М) —это результат деления суммы всех значений (X) на их количество (N): М = ЕХ / N.

Медиана (Me) — это значение, выше и ниже которого количество отличающихся значений одинаково, т. е. это центральное значение в последовательном ряду данных.

Примеры: 3,5,7,9,11,13,15; Me = 9.

3,5,7,9, 11, 13, 15, 17; Me = 10. [20]

Из примеров ясно, что медиана не обязательно должна совпадать с имеющимся замером, это точка на шкале. Совпадение происходит в случае нечетного числа значений (ответов) на шкале, несовпадение — при четном их числе.

Мода (Мо) — это значение, наиболее часто встречающееся в вы­борке, т. е. значение с наибольшей частотой.

Пример: 2, 6, 6, 8, 9, 9, 9, 10; Мо = 9.

Если всё значения в группе встречаются одинаково часто, то счи­тается, что моды нет (например: 1, 1, 5, 5, 8, 8). Если два соседних значения имеют одинаковую частоту и они больше частоты любого дру­гого значения, мода есть среднее этих двух значений (например: 1, 2, 2, 2, 4, 4, 4, 5, 5, 7; Мо = 3). Если то же самое относится к двум несмеж­ным значениям, то существует две моды, а группа оценок является би­модальной (например: 0, 1, 1, 1, 2, 3, 4, 4, 4, 7; Мо = 1 и 4).

Обычно среднее арифметическое применяется при стремлении к наибольшей точности и когда впоследствии нужно будет вычислять стандартное отклонение. Медиана — когда в серии есть «нетипичные» данные, резко влияющие на среднее (например: 1, 3, 5, 7, 9, 26, 13). Мода — когда не нужна высокая точность, но важна быстрота опреде­ления м. ц. т.


^ Меры изменчивости (рассеивания, разброса) — это статисти­ческие показатели, характеризующие различия между отдельными зна­чениями выборки. Они позволяют судить о степени однородности по­лученного множества, о его компактности, а косвенно и о надежности полученных данных и вытекающих из них результатов. Наиболее ис­пользуемые в психологических исследованиях показатели: размах, сред­нее отклонение, дисперсия, стандартное отклонение, полуквартилъ-ное отклонение.

Размах (Р) —это интервал между максимальным и минимальным значениями признака. Определяется легко и быстро, но чувствителен к случайностям, особенно при малом числе данных.

Примеры: (0, 2, 3, 5, 8; Р = 8); (-0.2, 1.0, 1.4, 2.0; Р - 2,2).

Среднее отклонение (МД) — это среднеарифметическое разницы (по абсолютной величине) между каждым значением в выборке и ее средним: МД = Id / N, где: d = |Х-М|; М — среднее выборки; X — конкретное значение; N — число значений. [21]

Множество всех конкретных отклонений от среднего характери­зует изменчивость данных, но, если их не взять по абсолютной величи­не, то их сумма будет равна нулю, и мы не получим информации об их изменчивости. МД показывает степень скученности данных вокруг сред­него. Кстати, иногда при определении этой характеристики выборки вместо среднего (М) берут иные меры центральной тенденции — моду или медиану.

^ Дисперсия (Д) (от лат. dispersus — рассыпанный). Другой путь из­мерения степени скученности данных предполагает избегание нулевой суммы конкретных разниц (d = Х-М) не через их абсолютные величи­ны, а через их возведение в квадрат. При этом получают так называе­мую дисперсию:

Д = Σd2 / N — для больших выборок (N > 30);

Д = Σd2 / (N-1) — для малых выборок (N < 30).

^ Стандартное отклонение (δ). Из-за возведения в квадрат отдель­ных отклонений d при вычислении дисперсии полученная величина оказывается далекой от первоначальных отклонений и потому не дает о них наглядного представления. Чтобы этого избежать и получить ха­рактеристику, сопоставимую со средним отклонением, проделывают обратную математическую операцию — из дисперсии извлекают квад­ратный корень. Его положительное значение и принимается за меру изменчивости, именуемую среднеквадратическим или стандартным отклонением:



МД, Д и d применимы для интервальных и пропорционных дан­ных. Для порядковых данных обычно в качестве меры изменчивости берут полуквартильное отклонение (Q), именуемое еще полуквартильным коэффициентом или полумеждуквартильным размахом. Вычис­ляется этот показатель следующим образом. Вся область распределе­ния данных делится на четыре равные части. Если отсчитывать на­блюдения, начиная от минимальной величины на измерительной шкале (на графиках, полигонах, гистограммах отсчет обычно ведется слева направо), то первая четверть шкалы называется первым квартилем, а точка, отделяющая его от остальной части шкалы, обозначается сим­волом Q,. Вторые 25% распределения — второй квартиль, а соответ­ствующая точка на шкале — Q2. Между третьей и четвертой четвертя-[22]ми распределения расположена точка Q,. Полу квартальный коэффи­циент определяется как половина интервала между первым и третьим квартилями: Q = (Q.-Q,) / 2.

Понятно, что при симметричном распределении точка Q0 совпа­дет с медианой (а следовательно, и со средним), и тогда можно вычис­лить коэффициент Q для характеристики разброса данных относитель­но середины распределения. При несимметричном распределении это­го недостаточно. И тогда дополнительно вычисляют коэффициенты для левого и правого участков: Qлев= (Q2-Q,) / 2; Qправ= (Q, — Q2) / 2.


Меры связи

Предыдущие показатели, именуемые статистиками, характери­зуют совокупность данных по одному какому-либо признаку. Этот из­меняющийся признак называют переменной величиной или просто «пе­ременной». Меры связи же выявляют соотношения между двумя пере­менными или между двумя выборками. Эти связи, или корреляции (от лат. correlatio — 'соотношение, взаимосвязь') определяют через вы­числение коэффициентов корреляции (R), если переменные находятся в линейной зависимости между собой. Считается, что большинство пси­хических явлений подчинено именно линейным зависимостям, что и предопределило широкое использование методов корреляционного ана­лиза. Но наличие корреляции не означает, что между переменными су­ществует причинная (или функциональная) связь. Функциональная за­висимость— это частный случай корреляции. Даже если связь при­чинна, корреляционные показатели не могут указать, какая из двух переменных причина, а какая — следствие. Кроме того, любая обнару­женная в психологии связь, как правило, существует благодаря и дру­гим переменным, а не только двум рассматриваемым. К тому же взаи­мосвязи психологических признаков столь сложны, что их обусловлен­ность одной причиной вряд ли состоятельна, они детерминированы множеством причин.

^ Виды корреляции:

I. По тесноте связи:

1) Полная (совершенная): R = 1. Констатируется обязательная вза­имозависимость между переменными. Здесь уже можно говорить о функциональной зависимости.

2) связь не выявлена: R = 0. [23]

3) Частичная: 0
Встречаются и другие градации оценок тесноты связи [61].

Кроме того, в психологии при оценке тесноты связи используют так называемую «частную» классификацию корреляционных связей. Эта классификация ориентирована не на абсолютную величину коэффици­ентов корреляции, а на уровень значимости этой величины при опреде­ленном объеме выборки. Эта классификация применяется при статис­тической оценке гипотез. Тогда чем больше выборка, тем меньшее зна­чение коэффициента корреляции может быть принято для признания достоверности связей. А для малых выборок даже абсолютно большое значение R может оказаться недостоверным [75].


II. По направленности:

1) Положительная (прямая);

Коэффициент R со знаком «плюс» означает прямую зависимость: при увеличении значения одной переменной наблюдается увеличение другой.

2) Отрицательная (обратная).

Коэффициент R со знаком «минус» означает обратную зависимость: увеличение значения одной переменной влечет уменьшение другой.


III. По форме:

1) Прямолинейная.

При такой связи равномерным изменениям одной переменной со­ответствуют равномерные изменения другой. Если говорить не только о корреляциях, но и о функциональных зависимостях, то такие формы зависимости называют пропорциональными. В психологии строго пря­молинейные связи — явление не частое.

2) Криволинейная.

Это связь, при которой равномерное изменение одного признака сочетается с неравномерным изменением другого. Эта ситуация типич­на для психологии.

Формулы коэффициента корреляции:

При сравнении порядковых данных применяется коэффициент ранговой корреляции по Ч. Спирмену (ρ): ρ = 6Σd2 / N (N2 — 1), где: d — разность рангов (порядковых мест) двух величин, N — число сравни­ваемых пар величин двух переменных (X и Y). [24]

При сравнении метрических данных используется коэффициент корреляции произведений по К. Пирсону (r): r = Σ ху / Nσxσy

где: х — отклонение отдельного значения X от среднего выборки (Мх), у — то же для Y, Ох — стандартное отклонение для X, а — то же для Y, N — число пар значений X и Y.

Внедрение в научные исследования вычислительной техники по­зволяет быстро и точно определять любые количественные характери­стики любых массивов данных. Разработаны различные программы для ЭВМ, по которым можно проводить соответствующий статистический анализ практически любых выборок. Из массы статистических приемов в психологии наибольшее распространение получили следующие: 1) комплексное вычисление статистик; 2) корреляционный анализ; 3) дисперсионный анализ; 4) регрессионный анализ; 5) факторный ана­лиз; 6) таксономический (кластерный) анализ; 7) шкалирование.


2.1.2.2. Комплексное вычисление статистик

По стандартным программам производится вычисление как основ­ных совокупностей статистик, представленных нами выше, так и до­полнительных, не включенных в наш обзор. Иногда получением этих характеристик исследователь и ограничивается, но чаще совокупность этих статистик представляет собой лишь блок, входящий в более ши­рокое множество показателей изучаемой выборки, получаемых по бо­лее сложным программам. В том числе по программам, реализующим приводимые ниже методы статистического анализа.


2.1.2.3. Корреляционный анализ

Сводится к вычислению коэффициентов корреляции в самых раз­нообразных соотношениях между переменными. Соотношения задаются исследователем, а переменные равнозначны, т. е., что является причи­ной, а что следствием, установить через корреляцию невозможно. Кро­ме тесноты и направленности связей метод позволяет установить фор­му связи (линейность, нелинейность) [6, 27]. Надо заметить, что нели­нейные связи не поддаются анализу общепринятыми в психологии математическими и статистическими методами. Данные, относящиеся [25] к нелинейным зонам (например, в точках разрыва связей, в местах скач­кообразных изменений), характеризуют через содержательные описа­ния, воздерживаясь от формально-количественного их представления [17, с. 17-23]. Иногда для описания нелинейных явлений в психологии удается применить непараметрические математико-статистические ме­тоды и модели. Например, используется математическая теория катаст­роф [62, с. 523-525].


2.1.2.4. Дисперсионный анализ

В отличие от корреляционного анализа этот метод позволяет вы­являть не только взаимосвязь, но и зависимости между переменными, т. е. влияние различных факторов на исследуемый признак. Это влия­ние оценивается через дисперсионные отношения. Изменения изучае­мого признака (вариативность) могут быть вызваны действием отдель­ных известных исследователю факторов, их взаимодействием и воз­действиями неизвестных факторов. Дисперсионный анализ позволяет обнаружить и оценить вклад каждого из этих влияний на общую вари­ативность исследуемого признака. Метод позволяет быстро сузить поле влияющих на изучаемое явление условий, выделив наиболее существен­ные из