Файл-пример: SPSS Кросстабуляция.sav

Выполните задания 1а), 1б) и 1в), используя переменные пол и кино.

КРАТКОЕ ОПИСАНИЕ ИСПОЛЬЗУЕМЫХ ПРОЦЕДУР АНАЛИЗА

Используется для описания связи двух и более номинативных переменных.

а) При увеличении числа сопрягаемых переменных (≥3) объем выборки играет принципиальную роль: при незначительном объеме выборки (≈n≥50≤100) сопряжение трех и более переменных снижает надежность и значимость получаемого результата для его интерпретации. Поэтому

желательно увеличивать объем выборки пропорционально числу включаемых в анализ переменных:

- при 4-х номинативных переменных ≈n≥300 и т.д.

а) Используется для установления степени соответствия между наблюдаемыми и ожидаемыми

частотами. Чем больше расхождение между наблюдаемыми и ожидаемыми частотами, тем сильнее сравниваемые переменные связаны друг с другом.

- при p >0,05 различия между частотами незначительны - две переменные независимы друг от друга;

- при p ≤0,05 различия между частотами значительны - две переменные зависимы друг от друга.

4) Метод статистических испытаний Монте-Карло (ММК).

а) Применяется, если ожидаемая частота критерия χ2 Пирсона <5.

б) Интерпретация уровня значимости p соответствует интерпретации уровня значимости χ2 Пирсона.

а) Применяется для определения силы связи (от 0 до 1) сопрягаемых переменных. б) Интерпретация уровня коэффициента V Крамера (V):

в) Интерпретация уровня значимости p соответствует интерпретации уровня значимости χ2 Пирсона.

1. Афанасьев, В. В. Теория вероятностей [Текст] / В. В. Афанасьев. – М.: ВЛАДОС, 2007. – 350 с.

2. Бурлачук, Л. Ф. Словарь-справочник по психодиагностике [Текст] / Л. Ф. Бурлачук, С. М. Морозов. - СПб.: Питер, 2001. – 528 с.

3. Наследов, А. Д. Математические методы психологического исследования. Анализ и

интерпретация данных [Текст] / А. Д. Наследов. – СПб.: Речь, 2004. – 392 с.

4. Наследов, А. Д. SPSS 19. Профессиональный статистический анализ данных [Текст] / А. Д. Наследов. – СПб.: Питер, 2011. – 400 с.

5. Математическая энциклопедия [Текст] / гл. ред. И. М. Виноградов; в 5 тт. – М.: Советская энциклопедия, 1977. - Т. 3. – 592 с.

5. Сидоренко, Е. В. Методы математической обработки в психологии [Текст] / Е. В. Сидоренко. -

6. Metropolis N. The Monte Carlo method [Текст] / N. Metropolis, S. Ulam // Journal of the American Statistical Association. – 1949. - N. 44 (247). - P. 335-341.

Частота (f) Число, показывающее, сколько раз отдельные варианты (значения) встречаются в данной совокупности [3; С. 26].

Гистограмма. Тип диаграммы; в гистограмме каждая точка данных выводится в виде отдельного

вертикального столбика, высота которого отображает значение. Шкала значений выводится на вертикальной оси, располагаемой обычно на левой стороне диаграммы [8; С. 49].

Столбиковая диаграмма (или гистограмма распределения частот). Диаграмма, каждый столбец которой опирается на конкретное значение признака или разрядный интервал (для сгруппированных частот). Высота столбика пропорциональна частоте встречаемости соответствующего значения [5; С.

Столбиковая диаграмма (или гистограмма накопленных частот). Диаграмма, каждый столбец которой опирается на конкретное значение признака или разрядный интервал (для сгруппированных

частот). Высота каждого столбика пропорциональна частоте, накопленной к данному значению

Квантили. Структурные характеристики вариационного ряда, отсекающие в пределах ряда определенную часть его членов [3; С. 63].

Квартили (Q). Три значения признака (Q1, Q2, Q3), делящие ранжированный вариационный ряд на четыре равные части [3; С. 63].

Децили (D). Девять значений признака, делящие ранжированный вариационный ряд на десять

Процентили (P; или перцентили). 99 значений признака, делящие ранжированный вариационный ряд на сто равных частей. В практике используют обычно перцентили Р3, Р10, Р25, Р50, Р75, P90и Р97. Причем Р25и Р75соответствуют первому и третьему квартилям, между которыми находится 50% всех членов ряда, а Р50соответствует второму квартилю и равен медиане, то есть Р50= Ме [3; С. 63].

· анализ частоты встречаемости школьных отметок в пределах от 4,0 до 4,5

· анализ частоты выбора группы цветов кандидатами на должность руководителя (цветовой тест Max Lüscher).

· анализ уровня развития вербального интеллекта у студентов математического, исторического и филологического профилей подготовки

· сравнительный анализ уровня готовности к семейной жизни в женской и мужской выборке (тест-карта оценки готовности к семейной жизни И.Ф. Юнды).

· распределение испытуемых на четыре равные группы по степени предпочтения времени года для организации отдыха;

· распределение студентов группы по степени заинтересованности в коллективном праздновании Нового года;

· распределение значений профориентационного опросника «Перекресток-1»

на три уровня – низкий, средний, высокий (Н.С. Пряжников).

- минимальный объем выборки зависит от задачи, стоящей перед исследователем – чем большее число групп необходимо выделить в ходе анализа, тем бо`льшим должен быть объем;

• распределение: не обязательно должно соответствовать нормальному виду.

В файле представлены результаты диагностики уровня развития видов агрессивности и уровня тревожности детей, а также пол родителей этих детей.

пол: 1 - женский, 2 - мужской; агр1: физическая агрессия; агр2: косвенная агрессия;

Шаг 1 На панели инструментов выберите меню Анализ → Описательные статистики

Шаг 2 В меню Частоты (рис. 11) из левого окна перенесите переменную физическая[агр1] в окно Переменные и повторите это действие для всех переменных, кроме переменной пол. Нажмите ОК.

В открывшемся окне Вывод представлены результаты анализа частоты распределения выборки по каждому виду агрессивности. Описанию и интерпретации подлежат в этом окне девять таблиц, сгруппированных под заголовком Частотная таблица (по количеству видов агрессивности). Поясним результаты на примере таблицы «физическая»:

1) В ячейке Валидные представлены три уровня физической агрессии: «1» - низкая, «2» – средняя,

2) В столбце Частота представлено количество испытуемых в выборке, имеющих уровень агрессивности низкий (n=2), средний (n=37) и высокий (n=29).

3) В столбце Процент представлено процентное распределение испытуемых от общего числа выборки (n=68 – 100%) по уровням агрессивности.

Столбцы Валидный процент и Кумулятивный процент подлежат описанию в редких случаях, поэтому их анализ здесь производиться не будет.

II. Построение столбиковых диаграмм и гистограмм

Шаг 1 На панели инструментов выберите меню Анализ → Описательные статистики

Шаг 2 В меню Частоты из левого окна перенесите переменную физическая[агр1] в окно

Переменные и повторите это действие для всех переменных, кроме переменной пол.

Шаг 3 В правой верхней части меню Частоты выберите меню Диаграммы (рис. 12) и выберите

Тип диаграммы Столбиковые, нажмите Продолжить и ОК.

В открывшемся окне Вывод представлены столбиковые диаграммы частоты распределения выборки по видам и уровням физической агрессии. Описанию и интерпретации подлежат гистограммы, сгруппированные под заголовком Столбиковая диаграмма.

Поясним результаты на примере гистограммы «физическая».

1) Учитывая, что при описании результатов эмпирического исследования чаще всего таблицы и

рисунки представляются вместе, данная диаграмма нужна для большей наглядности результатов частотной таблицы.

2) Относительная простота представленной пошаговой процедуры не требует дальнейшего подробного описания построения круговой диаграммы или гистограммы, так как на Шаге 3 нужно лишь выбрать Тип диаграммы – Круговые или Гистограммы.

3) В рассмотренном меню Диаграммы также можно выбрать значения, которые будут представлены на оси Y – Частоты или Проценты.

Шаг 1 На панели инструментов выберите меню Анализ → Описательные статистики

Шаг 2 Так как в этом примере не будет производиться подсчет Частотных таблиц, снимите галочку рядом с командой Вывести частотные таблицы в левом нижнем углу меню Частоты.

Шаг 3 Перенесите из левого окна в окно Переменные переменную тревожность и выберите меню Статистики (рис. 13).

Шаг 4а Для вычисления процентилей переменной тревожность с равным для всех групп шагом, в группе команд Значения процентилей установите галочку для команды Процентили для: и укажите границу процентилей (в нашем примере граница = 10), нажмите Продолжить и ОК.

Шаг 4б Для вычисления процентилей переменной тревожность с произвольным для всех групп шагом, в группе команд Значения процентилей установите галочку для команды Процентили:, снимите галочку для команды Процентили для: и укажите первую границу процентилей (в нашем примере это 15), набрав на клавиатуре цифру 15, и выбрав команду Добавить; укажите вторую границу процентилей (в нашем примере это 50), набрав на клавиатуре цифру 50, и выбрав команду Добавить; укажите третью границу процентилей (в нашем примере это 80), набрав на клавиатуре цифру 80 и выбрав команду Добавить; нажмите Продолжить и ОК.

Шаг 4в Для вычисления квартилей (25-й, 50-й, 75-й процентили) в группе команд Значения процентилей установите галочку для команды Квартили, снимите галочку для команды Процентили:, нажмите Продолжить и ОК.

В открывшемся окне Вывод представлены результаты анализа распределения процентилей переменной тревожность. Описанию и интерпретации подлежат в этом окне три таблицы, озаглавленные как Статистики.

Учитывая, что логика описания и объяснения результатов во всех трех таблицах идентична, обратимся только к результатам таблицы, в которой посчитаны процентили с заданной границей шага групп, равной 10 (см. ниже):

Поясним результаты на примере таблицы «Статистики» для процентилей с заданной границей шага.

1) В крайнем правом столбце строки Процентили 10 значение 14,000 указывает на то, что в

исследуемой выборке тревожность 10% детей не превышает уровня 14 баллов.

2) В строке Процентили 20 значение 14,200 указывает на то, что в исследуемой выборке тревожность 20% детей не превышает уровня 14,2 балла, и т.д. до строки Процентили 90.

1) Составьте Частотную таблицу для всех переменных, кроме переменной тревожность.

2) Постройте Столбиковые диаграммы для всех переменных, кроме тревожность и пол.

3) Постройте Гистограмму для переменной тревожность, включив в Гистограмму нормальную кривую.

КРАТКОЕ ОПИСАНИЕ ИСПОЛЬЗУЕМЫХ ПРОЦЕДУР АНАЛИЗА

Частотный анализ и построение частотной таблицы используются для анализа распределения частот

Построение Диаграмм необходимо для большей наглядности результатов частотного анализа. Необходимо быть внимательным при выборе между Столбиковой диаграммой и Гистограммой:

первая используется для представления дискретных данных (предполагающих большие категории –

«пол», «курс обучения» и т.д.), вторая – для представления частот непрерывных переменных (в нашем примере это значения уровня тревожности от 7,1 до 50,0 у 68 исследуемых детей).

Используются для определения того, какой процент распределения находится ниже заданной

В зависимости от задачи исследования необходимо использовать разные типы процентилей:

б) процентили с равным для всех групп шагом (в нашем примере 10-й, 20-й, 30-й и т.д. процентили); в) процентили с произвольным для всех групп шагом (в нашем примере 15-й, 50-й, 80-й процентили).

Афанасьев, В. В. Теория вероятностей [Текст] / В. В. Афанасьев. – М.: ВЛАДОС, 2007. – 350 с.

2. Бурлачук, Л. Ф. Словарь-справочник по психодиагностике [Текст] / Л. Ф. Бурлачук, С. М. Морозов. – СПб.: Питер, 2001. – 528 с.

3. Лакин, Г. Ф. Биометрия [Текст] / Г. Ф. Лакин; изд. 4-е, перераб. и доп. – М.: Высшая школа, 1990. -

4. Математическая энциклопедия [Текст] / гл. ред. И. М. Виноградов; в 5 тт. – М.: Советская энциклопедия, 1977-1985.

5. Наследов, А. Д. Математические методы психологического исследования. Анализ и

интерпретация данных [Текст] / А. Д. Наследов. – СПб.: Речь, 2004. – 392 с.

6. Наследов, А. Д. SPSS 19. Профессиональный статистический анализ данных [Текст] / А. Д. Наследов. – СПб.: Питер, 2011. – 400 с.

7. Сидоренко, Е. В. Методы математической обработки в психологии [Текст] / Е. В. Сидоренко. -

8. Уокенбах, Дж. Диаграммы в Excel [Текст] / Дж. Уокенбах. – М.: Издательский дом «Вильямс», 2003. – 448 с.

Мера центральной тенденции. 1. Число, характеризующее выборку по уровню выраженности измеренного признака [9. С. 40]. 2. Характеристики совокупности переменных (признаков), указывающие на наиболее типичный, репрезентативный для изучаемой выборки результат [2. С. 175].

Среднее арифметическое (Mx, x¯) 1. Сумма всех значений измеренного признака, деленная на

количество суммированных значений [9. С. 41]. 2. Центр распределения, вокруг которого

группируются все варианты статистической совокупности; сумма всех членов совокупности, деленная на их общее число [3. С. 38].

Медиана (Md, Me). 1. Такое значение признака, которое делит упорядоченное (ранжированное)

множество данных пополам так, что одна половина всех значений оказывается меньше медианы, а другая – больше [9. С. 41]. 2. Значение, которое делит пополам упорядоченное множество

переменных, расположенных в порядке возрастания или убывания [2. С. 176]. 3. Средняя,

относительно которой ряд распределения делится на две равные части: в обе стороны от медианы располагается одинаковое число вариант [3. С. 60].

Мода (Mo). 1. Такое значение из множества измерений, которое встречается наиболее часто [9. С.

40]. 2. Одна из числовых характеристик распределения вероятностей случайной величины. Для случайной величины, имеющей плотность вероятности р (х), модой называется любая точка х максимума р (х) [6. С. 763].

Мера изменчивости. 1. Численное выражение величины межиндивидуальной вариации признака [9.

С. 44]. 2. Статистический показатель вариации (разброса) признака (переменной) относительно среднего значения, степени индивидуальных отклонений от центральной тенденции распределения

Дисперсия (σ2, Dx). 1. Мера изменчивости для метрических данных, пропорциональная сумме квадратов отклонений измеренных значений от арифметического среднего [9. С. 44]. 2. Мера отклонения случайной величины Х от ее математического ожидания [5. С. 225]. 3. Средняя квадрата

отклонений индивидуальных значений признака от их средней величины [2. С. 174].

Стандартное (среднее квадратическое) отклонение (σx, σ, Sx). 1. Положительное значение квадратного корня из дисперсии [9. С. 45]. 2. Квадратный корень из суммы квадратов отклонений индивидуальных значений признака от среднего, то есть дисперсии [2. С. 174].

Коэффициент вариации (V, Cv). 1. Среднеквадратическое отклонение, выраженное в процентах от величины средней арифметической [3. С. 51]. 2. Безразмерная мера рассеяния распределения случайной величины [4. С. 579]. 3. Отношение квадратического отклонения к средней, выраженное в процентах [2. С. 174].

Размах (R). 1. Разность максимального и минимального значений [9. С. 45]. 2. Разность между наибольшим и наименьшим значениями в выборке, получающаяся с помощью n независимых

измерений одной и той же случайной величины х [7. С. 815].

Асимметрия (As). 1. Степень отклонения графика распределения частот от симметричного вида относительно среднего значения [9. С. 46]. 2. Качественное свойство кривой распределения,

указывающее на отличие от симметричного распределения. При положительной асимметрии более

«длинная» часть кривой плотности распределения лежит правее моды, при отрицательной – левее моды [4. С. 331]. 3. Графически асимметрия выражается в виде скошенной вариационной кривой,

вершина которой может находиться левее или правее центра распределения. В первом случае

асимметрия называется правосторонней или положительной, а во втором – левосторонней или отрицательной (по знаку числовой характеристики) [3. С. 89].

Эксцесс (Ex). 1. Мера плосковершинности, или остроконечности графика распределения

измеренного признака [9. С. 47]. 2. Скалярная характеристика вероятности унимодального распределения, которую используют в качестве некоторой меры отклонения рассматриваемого распределения от нормального [8. С. 969]. 3. Наряду с асимметричными встречаются островершинные и плосковершинные распределения. Островершинность кривой распределения вызывается чрезмерным накапливанием частот в центральных классах вариационного ряда, вследствие чего вершина вариационной кривой оказывается сильно поднятой вверх. В таких случаях говорят о положительном эксцессе распределения [3. С. 90].

Нормальное распределение. Симметричное распределение, у которого крайние значения встречаются редко и частота постепенно повышается от крайних к срединным значениям признака [9. С. 35].

Равномерное распределение. 1. Такое распределение значений переменной, при котором все значения переменной встречаются одинаково (или почти одинаково) часто [9. С. 35]. 2. Общее

название класса распределений вероятностей, возникающего при распространении идеи

«равновозможности исходов» на непрерывный случай [7. С. 798].

Симметричное распределение. Такое распределение значений переменной, при котором одинаково часто встречаются крайние значения [9. С. 35].

Асимметричное распределение. 1. Распределение с преобладанием частот малых значений

(левостороннее), либо с преобладанием частот больших значений (правостороннее) [9. С. 35]. 2. Качественное свойство кривой распределения, указывающее на отличие от симметричного распределения. При положительной (отрицательной) асимметрии распределения более «длинная» часть кривой плотности распределения лежит правее (левее) моды [6. С. 1104].

· определение среднего уровня агрессивности у подростков по тесту

«Оценка агрессивности в отношениях» A. Assinger;

· определение среднего уровня ситуативной тревожности у студентов в период экзаменационной сессии по шкале Charles D. Spielberger.

· оценка наиболее часто встречающегося результата выполнения школьниками заданий ЕГЭ;

· оценка наиболее часто встречающегося показателя эмпатии у социальных работников по методике диагностики уровня эмпатических способностей

· определение уровня экстраверсии/интроверсии по шкале Hans J. Eysenck;

· оценка уровня мотивации по методике диагностика мотивов аффилиации

Дисперсия, Стандартное (среднее квадратическое) отклонение:

· оценка разброса значений уровня развития интеллекта у старшеклассников относительно среднего уровня класса (тест David Wechsler (WAIS);

· оценка разброса значений самооценки у подростков относительно среднего уровня в классе (методика Tamara Dembo-С.Я. Рубинштейн).

· оценка степени однородности выборки по уровню развития творческого мышления (Тест оценки творческого мышления Ellis P. Torrance);

· оценка изменения однородности выборки по показателю мотивации достижения до и после проведения тренинга (методика «Решетка мотива достижения» Heinz-Dieter Schmalt).

· оценка разницы между максимальным и минимальным возрастом

· оценка разницы между максимальным и минимальным баллом, полученным при выполнении заданий ЕГЭ по математике и литературе.

· оценка нормальности распределения результатов изучения школьной зрелости учащихся первого класса (Ориентационный тест школьной

· оценка нормальности распределения результатов изучения нервно-психической устойчивости педагогов (Анкета оценки нервно-психической устойчивости педагога ЛВМА им. С.М. Кирова).

- показатели описательных статистик будут тем более надежными, чем больше объем выборки исследования;

• распределение: не обязательно должно соответствовать нормальному виду.

Откройте файл-пример SPSS Описания.sav в программе IBM SPSS Statistics 19.

В файле представлены результаты диагностики уровня развития черт личности (16 PF Кеттелла) учащихся трех типов образовательных учреждений (n=52).

школа: 1 – специальная школа, 2 – гимназия, 3 – общеобразовательная школа; черты личности:

Шаг 1 На панели инструментов выберите меню Анализ → Описательные статистики → Частоты.

Шаг 2 В меню Частоты (рис. 11) перенесите из левого окна переменную A в окно Переменные:

и повторите это действие для всех остальных переменных, кроме переменной школа.

Шаг 3 В левой нижней части меню Частоты снимите галочку рядом с командой Вывести

частотные таблицы и выберите команду Статистики.

Шаг 4 В открытом меню Статистики (рис. 13) в группе команд Расположение установите галочки для команд Среднее, Медиана, Мода, в группе команд Разброс установите галочку для команды Стандартная ошибка среднего, нажмите Продолжить и ОК.

В открывшемся окне Вывод представлены результаты подсчета Mx (строка Среднее), Стандартной ошибки среднего (строка Стд. ошибка среднего), Md (строка Медиана) и Mo (строка Мода). Описанию и интерпретации подлежит в этом окне таблица Статистики (рис. 14).

Учитывая простоту описания и интерпретации, не будем подробно останавливаться на анализе значений мер центральной тенденции, указав лишь на особенности интерпретации показателя стандартной ошибки среднего.

Стандартная ошибка среднего, являясь стандартным отклонением распределения набора средних значений для одной выборки, является показателем стабильности величины, для которой она вычисляется. Чем меньше значение стандартной ошибки, тем выше стабильность этой величины.

В нашем примере в строке Стд. ошибка среднего таблицы Статистики наибольшая стабильность

Шаг 1 На панели инструментов выберите меню Анализ → Описательные статистики → Описательные.

Шаг 2 В меню Описательные статистики (рис. 15) перенесите переменную А из левого окна в окно Переменные: и повторите это действие для всех остальных переменных, кроме переменной школа, выберите команду Параметры.

Шаг 3 В открывшемся меню Описательные статистики: Параметры (рис. 16) в группе команд Разброс установите галочки для команд Стандартное отклонение и Дисперсия, нажмите Продолжить и ОК.

Рис. 16. Меню Описательные статистики: Параметры

В открывшемся окне Вывод представлены результаты анализа значений σx и Dx. Описанию и интерпретации подлежит таблица под заголовком Описательные статистики (столбцы Стд. отклонение и Дисперсия) (см. ниже):

Учитывая простоту описания и интерпретации, не будем подробно останавливаться на анализе значений мер изменчивости.

Одним из ограничений программы IBM SPSS Statistics 19 является отсутствие в группе команд Описательные статистики такой меры изменчивости, как коэффициент вариации (Cv). Данная мера, являясь более часто употребляемой в психологических исследованиях, чем стандартное отклонение и дисперсия, подсчитывается с помощью программы Excel пакета офисных приложений Microsoft Office.

В следующем примере рассмотрим пошаговый подсчет Cv в программе Excel.

В файле представлены результаты, идентичные представленным в файле SPSS Описания.sav Учитывая, что подсчет Cv предполагает подсчет Mx и σx, необходимо выполнить следующий порядок действий:

Шаг 1 Для подсчета Mx установите курсор на ячейке С55, наберите на клавиатуре знак =, далее наберите слово срзнач, далее наберите символ открывающейся скобки ( и выделите, удерживая левую кнопку мыши, диапазон значений с ячейки С3 по С54, нажмите Enter.

Перед нажатием клавиши Enter формула Mx в ячейке С55 должна выглядеть так:

Шаг 2 Для подсчета σx установите курсор под значением Mx в ячейке С56, наберите на клавиатуре знак =, далее наберите слово стандотклон, далее наберите символ открывающейся скобки ( и выделите, удерживая левую кнопку мыши, диапазон значений с ячейки С3 по С54, нажмите

Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...

Что будет с Землей, если ось ее сместится на 6666 км? Что будет с Землей? - задался я вопросом...

Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот...

Живите по правилу: МАЛО ЛИ ЧТО НА СВЕТЕ СУЩЕСТВУЕТ? Я неслучайно подчеркиваю, что место в голове ограничено, а информации вокруг много, и что ваше право...

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте: