Рекомендуемые меры связи между различными типами шкал

Тип шкалы	Тип шкалы
номинальный	ранговый	количественный (интервальный или отношения)
номинальный	Коэффициент j, хи-квадрат Пирсона	Рангово-бисериальный коэффициент корреляции Кертена и Гласса	Точечно-бисериальный коэффициент корреляции
ранговый		Коэффициент ранговой корреляции Спирмена	Коэффициент ранговой кореляции Спирмена
количественный (интервальный или отношения)			Коэффициент корреляции Пирсона

 

Корреляционные плеяды являются формой графического отображения корреляционных связей между параметрами, включенными в корреляционный анализ. Параметры изображаются кружками, внутри которых записывается название. В центре корреляционной плеяды обычно размещают либо наиболее важный параметр, либо тот, у которого наибольшее число значимых коэффициентов корреляции.

Характеристики корреляционных взаимосвязей должны быть отражены с использованием визуального кодирования. Например, положительные связи (положительной направленности) могут быть изображены сплошными линиями, отрицательные — прерывистыми; связи, достоверные на нижнем уровне значимости — одной линией, на более высоких уровнях значимости — большим числом линий. Например, связи, достоверные на уровне 5% — одной линией, а достоверные на уровне 1% — двумя линиями.

Пример:

Рис. 5 Корреляционная плеяда связи нелояльного поведения сотрудников с параметрами имиджа организации и типом организационной культуры

Обнаружены статистически значимая положительная взаимосвязь (р≤0,05) нелояльного поведения сотрудников с типом организационной культуры «культура роли» и отрицательная взаимосвязь (р≤0,01) с ориентацией руководителей на персонал. Это значит, что чем больше у сотрудников выражено нелояльное поведение к организации, тем больше они оценивают тип культуры организации как «культура роли» и меньше ориентацию руководителей на персонал. Иначе говоря, сотрудники становятся более нелояльны к организации в которой тип культуры «культура роли» и руководители мало обращают внимания на нужды персонала.

 

Факторный анализ

Если несколько признаков изменяются согласованно, то можно предположить существование одной общей причины этой совместной изменчивости.

Фактор – скрытая причина согласованной изменчивости наблюдаемых переменных.

Результатом факторного анализа является переход к небольшому числу переменных – факторов. Так как корреляции могут быть объяснены влиянием скрытых причин, то основное назначение факторного анализа – анализ корреляций множества признаков.

Основной задачей факторного анализа является – интерпретация факторов через исходные переменные. Каждый фактор идентифицируется по тем переменным, с которыми он в наибольшей степени связан.

Факторные нагрузки – степень взаимосвязи соответствующих переменных и факторов: чем больше абсолютная величина факторной нагрузки, тем сильнее связь переменной с фактором, тем больше данная переменная обусловлена действием соответствующего фактора.

Модели факторного анализа

Анализ главных компонент – преобразует набор коррелирующих исходных переменных в набор некоррелирующих переменных. Он решает проблему количества факторов.

Критерий Кайзера – число факторов равно числу компонент, собственные значения которых больше 1.

Критерий Кеттела – число факторов +-1 от точки перегиба на графике собственных значений.

 

Кластерный анализ

Если нет оснований предполагать наличие факторов, как скрытых причин изучаемых связей показателей, и задача стоит в обнаружении групп тесно связанных переменных, тогда используют кластерный анализ корреляций. Он также решает задачу классификации параметров, при этом предполагается, что у исследователя нет исходных допущений ни о составе классов, ни об их отличии друг от друга.

Кластерный анализ – процедура упорядочивания объектов в сравнительно однородные классы на основе попарного сравнения по предварительно измеренным критериям.

Результатом иерархического кластерного анализ является дендрограмма – графическое объединение показателей в кластеры.

 

Регрессионный анализ

Он является продолжением изучения взаимосвязи между двумя случайными величинами, измененными в шкале интервалов. При помощи него можно:

— выявить закономерность, выра­женную в виде корреляционного уравнения (регрессии).

— выявить факт изменчивости изучаемого яв­ления при определенных, но не всегда четко фиксированных условиях.

— выявить тенденцию как периодическое изменение признака. Сам по себе этот признак мо­жет быть зависим или не зависим от переменной-условия.

Связь между переменными можно представить в виде линии регрессии. Если коэффициент корреляции равен 0, то линия регрессии параллельна оси.

 

Дискриминантный анализ

Представляет собой альтернативу регрессионному анализу, когда зависимая переменная является номинативной. Иначе его называют методом классификации, он делит испытуемых на группы, соответствующие разным ее градациям.

 

Литература:

1. Гусев А. Дисперсионный анализ в экспериментальной психологии. Учебное пособие для студентов факультетов психологии. М, 2000

2. Дюк В.А. Компьютерная психодиагностика. СПб, 1994

3. Ермолаев О.Ю. Математическая статистика для психологов. М., 2006

4. Корнилова Т.В. Введение в психологический эксперимент. М. МГУ,1997

5. Наследов А.Д. Математические методы психологического исследования. СПб, 2004

6. Сидоренко Е.В. Методы математической обработки в психологии. СПб, 1996

7. Суходольский Г.В. Математическая психология. СПб, 1997

8. Суходольский Г.В. Основы математической статистики для психологов. СПб, 1998

9. Суходольский Г.В. Математические методы психологии. СПб, 2003

10. Тарасов С.Г. Основы применения математических методов в психологии. СПб, 1999

 

Тема 7. Моделирование психодиагностического исследования