Другие непараметрические критерии

Существуют и другие непараметрические кригерии, позволяющие проверять гипотезы с минимальным количеством расчетов.

Критерий рангов позволяет проверить, является ли порядок следова­ния каких-либо событий или результатов случайным, или же он связан с действием какого-то фактора, не учтенного исследователем. С по­мощью этого критерия можно, например, определить, случаен ли порядок чередования мужчин и женщин в очереди В нашем опыте этот критерий позволил бы узнать, не чередуются ли плохие и хорошие резульгаты каждого испытуемого опытной группы после воздействия каким-то определенным образом или не приходятся ли хорошие резуль­таты в основном на начало или конец испытаний.

При работе с этим критерием сначала выделяют такие последова­тельности, в которых подряд следуют значения меньше медианы, и такие, в которых подряд идут значения больше медианы. Далее по таблице распределения R (от англ. runs- последовательности) проверя­ют, обусловлены ли эти различные последовательности только случай­ностью.

При работе с порядковыми данными¹ используют такие непараметри­ческие тесты, как тест U (Манна-Уитни) и тест Т Вилкоксона. Тест U позволяет проверить, существует ли достоверная разница между двумя независимыми выборками после того, как сгруппированные данные этих выборок классифицируются и ранжируются и вычисляется сумма рангов для каждой выборки. Что же касается критерия Т, то он используется для зависимых выборок и основан как на ранжировании, так и на знаке различий между каждой парой данных.

Чтобы показать применение этих критериев на примерах, потребова­лось бы слишком много места. При желании читатель может подробнее ознакомиться с ними по специальным пособиям.

¹ Такие данные чаще всего получаются при ранжировании количественных данных, которые нельзя обработать с помощью параметрических тестов

Статистика и обработка данных 307

Корреляционный анализ

При изучении корреляций стараются установить, существует ли ка­кая-то связь между двумя показателями в одной выборке (например, между ростом и весом детей или между уровнем IQ и школьной успеваемостью) либо между двумя различными выборками (например, при сравнении пар близнецов), и если эта связь существует, то сопровож­дается ли увеличение одного показателя возрастанием (положительная корреляция) или уменьшением (отрицательная корреляция) другого.

Иными словами, корреляционный анализ помогает установить, мож­но ли предсказывать возможные значения одного показателя, зная величину другого.

До сих пор при анализе результатов нашего опыта по изучению действия марихуаны мы сознательно игнорировали такой показатель, как время реакции. Между тем было бы интересно проверить, сущест­вует ли" связь между эффективностью реакций и их быстротой. Это позволило бы, например, утверждать, что чем человек медлительнее, тем точнее и эффективнее будут его действия и наоборот.

С этой целью можно использовать два разных способа: параметриче­ский метод расчета коэффициента Браве - Пирсона (г) и вычисление коэффициента корреляции рангов Спирмена (г,), который применяется к порядковым данным, т. е. является непараметрическим. Однако разберемся сначала в том, что такое коэффициент корреляции.

Коэффициент корреляции

Коэффициент корреляции - это величина, которая может варьировать в пределах от +1 до — 1. В случае полной положительной корреляции этот коэффициент равен плюс 1, а при полной отрицательной - минус 1. На графике этому соответствует прямая линия, проходящая через точки пересечения значений каждой пары данных:

. Переменная 8

Полная положительная корреляция (г =+1)

308 Приложение Б

 

\

Переменная В

Переменная А	\
		) К
			^
				\
					\
						^
							\
								\

 

Полная отрицательная корреляция (/" ^-l)

В случае же если эти точки не выстраиваются по прямой линии, а образуют «облако», коэффициент корреляции по абсолютной величине становится меньше единицы и по мере округления этого облака прибли­жается к нулю:

' -0,30 r=0

В случае если коэффициент корреляции равен 0, обе переменные полностью независимы друг от друга.

В гуманитарных науках корреляция считается сильной, если ее коэффициент выше 0,60; если же он превышает 0,90, то корреляция считается очень сильной. Однако для того, чтобы можно было делать выводы о связях между переменными, большое значение имеет объем выборки: чем выборка больше, тем достовернее величина полученного коэффициента корреляции. Существуют таблицы с критическими значе­ниями коэффициента корреляции Браве - Пирсона и Спирмена для разного числа степеней свободы (оно равно числу пар за вычетом 2, т. е. п — 2). Лишь в том случае, если коэффициенты корреляции больше этих критических значений, они могут считаться достоверными. Так, для того чтобы коэффициент корреляции 0,70 был достоверным, в анализ должно быть взято не меньше 8 пар данных (г| = п — 2 = 6) при вычислении г (табл. В.4) и 7 пар данных (г| = и — 2 = 5) при вычислении г, (табл. 5 в дополнении 6.5). - ——-

Статистика и обработка данных

 

Коэффициент Браве - Пирсона

Для вычисления этого коэффициента применяют следующую форму­лу (у разных авторов она может выглядеть по-разному):

_ (SXYj - nXY (п - 1)^5у

где XX У-сумма произведений данных из каждой пары;

и-число пар;

Х-средняя для данных переменной X;

У-средняя для данных переменной У;

Дд. - стандартное отклонение для распределения х;

sy- стандартное отклонение для распределения у. Теперь мы можем использовать этот коэффициент для того, чтобы установить, существует ли связь между временем реакции испытуемых и эффективностью их действий. Возьмем, например, фоновый уровень контрольной группы.

Испытуемые

Эффектив­ность (X)

XY

Время

реакции (Y)

 

Д1

Д2

дз

19 10 12

152 150 156

 

Ю8 22 14 308

/I XY = 15-15,8- 13,4 = 3175,8;

(n- 1)V,= 14-3,07-2,29 =98,42;

3142-3175,8 -33,8 r = ———————— = ——— = -0,34.

98,42 98,42

Отрицательное значение коэффициента корреляции может означать, что чем больше время реакции, тем ниже эффективность. Однако величина его слишком мала для того, чтобы можно было говорить о достоверной связи между этим двумя переменными.

Теперь попробуйте самостоятельно подсчитать коэффициент корре­ляции для экспериментальной группы после воздействия, зная, что ЕХУ= 2953:

nXY=..... {п- l),^Sy=.....

Приложение Б

Какой вывод можно сделать из этих результатов? Если вы считаете что между переменными есть связь, то какова она-прямая или обраг-ная? Достоверна ли она [см. табл. 4 (в дополнении Б. 5) с критическими значениями г]?