Классические исследования — определение соматотипа: когда 7-1-1 встречает 1-1-7

Вы уже знаете, что френологи считали, что существует взаимосвязь между определенными физическими характеристиками (форма черепа) и свойствами личности. Френология кажется нам сегодня нелепой, но идея наличия взаимосвязи между физическими особенностями и личностью имеет долгую историю. Более систематическую попытку изучения такой взаимосвязи предпринял Вильям Шелдон в 1940 и 1942 гг.

В работе Шелдона впечатляет его попытка определить телосложение при помощи точной шкалы измерений. Изучив 4000 фотографий обнаженных мужчин (студентов колледжа), он и его исследовательская группа разработали классификацию типов телосложения с помощью трех интервальных шкал, имеющих по 7 делений. Каждая шкала отражала степень выраженности у мужчины одного из идеальных антропометрических типов: эндоморфного (тучный), мезоморфного (мускулистый) и эктоморфного (худой). Предполагалось, что каждый человек несет в себе все три типа, выраженные в разной степени, обычно с преобладанием одного из них. Так, очень полный человек обозначался как 7-1 -1, очень худой - как 1-1-7, а Арнольд Шварценеггер - как 1-7-1.4-4-4 обозначало гармоничное телосложение. Набор чисел, соответствующих конкретному человеку, назывался его «соматотипом». После измерений соматотипа Шелдон занялся определением типов личности, которые также, по его мнению, можно разделить на 3 категории и оценить по 7-балльной интервальной шкале, обобщающей результаты различных тестов личности. Он обозначил категории как «висцеротоническую», «соматотоническую» и «церебротоническую». Висцеротоники были в основном общительными, уравновешенными, двигались медленно, любили развлекаться и очень любили поесть, соматотоники были агрессивными, эгоистичными и любили риск, а церебротоники были замкнутыми, застенчивыми, предпочитали одиночество и любили решать умственные задачи.

Заключительным шагом Шелдона была проверка взаимосвязи соматотипа и типа личности. Вас не удивит, что чаще всего вместе появлялись следующие пары:

эндоморф-висцеротоник; мезоморф- соматотоник; эктоморф- церебротоник.

Шелдон считал, что тип телосложения является причиной формирования у человека определенного типа личности, но критики его теории указали, что взаимосвязь здесь не такая прямая и может проявляться по-разному. Эндоморфное телосложение может явиться причиной любви к еде, но разве не может сильное пристрастие к еде сформировать эндоморфа? Вокруг работы Шелдона велись бурные споры, его теория была в целом опровергнута, но для нас эта теория важна тем, что она - классический пример попытки количественно определить человеческий характер и связать его с внешним видом человека, определяемым по шкале телосложений, в данном случае по интервальной шкале. Возможно, вы обратили внимание на то, что в описании работы Шелдона речь идет только о мужчинах. Это потому, что Шелдон только их и изучал. Но почему это так? Вспомните, что его процедура включала изучение фотографий 4000 обнаженных мужчин. По-видимому, он хотел повторить исследование и изучить также и женщин, но засомневался из-за «санкций против фотографирования обнаженных женщин (студенток колледжа)» (Bavelas, 1978). Далее в этой главе вы узнаете об «удобной» выборке и о том, что одни выборки могут быть более пригодны, чем другие.

Необходимо отметить, что на интервальной шкале отметка ноль — это рядовая отметка, не означающая отсутствия измеряемого признака. Стандартным примером является температура. Ноль градусов не означает отсутствия температуры, а лишь является делением шкалы, которое означает «наденьте свитер». Аналогично в тесте на застенчивость, оценки которого варьируются от 0 до 20, значение 0 — это просто нижнее деление на шкале и не означает полного отсутствия застенчивости.

Шкала отношений

В случае шкалы отношений принципы упорядоченности и равных интервалов перенесены из структур порядковой и интервальных шкал, но в отличие от них шкала отношений имеет точку истинного нуля. На шкале отношений отметка ноль означает полное отсутствие измеряемого признака. Например, если количество ошибок для крысы, пробежавшей лабиринт, имеет значение ноль, то это означает отсутствие неправильных поворотов. Шкала отношений обычно используется при исследованиях, в которых проводятся измерения физических величин, таких как расстояние, вес или время. Примеры, посвященные процедуре привыкания и оценке скорости реакции, приведенные ранее в этой главе, иллюстрируют использование шкалы отношений.

«Кого» измерять: выборки

Кроме решения о том, что измерять при проведении психологических исследований, необходимо также решить, кого просить участвовать в исследовании и чье поведение будет оцениваться. Для этого есть два подхода: вероятностная и простая (невероятностная) выборки.

Вероятностная выборка

Эта стратегия используется, если поставлена задача узнать что-либо конкретное об определенной группе людей. Группа в целом называется популяцией, а любая из ее подгрупп называется выборкой. Иногда бывает возможно изучать всех членов популяции. Например, если вы хотите изучить отношение всех студентов вашей группы по экспериментальной психологии к экспериментам с участием животных и не хотите делать выводы для находящихся за пределами группы, вы можете опросить всех ее членов. В этом случае размер популяции будет равен размеру вашей группы. Однако, как вы можете догадаться, интересующие исследователей популяции обычно слишком велики для того, чтобы изучать каждого их члена. Поэтому из этой популяции необходимо отбирать подмножество, или выборку.

Хотя вся популяция может и не рассматриваться в исследовании, ученым требуется делать выводы именно о популяции, а не только о выборке. Поэтому важно, чтобы выборка отражала особенности популяции в целом. Если это так, выборка считается репрезентативной, если нет — нерепрезентативной. Если вы хотите изучить восприятие студентами учебы в колледже, то будет серьезной ошибкой выбрать для исследования только тех, кто живет в студенческом общежитии. Из-за того что отношение прочих студентов может отличаться от отношения живущих в общежитии, результаты вашего опроса могут оказаться необъективными и сместиться в пользу последних (более подробно о процедуре опроса вы узнаете в главе 12).

Одним из наиболее известных исторических примеров нерепрезентативной выборки является случай, произошедший во время президентских выборов в 1936 г. Успешно прогнозируя события нескольких предыдущих выборов, журнал «Литре-ри Дайджест» попытался предсказать результаты выборов, послав 10 миллионов пробных бюллетеней своим подписчикам, людям, выбранным по телефонным книгам всей страны, и людям из регистрационных списков автомобилей (Sprinthall, 2000). Около 25% бюллетеней (почти 2,5 миллиона) вернулись в журнал заполненными. Из людей, заполнивших бюллетень, 57% выбрали кандидата от республиканской партии Альфа Лэндона, а 40% выбрали действующего президента Франклина Рузвельта. На действительных выборах победил Рузвельт, набрав более 60% голосов. Как вы думаете, почему выборка была нерепрезентативной?

Хотя редакторы журнала знали, что их подписчики в основном принадлежат к верхней прослойке среднего класса и одновременно являются республиканцами, они подумали, что, расширив выборку за счет людей, выбранных из телефонных книг и регистрационных списков, они сделают ее более репрезентативной. В действительности они просто набрали еще больше республиканцев. В разгар Великой депрессии позволить себе иметь телефоны и автомобили могли лишь принадлежащие к верхней прослойке среднего класса и верхнему классу люди, а они в большинстве своем были республиканцами, а не демократами. Поэтому на самом деле в своем опросе журнал спрашивал республиканцев о том, кому они отдадут свои голоса.

Возможно, вы заметили еще один недостаток опроса в «Литрери Дайджест». Большое количество бюллетеней вернулось, и составители журнала были вполне уверены в правильности предсказания о победе Лэндона, так как полученные данные отражали взгляды значительного числа людей — около 2,5 миллионов. Но заметьте, что помимо того, что полученные бюллетени составили только одну четверть от посланных, все эти бюллетени были отправлены теми людьми, которые сами решили это сделать. Так что люди, приславшие бюллетени обратно в журнал, были не просто республиканцами, но республиканцами, пожелавшими сделать свои взгляды общеизвестными (не кажется ли вам, что в свете этого 57% выбравших Лэндона — это довольно мало?).

Проблема самовыбора нередко возникает при опросах, проводимых популярными журналами, а также в случае вопросов, задаваемых своим читателям такими людьми, как Энн Лэндер, чтобы узнать их мнение по поводу отдельных тем. Проводится опрос, затем спустя месяц или два результаты, полученные от тех, кто прислал обратно заполненный опросник, представляются в виде отчета, подразумевающего их валидность. При этом человек, делающий отчет об исследовании, старается произвести впечатление числом ответов, а не репрезентативностью выборки. Пример такого явления — отчет о женской сексуальности (Hite, 1987), в котором кроме прочего утверждалось, что более 90% женщин, состоящих в браке, чувствуют себя эмоционально ущемленными. В ответ на замечание, что опрос был послан лишь отдельным женским организациям и что заполненные опросники прислали обратно только 4,5% из 100 000 женщин, автор просто заявила, что 4500 человек для нее достаточно (как 2,5 миллиона человек было достаточно для «Литрери Дайджест»).

Обладая научным мышлением, вы должны весьма скептично относиться к утверждениям, сделанным на основании такого рода выборок. Если вы хотите еде-

лать правильный вывод о конкретной популяции, необходимо использовать выборку, отражающую популяцию в целом, и самостоятельно осуществлять отбор, не полагаясь на тех, кто решил вам ответить самостоятельно.

Случайная выборка

Основной вид вероятностной выборки — простая случайная выборка. По сути, она означает, что каждый член популяции с равной вероятностью может попасть в выборку. Например, чтобы сделать случайную выборку из 100 студентов вашего учебного заведения, вы можете сложить бумажки с именами всех студентов в большую шляпу, а затем достать из нее 100 бумажек. В действительности процедура немного более сложнее и обычно проводится с использованием таблицы случайных чисел, образец которой представлен в приложении D Чтобы узнать, в чем заключается эта процедура, изучите пример, приведенный в табл. 4.3, — в нем описывается, как использовать случайные числа для выбора 5 человек из популяции в 20 человек.

Простая случайная выборка — эффективный практический способ построения репрезентативной выборки. Иногда его также используют по этическим причинам. В случае если только небольшая группа людей может получить выгоду или понести издержки и нет других разумных оснований для принятия решения, лучше всего использовать метод случайной выборки. Известный пример такой выборки — лотерея для отбора людей, призывавшихся на военную службу, проводившаяся в 1969 г. в разгар Вьетнамской войны. Чтобы все было честно, 365 дней года должны были иметь равную вероятность стать первым, вторым, третьим и т. д. К сожалению, действительная процедура имела некоторые недостатки (Kolata, 1986). В большой барабан поместили капсулы, соответствующие каждому из дней года, при этом одновременно опускали все капсулы одного месяца. Первыми опустили январские капсулы, затем февральские и т. д. Барабан прокрутили, чтобы перемешать капсулы, но, по-видимому, не очень тщательно, потому что когда стали выбирать дни, капсулы, опущенные последними, в большинстве своем выбирались первыми. В то время лучше было не отмечать свой день рождения в декабре.

Простая случайная выборка имеет два недостатка. Во-первых, вам может понадобиться отразить в выборке определенные особенности популяции, а во-вторых, процедуру может быть невозможно применить на практике в случае, если популяция очень велика. Сможете ли вы получить список всех людей, проживающих в Соединенных Штатах, если вам потребуется сделать простую случайную выборку североамериканцев? Первую проблему решает расслоенная выборка, а вторую — гнездовая.

Таблица 4.3 Создание случайной выборки с помощью таблицы случайных чисел

Задача: Сделайте случайную выборку в 5 человек из популяции в 20 человек Шаг 1 Обозначьте номерами от 01 до 20 всех членов, составляющих популяцию Шаг 2 Перейдите к таблице случайных чисел. Ниже приведена часть такой таблицы:

 

Окончание табл. 4.3

Шаг 3 Выберите число из таблицы, с которого вы начнете поиск. Оно может быть любым, единственное, чего нельзя делать, — это начинать два отдельных поиска с одного и того же числа. Предположим, вы начинаете с верхнего числа в третьем столбце слева. Это число 1. Вам потребуется выбирать пары чисел, образующие двузначные числа, так как популяция состоит из людей, пронумерованных от 01 до 20. Поэтому в качестве стартовой точки можно использовать число 1 и стоящее за ним число 7

Шаг 4 Поиск выборки начинается с числа 17, попадающего в промежуток от 01 до 20. Таким образом, первый человек в вашей выборке имеет номер 17

Шаг 5 Продолжайте поиск вниз по двум столбцам пока не найдете пять человек с номерами от 01 до 20. Ниже опять приведена таблица с разбивкой столбцов для удобства подбора числовых пар. Пять выбранных пар подчеркнуты, а участок таблицы, в котором нужно производить поиск, выделен жирным шрифтом. Стрелки указывают направление поиска:

Таким образом, выборка состоит из членов популяции с номерами 17,3,12, 2 и 8. Обратите, внимание, что номера, превышающие 20 (например, 36), пропускаются и что если номер повторяется дважды, его повторно не выбирают

Расслоенная выборка

Предположим, вы хотите узнать отношение к абортам в вашем кампусе, а популяция вашего учебного заведения состоит из 5000 человек, из которых 4000 — женщины. Для этого вы решаете отобрать 100 студентов. Если вы используете простую случайную выборку, то, вероятно, в вашей выборке будет больше женщин, чем мужчин, но их соотношение не будет точно таким же, как в популяции. Вашей задачей является создание выборки, действительно отражающей состав популяции, а для такого вопроса, как аборт могут быть важны различия во мнениях между мужчинами и женщинами. Поэтому если в выборки окажется больше мужчин, то она может неверно отобразить отношение к этому вопросу в вашем кампусе. В подобном случае неплохо было бы заранее решить, что если 80% популяции — женщины, то они должны составлять ровно 80% выборки.

В расслоенной выборке точно отображается соотношение важных подгрупп популяции. В приведенном выше примере из списка женщин случайным образом должны были быть отобраны 80 человек, а из списка мужчин — 20.

Обратите внимание, что в таком случае исследователю требуется решить, на сколько уровней делить популяцию. В случае опроса по поводу аборта были отобраны в соответствии с их реальным соотношением мужчины и женщины. Должны ли быть пропорционально представлены в выборке также все четыре студенческих потока? А как насчет католиков и протестантов? Право- и леворуких? Оче-

видно, что исследователь должен где-то остановиться. Для расслоения выборки одни характеристики (религия) являются более важными, чем другие (право- или леворукость). Исследователь должен разумно подойти к решению этого вопроса в соответствии с условиями исследования или целями экспериментов.

Кластерная выборка

Метод расслоенной выборки весьма эффективен, но он не решает проблему построения выборки из большой популяции, для которой обычно невозможно получить полный список членов. Эту проблему решает кластерная выборка, которую часто используют национальные службы опроса общественного мнения. С помощью этого подхода исследователи случайным образом выбирают группу людей (кластер), имеющих определенную особенность. Используя этот метод, можно проводить опрос в кампусе большого университета. Если исследователь хочет получить репрезентативную выборку студентов, а применить расслоенную выборку невозможно, то альтернативой будет список базовых предметов данного учебного заведения. Студенты разных специальностей, посещающие занятия по одному предмету, образуют группу. Если в вузе преподают 40 базовых предметов, исследователь может выбрать 10 из них, а затем провести опрос всех студентов, посещающих эти курсы.

Если выбранные группы слишком велики, исследователь может выбрать из них более мелкие подгруппы. Предположим, вы хотите узнать, нравится ли студентам жить в многоэтажных общежитиях вашего кампуса, которые вы операционально определили как любые общежития, имеющие восемь этажей и более. Допустим, в вашем кампусе есть 15 таких зданий, в которых проживают в общей сложности 6000 студентов. Воспользовавшись методом гнездовой выборки, сначала можно выбрать шесть зданий (каждое здание = группа), а затем для каждого здания случайным образом выбрать три этажа и включить в выборку всех проживающих на выбранных этажах в выбранных общежитиях (предположим, около 40 человек на этаже). Таким образом, общее число выборки будет 720 человек (40 х 3 х 6). Обратите внимание, что в данном случае можно также использовать некоторые элементы расслоенной выборки. Если из 15 общежитий 10 женских и 5 мужских, то можно составить группу, отражающую это соотношение: 4 женских общежития и 2 мужских.

Простая выборка

Прочитав приведенную выше информацию, вы можете решить, что без вероятностной выборки качество исследования снизится. Это действительно так, если целью проекта является точное описание конкретных особенностей некоторой популяции на основании изучения ее части. Но большинство исследований по экспериментальной психологии не таковы и обычно цель исследования заключается в изучении отношений между переменными, например: использование изображений улучшает запоминание; наблюдение агрессии приводит к агрессивному поведению; с увеличением количества свидетелей происшествия снижается число желающих оказать помощь и т. д. Конечно, можно надеяться на вероятность того, что результаты таких исследований будут пригодны не только для людей, участвующих в них, но исследователи просто предполагают, что если выявлена сильная взаимосвязь, то она обязательно проявится у большинства людей, принадлежащих к определенной популяции, вне зависимости от способа их отбора. Будет ли это предположение

истинным, естественно, зависит от стандартных процессов повторения и дополнения эксперимента, рассмотренных в главе 3. Поэтому, например, при изучении границ кратковременной памяти у взрослых нет необходимости делать случайную выборку — подойдет практически любая группа взрослых людей.

Удобная выборка

Это чаще всего используемый (и действительно наиболее удобный) вид простой выборки. Чтобы создать удобную выборку, исследователь просто использует добровольцев из людей, соответствующих основным требованиям исследования. Обычно это первокурсники или второкурсники из «фонда испытуемых» — студенты, занимающиеся общей психологией, которых попросили поучаствовать в одном или нескольких исследованиях (возможно, вам тоже приходилось участвовать в такой работе). Более подробно об этических аспектах «фонда испытуемых» см. вставку 5.2. Иногда при этом требуется участие определенного типа людей (иногда такая выборка называется «целевой»). Например, когда Стэнли Милгрэм в первый раз набирал участников для исследования явления подчинения, он дал в местную газету объявление о наборе добровольцев. Он намеренно не стал использовать студентов, так как считал, что они могут оказаться «слишком однородной группой... (он) хотел исследовать разных людей, принадлежащих к различным слоям общества» (Milgram, 1974, р. 14). Он мог бы попробовать более сложный подход и сделать расслоенную или кластерную выборку, но не было гарантии, что выбранные им люди согласятся прийти в лабораторию. Кроме факта, что не для всех исследований требуется делать выборки, точно отражающие популяцию, способ, выбранный Милграмом, показывает, что часто имеются прагматические основания для использования простой выборки.

Статистический анализ

Первое положение хорошо известного каждому гражданину Соединенных Штатов руководства «Неисхоженная дорога» гласит: «Жизнь трудна» (The Road Less Traveled, Peck, 1978, p. 15). Верить в это начинают многие студенты, приступающие к изучению статистики (они легко узнают себя на рис. 4.5). Я не стану убеждать вас в том, что занятия статистикой подобны отдыху на пляже во Флориде, но, надеюсь, вы увидите, что часть удовольствия от психологического исследования приносят анализ информации, которую вы так усердно собирали, и выяснение, действительно ли исследование показало то, что, как вы думаете, оно показало. Я видел, как взрослые и ответственные люди затаив дыхание ожидали результатов статистического анализа, а затем поникали головой или прыгали от восторга, едва взглянув на волшебные числа. Так что если у вас появилась страсть к психологическим исследованиям, тонкости статистического анализа вызовут у вас немало эмоций.

Моя задача состоит в том, чтобы познакомить вас со статистическим образом мысли и теми видами статистического анализа, с которыми вы встретитесь, проводя психологические исследования. Хорошо, если вы уже изучили курс статистики, но если нет, то вам необходимо сделать это как можно быстрее, особенно если вы хотите поступать в аспирантуру на связанную с психологией специальность. Хотите верьте, хотите нет, но в списке называемых аспирантурами дисциплин, ко-

торые обязательно должны изучить поступающие, статистика занимает первое место, а второе — методы исследований (вспомните описанное в главе 1 исследование, проведенное Норкроссом, Ханичем и Терранова в 1996 г.). Я расскажу вам об основных статистических методах, но это не заменит полного курса.

Информацию о том, как выбрать подходящий метод статистического анализа и как проводить некоторые обычные процедуры обработки данных, вы найдете в приложении С. По ходу книги время от времени вам будут также встречаться темы, касающиеся статистики, поскольку разработку психологического исследования невозможно отделить от анализа этого исследования. В этой главе вы узнаете о различиях между описательной статистикой и статистикой вывода, а также о логике проверки гипотез.