Типы корреляционных исследований

 

Мы рассмотрели три различных типа корреляционных исследований. Они, конечно, не исчерпывают всех возможных типов. Однако, рассматривая параметры, по которым они различаются, можно будет охватить достаточно широкий круг корреляционных исследований. Но давайте сначала вспомним, что отличает все вообще корреляционные исследования, или, точнее, чего во всех них нет. В них отсутствуют планируемые изменения независимой переменной.

 

Исследователи, изучавшие опыт воспитания детей, не убеждали одних родителей использовать хорошие методы воспитания, а других — плохие. Эти различия в методах уже существовали. Порядок рождения ребенка тоже не зависел от экспериментатора. Он тоже уже существовал. Точно так же индивидуальные различия по тесту на способности не задавались экспериментатором. Таким образом, корреляционное исследование — это такое исследование, в котором одни поведенческие различия соотносятся с другими, уже существующими. Давайте теперь обратимся к параметрам, но которым различаются корреляционные исследования.

 

Степень приближения к независимой переменной

 

Как уже говорилось, в принципе можно было бы спланировать такой эксперимент, в котором экспериментатор решал бы сам, какие родители будут применять хорошие методы воспитания детей, а какие — плохие. Но вследствие практической неосуществимости такого эксперимента было предпринято корреляционное исследование. Еще большую проблему представляет порядок рождения. Каким активным вмешательством можно добиться, чтобы данный ребенок родился, например, четвертым? И все же порядок рождения — это нечто, похожее па независимую переменную. Ведь это — переменная, предшествующая во времени, следовательно, она может стать причиной различий в поведении. Такого совсем нельзя сказать о тесте на способности, который использовался для предсказания качества работы контролера. Одна и та же причина (какой бы она ни была) обеспечивала данному лицу и высокую оценку по тесту, и возможность стать хорошим контролером. В различиях тестовых оценок нет ничего от независимой переменной. Фактически мы могли бы точно так же из работы испытуемого в качестве контролера вывести, насколько успешно он будет справляться с тестом на способности. И если этого не делаем, то только потому, что это не имеет практического смысла.

 

Описание корреляции

 

Все три исследования были названы корреляционными, но только в случае отбора контролеров вычислялся коэффициент корреляции. Этот показатель наиболее значим в том случае, если каждая из двух сопоставляемых переменных имеет непрерывное колоколообразное распределение. Это справедливо для оценок почти любого теста. Оценки распределяются от низшей к высшей непрерывно и имеют максимум в области среднего значения. Поэтому в исследовании контролеров коэффициент корреляции хорошо подходит для описания корреляции между двумя переменными.

 

Его можно было бы использовать также и в исследовании приспосбленности. Каждый испытуемый имеет оценку приспособленности на почти непрерывной шкале. Почти наверняка эти оценки можно было бы аппроксимировать колоколообразным распределением. Факторы-предпосылки распределялись примерно таким же образом, хотя, в общем, были ступенчатыми, а не постепенно меняющимися. Доход семьи прямо мог бы использоваться как континуальный показатель, хотя распределение оказалось бы отрезанным со стороны высоких доходов. Однако вместо коэффициента корреляции здесь было использована сравнение групп с высокими и низкими показателями, поскольку не совсем ясно, что значит средняя величина приспособленности.

 

Кривые на рис. 9.2 — это почти все, что можно сделать для описания корреляций между величиной семьи и порядком рождения — показателями интеллекта. Последний, конечно, имеет континуальное колоколообразное распределение. Однако этого никак нельзя сказать в отношении других названных переменных. Коэффициент корреляции здесь не имел бы большого смысла.

 

Цель

 

Исследования приспособленности и порядка рождения проводились для того, чтобы понять, чем определяются различия в поведении. Это не значит, что результаты исследования приспособленности не могут быть использованы в практических целях. Труднее представить сиюминутное практическое использование результатов исследования порядка рождения. (Автор этой книги уже имеет несчастье оказаться самым младшим ребенком в семье!) И конечно же, исследование по отбору контролеров преследует явную практическую цель. Так что давайте не будем «смешивать» тип исследования и его цель. Если в исследовании вычисляется коэффициент корреляции или соотносятся две оценки поведения, это еще не значит, что оно имеет практический характер. Такое делается во многих чисто теоретических исследованиях. Коэффициенты корреляции находятся между тестовыми оценками детей и родителей, между оценками идентичных близнецов и т. д. Все это — теоретические исследования, в которых пытаются разделить влияние наследственности и среды. Предпринимаются также теоретические исследования, в которых члены одной и той же группы испытуемых проводятся через разные тесты — точно так же, как это делалось при исследовании контролеров. Иногда даже используется 40 или 50 различных тестов, и между каждой парой тестов вычисляются коэффициенты корреляции. Для выявления же значительно меньшего числа базисных переменных, адекватно описывающих различия между индивидами, применяется техника, называемая факторным анализом.

 

КРАТКОЕ ИЗЛОЖЕНИЕ

 

В тех случаях, когда для проверки некоторых гипотез относительно поведения нельзя использовать активный эксперимент, проводят корреляционные исследования. В двух рассмотренных нами примерах — исследованиях предпосылок оптимальной приспособленности и влияния порядка рождения на интеллект — активный эксперимент был невозможен. В исследовании же по отбору контролеров просто трудно себе представить, какие активные изменения можно было бы внести.

 

В результате сравнения хорошо и плохо приспособленных испытуемых по ряду параметров было обнаружено, что главный фактор для хорошо приспособленных — это хорошие методы воспитания в детстве. Однако здесь присутствовали также другие переменные, смешивающиеся с методами воспитания. Двумя из них были социоэкономический статус и интеллект родителей. Нельзя сказать, влияли ли они в действительности, так как соответствующий контроль не был организован. Другим источником возможного смешения были субъективные оценки. Поскольку оценки производились не «вслепую», оставалась возможность для предубежденности экспериментатора. Поскольку материал для оценок получился из бесед с испытуемыми, существовала также опасность предубеждения испытуемого ‑ хорошо приспособленные испытуемые могли быть склонны к более благоприятным воспоминаниям.

 

В исследовании, проведенном почти на 400000 молодых людях, было обнаружено, что показатель интеллекта снижается вместе с порядком рождения. Этот эффект сохранился даже при нивелировании возможного влияния социального положения и размера семьи. В общем, контроль в этом исследовании был достаточно хорошим. Однако было отмечено, что социальные слои состоят из довольно разнообразных групп, которые могут различаться по значимым побочным переменным. Корреляция между показателем интеллекта и порядком рождения может быть объяснена разными причинами, их можно разделить на пренатальные и постнатальные. В этом исследовании не были проконтролированы две переменные: первая – возраст родителей, особенно возраст матери, который может оказаться очень важным, вторая – брачный стаж родителей к моменту рождения испытуемого.

 

Методы контроля в корреляционных исследованиях могут быть двух видов. Первый — индивидуальный подбор пар испытуемых. Если сравниваются две группы, то каждому индивиду первой группы подбирается индивид второй группы, который имеет тот же уровень определенных побочных переменных. Данный метод связан с двумя трудностями. Первая: чем больше переменных, по которым уравниваются испытуемые, тем меньше испытуемых оказывается в распоряжении исследователя. Отсюда понятно, что много побочных переменных проконтролировать невозможно. Вторая: оставшиеся испытуемые — не совсем типичны для сравниваемых групп, и полученные отношения оказываются непредставительными. Таким образом, имеется опасность как слишком слабого, так и слишком строгого контроля.

 

Другим методом является выделение однородных подгрупп, как это делалось в исследовании порядка рождения. Например, была выделена подгруппа испытуемых с семьей из пяти человек, и уже внутри этой подгруппы выяснялось влияние порядка рождения. Число различных подгрупп совпадает с числом уровней побочной переменной. Таким образом, оказывается возможным обнаружить, как и в случае с двумя независимыми переменными в активном эксперименте, существует ли значимое взаимодействие между рассматриваемыми переменными. В корреляционных исследованиях это может также помочь пониманию отношений между переменными. Например, небольшое понижение линии тестовых оценок интеллекта для работников сельского хозяйства может бить следствием большего желания завести еще одного ребенка. Если бы имелись данные о таком желании, может удалось бы показать, что оно лежит в основе влияния порядка рождения. Это следовало бы, во-первых, из понижения линии тестовых оценок интеллекта в зависимости от порядка рождения для однородных подгрупп как городских, так и сельских жителей, не желающих следующего ребенка, и, во-вторых, из отсутствия такого понижения для подгрупп, желающих ребенка.

 

Однако поскольку доказательство оставалось бы корреляционным, нельзя было настаивать на том, что желание иметь еще одного ребенка ‑ основа рассматриваемого эффекта. Например, желание могло просто коррелировать с физической энергией родителей, и эта последняя могла быть истинной причиной основного эффекта. Таковы корреляционные исследования. Здесь могут быть проверены интересные гипотезы, предложено много разных идей. И все-таки контроль здесь никогда не будет таким же хорошим, как в активном эксперименте.

 

Последнее исследование приводилось как искусственный пример того, как можно использовать тест на способности, чтобы произвести отбор контролеров. Группа испытуемых проводилась через тест на специальные способности. Затем оценивалось качество их работы. Отношение между этими двумя переменными — тестовыми оценками и оценками работы — было представлено на диаграмме разброса. Форма этой диаграммы может быть отражена в коэффициенте корреляции. Положительные значения коэффициента находятся в пределах от 0 до 1. С помощью диаграмм разброса, представляющих разные значения коэффициента корреляции, было показано, как можно отобрать претендентов согласно заданному правилу решения, например, чтобы, по крайней мере, 80% из всех выбранных оказались удовлетворительно работающими. Чем выше коэффициент корреляции, тем ниже может быть расположена так называемая секущая оценка для теста на способности, что позволяет увеличить число отобранных индивидов при данном правиле решения. Корреляция позволяет также предсказать с помощью линии предсказания, связывающей средние рабочие оценки с тестовыми оценками, какой рабочей оценки может достичь индивид. Чем выше коэффициент корреляции, тем круче эта линия и тем меньше ошибка предсказания.

 

Были рассмотрены общие черты и различи разных корреляционных исследований. Все эти исследования сходны в том. что переменные в них уже существуют, в отличие от активных экспериментов, где условия независимой переменной активно организуются для выявления влияния последней на зависимую переменную. Различаются же они между собой по многим параметрам. Прежде всего одна из переменных в них в разной степени приближается к независимой переменной. Например, в исследовании психологической приспособленности факторы — предпосылки вполне могут быть расценены как независимые переменные. Другая крайность представлена исследованием по отбору контролеров, где ни одна переменная не похожа на независимую. Поэтому однонаправленность предсказания определяется только практическими целями. Во-вторых, корреляционные исследования различаются тем, вычисляется ли коэффициент корреляции или нет. Представление степени связи с помощью коэффициента корреляции имеет наибольший смысл в том случае, если значения каждой переменной образуют непрерывное колоколообразное распределение. Этому условию почти всегда удовлетворяют два множества тестовых оценок. Кроме того, такие переменные, как доход или балльные оценки свойств личности, также зачастую достаточно хорошо соответствуют этим условиям. В-третьих, корреляционные исследования различаются по цели: имеет ли оно чисто познавательную цель или предполагает немедленное практическое приложение. Тот факт, что в практическом исследовании, приведенном в качестве примера в этой главе, использовался коэффициент корреляции и соотносились две оценки поведения для каждого испытуемого, вовсе не означает, что исследование такого типа не может служить целям расширения нашего познания.

 

ВОПРОСЫ

 

1. Почему исследование, в котором сравниваются хорошо и плохо приспособленные группы, называется корреляционным?

2. Почему сопутствующее смешение всегда присутствует в корреляционном исследовании и только иногда — в активном эксперименте?

3. Как можно использовать идеальный эксперимент в качестве эталона внутренней валидности в корреляционном исследовании?

4. С какими трудностями связан контроль смешения путем индивидуального подбора пар? Приведете пример.

5. Дайте пример того, как использование однородных подгрупп может обеспечить сведения о взаимодействии.

6. Какие смешивающиеся переменные были упущены исследователями при определении влияния порядка рождения?

7. Почему даже самое лучшее корреляционное исследование ограничено в выделении переменных, влияющих на поведение?

8. Почему высокий коэффициент корреляции позволяет отобрать пропорционально большее число индивидов, работающих качественно?

9. По каким параметрам различаются корреляционные исследования?

 

СТАТИСТИЧЕСКОЕ ПРИЛОЖЕНИЕ: КОЭФФИЦИЕНТ КОРРЕЛЯЦИИ

 

Стандартные оценки

 

Самая простая формула для вычисления коэффициента корреляции между двумя выборками оценок задается с помощью стандартных оценок. Эта формула дает также наиболее ясное представление о значении коэффициента корреляции. Вот почему в этом приложении вводится понятие стандартной оценки. Кроме того, стандартные оценки, полученные в различных тестах, можно сравнить между собой. Так, если вы скажете кому-либо, что по истории вы получили тестовую оценку 38, а по английскому языку — 221, он мало что поймет. Однако этот «кто-то», если он читал данное приложение, получит точную информацию из сообщения, что ваша стандартная оценка по истории ранка +2,1, а по английскому языку —1,3.

 

Вы уже знаете, что (первичная) тестовая оценка какого-либо испытуемого в группе обозначается через X. Тестовая же оценка данного конкретного испытуемого обозначается с помощью индекса. Так, например, тестовая оценка испытуемого 3 записывается как Х3. Вы также знакомы с отклонением оценки от среднего х=Х—Мх. Отклонение оценки испытуемого 3 записывается как xз=Хз—Мх. Если отклонение оценки испытуемого разделить на стандартное отклонение σх распределения оценок, то оно преобразуется в стандартную оценку (или z-оценку).

 

Допустим, что испытуемый 3 имеет (первичную) тестовую оценку 60. Средняя оценка для группы равна 49 и стандартное отклонение оценок равно 12, т. е. Х3=60, Мх=49, σх=12. Прежде всего xз=60—49=+11. Давайте теперь вычислим zx, т. е. найдем стандартную оценку для испытуемого 3:

 

zx=x/σх. (9.1)

 

Следовательно,

Поскольку стандартные оценки редко имеют величину больше +2 и меньше —2, то вы узнаете, что оценка именно этого испытуемого лежит примерно посередине между средней и наивысшей оценкой в группе.

 

Рабочие оценки, такие, например, как оценки качества работы контролеров, которые необходимо скоррелировать с тестовыми оценками, обычно обозначаются символом Υ вместо X. Тогда отклонение оценки обозначается через у, а стандартная рабочая оценка — zY. Итак, мы говорим о нахождении корреляции между X и Υ тогда, когда каждый испытуемый в группе имеет оценку X и оценку Υ. Коэффициент корреляции обозначается символом rXY.

 

Вычисление Rxy

 

Для вычисления коэффициента оды снова воспользуемся ранее приводившимися данными. Возьмем данные для условия А как тестовые оценки 17 испытуемых, а данные для условия Б как рабочие оценки для тех же испытуемых. Однако чтобы подчеркнуть относительный характер стандартных оценок, умножим каждое значение для условия Б на 10. К счастью, мы уже сделали много вычислений, необходимых для (получения rXY· Для тестовых оценок «мы просто используем полученные ранее — среднее и стандартные отклонения. Для условия Б полученные — среднее и стандартные отклонения нужно просто умножить на 10.

 

Вы видите, что тестовая оценка (X) первого испытуемого S1 была 223, а его рабочая оценка —1810. Сдвинувшись по этой строке от обоих концов к середине, мы обнаружим, что x равно +38 (т. е. 223—185) и у равно +190 (т. е. 1810—1620). Далее, видим, что zX равно 2,054 (т. е. +38, деленное на 18,5), a zy равно + 1,195 (т. е. 190, деленное на 159). И наконец, в среднем столбце мы находим произведение zx на zy, которое равно +2,455.

 

Тестовые оценки помещены в приводимой ниже таблице во втором столбце слева, а рабочие оценки — во втором столбце справа. Они обозначены как X и У соответственно

	X	χ	Zx	ZxZy	Zy	y	γ
		+38	+2,054	+2,455	+ 1,195	+ 190
		— 1	—,054	—,109	--2,013	+320
		+24	+ 1,297	+,898	—,692	+ 110
		— 2	+,108	—,061	—,566	— 90
		— 5	—,270	—,102	+,377	+ 60
		— 17	—,919	—,810	+,881	+ 140
		+30	+ 1,622	+,102	+,063	+ 10
		-13	—,703	+,442	—,629	— 100
		+ 15	+,811	—,357	—,440	— 70
		+ 6	+,324	—,143	—,440	— 70
		+ 12	+,649	+,653	+ 1,006	+ 160
		+ 3	+,162	—,020	—,126	— 20
		— 11	—,595	—,075	+,126	+ 20
		— 9	—,486	—,214	+,440	+ 70
		—30	— 1,622	+,714	—,440	— 70
		—20	— 1,081	+2,720	—2,516	—400
		—22	—1,189	+ 1,346	—1,132	—180
Μ
σ	18,5

Σzxzy = +7,336;

rxy= +0,432.

Такие же вычисления, сделанные для остальных 16 испытуемых, заполняют всю остальную таблицу. Ниже этих данных приведены величины средних и стандартных отклонений. Еще ниже в центре дается сумма по столбцу zxzy, равная +7,336. Это число, деленное на число испытуемых — 17, и дает величину коэффициента корреляции, равную +0,432.

В случае, если вам не хочется запоминать все эти термины, вы можете обратиться к следующей формуле для расчета коэффициента корреляции:

(9.2)

или для наших данных

Диаграмма разброса (корреляционное поле)

На рис. 9.4 показана диаграмма разброса, каждая точка которой представляет одного испытуемого. Значения шкал даны в единицах стандартных оценок г.

 

Рис. 9.4. Корреляционное поле. Масштабы осей равны и представлены в единицах стандартных оценок

При таких осях наклон линии предсказывания прямо показывает величину rXY. В нашем случае rXY равно +0,432. Это значение наклона линии: на каждое смешение на единицу вправо точки линии поднимаются вверх на 0,432 единицы. Так, если данный испытуемый имеем значение zX, равное +1, то предсказываемое значение zX для него равно +0,432. Таким образом, предсказываемая величина значительно ближе к среднему распределения, чем та величина, на основе которой делалось предсказание. Поэтому говорят, что предсказания стремятся (регрессируют) к среднему, и линия предсказания называется линией регрессии X на Y. Более точно, это предсказание zY по zX.

Вы можете заметить, что линия предсказания проходит через пересечение точек zX = 0 и zY = 0. Обе эти точки представляют средние значения соответствующих распределений. Это справедливо, независимо от значения величины rXY. Если испытуемый оказывается в точке среднего по X, то наилучшим.предсказанием всегда будет среднее по Y. Далее видно, что если оценка будет выше среднего по X (положительное значение zX), то предсказываемая оценка будет также выше среднего по Y (положительное значение zY). Точно так же для X ниже среднего значения предсказываемая оценка Y будет ниже среднего значения по Y.

И наконец, чем выше величина rXY. тем меньше регрессия предсказания. В случае полной корреляции линия предсказания будет иметь наклон +1. Так, если, например, zX равно +1,5, то предсказываемое zY тоже будет равно +1,5, а если zX равно —0,8, то zY тоже будет равно —0,8. При полной корреляции регрессия к среднему отсутствует. С другой стороны, если корреляция равна 0, то линия будет иметь нулевой наклон, т. е. она будет представлять собой горизонтальную линию. Она будет проходить на уровне zY=0, т. е. среднего значения по Y. Поэтому, какая бы ни была величина zX, наилучшее предсказание всегда будет zY = 0. Следовательно, при нулевой корреляции все предсказываемые значения регрессируют к среднему.

Все это может быть представлено посредством следующей формулы:

(9.3)

Эта формула показывает, что стандартную оценку для выборки Y можно получить, умножив стандартную оценку для выборки X на коэффициент корреляции между X и Y. Например, для испытуемого, имеющего стандартную оценку zX, равную +0,50 с коэффициентом корреляции 0,70, получим

Задача: Вычислите rXY для данных в задаче, приведенной в статистическом приложении к главе 6. Используйте условие В для X и условие Г для Y.

Ответ: rXY = 0,576.

 

СЛОВАРЬ ЭКСПЕРИМЕНТАТОРА

 

Настоящая книга - хорошее учебное пособие по экспериментальной психологии. Чтобы успешно использовать ее в учебном процессе (и, прежде всего, самому начинающему психологу), удобно иметь общую сводку определений терминов, применяемых при описании планирования и проведения психологического эксперимента. Автор назвал их «Словарем экспериментатора» - базовым условием полноценного обсуждения и усвоения материала. Перечислить основные термины (а здесь их около ста) и дать им краткую характеристику - главная цель словаря. Описание содержания используемых понятий позволяет также уточнить особенности перевода терминов. В некоторых случаях полезно знать их эквиваленты на языке оригинала. А если перевод термина не буквален, в словаре можно найти соответствующее разъяснение.

 

Как обычно, термины представлены раздельно, в алфавитном порядке. Однако большинство из них довольно тесно связаны между собой. В первую очередь это относится к таким фундаментальным понятиям книги, как «безупречный эксперимент», «валидность», «обобщение», «контроль», «экспериментальная схема» и др. Эти связи учтены и отражены в словаре: содержательно близкие термины сгруппированы в единые блоки (иногда довольно крупные), в тексте каждого блоках другие термины, вошедшие в словарь, выделены полужирным шрифтом. Кроме того, не случайно словарь открывается термином «валидность».

 

При работе со словарем хорошо пользоваться следующим за ним «Предметным указателем», где приведены все термины, выделенные курсивом в тексте книги, а также названия экспериментов-иллюстраций.

ВАЛИДНОСТЬ (validity) — достоверность (или степень достоверности) вывода, которую обеспечивают результаты реального эксперимента по сравнению с результатами безупречного эксперимента. «В.»—центральное понятие словаря экспериментатора: оно объединяет основные цели исследования с идеальными эталонами их достижения и реальными процедурами проведения экспериментах

 

Глобальной целью любого экспериментального исследования является обобщение полученных результатов и вывода об экспериментальной гипотезе. Однако полное достижение этой цели возможно лишь в мысленном, безупречном эксперименте, невыполнимом на практике. Реальный эксперимент в той или иной мере репрезентирует (представляет) безупречный, и чем лучше эта репрезентативность, тем выше В. эксперимента. Таким образом, повышение В., т. е. планирование проведения эксперимента в соответствии с его безупречным образцом, является конкретной задачей исследователя, успешность решения которой зависит, во-первых, от характера, реальных условий и, во-вторых, от адекватности выбора средств. Так, источники нарушения В., (прежде всего, ненадежность и смешение) отдаляют реальный эксперимент от безупречного, а способы их контроля, позволяют приблизиться к нему, т. е. обеспечить высокую В. для обобщения экспериментальных результатов. В. полученных данных можно оценить статистически: например, В. теста (в корреляционном исследовании) определяется степенью корреляции результатов его выполнения с изучаемым видом деятельности испытуемых.

 

В соответствии с различными типами безупречного эксперимента различают внутреннюю и внешнюю В.:

— внутренняя В. — достоверность выводов, которую обеспечивают результаты реального эксперимента по сравнению с результатами идеального и бесконечного экспериментов. Повышение внутренней В. связано с устранением результатов действия побочных переменных и с усреднением их изменчивости и нестабильности. Внутренняя В. — первое и необходимое требование к экспериментальным выводам: эксперимент, не обладающий внутренней В., названы автором просто неудачным,

— внешняя В. — достоверность выводов, которую обеспечивают результаты реального эксперимента по сравнению с результатами эксперимента полного соответствия. Повышение внешней В. обеспечивается достижением соответствия уровней дополнительных переменных в эксперименте уровням этих переменных в изучаемой реальности. Эксперимент, не обладающий внешней В., является неверным, не соответствующим поставленной гипотезе (но, быть может, пригодным для проверки, другой гипотезы).

 

Следует отметить, что любую переменную (фактор), отличную от независимой, также оказывающую влияние на зависимую переменную, автор называет просто «other» - другая. При переводе для обозначения таких переменных используются два разных термина: «побочная» - применительно к переменной, нарушающей внутреннюю В., и «дополнительная» - переменная, уровень которой входит в экспериментальную гипотезу и должен быть адекватно представлен с целью достижения внешней В. Иногда одни и те же факторы могут выступать в эксперименте и как побочные (нарушающие внутреннюю В.), и как дополнительные (влияющие на внешнюю В.). Устранение и унификация побочных факторов, повышающая внутреннюю В., может приводить к несоответствию уровней дополнительных переменных, что снижает внешнюю В. (см. Соответствие).

 

- операциональная В. — разновидность внешней В. для лабораторного эксперимента; соответствие (или степень соответствия) применяемых методических процедур тем теоретическим понятиям, которые входят в экспериментальную гипотезу.

 

ВЗАИМОДЕЙСТВИЕ — количественный результат, обусловленный соотношением между действием двух или нескольких независимых переменных, выделенный в факторном эксперименте. Вычисляется как разность между различиями значений зависимой переменной, полученных при действии равных условий первой, второй и т. д. переменных, и иллюстрируется графически. По графическому изображению В. выделяют три его вида: нулевое (zero), или отсутствие В., расходящееся (spreading) и пересекающееся (crossing) В.;

 

В. 1-го порядка - В. между двумя независимыми переменными (факторами),

 

В. 2-го порядка - В. трех независимых переменных и т. д.

 

ВОСПРОИЗВОДИМОСТЬ (replicating) эксперимента — возможность повторить эксперимент, руководствуясь описанием применяемых методических процедур в экспериментальном отчете (раздел «Методика»).

 

ВЫБОРКА (sample) — испытуемые, отобранные из изучаемой популяции для участия в эксперименте. В. разделяют на экспериментальную, и контрольную группы. Эксперименты с привлечением В. являются, как правило, межгрупповыми, но в принципе могут проводиться и по индивидуальным схемам. Основное качество В, необходимое для полноценного эксперимента., - ее репрезентативность (см.), которая определяет внешнюю валидность эксперимента и достигается адекватными методами отбора испытуемых (см.). Внутренняя валидность зависит от степени взаимного соответствия экспериментальной, и контрольной групп в обеспечивается с помощью различных стратегий распределения испытуемых по группам (см.).

 

ВЫВОД (inference) СТАТИСТИЧЕСКИЙ — нахождение такой величины различия между значениями зависимой переменной, которая в случае подтверждения нуль-гипотезы может быть превышена только с вероятностью, задаваемой правилом статистического решения (decision) (например, р== 0,05). В. С. определяет значимость полученных различий, служит условием для экспериментальных выводов (conclusions), завидит от числа.испытуемых и величины стандартного отклонения.

 

ВЫДЕЛЕНИЕ (isolation) независимой переменной — отделение независимой переменной, входящей в экспериментальную гипотезу, от сопутствующих ее воздействию побочных влияний, достигаемое с помощью специальных методических процедур, в лабораторном эксперименте. В отличие от практических экспериментов, где независимая переменная фактически всегда представляет собой группу факторов, в лабораторных (или собственно научных) ее стремятся выделить, т. е. сделать единичной, чтобы иметь возможность исследовать только ее воздействие на зависимую переменную. В. независимой переменной вместе с очищением ее условий позволяет ставить и проверять точные экспериментальные гипотезы, касающиеся механизмов изучаемого поведения.

 

ГИПОТЕЗА ЭКСПЕРИМЕНТАЛЬНАЯ — конкретизация некоторой догадки, или идеи, с целью ее проверки, в эксперименте. Г. Э. включает в себя: независимую переменную, зависимую переменную, отношение между ними и уровни дополнительных переменных. Т. о., Г. Э. — это предположение об отношении между независимой и зависимой переменными при определенном уровне дополнительной переменной. В той мере, в какой это отношение не будет зависеть от побочных и дополнительных переменных, Г. Э. может становиться все более обобщенной;

 

— контргипотеза — Г. Э., альтернативная к основному предположению; возникает автоматически;

 

— третья конкурирующая Г. Э. — Г. Э. об отсутствии влияния независимой переменной на зависимую переменную; проверяется только в лабораторном эксперименте (см. Нуль-гипотеза);

 

— точная Г. Э. — предположение об «отношении» между единичной независимой переменной и зависимой переменной в лабораторном эксперименте; проверка требует выделения независимой переменной и очищения ее условий;

 

— Г. Э. о максимальной (или минимальной) величине — предположение о том, при каком уровне независимой переменной зависимая переменная принимает максимальное (или минимальное) значение. Основанный на представлении о двух базисных процессах, оказывающих противоположное действие на зависимую переменную: при достижении определенного (высокого) уровня независимой переменной «негативный» процесс становится сильнее «позитивного»; проверяется только в многоуровневом эксперименте;

 

— Г. Э. об абсолютных и пропорциональных отношениях — точное предположение о характере постепенного (количественного) изменения зависимой переменной с постепенным (количественным) изменением независимой переменной (см. Отношение); проверяется в многоуровневом эксперименте;

 

— Г. Э. с одним отношением — предположение об отношении между одной независимой и одной зависимой переменными. Для проверки Г. Э. с одним отношением может быть использован и факторный эксперимент, но вторая независимая переменная является при этом контрольной;

 

комбинированная Г. Э. — предположение об отношении между определенным сочетанием (комбинацией) двух (или нескольких) независимых переменных, с одной стороны, и зависимой переменной — с другой (см. также Взаимодействие); проверяется только в факторном эксперименте.

 

ДАННЫЕ — первоначальные, еще не обработанные результаты эксперимента;, зафиксированные в протоколе (например, время выполнения задачи, субъективный отчет испытуемого и т. п.). Наиболее важная часть Д. служит материалом для определения значений зависимой переменной. См. Протоколирование, Показатели измеряемые, Способ представления результатов.

 

ЗНАЧЕНИЕ (meaning) — единица измерения зависимой переменной, конечный результат обработки полученных данных. Каждому из условий, или уровней, независимой переменной соответствует определенное 3. Совокупность 3, представлена обычно на таблицах или графиках.

 

ЗНАЧИМОСТЬ (significance) результатов — статистическая достоверность полученных различий между средними значениями зависимой переменной (при воздействии разных условий независимой переменной), отвечающих экспериментальной гипотезе. Для повышения внутренней валидности эксперимента проводится проверка 3.— проверка отвержения (или неотвержения) нуль-гипотезы. 3. результатов — необходимое (иногда — недостаточное) условие достоверности вывода об исследуемой гипотезе.