Стадии и методы статистического исследования

Статистическое исследование состоит из трёх основных стадий:

Статистическое наблюдение - это первая стадия. В ходе её происходит сбор первичной статистической информации и данных, которые станут основой для будущего статистического анализа. Методы статистического наблюдения представлены переписями, статистической отчётностью, анкетированием, выборочным наблюдением.

Статистическая сводка - это вторая стадия. В ходе её происходит обработка первичной информации; обобщаются конкретные единичных сведения, образующие совокупность в целях выявления типичных черт и закономерностей, присущих изучаемому явлению в целом. Основным методом статистической сводки выступает группировка, когда изучаемые явления делятся на важнейшие типы, характерные группы и подгруппы по существенным признакам. Итоги статистической группировки и сводки излагаются в виде таблиц и графиков.

Обобщение и анализ статистической информации - это третья стадия. Статистический анализ является заключительной стадией статистического исследования.

Основными этапами анализа являются следующие действия:

1. установление фактов и их оценка;

2. установление характерных черт и причин явления;

3. сопоставление явления с базовыми явлениями - нормативными, плановыми и прочими;

4. формулирование гипотез, выводов и предположений;

5. статистическая проверка выдвинутых гипотез с помощью специальных обобщающих статистических показателей.

Обобщающие показатели - абсолютные, относительные, средние величины и индексные системы - применяются именно на этой стадии. Общие черты формирования обобщающих показателей устанавливаются посредством измерения их отклонений и приведения к усреднённому показателю. Изучение отклонений - «вариаций» - вместе с применением средних и относительных величин имеет большое практическое и научное значение. Показатели отклонений «вариаций» характеризуют степень однородности статистической совокупности по искомому признаку. Показатели «вариаций» определяют степень и границы вариации. Значительный интерес представляет взаимосвязь признаков «вариаций».

Все эти три стадии неразрывно связаны между собой органическим единством. Так, проведение статистического наблюдения бессмысленно без дальнейшего анализа, а анализ невозможен без информации, полученной на стадии первичной обработки данных.

 

Обработка эмпирических данных исследования делится обычно на несколько этапов:

1) Первичная обработка данных:

- Составление таблиц;

- Преобразование формы информации;

- Проверка данных.

2) Статистический анализ данных:

- Анализ первичных статистик;

- Оценка достоверности отличий;

- Нормирование данных;

- Корреляционный анализ;

- Факторный анализ.

В большинстве случаев обработку данных целесообразно начать с составления сводных таблиц.

Сводная таблица данных – это своеобразный «аккумулятор» всех данных, полученных в результате проведённого исследования, в идеале она должна содержать данные всех испытуемых по всем методикам исследования. Обычно сводные таблицы составляются в программе Microsoft Office Excel, либо Word, Access.

Основой для сводной таблицы исходных данных является следующая форма. Каждая строка содержит значения всех показателей одного испытуемого. В каждом столбце (поле) записаны значения одного показателя по всем испытуемым. Таким образом, в каждой ячейке (клетке) таблицы записано только одно значение одного показателя одного испытуемого. В самой верхней строке даны номер испытуемого по порядку, ФИО (или какой-нибудь другой идентификатор), измеренные показатели, шкальные оценки и т.п. Эта строка облегчает ориентировку в таблице. В каждой последующей строке записана ФИО испытуемого и значения всех, измеренных у него параметров; разумеется, для всех испытуемых в одном и том же порядке показателей.

Испытуемых можно перечислить в алфавитном порядке, но лучше использовать этот принцип на самом нижнем уровне деления. Сначала лучше разделить испытуемых по их принадлежности к каким-либо подгруппам, которые будут сравниваться между собой. Внутри этих подгрупп полезно упорядочить испытуемых по полу, возрасту или другому, важному для вас, параметру.

Преобразование формы информации.

В таблицу целесообразно внести все интересующие вас признаки в форме десятичного числа, то есть предварительно пересчитать минуты в десятичные доли часа, секунды – в десятичные доли минуты, количество месяцев – в десятичную долю года и т.д. Это необходимо, поскольку формат данных для большинства используемых сейчас компьютерных программ накладывает свои ограничения. Старайтесь также без особой необходимости не заносить в таблицу различные текстовые символы (точки, запятые, тире и т.п.).

Всю информацию, которую можно закодировать числами, лучше перевести в числовую форму. Это даст больше возможностей для разных видов обработки данных. Исключением является первая строка, в которой записаны названия (чаще краткие названия – аббревиатуры) измеренных показателей. В виде чисел в таблицу можно вписать информацию и о тех параметрах выборки, которые предположительно могут оказаться значимыми факторами, но имеются у вас в качественных показателях. Наиболее простыми операциями могут быть: числовое кодирование (мужчины – 1, женщины – 2; прошедшие обучение – 1, не прошедшие – 2 и т.п.) и перевод качественных показателей в ранги.

Проверка данных.

После создания таблицы на бумаге или компьютере необходимо проверить качество полученных данных. Для этого часто достаточно внимательно осмотреть массив данных. Начать проверку следует с выявления ошибок (описок), которые заключаются в том, что неправильно написан порядок числа. Например, 100 написано вместо 10, 9,4 – вместо 94 и т.п. При внимательном просмотре по столбцам это легко обнаружить, поскольку сравнительно редко встречаются параметры, которые сильно варьируют. Чаще всего значения одного параметра имеют один порядок или ближайшие порядки. При наборе данных на компьютере важно соблюдать требования к формат данных в используемой статистической программе. Прежде всего это относится к знаку, которые должен отделять в десятичном числе целую часть от дробной (точка или запятая).

Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов научного исследования. При этом не рекомендуется ограничиваться использованием таких показателей, как средние арифметические и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.

Выбор метода статистического анализа полученных эмпирических данных — очень важная и ответственная часть исследования. И делать это лучше до того, как получены данные. При планировании исследования необходимо заранее продумать, какие эмпирические показатели будут регистрироваться, с помощью каких методов будут обрабатываться, и какие выводы при разных результатах обработки можно будет сделать.

При выборе статистического критерия нужно, прежде всего, идентифицировать тип переменных (признаков) и шкалу измерения, которая использовалась при измерении показателей и других переменных — например, возраст, состав семьи, уровень образования. В качестве переменных могут выступать любые показатели, которые можно сравнивать друг с другом (то есть измерять). Следует иметь в виду, что в исследованиях могут широко использоваться номинативные и порядковые шкалы: вербальные и невербальные поведенческие реакции пол, уровень образования — все это может рассматриваться в качестве переменных. Главное — иметь четкие и ясные критерии их отнесения к тому или иному типу в зависимости от поставленных гипотез и задач.

При выборе статистического критерия нужно ориентироваться также на тип распределения данных, который получился в исследовании. Параметрические критерии используются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с большей вероятностью (но не обязательно) получается при выборках более 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметрических критериев необходима проверка нормальности распределения.

Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых целесообразно выбрать непараметрические критерии, которые дают большую достоверность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. В некоторых случаях статистически обоснованные выводы могут быть сделаны даже при выборках в 5—10 испытуемых.

Во многих исследованиях осуществляется поиск различий в измеряемых показателях у испытуемых, имеющих те или иные особенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого признака или в его распределении. Для определения значимости различий в проявлении признака в исследованиях часто используются такие показатели, как парный критерий Вилкоксона, U-критерий Манна—Уитни, критерий х-квадрат (х2), точный критерий Фишера, биномиальный критерий.

Во многих исследованиях осуществляется поиск взаимосвязи исследуемых показателей у одних и тех же испытуемых. Для обработки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто характеризуется коэффициентом линейной корреляции Пирсона и коэффициентом ранговой корреляции Спирмена.

Структура данных (и соответственно структура изучаемой реальности), а также их взаимосвязь выявляется факторным анализом.

Во многих исследованиях интерес представляет анализ изменчивости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучаемый признак. Для математической обработки данных в таких задачах может использоваться U-критерий Манна—Уитни, критерий Краскела—Уоллиса, Т-критерий Вилкоксона, критерий?² Фридмана. Однако для исследования влияния, а тем более взаимовлияния нескольких факторов на изучаемый параметр полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а переменные второго рода — результативными признаками. В этом отличие дисперсионного анализа от корреляционного, в котором предполагается, что изменения одного признака просто связаны с определенными изменениями другого.

Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо параметров и проявлений за определенный промежуток времени, в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэффициенты для оценки достоверности сдвига в значениях исследуемого признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона.

Важно обратить внимание на ограничения, которые имеет каждый критерий. Если один критерий не подходит для анализа имеющихся данных, всегда можно найти какой-либо другой, возможно, изменив тип представления самих данных. Прежде чем проводить статистический анализ эмпирических данных, полезно проверить, существуют ли критические значения, соответствующие количеству и типу ваших данных. В противном случае вас может ждать разочарование, когда ваши подсчеты окажутся напрасными по причине отсутствия в таблице критических значений при объеме выборки, которая у вас была.

После знакомства с процедурой вычисления критерия можно проводить «ручную» обработку данных или воспользоваться статистической программой персонального компьютера. Для компьютерной обработки наиболее популярны программы SPSS и Statistica.

Использование статистических программ в компьютерной обработке на несколько порядков ускоряет обработку материала и предоставляет в распоряжение исследователя такие методы анализа, которые в ручной обработке не могут быть реализованы. Однако в полной мере эти преимущества могут быть использованы, если исследователь имеет необходимый уровень подготовки в этой области. Обычно, чем мощнее компьютерная программ (чем более широкие у неё возможности), тем больше времени она требует для освоения. Таким образом, затрачивать время на её изучение при редких обращениях к мощному статистическому аппарату не совсем эффективно. Очень часто использование таких программ для решения даже несложных задач также требует определённой суммы умений.

Для того, чтобы избежать лишних сложностей и временных затрат, гораздо эффективнее обратиться к профессионалам. Они качественно и профессионально проведут весь необходимый математико-статистический анализ данных вашего исследования: анализ первичных статистик, оценку достоверности различий, нормирование данных, корреляционный и факторный анализ и т.п.

После проведения необходимого статистического анализа данных нужно соотнести полученные результаты с изначально поставленной гипотезой, с теоретическими обоснованиями авторов, которые исследовали данную тематику и предыдущими исследователями. Сформулировать выводы и проинтерпретировать полученные результаты.