1. Подсчет и сравнение средних2. Определение взаимосвязи между переменными3. Сокращение количества переменных4. Классификация5. Влияние одной переменной на другую
Слайд 3
1. Подсчет и сравнение средних А. Для независимых выборок
(одно и то же измерение осуществляется на двух разных
группах испытуемых: мужская и женская, контрольная и экспериментальная группы)
Б. Для зависимых выборок (одно и то же измерение осуществляется на одной выборке: до и после эксперимента)
Слайд 4
Независимые выборки Параметрические методы t-критерий Стьюдента Условия применения: 1) Распределение изучаемого признака
в обоих выборках приблизительно соответствуют нормальному; 2) Дисперсии признака в
двух выборках приблизительно одинаковые Сравнение дисперсий двух выборок по критерию F-Фишера Распределение признака должно подчиняться нормальному закону распределения
Непараметрические методы t-критерий U-Манна-Уитни
Слайд 5
Зависимые выборки Параметрические методы t-критерий Стьюдента Условия: 1) распределения признака в выборках
существенно не отличаются от нормального; 2) данные двух измерений положительно
коррелируют
Непараметрические методы: Критерий T-Вилкоксона
Слайд 6
Сравнение более двух выборок Независимых Критерий H Краскала-Уоллеса Зависимых Критерий χ²-Фридмана
Слайд 7
Сравнение данных по шкалам одной методики, при этом
шкалы имеют разный вес (нормирование данных) Для каждой шкалы перевод
«сырых» баллов в стандартные осуществляется по формуле:
Вес максимальной шкалы Х «сырой» балл данной шкалы Вес данной шкалы
Слайд 8
2. Определение взаимосвязи между переменными Корреляционный анализ – проверка
гипотезы о связях между переменными с использованием коэффициента корреляции. Коэффициент
корреляции – это мера прямой или обратной пропорциональности между двумя переменными. Прямая связь: при увеличении (уменьшении) значения одного признака значение другого также увеличивается (уменьшается), коэффициент корреляции положителен. Обратная связь: при увеличении (уменьшении) значения одного признака значение другого уменьшается (увеличивается), коэффициент корреляции отрицателен.
Слайд 9
Классификация корреляционных связей: сильная, или тесная при коэффициенте корреляции
чувствительность в случае несущественного отклонения распределения переменных от нормального. 3. Коэффициент Кендалла Применяется для выявления взаимосвязи между количественными или качественными показателями, если их можно ранжировать.
Слайд 11
3. Сокращение количества переменных Метод факторного анализа Цель: уменьшение размерности
исходных данных с целью их экономного описания при условии
минимальных потерь информации Результат: переход от исходных переменных к факторам, число которых меньше числа переменных. При этом фактор может содержать несколько переменных
Слайд 12
4. Классификация Метод: кластерный анализ. Цель: разбиение множества исходных объектов