Головна

IV. Багатовимірні статистичні методи

  1. I.3.3. Методи виносу в натуру проектних точок.
  2. I.3.4. Методи підготовки даних для перенесення проекту на місцевість.
  3. R-методи.
  4. Адміністративні методи управління персоналом
  5. Адміністративні методи управління.
  6. Активні і інтенсивні методи навчання

Багатовимірні статистичні методи аналізу даних займають в психологічних дослідженнях особливе становище, яке визначається ситуацією їх релевантного застосування і відповідною роллю. Щодо ситуації можна сказати, що такі методи доцільно застосовувати в двох основних випадках:

коли розглядається простору ознак має значну розмірність, тобто дослідник у своєму розпорядженні дані вимірювань великої кількості ознак у обстежуваних випробовуваних,

коли проводиться експлораторного аналіз даних, тобто дослідник не має апріорної інформацією про структуру даних і намагається її виявити.

Відповідно, багатовимірні методи аналізу даних виконують в психологічних дослідженнях двояку роль:

дозволяють зменшити розмірність розглянутого простору ознак, тобто описувати ті ж самі спостережувані психологічні феномени за допомогою значно меншого числа ознак;

виявляють в розглянутій сукупності даних якусь структуру, Тобто стійкі взаємозв'язки між елементами і підсистемами вихідної системи даних.

Ясно, що обидва ці напрями, хоча і з різних сторін, сприяють систематизації та збільшенню психологічного знання, появи нових теоретико-психологічних конструктів, упорядкування категоріально-понятійного ладу психологічної науки.

У прикладній статистиці розроблено безліч подібних багатовимірних методів аналізу даних, які отримали особливо інтенсивний розвиток, починаючи з другої половини XX століття, в зв'язку з появою швидкодіючих комп'ютерів, легко виконують необхідні обчислення. В рамках даного посібника ми розглянемо чотири класи таких методів, часто застосовуваних в психологічних дослідженнях, кожному з яких присвячена окрема тема:

кластерний аналіз, що дозволяє виділити в емпіричних даних групи подібних (схожих) між собою об'єктів;

дискримінантний аналіз, що дозволяє розробити правила класифікації, тобто віднесення нового довільного об'єкта до однієї з існуючих груп схожих один на одного об'єктів;

факторний аналіз, що дозволяє виділити в безлічі вимірюваних ознак порівняно невелика кількість нових ознак (факторів), найбільш важливих для опису і моделювання досліджуваної психічної реальності;

регресійний аналіз, що дозволяє проводити прогнозування, тобто з певною точністю і достовірністю прогнозувати значення досліджуваних залежних психологічних змінним за відомими значеннями незалежних змінних.

З багатьох інших багатовимірних методів аналізу даних, що не увійшли в посібник, з точки зору досвіду їх успішного використання в психологічних дослідженнях можна відзначити багатовимірне шкалювання, аналіз часових рядів і багатовимірний дисперсійний аналіз.

багатовимірне шкалювання в психології часто застосовується в ситуації, коли з яких-небудь причин (наприклад, в силу відсутності потрібних вимірювальних методик) не вдається безпосередньо виміряти цікавлять дослідника психологічні змінні і замість цього застосовується експертна чи інша оцінка попарной близькості (або відмінностей) досліджуваних об'єктів (наприклад, респондентів) за цими показниками. На основі отриманих таким чином емпіричних даних методи багатовимірного шкалювання дозволяють відновити просторі ознак (бажано - має невелику розмірність), в якому досліджувані об'єкти будуть розміщені вже не попарно, а все разом, на певній відстані щодо один одного. Таким чином, багатовимірне шкалювання, по суті, являє собою групу методів, спрямованих на визначення структури простору ознак за рахунок виявлення ступеня близькості (відстані) між об'єктами. Методи багатовимірного шкалювання розглянуті в роботах [3; 7; 17; 19; 24-26].

Аналіз часових рядів являє собою групу методів, призначених для виявлення закономірностей змін, що відбуваються в даних при варіюванні будь-якого фактора ( «часу»). У такому контексті тимчасової ряд - Це сукупність послідовних вимірювань деякої змінної (процесу), вироблених через однакові інтервали значень деякого параметра (найчастіше - часу або просторової координати) [3. С.150]. Аналіз часових рядів дозволяє виявити закономірність зміни в часі середнього рівня досліджуваної ознаки (тренд), Наявність періодичних коливань, прогнозування майбутнього розвитку процесу, виконати згладжування або фільтрацію вихідних емпіричних даних і т.д. Детальніше ознайомитися з аналізом часових рядів можна за джерелами [3; 6; 10; 13; 15; 26; 27; 34; 38].

MANOVA (Multivariate Analysis of Variance - Багатомірний дисперсійний аналіз), аналогічно одно- і двухфакторную дисперсионному аналізу (див. Тему 10) спрямований на виявлення впливу факторів і межфакторного взаємодії, при цьому кількість розглянутих факторів перевищує два. Детальніше ознайомитися з MANOVA можна за джерелами [3; 6; 7; 11; 17; 18; 26; 34; 36-38].

Огляди різних багатовимірних методів аналізу даних, цікавих з точки зору їх застосування в психологічних дослідженнях, наведені в роботах [3; 5-7; 9; 10; 12-14; 17; 20; 21; 23; 25; 26; 28; 30; 33-40].

У ряді робіт обговорюється застосування багатовимірних методів аналізу даних в використовуваних в посібнику статистичних пакетах:

для пакета Statistica for Windows: В [1] розглянуто стандартний, закладений в навчальну систему пакета приклад застосування кластерного аналізу; в [13] обговорюються реалізовані в пакеті методи множинної регресії, нелінійного оцінювання, аналізу часових рядів та прогнозування, факторного аналізу, моделювання структурними рівняннями і інші;

для пакета SPSS в [7] коротко розглянуті всі реалізовані в пакеті статистичні методи, в тому числі - і багатовимірні;

для пакета Stadia аналогічне короткий розгляд реалізованих багатовимірних методів аналізу даних є в [3; 26].




Які існують способи подовження і вкорочені ня кінцівки? | Постановка завдання кластерного аналізу і загальна схема процедури його застосування в психологічному дослідженні

Загальна схема процедури застосування кластерного аналізу в психологічному дослідженні | Класифікація методів кластерного аналізу по вимірювальним шкалами, напрямку кластеризації і використовуваної метриці | Способи нормування вихідних даних | Приклади заходів відмінності і подібності, використовуваних в кластерному аналізі емпіричних даних | Класифікація методів кластерного аналізу з глобальних стратегій кластеризації | Класифікація ієрархічних агломеративного методів кластерного аналізу за способами визначення межкластерних відстаней | Застосування методів кластерного аналізу в психологічних дослідженнях | Показники особистісних властивостей менеджерів | Показники претендентів на вакантні робочі місця | Вихідні дані завдання 11.5-4, закодовані для використання евклідової метрики |

© um.co.ua - учбові матеріали та реферати