 |
 |
 |
 |
|
 |
 |
Величина эффекта для каждого исслед. определяется простым делением разности между средними
показателями по критериальной переменной в эксперим. группах и контрольной группе на меру
изменчивости индивидуальных показателей в этих группах. В результате такого анализа можно
продемонстрировать, что целый ряд изучавшихся переменных условий не оказывают влияния на набор
критериев, что позволяет исследователям обобщать результаты своих исслед., не оглядываясь на эти,
как было установлено в ходе метаанализа, посторонние условия.
Наконец, можно определить степень влияния каждой переменной-воздействия и их различных
сочетаний на критерии. Это представляет особый интерес для прикладных областей, где важно знать не
только о том, что одна переменная влияет на другую, но и насколько велико такое влияние.
См. также Контрольные группы, Экспериментальные методы, Проверка гипотезы, Измерение,
Статистика в психологии
Дж. Эшер
Методы многомерного анализа (multivariate analysis methods)
Многомерность свойственна психол. данным по природе, поскольку они чаще всего состоят по
крайней мере из неск. наблюдений за поведением одного человека или группы лиц. М. м. а. и были
созданы для совместной обработки таких данных, напр. для их исслед. с целью обнаружения присущих
им базисных характеристик либо, в случае дедуктивного подхода, для проверки или оценки априорных
гипотез в отношении этих данных. В своих лучших образцах многомерный анализ представляет собой
обобщение одномерного анализа, так что в тех случаях, когда данные состоят из значений только одной
переменной, многомерный метод будет давать тот же результат, что и соотв. одномерный метод. Так,
есть статистики, базирующиеся на многомерном распределении случайных величин, к-рые можно
свести к таким хорошо известным одномерным статистикам, как хи-квадрат или t-критерий.
Многомерный анализ включает широкий спектр мат. и статистических методов и, вообще
говоря, не существует общепринятого определения границ этой области. По общей договоренности,
однако, такие специализированные предметы, как теория надежности или теория латентных черт, не
считаются разделами многомерного анализа в силу их обособленных традиций в сфере психол. исслед.
Методы анализа множественных дихотомических переменных часто рассматриваются и изучаются под
своими названиями, напр. логлинейные модели. Также анализ повторных наблюдений, проведенных на
одном человеке или на каком-то др. объекте, скажем, классе, обычно относится к особой области, наз.
анализом временных рядов.
Модели
Многомерный анализ требует соединения трех различных типов информ. в одном методе, к-рый
можно применять на практике. С т. зр. психолога, из накопленных в психологии действенных идей и
знаний необходимо извлекать наиболее существенное и применять к ситуации анализа исходных
данных. Такое очищенное знание, особенно если оно формализовано, наз. психол. моделью. Психол.
модель обеспечивает контекст для выбора наиболее подходящего метода из множества многомерных
или др. методов анализа (либо статистического описания) данных.
Второй тип используемой информ. — это мат. или структурная модель, устанавливающая
отношения между осн. переменными, наблюдениями, параметрами и пр. Структурная модель является
формально-математическим представлением, к-рое предполагается релевантным многомерной
ситуации в силу психол. модели. В общем, многомерные методы основываются на линейных по своей
природе моделях. Т. к. психол. теории часто предполагают существование нелинейных связей, иногда
бывает трудно сделать допущение о линейности. И все-таки принятие этого допущения может быть
оправданным в тех случаях, когда большинство зависимых (т. е. предсказываемых) переменных имеют
аппроксимативно непрерывный характер. Если же эти переменные являются дихотомическими или
порядковыми, будет трудно обосновать допущение о линейности иначе как соображениями удобства
или аппроксимации.
Третий тип информ. — это статистическая модель. Такую модель нужно разрабатывать всякий
раз, когда предполагается что-то большее, чем простое описание данных. В этом случае, помимо
статистического описания данных, интерес могут представлять выводы о более широкой совокупности,
на выборке из к-рой и были получены изучаемые данные. Осн. вопрос при состыковке структурной и
статистической моделей — ошибка, обусловленная структурой наблюдений (error structure of
observations). Недавно полученное обобщение многомерного нормального распределения, допускающее
ненулевой, но постоянный эксцесс кривых плотности распределения переменных, оказалось полезным в
