Коллектив авторов - Психология физической культуры. Учебник

Для обеспечения получения достоверных выводов исследования необходимо использовать различные критерии оценки полученных данных. Их делят на две категории: количественные и качественные. Количественные получают на основе определенной шкалы оценок. Их можно обработать методами параметрической и непараметрической статистики. Качественные критерии нельзя непосредственно оценить в определенной шкале, но с их помощью проводится анализ наблюдаемых явлений, их классификация по определенному признаку.

Все критерии различий условно подразделены на две группы: параметрические и непараметрические критерии.

Критерий различия называют параметрическим, если он основан на конкретном типе распределения генеральной совокупности (как правило, нормальном) или использует параметры этой совокупности (средние, дисперсии и т. д.). Критерий различия называют непараметрическим, если он не базируется на предположении о типе распределения генеральной совокупности и не использует параметры этой совокупности. Поэтому для непараметрических критериев предлагается также использовать такой термин, как «критерий, свободный от распределения».

При нормальном распределении генеральной совокупности параметрические критерии обладают большей мощностью по сравнению с непараметрическими. Иными словами, они способны с большей достоверностью отвергать нулевую гипотезу, если последняя не верна. По этой причине в тех случаях, когда выборки взяты из нормально распределенных генеральных совокупностей, следует отдавать предпочтение параметрическим критериям.

Однако, как показывает практика, подавляющее большинство данных, получаемых в психологических экспериментах, не распределены нормально, поэтому применение параметрических критериев при анализе результатов психологических исследований может привести к ошибкам в статистических выводах. В таких случаях непараметрические критерии оказываются более мощными, т. е. способными с большей достоверностью отвергать нулевую гипотезу.

Итак, при оценке различий в распределениях, далеких от нормального, непараметрические критерии могут выявить значимые различия, в то время как параметрические критерии таких различий не обнаружат. Важно отметить, что, во-первых, непараметрические критерии выявляют значимые различия и в том случае, если распределение близко к нормальному; во-вторых, при вычислениях вручную непараметрические критерии являются значительно менее трудоемкими, чем параметрические.

При подготовке экспериментального исследования специалист должен заранее запланировать характеристики сопоставляемых выборок (прежде всего связность-несвязность и однородность), их величину (объем), тип измерительной шкалы и вид используемого критерия различий. Последовательно это можно представить в виде следующих этапов:

• Прежде всего следует определить, является ли выборка связной (зависимой) или несвязной (независимой).

• Следует определить однородность—неоднородность выборки.

• Затем следует оценить объем выборки и, зная ограничения каждого критерия по объему, выбрать соответствующий критерий.

• При этом целесообразнее всего начинать работу с выбора наименее трудоемкого критерия.

• Если используемый критерий не выявил различия, следует применить более мощный, но одновременно и более трудоемкий критерий.

• Если в распоряжении психолога имеется несколько критериев, то следует выбирать те из них, которые наиболее полно используют информацию, содержащуюся в экспериментальных данных.

• При малом объеме выборки следует увеличивать величину уровня значимости (не менее 1 %), так как небольшая выборка и низкий уровень значимости приводят к увеличению вероятности принятия ошибочных решений.

Обработка данных основана на понятии измерения. Исследуемое свойство может быть измерено двумя способами: путем непосредственного экспертного оценивания (при этом эксперты должны быть очень компетентными); применением стандартизированной методики измерения.

В связи с этим еще на стадии планирования исследования заранее подбирается математическая модель, которой в дальнейшем необходимо строго следовать. На этапе выбора модели математической обработки результатов исследований желательно ясно представить, в какой шкале будет измерено интересующее свойство. От этого зависит, какие математические операции можно будет проводить с числами.

С. Стоунс выделяет четыре шкалы измерений:

– номинальная (наименований);

– порядковая (ранговая, ординальная);

– шкала интервалов;

– шкала отношений (пропорций ).

Характеристика шкалы номинальной (наименований): она предполагает наличие минимальных предпосылок для проведения измерения. Основная операция – регистрация. Для этого по строго определенным критериям выделяют какой-либо исследуемый признак. Затем отмечают и сосчитывают число явлений или объектов с заданным признаком. Основное непреложное требование – точно сформулированный критерий, позволяющий однозначно отличить объект, имеющий нужный признак. В шкале наименований объекты классифицированы, а классы обозначены номерами. То, что номер одного класса больше или меньше другого, еще ничего не говорит о свойствах объектов, за исключением того, что они различаются.

Простейший случай номинальной шкалы – дихотомическая шкала. Она состоит всего из двух ячеек. Признак, который измеряется по дихотомической шкале, называется альтернативным. Он может принимать только два значения: признак проявился или не проявился. Более сложный вариант номинативной шкалы – классификация из трех или более ячеек.

Номинальная шкала позволяет подсчитывать частоты встречаемости разных значений признака и затем работать с этими частотами с помощью математических методов.

Примеры номинативной шкалы: цвет глаз, раса, номера на футболках игроков, пол, автомобильные номера, номера страховок, кодировка ответов на закрытые вопросы анкеты.

Возможные статистические операции: вычисляется мода – величина, наиболее часто встречающаяся в процессе измерений; предполагается определение процентного отношения и оценка сопряженности (хи-квадрат, коэффициент Чупрова, коэффициент Пирсона).

Характеристика ранговой (порядковой, ординальной) шкалы: изучаемые явления распределяются в порядке возрастания или убывания величины определенного признака. Соответствующие значения чисел, присваиваемых предметам, отражают количество свойства, принадлежащего объектам. Шкала указывает последовательность носителей признака и направление степени выраженности. Ранговая шкала классифицирует по принципу «больше-меньше»: ячейки шкалы образуют последовательность от ячейки «самое малое значение» к ячейке «самое большое значение». Если какой-то из объектов обозначен бо́льшим числом, чем другой, то это означает, что первый превосходит второй, но при этом неизвестно, насколько велико это различие.