[МУЗЫКА]
[МУЗЫКА] Ну и,
наконец, последний вопрос, который мы с вами рассмотрим — это классификация
методов статистической проверки.
Как уже отмечалось, любая содержательная гипотеза — это утверждение о связи двух
явлений, независимо от того, как она формулируется.
Например, утверждение о том, что мужчины и женщины различаются по
общительности тождественно формулировке, что общительность связанна с полом.
Кроме того, назависимо от своей формулировки одна и та же содержательная
гипотеза может быть проверена при помощи самых разных статистических методов.
Ограничение на выбор статистического метода возникает только после
определения того, как измерены или будут измерены явления,
в отношении которых проверяется гипотеза.
А измерены они могут быть либо в количественной шкале, либо в номинальной.
Ну и отсюда классификация методов анализа.
Мы выделяем три группы методов анализа.
Если оба явления представлены номинально измерены,
то в этом случае нам доступны только частоты и мы обращаемся к методам анализа
частот: классификации или таблицы сопряжённости.
Если оба явления измерены как количественные переменные,
в этом случае описательная статистика является корреляцией и мы обращаемся к
методам корреляционного анализа.
Наконец, если одно явление измерено как номинальная переменная,
а другое явление — как количественная переменная, например, одна переменная —
пол, другая — общительность, то в этом случае мы обращаемся к сравнениям выборок
по уровню выраженности количественной переменной, то есть к методам сравнения.
На экране вы видите группы методов анализа, наложенные на основные
математические модели, о которых мы говорили в самом начале.
Основные математические модели — это измерение, модели измерения,
далее описательные математические модели и модели статистического вывода.
Схема иллюстрирует, что то,
к какой группе методов исследователь обратится,
определяется уже на уровне персонализации понятий, когда определяется,
в каких измерительных шкалах будут представлены те или иные измерения.
Мы видим, что если измерения представлены
только в номинальных шкалах, то следует обращаться к анализу частот,
который предполагает свои описательные математические модели, а в данном случае
это только количество или частоты, и свои методы статистического вывода.
Если же явления измерены в количественных переменных,
в этом случае в качестве описательной математической модели
используется корреляция,
а в качестве метода статистического вывода — статистическая значимость корреляции.
Если же одно явление представлено в номинальное шкале,
а другое — в количественной шкале, например,
при изучении связи хобби и интеллекта.
Если хобби представлено тремя категориями — спорт, компьютер,
искусство — то в этом случае в качестве описательных математических моделей
будут использоваться средние значения ну или медианы,
если распределение переменной «интеллект» сильно отличается от нормального,
и мы обратимся к соответствующим методам статистического вывода: сравнение,
скажем, средних значений.