Задача: оценка двух распределений и их различия. Влияние какого-то фактора.

Проверяем эти догадки при помощи сопоставления средних.

Непараметрические аспекты.

Подборка маленького размера, может быть не обычное рассредотачивание, перекошено на лево либо на право.

Непараметрические в меню:

Анализ - Непараметрические – Одновыборочный: возникает цель, поля, характеристики.

К примеру, Цель: Автоматом сопоставить наблюдаемые с гипотетичными.

Есть другая задачка – получили некую последовательность ответов испытуемого – оценить, что ответы Задача: оценка двух распределений и их различия. Влияние какого-то фактора. не случайны?

Характеристики: автоматом – СПСС сам задумывается что нужно (как для обыденного психолога). Если настроить, то можно самим.

К примеру, можем сопоставить с обычным: Колмогоров-Смирнов (там характеристики, также указываем). Можем сопоставить с гипотетичной медианой.

Сопоставление с биноминальным рассредотачиванием - позднее разглядим.

Запустили файл Стернбернг групповой (17.02). Получили ответы: нулевая Задача: оценка двух распределений и их различия. Влияние какого-то фактора. принимается – что медиана не отличается, рассредотачивание не обычное. Как следует, будем использовать непараметрический аспект.

ФОТО: Непараметрические аспекты.

Пример:

Смотрим 15 испытуемых, предъявляем 10 слов поочередно в неспешном и резвом темпе. Позже определение слов с резвым либо неспешным темпом. По законам рабочей памяти у нас есть зависимость от времени предъявления Задача: оценка двух распределений и их различия. Влияние какого-то фактора. (или помним больше, или забываем больше). Вопрос: отличается ли неспешное от резвого.

Смотрим рассредотачивание. Данные метрические – количественные данные, можем использовать или Т аспект, или непараметрический. Т аспект чувствителен к равенству дисперсий. Смотрим. Лицезреем, что у их не равны дисперсии.

Есть среднее по компания и нужно подобрать не ужаснее – подбираем статистически (сравниваем со Задача: оценка двух распределений и их различия. Влияние какого-то фактора. средними). График: анализ, описательные, частоты, диаграммы (гистограммы + показать обычное).

дисперсии).

Слово средние меняем на МЕДИАНУ (если данные порядковые, ранговые, номинальные – здесь среднеарифметическое не является мерой среднего). Медианные аспекты – аспекты о сдвиге (одно в целом выше, чем другое).

Меню: Непараметрические, устаревшие диалоговые окна. Две несвязанные подборки. =>

Аспект Уилкоксона.

Получаем 0.551 – значимость Задача: оценка двух распределений и их различия. Влияние какого-то фактора.. Нулевая догадка не отвергается.

Ряд других критериев инспектируют более сложное:

Как они похожие (было всего 3 кто наверху, другие были понизу).

Ранговые аспекты ранжируют все в линию и глядят, как 1-ая выровнена, по отношению ко 2-ой.

ВЗЯТЬ из файла Гусева.

…..

Если две независящие подборки:

ü Аспект Манна-Уитни: инспектирует Задача: оценка двух распределений и их различия. Влияние какого-то фактора. догадку о том, что две генеральные совокупы, из которых были отобраны подборки, эквивалентны по расположению.

Аспект Манна Уитни - улавливает наименьшие различия. Работает на порядковых данных. Не может шкалу наименований.

ü Аспект Z Колмогорова-Смирноваи аспект серий Вальда-Вольфовицаносят более общий нрав и выявляют различия меж рассредотачиваниями, как в расположении (медиан Задача: оценка двух распределений и их различия. Влияние какого-то фактора.), так и в их форме.

ü Аспект экстремальных реакций Мозесапредполагает, что экспериментальная переменная повлияет на некие объекты в одном направлении, а на другие объекты в обратном. Аспект выявляет экстремальные отклики в экспериментальной группе в сопоставлении ее с контрольной группой.

Аспект Мозеса: учитывает выброс (было какое-то сильное воздействие, к примеру, фармотерапия).

Несколько Задача: оценка двух распределений и их различия. Влияние какого-то фактора. выборок:

ü Аспект Краскала-Уолеса:являются расширением аспекта U Манна-Уитни, представляет собой непараметрический аналог однофакторного дисперсионного анализа и употребляется для выявления различий в расположении рассредотачиваний выборок.

Краско Уолеса – аналог дисперсионного анализа.

ü Медианный аспект:является более общим, но не настолько массивным аспектом как Краскала-Уолеса, употребляется для выявления Задача: оценка двух распределений и их различия. Влияние какого-то фактора. различий меж рассредотачиваниями и в расположении медиан, и в их форме.

ü Аспект Джонкхира-Терпсты:если есть упорядоченность значений НЗП (групп), то он самый мощнейший.

Аспект Джонхира-Терпсты. Сильный, но работает в ограниченных критериях: есть новенькие, мастера и специалисты. Другими словами группы упорядочены по какому-то признаку. Тогда группирующая переменная – переменная Задача: оценка двух распределений и их различия. Влияние какого-то фактора., измеренная по шкале порядка. Можно по стажу группировать. Группы отличаются по порядку: одна лучше другой, 3-я лучше 2-ой.

Для связанных зависимых парных выборок.

· Аспект Улкоксона: если данные являются непрерывными. Учитывает информацию как о знаке разности меж парами, так и о величине этой разности. Так как аспект знаковых рангов Уилкоксона употребляет Задача: оценка двух распределений и их различия. Влияние какого-то фактора. больше инфы о данных, он является более массивным, чем аспект символов.

Аспект Уилкоксона. Подразумевает что данные не ужаснее чем шкала порядка. Непрерывные (недихотомические – нолики и единички). Если слабенькая порядковая шкала, то не нужно его использовать. Другими словами рангов 7,9,12, 15 можно испытать использовать. Если этого нет, то аспект символов.

· Аспект символов Задача: оценка двух распределений и их различия. Влияние какого-то фактора.:рассчитывает разности меж 2-мя переменными для всех наблюдений и систематизирует их как положительные, отрицательные (различные) либо совпадения (нулевые, однообразные).

Аспект символов – самый универсальный, работает при 3,5,7 ранговых оценок. Принципиально чтоб была шкала порядка. Смотри разницу: 2-2- разница 0. 1-2 разница «-1».

· Аспект Макнемара: если данные являются бинарными. Оценивает эффект воздействия некого экспериментального фактора Задача: оценка двух распределений и их различия. Влияние какого-то фактора. в планах «до - и - после».

Аспект Макнемара: Если данные бинарные, номинальные – сделал - не сделал (0 либо 1).

· Аспект маргинальной однородности: если данные являются категориальными. Обобщает аспект Макнемара (только для двоичных – биноминальных измерений ЗП) на случай полиномиальных откликов.

Аспект маргинальной однородности. Это не только лишь 0-1, а мультизначение.

Несколько выборок – больше Задача: оценка двух распределений и их различия. Влияние какого-то фактора. чем 2

ü Аспект Фридмана: это непараметрический эквивалент одновыборочного плана с повторными измерениями. Для каждого наблюдения k переменных ранжируются от 1 до k. Статистика аспекта основывается на этих рангах.

ü Аспект W Кендалла:Аспект W Кендалла интерпретируется как коэффициент конкордации (согласованности), который является показателем согласия посреди респондентов (профессионалов). Каждый наблюдение представляет профессионала, любая переменная Задача: оценка двух распределений и их различия. Влияние какого-то фактора. - оцениваемый объект. Для каждой переменной рассчитывается сумма рангов. Значение W Кендалла меняется от 0 (нет согласия) до 1 (полное согласие).

Аспект Кендалла употребляется, когда нужно оценить профессионалов (одна группа испытуемых и проанализировать как согласуются специалисты).

ü Аспект Q Кокрена:схож аспекту Фридмана, но применяется для бинарных данных. Является развитием аспекта Макнемара для Задача: оценка двух распределений и их различия. Влияние какого-то фактора. k выборок. С помощью аспекта Q Кокрена инспектируют догадку о том, что несколько связанных дихотомических переменных имеют однообразные средние значения.

Аспект Кокрена – работает с бинарными данными. Одна и та же группа оценивается пару раз, они дают бинарные оценки: Да-нет, выбрал-не избрал и т.д.

Практическая работа Задача: оценка двух распределений и их различия. Влияние какого-то фактора. 17.02 файл.

Аспект Левиня гласит, что Стьюдент отлично с равными дисперсиями. Смотрим, что значимость велика, означает идентичны.

Шкала экзистенций файл.

STи P– не имеют обычное рассредотачивание, потому применяем Манна-Уитни. Смотрим по Полу различия (группирующая переменная).

Значимость большая – различий нет статистически важных.

Сейчас несколько групп:

Догадка – возраст испытуемых оказывает влияние на шкалы экзистенций Задача: оценка двух распределений и их различия. Влияние какого-то фактора.. Если это так, то какая-то группа будет отличаться. Способ дисперсионного анализа – несколько групп испытуемых.

Добавляем описательные статистки, делаем график.

Апостериорные испытания (как анализ будет, то поглядим каждый с каждым): НЗР. Вносит коррективу на количество

В конечном итоге поглядели, по всему не показала, по парам также не показало Задача: оценка двух распределений и их различия. Влияние какого-то фактора..

Если б были различия установлены, то узрели бы по парам. Факторный эффект получили, позже перебегаем сопоставление средних по группам.

Меню: Анализ – непарметрические – устаревшие окна - >для К независящих.

Как записывать вывод:

Ассоциировали группы по аспекту Вилкоксона (это нужно писать в методике, почему избираем этот аспект, какой тест используем и т.д Задача: оценка двух распределений и их различия. Влияние какого-то фактора..).

Хи-квадрат = 0,094 (2), р=0,954. Ассоциировали 3 группы, степень свободы = 2.

Пример, личность и сенсорные возможности. Делали повторные сопоставления в различных сериях опыта. Плюс измерили личность по опросникам Айзека. Если различия есть, то догадка подтверждается.

Сложность серии оказывает влияние на характеристику выполнения.

Все пары значимо отличаются. Получены статистически достоверные различия.

Файл – индивидум и Задача: оценка двух распределений и их различия. Влияние какого-то фактора. музыка.

Проверяем на аспекты, но потому что слабопорядковые данные, то нужно брать медианный аспект. На всякий случай Краска Уолеса

Смотрим по рангу. Чем больше значение, тем больше не обожают.

Дальше будем глядеть –

общая линейная модель. ОЛМ-одномерная, многомерная (когда не одна зависимая переменная, а больше). Агрессивно параметрические модели Задача: оценка двух распределений и их различия. Влияние какого-то фактора., требуют обычного рассредотачивания, равенства дисперсий, но не очень чувствительны к этому.

Обобщенные линейные модели – взаимодействия и случайные причины. Можно обрабатывать любые данные – и номинальные и мультиноминальные и порядковые и количественные.

ЛЕКЦИЯ 4 02.03.2016

Научились считать среднюю, две контрольные и экспериментальную. Делали при помощи параметрического и непараметрического подхода.

Параметрические – Т аспекты Стьюдента, для Задача: оценка двух распределений и их различия. Влияние какого-то фактора. парных независящих, одновыборочные Т аспекты. И Непараметрические испытания.

Мы всегда инспектировали догадку – есть ли воздействие какого-то фактора на какую-то переменную. Если воздействие какого-то фактора есть, означает, фактор оказывает влияние на зависимую переменную.

Если сравниваем 2,3,4 повторных измерения, то смотрим воздействие во времени. Если разные, другими словами воздействие.

Когда Задача: оценка двух распределений и их различия. Влияние какого-то фактора. ассоциировали две подборки – то сопоставление при помощи Т аспекта, при помощи дисперсионного анализа, аспекта Фишера ассоциировали несколько рассредотачиваний.

Когда мы делаем анализ, мы всегда должны держать в голове про группировку данных: переменная должна разбивать на группы (числа в этой переменной должны разбивать на группы). Принадлежность к группе – есть признак Задача: оценка двух распределений и их различия. Влияние какого-то фактора. независящей переменной: возраст – несколько возрастных, по лояльности, по тревожности разделяем и т.д.

Другими словами ОДНА из колонок должна группировать переменную (1-2, 1-3 и т.д.).

Межгрупповом дизайне не можем использовать Т-критерий, дисперсионный анализ, если нет группирующей переменной.

Дизайн – это экспериментальный план (в базе межгрупповой, снутри групповой дизайне). Мы Задача: оценка двух распределений и их различия. Влияние какого-то фактора. преднамеренно понимаем наши группы испытуемых. Главное что мы сравниваем различные группы. Различие этих групп мы считаем независящей переменной, что будет оказывать влияние на зависимые переменные.

Если дизайн нашего исследования (план, план, преднамеренное создание определенных групп испытуемых) – одна группа, мы сморим воздействие снутри, формируем снутри группы, измеряем в различное время Задача: оценка двух распределений и их различия. Влияние какого-то фактора.. Сопоставление повторных измерений нужно для контроля воздействия некого фактора на одну и ту же группу испытуемых.

3-ий вариант – когда мы контролируем и снутри групповой фактор и межгрупповой фактор. Независящая переменная либо фактор – причина обуславливающая конфигурации зависимых переменных. К примеру, фактор пола – сравниваем две группы. Возраст – сопоставление возрастных, образование – сопоставление Задача: оценка двух распределений и их различия. Влияние какого-то фактора. по образованию.

Можем взять одну группу и глядеть как меняется переменная (учить и т.д.0)

Смешенный дизайн – контролируется и межгрупповой фактор и снутри групповой (М и Ж изучаем до и после исцеления: межгрупповой – ПОЛ, снутри групповой – этапы исцеления. Для чего нужно – так как М и Ж по-разному реагируют Задача: оценка двух распределений и их различия. Влияние какого-то фактора. на терапию).

Статистическая догадка – имеет ли место статистическое доказательство. Что нужно для этого сделать – к примеру, есть ли фактор пола – сопоставить по некий переменной две группы м и ж. Сопоставить среднее, медианы, разброс. Поглядеть фактор воздействия психотерапии – сопоставить до и после и сопоставить с контрольной группой (чтоб проверить что эффект Задача: оценка двух распределений и их различия. Влияние какого-то фактора. реальный).

Каждому дизайну можно поставить соответствие необходимость внедрения статистических способов, которые ассоциируют групповые средние, медианы, частоты.

Что мы проверяем в рамках смешенного опыта: желаем выяснить оказывает влияние ли исцеление на М и Ж, есть ли взаимодействие 2-ух причин – предпосылки и пола.

Эффект межфакторного взаимодействия. Когда рассматриваем многофакторный опыт – воздействие Задача: оценка двух распределений и их различия. Влияние какого-то фактора. нескольких. Оцениваем воздействие каждого и совместное.

Это нельзя обработать ни Т аспектом, ни Вилкосона.

Делаем при помощи дисперсионного анализа, который позволяет оценить вклад каждого фактора и взаимодействие причин в общей дисперсии. Так проверяются экспериментальные догадки.

Уровни фактора и уровни независящей переменной.

Это каким образом мы дифференцированно оцениваем Задача: оценка двух распределений и их различия. Влияние какого-то фактора. воздействие независящей переменной (пол – два уровня, возраст – три группы, образование – среднее, особое, высшее – три уровня фактора).

Есть несколько уровней причин на нескольких переменных – 2 на 3.

Итого: в однофакторном – воздействие 1-го фактора, многофакторном – нескольких, но это не все. Мы вынуждены огласить про воздействие взаимодействие причин.

Это в разделе результатов должны оценивать эти причины.

Когда Задача: оценка двух распределений и их различия. Влияние какого-то фактора. оцениваем воздействие 1-го фактора – это ГЛАВНЫЙ эффект .

Совместное воздействие нескольких – оцениваем вклад (воздействие) межфакторного взаимодействия.

Когда многофакторный дисперсионный анализ.

Есть зависимая – время реакции, тревожность, ум и мы проверяем догадку, что на него оказывает влияние Факт А и Факт Б, пол и образование. И эффект их совместного воздействия Задача: оценка двух распределений и их различия. Влияние какого-то фактора..

Мы проводим исследование с погрешностью (не сообразили, делали не то и т.д.), сюда входят случайные причины еще. Нужно оценить вклад каждой составляющие.

При двухфакторной ДА рассчитывает как можно спрогнозировать реакцию испытуемого такового то пола, такового то возраста.

ДА – решение регрессионных уравнений. Попытка выявить как значим вклад каждого.

Когда имеем дело Задача: оценка двух распределений и их различия. Влияние какого-то фактора. с повторными измерениями, то мы имеем огромное преимущество – одна группа в различных критериях, мы не сталкиваемся с неувязкой сопоставления различных групп. Мы уходим от причин межиндивидуальных различий. И есть параллельные формы тестов.

В случае одной группы мы можем из общей дисперсии отнять вклад личных различий. Тогда Задача: оценка двух распределений и их различия. Влияние какого-то фактора. дисперсионный анализ будет эффективней.

Когда аспект большой – когда большой числитель, а это тогда, когда есть отличие меж группами (там оценка межгрупповых различий, дисперсии будут отличаться).

К примеру, психотерапия. Измерили до в процессе и после. Эффекта нет, если нет различия.

Приступаем к ЗАДАНИЯМ.

Личность и психофизика.

Опыт: смешанный дизайн, контролировался и межгруппой Задача: оценка двух распределений и их различия. Влияние какого-то фактора. и внутригрупповой. Предполагалось, что люди с различными личностными ресурсами по различному будут решать задачки разной трудности. Легкая – личностные не врубаются ресурсы, сложные – врубаются. Должен обнаруживать сигнал – пикало на фоне шума то слева, то справа. Сигнал очень тихий. В других был пшш либо пикание – было надо найти – шум либо пикание. Была Задача: оценка двух распределений и их различия. Влияние какого-то фактора. легкая, непростая, средняя. Делали в случайном порядке (рандомизировано).

Испытуемые до либо после давали

Опросник Айзенка, уровень экстраверсии, невротизма (кто ниже 5 медиан интроверты, выше - экстраверты, ниже невротичные, выше – чувственно постоянные – обычное разбиение по медиане).

Давали еще Опросник Роберта Таера – диспозицию оценить. Измеряли уровень энергетической мотивации и напряжения (бодренький, активный, в Задача: оценка двух распределений и их различия. Влияние какого-то фактора. противовес сонливым, замедленным), также уверенный в противовес напряженный.

Опросник Микробиана – мотивация на достижение либо избегание.

Сколько у нас причин и какие: фактор снутри групповой – серия, три уровня (легкая, средняя непростая – проходят три серии). В СППС любая серия КОЛОНОКЙ – межгрупповые только так.

5 межгрупповых причин (экстраверт-интроверт, стабильный-невротичный, мотивация на достижение Задача: оценка двух распределений и их различия. Влияние какого-то фактора., активность и т.д.). Причины 2-ух уровневые – разбиты относительно медианы.

Писать в отчете: Микс дизайн 3,2,2,2,2,2.

Все данные метрической шкалы => можем применить дисперсионный анализ.

Группа способов – ОЛМ – общая линейная модель.

Зависимых переменных одна – время реакции. = > ОДНОМЕРНАЯ модель. Если желаем обработать несколько ЗАВИСИМЫХ то будем использовать ОНОВА либо ОЛМ многомерную.

Если Задача: оценка двух распределений и их различия. Влияние какого-то фактора. СМЕШАННЫЙ дизайн – то ОЛМ с ПОВТОРНЫМИ ИЗМЕРЕНИЯМИ.

Оцениваем факторный эффект и межфакторное взаимодействие в каждой серии на Время реакции (ВР).

Как – в каждой из 3-х серий – СМЕШАННЫЙ дизайн, ОЛМ повторные измерения.

Имя внутригруппового (серии отучаются СЛОЖНОСТЬЮ, трудностью): СЛОЖНОСТЬ.

Оцениваем серии, оцениваем воздействие фактора трудности. Чтоб ответить – оказывает влияние сложность Задача: оценка двух распределений и их различия. Влияние какого-то фактора. либо нет.

Уровни: 3. Можно добавлять еще – когда – днем, вечерком и т.д.

Имя Измерения – ВР (Время реакции).

Можно было бы еще несколько зависимых, но здесь мы измеряли время реакции (можно было бы измерять процент правильных, альфа ритмы и т.д.).

В окне только специфицируем (задали сложность Задача: оценка двух распределений и их различия. Влияние какого-то фактора. и ВР). Перебегаем в основное окно. Переносим ВР различных уровней.

ОЛМ – повторные измерения

внутригрупповые присваиваем каждому уровню подходящий столбец сложность).

Межгрупповые причины – ставим 2-ой фактор, к примеру, экстраверсия.

Вкладка

Модель: можем оценивать по различным факторам.

Если нехорошие данные – не нормально распределены, различные дисперсии, группа неравномерная (перекошенная группа) – дисперсия в одной подгруппе будет Задача: оценка двух распределений и их различия. Влияние какого-то фактора. более надежная, в другой наименее надежная.

Используются корректирующие формулы. Сумму квадратов считают по различным типам.

Самый универсальный 3-ий тип суммы квадратов.

Контрасты:

К примеру, 1-ая, 2-ая, 3-я серии – чем больше сложность, тем больше время. Желаем поглядеть – будет линейная функция либо нелинейная. Можем, оценив контрасты, поглядеть какую математическую тенденцию имеем Задача: оценка двух распределений и их различия. Влияние какого-то фактора. – квадратичную, кубическую и т.д.

Можем сами формулу нарисовать.

Графики.

По оси Х сложность ставим (там три уровня). Экстраверсия по другой.

Можем график по трудности выстроить, экстраверты тогда в одну группу.

Если по экстравертам и интровертам, то усредняется значения по сериям.

Характеристики.

Сделать таблички по средним, к примеру Задача: оценка двух распределений и их различия. Влияние какого-то фактора.. Указывает веса каждого фактора в общую дисперсию.

Сморим метод анализа – смотрим на экран.

Сверху интроверты, снизу экстраверты.

Интроверты медлительнее, экстраверты в целом резвее при всех сложностях. Прямые практически параллельные. Потому взаимодействие скорей отсутствует.

Собрал по средним интроверсии по трудности 3 на 2.

Гласит инфо о выровненности группы, отдал описательные статистики (для Задача: оценка двух распределений и их различия. Влияние какого-то фактора. диплома информацию), посчитал аспект Кокса

Есть табличка многомерные аспекты.

Отличаются от аспекта Фишера. Их здесь 4. 1-ый самый серьезный и мощнейший (Пиллаи). Когда данные отличные все аспекты схожие, когда нехорошие – считают по-разному.

Многомерные аспекты позволяют проверить догадку о значимости снутри группового фактора: сложность на время. Сложность оказывает влияние.

Эффект межфактора взаимодействия Задача: оценка двух распределений и их различия. Влияние какого-то фактора. – трудности и экстраверсии. Смотрим снутри процент воздействия, сложность 80%.

Ошибка модели – все, что не разъясняется факторами. Дисперсионный анализ раскладывает на воздействие причин, но что-то остается и это переносится в ошибки.

Как работают все процедуры.

ОЛМ одномерная.

Оказывает влияние ли экстраверсия в сложной серии.

Оказывает влияние ли экстраверсия и невротизм в Задача: оценка двух распределений и их различия. Влияние какого-то фактора. сложной версии.

Y=AХ+B – это модель. В – свободный член.

Смотрим чему равен Р квадрат – значимость воздействия – регрессионная модель.

Есть другой подход рассуждения –

Многомерный дисперсионный анализ. МОНОВА.

Это процедура, которая позволяет обрабатывать опыты с несколькими зависимыми переменными, которые делят один и тот же конструкт.

К примеру Задача: оценка двух распределений и их различия. Влияние какого-то фактора., желаем изучить непростой психический конструкт. К примеру, мотивация достижений.

Есть методика ТАТ, Лабиринты Хикауза, Опросник Орлова. Можем оценить различными методами – оцениваем накрепко. Как обрабатывать опыт, чтоб учить, что оказывает влияние на мотивацию заслуги.

Выдумали модель, которая учитывает что все характеристики однотипные, однородные и учитывает один конструкт – связанные коррелирующие характеристики. Мы можем Задача: оценка двух распределений и их различия. Влияние какого-то фактора. их обработаться скопом и ответить на вопрос.

Вопрос: они все зависят от каких-либо фактов, все три показателя как один пул зависят от каких-либо фактов?

Пример, задачка оценить уровень активности мозга и воздействие лекарства на биоэлектрическую активность мозга. Берем 32 показателя мозговой активности и обрабатываем способом MONOVA.

Смотрим файл Задача: оценка двух распределений и их различия. Влияние какого-то фактора. MONOVA (2 марта).

Регистрировали три показателя – время реакции (высокоскоростной показатель), стабильности (время реакции, оценка среднеквадратичного отличия) и особенной чувствительности. Обнаружение сложных пороговых сигналов на пределе способностей – на фоне шума (400 проб), способность услышать слабенький сигнал.

Чем больше человек верно обнаруживает сигналы, тем выше показатель сенсорной чувствительности.

Либеральный аспект – при иных Задача: оценка двух распределений и их различия. Влияние какого-то фактора. равных нажимает, а есть кто очень агрессивно нажимает – очевидный сигнал.

Характеристики обнаружения сигнала зависят от экстраверсии и невротизма в целом все.

Можем посчитать корреляцию и показать связь.

Оказывает влияние ли на все три показателя совместно две личностные диспозиции: экстраверсия и невротизм.

Смотрим рассредотачивание испытуемых по группам, описательные статистики – для результатов Задача: оценка двух распределений и их различия. Влияние какого-то фактора. и описания данных.

Также как в ОНОВЕ с повторными измерениями, в дело вступают многомерные аспекты. Только при помощи их можно оценить воздействие.

Поглядели – отдельные причины оказывают влияние, композиция нет (смотрели в многомерных След Пилая).

В таблице ниже будут характеристики. Многомерные аспекты отвечают за среднюю температуру, F аспект за каждый Задача: оценка двух распределений и их различия. Влияние какого-то фактора..

Раздельно на время реакции оказывает влияние экстраверсия. Невратизм тоже нет.

Получили, что когда объединяем все ТРИ показателя, получаем факторный эффект, за счет связности данных.

Другими словами мы пытаемся разъяснить поведение человека ни одним показателем, а 3-мя.

Если мы возьмем характеристики, которые не будут коррелировать (к примеру, Время Реакции, концентрация Задача: оценка двух распределений и их различия. Влияние какого-то фактора. тромбоцитов и тест Люшера).

Одномерные может и покажет что оказывают влияние, но в целом покажет что не оказывает влияние.

Дисперсионный анализ оценивает различия. В некий группе различия становится большими и факторные аспекты нивелируются.

Пример Иванны: 11 испытуемых по два ролика: с правдой и ложью.

ЛЕКЦИЯ 5 09.03.2016

Есть группа способов – общие линейные модели Задача: оценка двух распределений и их различия. Влияние какого-то фактора. и обобщенные линейные модели – ОЛМ.

Задачка: оценить факторные эффекты и эффекты межфакторного взаимодействия. Оказывает влияние ли какая независящая переменная и другие причины на то, что мы измеряем.

Мы используем группу процедур, именуемых ОЛМ.

Общая линейная модель – работает ТОЛЬКО с метрическими данными и решает задачки сопоставления нескольких Задача: оценка двух распределений и их различия. Влияние какого-то фактора. средних (больше 2) – ONOVA (однофакторный дисперсионный анализ). Также можем оценивать эффекты межгрупповых и снутри групповых, когда их два и три. Это процедуры многофакторного дисперсионного анализа. Когда оцениваем не только лишь факторный эффект, да и эффект межфакторного взаимодействия.

ОЛМ (Общая Линейная модель) одномерная – межгрупповые.

ОЛМ повторные измерения – обрабатывает опыты с внутригрупповыми факторами (одна группа Задача: оценка двух распределений и их различия. Влияние какого-то фактора., пару раз).

Можем еще оценить как силен вклад не только лишь 1-го, да и совместного.

Когда ни одна зависимая, а несколько (измеряем несколько независящих) – используем MONOVA – ОЛМ многомерная.

Если НЕМЕТРИЧЕСКИЕ данные, то мы можем ассоциировать несколько медиан выборок, есть аналоги дисперсионного анализа – непараметрические испытания для несколько независящих Задача: оценка двух распределений и их различия. Влияние какого-то фактора. выборок и нескольких связанных выборок.

Появилась еще

ОБОЩЕННАЯ линейная модель. Она работает с НЕМЕТРИЧЕСКИМИ данными (по шкале наименований – бинарные) с мультиноминальными данными (несколько категория), данные, которые нормально не распределены. Другими словами работает с данными малого уровня измерения.

Обобщенные уравнения оценки (работает с повторными измерениями).

Смешанные модели – данные имеют иерархическую структуру. К примеру Задача: оценка двух распределений и их различия. Влияние какого-то фактора., испытуемому принципиально, что он не просто обучается в ВУЗЕ, а в каком ВУЗе, на каком факультете. Если анализируем деятельность сетевой структуры, где размещены, в каком регионе, в какой стране. Оценивать эти воздействия. ВЛОЖЕННЫЕ МОДЕЛИ (один фактор главный, другие подчинённые).

Итого: можем оценивать факторные эффекты, эффекты межфакторного взаимодействия для межгрупповых Задача: оценка двух распределений и их различия. Влияние какого-то фактора. схем снутри групповых схем планирования.

И ТРИ уровня измерения – номинальный, мультиноминальный и порядковый, также иерархизированные.

Когда говорим, что используем традиционный дисперсионный анализ, то говорим, что ставим задачку разложения дисперсии данных, которую смотрим на группах или группе испытуемых на несколько составляющих: стараемся выделить из общей дисперсии данных Задача: оценка двух распределений и их различия. Влияние какого-то фактора. ту компоненту дисперсии, связанную с воздействием 1-го фактора, другого фактора, их взаимодействие.

Для дисперсионного анализа требуется, чтоб все данные были сгруппированы – группирующие переменные, те причины, которые контролируем экспериментально (пол, возраст и т.д.).

Когда используем стратегию однофакторного либо многофакторного дисперсионного анализа, то мы верно должны знать.

Однофакторный – контроль одной из независящих Задача: оценка двух распределений и их различия. Влияние какого-то фактора. переменных

Многофакторный – контролируем больше чем одну переменную, оцениваем эффект их взаимодействия (могут более увлекательны совокупные воздействия).

Оценка межфакторного взаимодействия – создаются несколько групп переменных и по каждой подгруппе оценивается средняя дисперсия, решается вопрос.

Разделение испытуемых на группы имеет вклад в общую дисперсию либо нет.

Допущения ДА: это обычное рассредотачивание, оцениваем Задача: оценка двух распределений и их различия. Влияние какого-то фактора. однородность дисперсии по Ливиню, наблюдения должны быть независимы – измерения по одной группе испытуемых независимы от другой. Понятно, что независимость нарушается, когда у нас ПОВТОРНЫЕ измерения.

ДА устойчив при нормальности и равной вариативности. Если испытуемых много, то ок.

Есть два варианта оценки дисперсий:

· Внутригрупповая

· Межгрупповая.

Когда сравнивается R отношение, то мы оцениваем Задача: оценка двух распределений и их различия. Влияние какого-то фактора. общую дисперсию с дисперсией какого-то фактора (числитель больше знаменателя, то аспект Фишера большой, заносит достаточный вклад)

После того как решили что ЕСТЬ ФАКТОРНЫЙ ЭФФЕКТ. Мы можем использовать тест

Парных сравнений, сравнивая одну группу со 2-ой, чтоб осознавать В ЧЕМ ЗАКЛЮЧАЕТСЯ этот эффект.

Чтоб оценить сколько вести каждый фактор эффект есть Задача: оценка двух распределений и их различия. Влияние какого-то фактора. мы оцениваем вес (в числителе сума квадратов оцениваемого фактора, в знаменателя – сумма квадратов всех причин). Смотрим Ф отношение.

Если одна группа, то можно учитывать вклад личных различий – учитывать его вклад в общую дисперсию и убрать.

Одна группа – всегда зависимы измерения (толковый – всегда делает резвее, моторный – всегда резвее). Понижая Задача: оценка двух распределений и их различия. Влияние какого-то фактора. знаменатель (выкидываем из обще дисперсии), тем у нас растет F коэффициент.

MONOVA (ОЛМ многомерная) работает с несколькими зависимыми переменными. Плохо работает на малеханьких подборках. Решает задачку – есть ли изменение зависимо от воздействия какого-то фактора, ни одной зависимой переменной, а целой группой связанных, коррелированных переменных. К примеру Задача: оценка двух распределений и их различия. Влияние какого-то фактора., мотивация достижений – михрабиана, орлова, хигаузена. Другими словами, измеряем мотивацию достижений 3 опросниками – одна переменная несколькими тестами. Желаем глядеть какой фактор оказывает влияние на мотивацию достижений.

Для MONOVA и ОЛМ с повторными измерениями есть ограничения, которые проверяются отдельными статистическими показателями.

К примеру, для МОНОВы СПСС строит матрицу ковариаций (дисперсионная ковариация). Эти Задача: оценка двух распределений и их различия. Влияние какого-то фактора. коэффициенты должны быть симметричны. Смотреть за аспектами. Знать и быть аккуратными.

Пример, оценивается Два аспекта

М-тест Бокса. Для каждого уровня причин

Пол 2 возраст 3, национальность 4. Держит под контролем равны ли матрицы для каждого уровня зависимой переменной. И уровень значимости больше 0,05. Если больше – то предположение не производится.

СПСС рассчитывая функцию оценивает тест Бартледа на сферичность Задача: оценка двух распределений и их различия. Влияние какого-то фактора.. Когда используем МОНОВУ мы должны включать только те переменные, которые вместе связаны, коррелируют – тест Бартледа инспектируют – значимо либо не значимо для каждого уровня причин коррелируют значения переменных.

Если оценки по Хиккаузу и Орлову коррелируют, то можем обрабатывать МОНОВой. А тут смотрим что ЗНАЧИМО – уровень значимости МЕНЬШЕ 0,05.

Есть режим Задача: оценка двух распределений и их различия. Влияние какого-то фактора. не только лишь меню, но есть режим и работы командного файла.

Есть НЕПАРМЕТРИЧЕСКИЕ процедуры – РАНГОВЫЕ Аспекты.

Ранги глядят

Есть число К в знаменателе – число совпадающих наблюдений ранжированных в каждой группе. Чем больше группы похожи проранжированные, тем меньше возможность, что аспект покажет различие.

В первой 3 человека, во 2-ой 2.

Ранги по Задача: оценка двух распределений и их различия. Влияние какого-то фактора. 10 бальной:

1-ая – 6, 6, 7.

2-ая – 4, 3

Выше 2-ая по рангам. Сумма ниже рангов.

Есть несколько критериев мер группового дизайна. Для порядковых данных много критериев, для метрических не много.

Обобщенная линейная модель – обрабатывает ВСЕ данные, любые – порядковые, количественные, повторные измерения и т.д.

Задачки: межгрупповой дизайн, снутри группой дизайн и МОНОВА. Чтоб осознавать выводы и Задача: оценка двух распределений и их различия. Влияние какого-то фактора. осознавать главные характеристики в таблице.

Примеры. Папка – 17 февраля. Файл: Шкала экзистенций.

Возраст, пол и значения экзистенций.

Задачка: Отличаются по неким шкалам дамы и мужчины различных возрастов.

Способ: Двухфакторный дисперсионный анализ

Меню: ОЛМ-одномерная.

Зависимая – Берем шкалу SD.

Фиксированный Пол (1 – М, 2 – Ж), возраст (три группы выделили).

Модель: сморим Задача: оценка двух распределений и их различия. Влияние какого-то фактора. воздействие пола, возраста и межфакторного взаимодействия. Три составляющие дисперсии.

Графики: по Х три возрастные группы и линиями пол.

Характеристики: имеет значение выстроить таблицы по полу и возрасту средних значений и т.д.

Описательные статистики

Оценки размера эффекта (Этта в квадрате).

Аспект однородности (Ливиня) (поглядеть выполнение требований однородности дисперсий).

Апостериорные аспекты: Можно посчитать Задача: оценка двух распределений и их различия. Влияние какого-то фактора. различия меж группами.

НЗР – не даёт поправку на количество групп, а

Бонферони – вносит коррективу на количество сравниваемых средних (3 сопоставления, а бывают много и попадаются важные сопоставления, аспект вносит коррективу на множественность, не дает проявиться случайной значимости).

Ковариаторы – если есть непрерывная переменная (как человек считает что он добивается актуальных целей, сколько Задача: оценка двух распределений и их различия. Влияние какого-то фактора. достигнули – пишут, эта переменная, связанная с исполненностью можем включить как очередной член в регрессионное уравнение и оценить вклад – другими словами это тоже ВКЛАД – не групповой, а непрерывный).

Мы все что сделали – выражается через скрипт (это можно уяснить).

Результаты.

1. Сводная модель – мужчины и дамы, сколько кого. Дам больше в Задача: оценка двух распределений и их различия. Влияние какого-то фактора. среднем количество однообразное в возрасте.

2. Описательные статистики.

3. Аспект Левиня – дисперсия наших групп не отличается – значимость БОЛЬШЕ чем 0,05 = > ДОПУЩЕНИЕ дисперсионного анализа производится (наши данные на допустимость к обработке).

4. Основная таблица. Аспекты межгрупповых эффектов. Оцениваемые фактор: пол, возрастная группа и компонент межфакторного взаимодействия.

Пол – не значим.

Возраст – не значим

Эффект – не значим Задача: оценка двух распределений и их различия. Влияние какого-то фактора..

Каковой вес в дисперсионной модели - (частичная эта квадрат): 1,3%, 0,6%, 5,2%. Они не значимы, уровень значимости выше чем 0,05.

Вывод оформляется:

Эффект пола был не значим (F (степени свободы числителя и знаменателя: пол (2-1 = 1), испытуемых минус количество групп = 54) = 0,7уровень значимости)

Эффект пола был не значим (F(1;54)=0.7;0,406).

MONOVA

24 февраля папка. Файл MONOVA.

Желаем поглядеть, что все Задача: оценка двух распределений и их различия. Влияние какого-то фактора. три показателя (время реакции, среднеквадратичной отклонение и d’) связаны – охарактеризовывают как характеристики характеризующие эффективность человека при решении задачки.

ОЛМ-многомерная.

ВСЕ зависимые переменные.

Фиксированные причины два: экстраверсия и невротизм.

Модель берем ПОЛНУЮ. Оба фактора и эффект взаимодействия.

Апостериорные не заказываем, потому что всего ДВЕ группы испытуемых.

Характеристики: таблички со Задача: оценка двух распределений и их различия. Влияние какого-то фактора. средними, оценка эффекта, аспект однородности.

Итог.

Потому что это многомерная, то смотрим аспект М Бокса. Он меньше чем 0,05.

Оснований считать эти матрицы однородными – не производится, данные не очень отличные для процедуры.

Объяснить – почему меньше – плохо.

Экстраверсия исходя из убеждений многомерных критериев весит практически 22%, невротизм практически 26%.

Лицезреем, что есть 4 аспекта Задача: оценка двух распределений и их различия. Влияние какого-то фактора. оценки многомерного воздействия.

Используем След Пиллая – самый мощнейший.

Оформление вывода:

Использовали функцию MONOVA по оценке воздействия фактора экстраверсии по трем независящим переменным, нашли весомый эффект (F(3)=6,99, p<0.0001).

Тем проявили, что использовали функцию, посчитали F аспект, у которого три степени свободы (две группы интровертов, две интровертов = > 4 -1 =3).

Аспект Ливиня показал, что уровень значимости Задача: оценка двух распределений и их различия. Влияние какого-то фактора. меньше 0,05, это гласит о том, что наши дисперсии похожи.

Смотрим эффект фактора экстраверсии, невротизма и общего в разрезе каждой переменной.

Если нужно обрабатывать НЕМЕТРИЧЕСКИЕ данные – ранговые либо номинальные либо мультиноминальные.

Есть два класса моделей (смотри меню Анализ - >).

· ->Обобщенная линейная модель

· ->Смешенная модель

Обрабатывают любые данные. Основываясь на логике F Задача: оценка двух распределений и их различия. Влияние какого-то фактора. аспекта, к аспекту Фишера не имеют дела вообщем. Употребляется соответственный аспект согласно типу данных.

Пункты меню те же. Но разница в другом.

Если отклик бинарный либо порядковый (много дискрипторов), данные в штуках, то модель другая.

Сколько не сдал экзаменов за обучение – 3,4: и т.д.

Дисперсионный анализ – это линейная модель, вклады каждого Задача: оценка двух распределений и их различия. Влияние какого-то фактора. фактора. Тут тоже так делается. НО если данные не количественные и нельзя выстроить линейное уравнение, то вводится понятие

Функция связи – функция, которая это рассредотачивание конвертирует в количественное рассредотачивание. Другими словами появились формулы, которые делают линейное и они в новых процедурах.

К примеру, порядковый отклик (смотрим в обобщенной линейно Задача: оценка двух распределений и их различия. Влияние какого-то фактора. модели).


zadachi-dlya-samostoyatelnogo-resheniya-k-modulyu-5.html
zadachi-dlya-samostoyatelnoj-raboti-po-teme-13.html
zadachi-dlya-stomatologicheskogo-fakulteta.html