Методы обработки данных в психодиагностике

Введение

Одно из значений термина  «диагноз» в переводе с греческого языка — «распознание». Диагностика  понимается как распознание чего-либо (например, болезни в медицине, отклонения от нормы в дефектологии, неисправности  в работе какого-либо технического средства и т. д.).

Психологическая диагностика  предназначена для того, чтобы  обеспечить сбор информации об особенностях человеческой психики. Современная  психологическая диагностика определяется как психологическая дисциплина, разрабатывающая методы выявления  и изучения индивидуально-психологических  и индивидуально-психофизиологических особенностей человека. Под психодиагностикой  подразумевается также и область  психологической практики, работа психолога  по выявлению разнообразных качеств, психических и психофизиологических особенностей, черт личности.

Психодиагностика как  психологическая дисциплина служит соединительным звеном между общепсихологическими исследованиями и практикой.

Теоретические основы психодиагностики задаются соответствующими областями  психологической науки (общая, дифференциальная, возрастная, медицинская психология и др.). К методическим средствам  психодиагностики относятся конкретные приемы изучения индивидуально-психологических  особенностей, способы обработки  и интерпретации получаемых результатов. Направления теоретической и  методической работы в области психодиагностики определяются главным образом запросами  психологической практики. В соответствии с этими запросами формируются  специфические комплексы средств, соотносимые со сферами работы практических психологов (образование, медицина, профотбор  и т. д.).

В компетенцию психодиагностики входят конструирование и апробация  методик, разработка требований, которым  они должны удовлетворять, выработка  правил проведения обследования, способов обработки и интерпретации результатов, обсуждение возможностей и ограничений  тех или иных методов.

Психодиагностика предполагает, что полученные с ее помощью результаты будут либо соотноситься с определенной системой отсчета, либо сравниваться между  собой. В связи с этим можно  говорить о двух типах диагноза.

Во-первых, диагноз на основе констатации наличия или отсутствия какого-либо признака. В этом случае получаемые при диагностировании данные об индивидуальных особенностях психики  испытуемого соотносятся, например, с нормой (при определении патологии  развития) или с каким-то критерием.

Во-вторых, диагноз, позволяющий  находить место испытуемого или  группы испытуемых на «оси континиума» по выраженности тех или иных качеств. Для этого требуются сравнение получаемых при диагностировании данных внутри обследуемой выборки, ранжирование испытуемых по степени того, как те или иные показатели представлены, введение показателей высокого, среднего и низкого уровней развития изучаемых особенностей путем соотношения полученных данных с критерием (например, социально-психологическим нормативом). Психодиагностические методики призваны достаточно быстро и надежно обеспечивать сбор данных об испытуемом для формулирования психологического диагноза.

В зависимости от целей  диагностической работы судьба поставленного  психологом диагноза может быть различной. Этот диагноз может быть передан  другому специалисту (например, учителю, врачу и др.), который сам принимает  решение о его использовании в своей работе. Поставленный диагноз может сопровождаться рекомендациями по развитию или коррекции изучаемых качеств и предназначаться не только специалистам (педагогам, дефектологам, практическим психологам и др.), но и самим обследуемым и их родителям. Вместе с тем на основе проведенного обследования сам психодиагност может строить коррекционно-развивающую, консультационную или психотерапевтическую работу с испытуемым (именно так обычно работает практический психолог, сочетающий изучение разных видов психологической деятельности).

Таким образом, диагностика  предполагает обязательное сопоставление  получаемых данных, на основе которого и может быть сформулировано заключение об отдельном испытуемом или группе лиц, по поводу выраженности тех или  иных индивидуально-психологических  или индивидуально-психофизиологических особенностей.

Цель работы:  определить активные методы психодиагностики.

Задачи работы:

- дать характеристику   Методам обработки данных в психодиагностике

- провести обработку данных  одного из активных методов  психодиагностики.

1.Методы обработки  данных в психодиагностике

ПОНЯТИЕ "МЕТОД"

Прежде чем ответить на вопрос контрольной работы "Методы обработки результатов психологических  исследований ", определимся с  понятием "Метод".

В "Толковом словаре" С.И. Ожегова под методом понимается:

1) способ теоретического  исследования или практического  осуществления чего-нибудь

2) способ действовать,  поступать каким-либо образом;

3) прием.

Метод также может рассматриваться  в разных смыслах. Метод в широком смысле – всякое понятие, регулирующие постановку и осуществление задач, всякое представление, инструмент эмпирического, теоретического изучения объекта. В узком смысле метод – регулятор сбора данных, построение выбора.

Понятие "метод" шире понятия "методика", поэтому разберемся, какие основные функции являются характерными для методики, чтобы  правильно определить виды методик  и отобрать те, которые предназначены  для обработки результатов психологического исследования.

Методика используется в  зависимости от применяемого метода, выступает конкретным способом фиксации эмпирических данных. Методики используют в том отношении, которое определяет метод. По сути, иногда методику включают в метод как один из уровней  изучения.

Эксперимент выступает методом, методики измерения подбираются  так, как это определяет сам метод  эксперимента. Метод отражает структуру  исследования, это более обширный инструмент. Методика – операция обобщения, способ сбора информации. Метод как  обобщенно-познавательное отношение  исследователя к изучаемому объекту  может реализоваться конкретными  эмпирическими средствами познания. Методики в основном подбираются  в соответствии с используемым методом. Одна и та же исследовательская задача решается различными средствами операционализации.

Один и тот же метод  может быть применен для изучения разных базисных процессов. Методики представляют собой процедуры, техники сбора денных и используются в разных исследованиях.

Основное назначение методик  – проверка полученных в результате эксперимента данных, сравнение достижений изучаемого объекта за определенный период времени.[8].

Психологические исследования, направленные на изучение личности, используют большое количество методов, выбор  которых зависит от целей, поставленных исследователем.

Наша задача – дать характеристику методов обработки результатов  психологического исследования, используя  различную литературу по психологии.

Психологическое исследование направлено на изучение личности и  психических качеств, происходящих в ней. А для этого требуется  инструментарий, при помощи которого необходимо измерять, как изменились свойства и качества личности. Эти  измерения подвергаются специальной  обработке, по результатам которых  судят об изменениях в объекте  исследования.

В психологии широко применяются  различные способы и приемы обработки  результатов психологических исследований, их логического и математического  анализа для получения вторичных  результатов, т. е. факторов и выводов, вытекающих из интерпретации переработанной первичной информации. Для этой цели применяются, в частности, разнообразные методы математической статистики, без которых зачастую невозможно получить достоверную информацию об изучаемых явлениях, а так же методы качественного анализа.

Для обработки полученных данных чаще всего используются статистические методы (нахождение средних значений, отклонений от среднего значения, связи  между переменными, уровня значимости, достоверности, выявления факторов и т. п.). Такие методы позволяют  вскрыть имеющиеся закономерности, представить информацию в обобщенном и наглядном виде.

Важную роль играют методы интерпретации, которые позволяют придать содержательно-психологический смысл полученным данным.[9]. Другими словами это методы позволяют перевести полученные в ходе диагностики и обработки данные (числа, закономерностях) с языка математики на язык психологии, т. е. осуществить переход от чисел и закономерностей к психологическим понятиям и суждениям.

Комментируя полученные обследования, диагност не всегда четко учитывает  специфику использованного метода, не глубоко вникает в смысл  полученных данных, не имеет четкого  плана их интерпретации. По существу, он накладывает на такие данные свое видение процессов и явлений, которые исследовались или измерялись. Хотя не существует факторов вне некоторых  теоретических посылок (концепций), тем не менее, результаты интерпретаций  почти всегда являются объектом острой критики и дискуссии.

Обычно интерпретация  понимается как совокупность значений (смыслов), придаваемых определенным способом различным данным (в более  общем смысле: теориям, символам, формулам, выражениям и т.п.). Другими славами, интерпретировать что-то – значит приписать (присвоить) этому содержанию смысл.

Б.Г.Ананьев выделял два метода интерпретации данных, полученных в исследовании: генетический, предлагающий выделение фаз, стадий, критических моментов развития, и структурный, определяющий структурные связи между характеристиками личности.

Анализ взаимосвязи между  большим количеством переменных осуществляется путем использования  многомерных методов статистической обработки вручную или с применением  компьютера. Цель применения подобных методов – сделать наглядными скрытые закономерности, выделить наиболее существенные взаимосвязи между переменными. Перечислим многомерные статистические методы:

Многомерное шкалирование обеспечивает наглядную оценку сходства и различия между некоторыми объектами, описываемые большим количеством разнообразных переменных. Эти различия представляются в виде расстояния между оцениваемыми объектами в многомерном пространстве.

1.1Статистические  методы проверки гипотезы.

Статистическая гипотеза (statistical hypothesys) — это определённое предположение о распределении вероятностей, лежащем в основе наблюдаемой выборки данных.

Проверка статистической гипотезы (testing statistical hypotheses) — это процесс принятия решения о том, противоречит ли рассматриваемая статистическая гипотеза наблюдаемой выборке данных.

Статистический тест или  статистический критерий — строгое  математическое правило, по которому принимается  или отвергается статистическая гипотеза.

Статистическая гипотеза представляет собой некоторое предположение  о законе распределения случайной  величины или о параметрах этого  закона, формулируемое на основе выборки [3, 5, 11]. Примерами статистических гипотез  являются предположения: генеральная  совокупность распределена по экспоненциальному  закону; математические ожидания двух экспоненциально распределенных выборок  равны друг другу. В первой из них  высказано предположение о виде закона распределения, а во второй –  о параметрах двух распределений. Гипотезы, в основе которых нет никаких  допущений о конкретном виде закона распределения, называют непараметрическими, в противном случае – параметрическими.

Гипотезу, утверждающую, что  различие между сравниваемыми характеристиками отсутствует, а наблюдаемые отклонения объясняются лишь случайными колебаниями  в выборках, на основании которых  производится сравнение, называют нулевой (основной) гипотезой и обозначают Н0. Наряду с основной гипотезой рассматривают и альтернативную (конкурирующую, противоречащую) ей гипотезу Н1. И если нулевая гипотеза будет отвергнута, то будет иметь место альтернативная гипотеза.

Проверка гипотезы основывается на вычислении некоторой случайной  величины – критерия, точное или  приближенное распределение которого известно. Обозначим эту величину через z, ее значение является функцией от элементов выборки

z=z(x1, x2, …, xn).

Процедура проверки гипотезы предписывает каждому значению критерия одно из двух решений – принять  или отвергнуть гипотезу. Тем самым  все выборочное пространство и соответственно множество значений критерия делятся  на два непересекающихся подмножества S0 и S1. Если значение критерия z попадает в область S0, то гипотеза принимается, а если в область S1, – гипотеза отклоняется. Множество S0 называется областью принятия гипотезы или областью допустимых значений, а множество S1 – областью отклонения гипотезы или критической  областью. Выбор одной области  однозначно определяет и другую область.

В зависимости от сущности проверяемой гипотезы и используемых мер расхождения оценки характеристики от ее теоретического значения применяют  различные критерии. К числу наиболее часто применяемых критериев  для проверки гипотез о законах  распределения относят критерии хи-квадрат Пирсона, Колмогорова, Мизеса, Вилкоксона, о значениях параметров – критерии Фишера, Стьюдента.

1.2 T-критерий Стьюдента

Критерий  Стьюдента был разработан английским химиком У.Госсетом, когда он работал на пивоваренном заводе Гиннеса и по условиям контракта не имел права открытой публикации своих исследований. Поэтому публикации своих статей по t-критерию У.Госсет сделал в 1908г. в журнале "Биометрика" под псевдонимом "Student", что в переводе означает "Студент". В отечественной же литературе принято писать "Стьюдент". Коварная простота вычисления t-критерия Стьюдента, а также его наличие в большинстве статистических пакетов и программ привели к широкому использованию этого критерия даже в тех условиях, когда применять его нельзя.

Особенности использования t-критерия Стьюдента. Наиболее часто t -критерий используется в двух случаях. В первом случае его применяют для проверки гипотезы о равенстве генеральных средних двух независимых, несвязанных выборок (так называемый двухвыборочный t-критерий). В этом случае есть контрольная группа и опытная группа, состоящая из разных пациентов, количество которых в группах может быть различно. Во втором же случае используется так называемый парный t-критерий, когда одна и та же группа объектов порождает числовой материал для проверки гипотез о средних. Поэтому эти выборки называют зависимыми, связанными. Например, измеряется содержание лейкоцитов у здоровых животных, а затем у тех же самых животных после облучения определенной дозой излучения. В обоих случаях должно выполняться требование нормальности распределения исследуемого признака в каждой из сравниваемых групп.

Критерий  для независимых выборок.

Цель,предположения. t-критерий является наиболее часто используемым методом обнаружения различия между средними двух выборок. Например, t-критерий можно использовать для сравнения средних показателей группы пациентов, принимавших определенное лекарство, с контрольной группой, где принималось безвредное лекарство.Теоретически, t-критерий может применяться, даже если размеры выборок очень небольшие (например, 10; некоторые исследователи утверждают, что можно исследовать выборки меньшего размера), и если переменные нормально распределены (внутри групп), а дисперсии наблюдений в группах не слишком различны (см. также Элементарные понятия статистики). Предположение о нормальности можно проверить, исследуя распределение (например, визуально с помощью гистограммы) или применяя какой-либо критерий нормальности. Равенство дисперсий в двух группах можно проверить с помощью F критерия или использовать более устойчивый критерий Левена. Если условия применимости t-критерия не выполнены, следует использовать непараметрические альтернативы t-критерия

1.3 Корреляция и корреляционный анализ

ПОНЯТИЕ КОРРЕЛЯЦИИ.

Термин "корреляция" впервые  применил французский палеонтолог  Ж. Кювье, который вывел "закон  корреляции частей и органов животных" (этот закон позволяет восстанавливать  по найденным частям тела облик всего  животного). В статистику указанный  термин ввел в 1886 году английский биолог и статистик Френсис Гальтон (не просто связь – relation, а "как бы связь" – co-relation). Однако точную формулу для подсчёта коэффициента корреляции разработал его ученик – математик и биолог - Карл Пирсон (1857 – 1936).(7).

Корреляционным называется исследование, проводимое для подтверждения  или опровержения гипотезы о статистической связи между несколькими (двумя  и более) переменными. В психологии переменными могут выступать  психические свойства, процессы, состояния  и др.

"Корреляция" в прямом  переводе означает "соотношение". Если изменение одной переменной сопровождается изменением другой, то можно говорить о корреляции этих переменных. Наличие корреляции двух переменных ничего не говорит о причинно-следственных зависимостях между ними, но дает возможность выдвинуть такую гипотезу. Отсутствие же корреляции позволяет отвергнуть гипотезу о причинно-следственной связи переменных. Различают несколько интерпретаций наличия корреляционной связи между двумя измерениями:

1. Прямая корреляционная связь. Уровень одной переменной непосредственно соответствует уровню другой. Примером является закон Хика: скорость переработки информации пропорциональна логарифму от числа альтернатив. Другой пример: корреляция высокой личностной пластичности и склонности к смене социальных установок.

2. Корреляция, обусловленная третьей переменной. Две переменные (а, с) связаны одна с другой через третью (в), не измеренную в ходе исследования. По правилу транзитивности, если есть R (а, Ь) и R (Ь, с), то R (а, с). Примером подобной корреляции является установленный психологами США факт связи уровня интеллекта с уровнем доходов. Если бы такое исследование проводилось в сегодняшней России, то результаты были бы иными. Очевидно, все дело в структуре общества. Скорость опознания изображения при быстром предъявлении и словарный запас испытуемых также положительно коррелируют. Скрытой переменной, обусловливающей эту корреляцию, является общий интеллект.

3. Случайная корреляция, не обусловленная никакой переменной.

4. Корреляция, обусловленная неоднородностью выборки. Представим себе, что выборка, которую мы будем обследовать, состоит из двух однородных групп. Например, мы хотим выяснить, связана ли принадлежность к полу с уровнем экстраверсии. Считаем, что "измерение" пола трудностей не вызывает, экстраверсию же измеряем с помощью опросником Айзенка ETI-1. У нас две группы: мужчины-математики и женщины-журналистки. Не удивительно, если мы получим линейную зависимость между полом и уровнем экстраверсии — интроверсии: большинство мужчин будут интровертами, большинство женщин — экстравертами (3, 4).

ВИДЫ КОРРЕЛЯЦИЙ

Виды корреляционной связи  между измеренными переменными  могут быть различны: так корреляция бывает линейной и нелинейной, положительной  и отрицательной. Она линейна, если с увеличением или уменьшением одной переменной, вторая переменная также растёт, либо убывает. Она нелинейна, если при увеличении одной величины характер изменения второй не линеен, а описывается другими законами (полиномиальная, гиперболическая). (5).

Если повышение уровня одной переменной сопровождается повышением уровня другой, то речь идет о положительной корреляции. Чем выше личностная тревожность, тем больше риск заболеть язвой желудка. Возрастание громкости звука сопровождается ощущением повышения его тона.

Если рост уровня одной  переменной сопровождается снижением  уровня другой, то мы имеем дело с  отрицательной корреляцией. По данным Зайонца, число детей в семье отрицательно коррелирует с уровнем их интеллекта. Чем боязливей особь, тем меньше у нее шансов занять доминирующее положение в группе.

Нулевой называется корреляция при отсутствии связи переменных. (2).

В психологии практически  нет примеров строго линейных связей (положительных или отрицательных). Большинство связей — нелинейные. Классический пример нелинейной зависимости — закон Йеркса—Додсона:. возрастание мотивации первоначально повышает эффективность научения, а затем наступает снижение продуктивности (эффект "перемотивации"). Другим примером является связь между уровнем мотивации достижений и выбором задач различной трудности. Лица, мотивированные надеждой на успех, предпочитают задания среднего диапазона трудности — частота выборов на шкале трудности описывается колоколообразной кривой.

Примеры распределений испытуемых в пространстве двух признаков.

а) строгая положительная  корреляция, б) сильная положительная  корреляция, в) слабая положительная  корреляция, г) нулевая корреляция, д) отрицательная корреляция, е) строгая  отрицательная корреляция, ж) нелинейная корреляция, з) нелинейная корреляция.

КОРРЕЛЯЦИОННЫЙ  АНАЛИЗ

Корреляционный анализ (от лат. «соотношение», «связь») применяется для проверки гипотезы о статистической зависимости значений двух или нескольких переменных в том случае, если исследователь может их регистрировать (измерять), но не контролировать (изменять).(2). Задача корреляционного анализа сводится к установлению направления (положительное или отрицательное) и формы (линейная, нелинейная) связи между варьирующими признаками, измерению ее тесноты, и, наконец, к проверке уровня значимости полученных коэффициентов корреляции.

Графики корреляционных зависимостей строят по уравнениям следующих функций:

Y_x= F(X) или X_y = F(Y),(формула 1)

которые называются уравнениями  регрессии. Здесь Y_x и X_y так называемые условные средние арифметические переменных Y и X.

Переменные X и Y могут быть измерены в разных шкалах, именно это определяет выбор соответствующего коэффициента корреляции. Представим соотношения между типами шкал, в которых могут быть измерены переменные X и Y и соответствующими мерами связи в виде таблицы:

1.4 Методы кластерного  и факторного анализа

Факторный анализ представляет собой ветвь математической статистики. Часто встречающееся ошибочное  представление о факторном анализе  как о психологической теории имеет свою причину: факторный анализ зародился и всегда интенсивно применялся в психологической науке. Первоначальная цель его состояла в построении математических моделей способностей и поведения  человека. Наиболее известные из психологических  теорий подобного рода принадлежат  Ч.Спирмену, С.Барту, Т.Келли, Л.Терстоуну, К.Холзингеру и Г.Томсону.

Появление факторного анализа  обычно связывают с именем Ч.Спирмена. Началом его монументального труда, развившего психологическую теорию единственного генерального и некоторого числа характерных факторов, следует считать статью “Общий интеллект, объективно определенный и измеренный”, опубликованную в 1904 г. в “Американском психологическом журнале”. Конечно, эта работа была лишь началом его двухфакторной теории и излагалась еще не в терминах “факторов”. Возможно, более важной работой, особенно в статистическом плане, была статья К.Пирсона “On lines and planes of closest fit to systems of points in space”, опубликованная в 1901 г., в которой выдвигалась идея “метода главных осей”. Тем не менее, отцом факторного анализа заслуженно считается Ч.Спирмен, посвятивший последние 40 лет жизни развитию этой дисциплины.

В последующие 20 лет были достигнуты значительные успехи в разработке как психологических теорий, так и математического обоснования факторного анализа. Основной вклад принадлежит здесь С.Спирмену, С.Барту, К.Пирсону, Г.Томсону, Д.Максвеллу, Д.Гарнету и К.Холзингеру. Основные усилия ученых в это время были направлены на доказательства существования (или, наоборот, отсутствия) общей (неспецифической) одаренности (general ability), изучение ошибок от непредставительности выборки при оценке тетрадных разностей и разработку вычислительных процедур для поиска генерального фактора.

Началом современного периода  в развитии факторного анализа, характерного подъемом творческой активности и оживленной дискуссией на страницах научных  публикаций можно считать 1925 г.; реальные результаты относятся к 1930 г. К этому  времени становится ясным, что факторы, получаемые с помощью двухфакторной  теории Спирмена, не всегда адекватно описывают набор психологических тестов; впрочем, первое время экспериментаторы упорно отрицали наличие отклонений от теории и максимально сокращали число рассматриваемых групповых факторов. Теория генерального и специфических факторов Спирмена постепенно вытеснялась теорией групповых факторов, но методы этой последней были еще слишком трудоемкими, что затрудняло их практическое применение. Именно поэтому ряд исследователей направили свои усилия на поиск методов непосредственного извлечения набора факторов из матрицы корреляций между тестами; результатом этого явилось создание многофакторного анализа, понятие о котором ввел впервые Гарнетт.

Хотя термин “многофакторный  анализ” был впервые введен Л.Терстоуном и хотя Терстоун, несомненно, больше, чем кто-либо другой, сделал для популяризации многофакторного анализа, не он тем не менее был первым, кто “сверг” двухфакторную теорию Спирмена, и не он открыл теорию многих факторов. И даже не центроидный метод позволил Терстоуну занять выдающееся место в истории факторного анализа. Терстоун ясно сознавал, что центроидный метод является лишь вычислительным компромиссом по отношению к методу главных компонент. Заслуга этого ученого состоит в том, что он обобщил критерий разности тетрад Спирмена и указал, что основой для определения числа общих факторов является ранг корреляционной матрицы. Проблема весьма упростилась в математическом аспекте, что способствовало дальнейшему развитию факторного анализа.

Приложения математических результатов, полученных в рамках факторного анализа, не ограничивались психологической  наукой. Задача факторного анализа состоит в замене набора параметров меньшим числом некоторых категорий (“факторов”), являющихся линейной комбинацией исходных параметров. Удовлетворительным решением служит такая система факторов, которая достаточно адекватно передает информацию, имеющуюся в наборе параметров. Таким образом, главная цель факторного анализа – сжатие информации, экономное описание.

Одна и та же матрица  корреляций может быть факторизована  бесчисленным количеством способов. Возможно, именно неосведомленность  об этом факте послужила причиной бурных дискуссий о “правильном”, “наилучшем” или “инвариантном” решении для данного набора параметров. Раз возможно бесконечное число  одинаково “правильных” решений, то естественно возникает вопрос: как  произвести выбор? Выбор типа нужного  факторного решения производится на основании двух принципов: 1) статистической простоты; 2) содержательного психологического смысла (если речь идет о психологии). В свою очередь, каждый из этих принципов может быть по-разному интерпретирован; доказательством тому служит неоднозначное их применение различными школами факторного анализа.

Если иметь в виду чисто  статистический поход, то естественно  заменить исходный набор параметров несколькими факторами, определяемыми  последовательно и таким образом, чтобы каждый из последующих факторов “отбирал на себя” максимум из оставшейся суммарной дисперсии параметров. Этот статистический оптимальный подход и соответствующий метод главных  осей был впервые предложен Пирсоном в начале столетия и досконально  разработан Хотеллингом в 1930-х годах. Алгоритмы метода главных компонент весьма эффективны с точки зрения результатов, но очень трудоемки: вычислить вручную главные компоненты для матрицы 10-го и более высокого порядка практически невозможно. В последние годы, однако, эта трудность была преодолена благодаря быстродействующим ЭВМ.