Анализ эмпирического материала и интерпретация результатов
Обработка данных включает: количественный (статистический) и качественный (дифференциация материала по группам) методы. К ним относятся такие виды анализа, как корреляционный, факторный, дивергентный и др. При статистической обработке данных необходимо правильно подобрать конкретные методы статистического анализа с тем, чтобы они, во-первых, соответствовали типу данных, которые получены в исследовании (для ранговых данных применяются одни виды статистических процедур, для числовых – другие), во-вторых, статистические методы обработки должны быть адекватны цели исследования и обеспечивать достоверность выводов.
При обратном движении к анализу соответствия выдвинутых гипотез
Использование методов математической статистики при обработке первичных эмпирических данных необходимо для повышения достоверности выводов как в научном исследовании, так и в разработке в области практической психологии. При этом не рекомендуется ограничиваться использованием таких показателей, как средние арифметические и проценты. Они чаще всего не дают достаточных оснований для обоснованных выводов из эмпирических данных.
Множество критериев, приводимых обычно в учебниках по математической статистике, и сложное описание процедур их вычисления часто смущает студента. Многие из них используются достаточно редко. Каждый исследователь (и научный руководитель в том числе) предпочитает статистические критерии, исходя из своих знаний, опыта, типа задачи и вида данных, которые подлежат обработке. Как же поступить студенту? Можно положиться на опыт и советы научного руководителя (при этом, однако, основательно разобравшись в смысле и процедуре критерия). Можно опереться на примеры, приведенные в пособии. Одно из последних и лучших по ясности и доступности изложения — книга Е. В. Сидоренко «Методы математической обработки в психологии» (2001). Ее достоинство в том, что все приведенные методы описаны достаточно ясно, поэтапно, и могут быть использованы при так называемой «ручной» обработке данных.
При выборе математико-статистического критерия нужно ориентироваться также на тип распределения данных, который получился в исследовании. Параметрические критерии используются в том случае, когда распределение полученных данных рассматривается как нормальное. Нормальное распределение с большей вероятностью (но не обязательно) получается при выборках более 100 испытуемых (может получиться и при меньшем количестве, а может не получиться и при большем). При использовании параметрических критериев необходима проверка нормальности распределения.
Для непараметрических критериев тип распределения данных не имеет значения. При небольших объемах выборки испытуемых, используемых обычно в курсовой или дипломной работе, целесообразно выбрать непараметрические критерии, которые дают большую достоверность выводам, независимо от того, получено ли в исследовании нормальное распределение данных. Большинство психологических работ сводятся к нескольким типам исследовательских задач, которые и предопределяют тип математико-статистического критерия.
Во многих исследованиях осуществляется поиск различий в психологических показателях у испытуемых, имеющих те или иные особенности. При обработке соответствующих данных могут использоваться критерии для выявления различий в уровне исследуемого признака или в его распределении. Для определения значимости различий в проявлении признака в психологических исследованиях часто используются такие показатели, как парный критерий Вилкоксона, U-критерий Манна-Уитни, критерий хи-квадрат (c2), точный критерий Фишера, биномиальный критерий.
Во многих исследованиях осуществляется поиск взаимосвязи психологических показателей у одних и тех же испытуемых. Для обработки соответствующих данных могут использоваться коэффициенты корреляции. Связь величин друг с другом и их зависимость часто характеризуется коэффициентом линейной корреляции Пирсона и коэффициентом ранговой корреляции Спирмена.
Структура данных(и соответственно структура изучаемой психологической реальности), а также их взаимосвязь выявляется факторным анализом.
Во многих исследованиях интерес представляет анализ изменчивости признака под влиянием каких-либо контролируемых факторов, или, другими словами, оценка влияния разных факторов на изучаемый признак. Для математической обработки данных в таких задачах может использоваться U-критерий Манна-Уитни, критерий Краскела-Уоллиса, Т-критерий Вилкоксона. критерий c2 Фридмана.
Однако для исследования влияния, а тем более взаимовлияния нескольких факторов на изучаемый параметр полезнее может оказаться дисперсионный анализ. Исследователь исходит из предположения, что одни переменные могут рассматриваться как причины, а другие как следствия. Переменные первого рода считаются факторами, а переменные второго рода - результативными признаками. В этом отличие дисперсионного анализа от корреляционного, в котором предполагается, что изменения одного признака просто связаны с определенными изменениями другого (Сидоренко Е.В., 2001, С. 225).
Во многих исследованиях выявляется значимость изменений (сдвига) каких-либо психологических, поведенческих параметров и проявлений за определенный промежуток времени, в определенных условиях (например, в условиях коррекционного воздействия). Формирующие эксперименты в практической психологии решают именно эту задачу. Для обработки соответствующих данных могут использоваться коэффициенты для оценки достоверности сдвига в значениях исследуемого признака. Для этого часто применяются критерии знаков, Т-критерий Вилкоксона.
Применение математико-статистических критериев для проверки значимости изменений придаст большую доказательность выводам работы.