Математические методы в психологии. Титкова Л.С. - 49 стр.

UptoLike

ВУЗ: 

ДВФУ | Владивосток

Составители: 

Рубрика: 

Так как, в примере 4.1 из предыдущего раздела распределение обоих признаков не
отличается от нормального, то мы можем найти коэффициент линейной корреляции Браве-
Пирсона и установить существует ли зависимость между приемом алкоголя и реакцией
испытуемого.
Таблица 4.2. Расчет Σx
i
y
i
№ п/п До(x
i
) После(у
i
)x
i
у
i
1 16 24 384
2 13 6 78
3 14 9 126
4 9 10 90
5 10 23 230
6 13 20 260
7 14 11 154
8 14 12 168
9 18 19 342
10 20 18 360
11 15 13 195
12 10 14 140
13 9 12 108
14 10 14 140
15 16 7 112
16 17 9 153
17 18 14 252
Σx
i
y
i
=
3292
Значения
1
M =13,9,
2
M = 13,8, σ
х
=3,4, σ
у
=5,3, тогда числитель равен 3292 –
17*13,9*13,8=31,06.
В знаменателе имеем (17-1)*3,4*5,3=290,6.
r
эмп
= 31,06/ 290,6 =0,11
Критические значения те же, что и в примере 4.1:
≤
≤
=
)01,0(62,0
)05,0(48,0
p
p
r
кр
Имеем r
эмп
=0,11∠r
кр(0,05)
=0,48
Вывод: Н
1
гипотеза отвергается и принимается Н
0
. Т.е. корреляционной зависимости между
глазодвигательной реакцией до употребления алкоголя и после нет.
4.4. Интерпретация коэффициентов корреляции
Причинность и корреляция. Наличие корреляции двух переменных отнюдь не означает,
что между ними существует причинная связь. Несмотря на то, что сосуществование (корреляцию)
событий можно использовать для выявления причинных связей наряду с другими
методологическими подходами, монопольное применение корреляции к анализу причинности
рискованно и может вводить в заблуждение. Во-первых, даже в тех случаях, когда можно
предположить существование причинной связи между двумя переменными, которые
коррелированы, r сам по себе ничего не говорит о том, вызывает ли х появление y или y вызывает
появление x. Во-вторых, часто наблюдаемая связь существует благодаря другим переменным, а не
двум рассматриваемым. В-третьих, взаимосвязи переменных в педагогике и общественных науках
почти всегда слишком сложны, чтобы их объяснением могла служить единственная причина.
Успеваемость в школе – результат многочисленных влияний, да и сама по себе она является
сложным понятием, которое нельзя описать адекватно при помощи какого бы то ни было одного 
       Так как, в примере 4.1 из предыдущего раздела распределение обоих признаков не
отличается от нормального, то мы можем найти коэффициент линейной корреляции Браве-
Пирсона и установить существует ли зависимость между приемом алкоголя и реакцией
испытуемого.

       Таблица 4.2. Расчет Σxiyi
                           № п/п        До(xi)        После(уi)   xi уi

                                    1            16          24       384
                                    2            13           6        78
                                    3            14           9       126
                                    4             9          10        90
                                    5            10          23       230
                                    6            13          20       260
                                    7            14          11       154
                                    8            14          12       168
                                    9            18          19       342
                                   10            20          18       360
                                   11            15          13       195
                                   12            10          14       140
                                   13             9          12       108
                                   14            10          14       140
                                   15            16           7       112
                                   16            17           9       153
                                   17            18          14       252
                                                      Σxiyi=        3292
       Значения  M 1 =13,9,  M 2 = 13,8, σх=3,4, σу=5,3, тогда числитель равен 3292 –
17*13,9*13,8=31,06.
       В знаменателе имеем (17-1)*3,4*5,3=290,6.
       rэмп= 31,06/ 290,6 =0,11
       Критические значения те же, что и в примере 4.1:
             0,48 ( p ≤ 0,05)
       rкр = 
             0,62 ( p ≤ 0,01)
       Имеем rэмп=0,11∠rкр(0,05)=0,48
       Вывод: Н1гипотеза отвергается и принимается Н0. Т.е. корреляционной зависимости между
глазодвигательной реакцией до употребления алкоголя и после нет.



                      4.4. Интерпретация коэффициентов корреляции

       Причинность и корреляция. Наличие корреляции двух переменных отнюдь не означает,
что между ними существует причинная связь. Несмотря на то, что сосуществование (корреляцию)
событий можно использовать для выявления причинных связей наряду с другими
методологическими подходами, монопольное применение корреляции к анализу причинности
рискованно и может вводить в заблуждение. Во-первых, даже в тех случаях, когда можно
предположить существование причинной связи между двумя переменными, которые
коррелированы, r сам по себе ничего не говорит о том, вызывает ли х появление y или y вызывает
появление x. Во-вторых, часто наблюдаемая связь существует благодаря другим переменным, а не
двум рассматриваемым. В-третьих, взаимосвязи переменных в педагогике и общественных науках
почти всегда слишком сложны, чтобы их объяснением могла служить единственная причина.
Успеваемость в школе – результат многочисленных влияний, да и сама по себе она является
сложным понятием, которое нельзя описать адекватно при помощи какого бы то ни было одного

Страницы