Гусев А.Н. Дисперсионный анализ в экспериментальной психологии

Подождите немного. Документ загружается.

101

Ðàññìîòðèì ñîñòàâíûå ÷àñòè âíóòðèãðóïïîâîé âàðèàöèè

äàííûõ ýòîãî ýêñïåðèìåíòà: 1) îñíîâíûå ýôôåêòû âñåõ òðåõ

ôàêòîðîâ; 2) ýôôåêò èíäèâèäóàëüíûõ ðàçëè÷èé èñïûòóåìûõ;

3) ýôôåêòû èõ ïîïàðíîãî âçàèìîäåéñòâèÿ; 4) ýôôåêò

òðîéíîãî âçàèìîäåéñòâèÿ ôàêòîðîâ; 5) ýôôåêòû âçàèìîäåé-

ñòâèÿ èíäèâèäóàëüíûõ ðàçëè÷èé èñïûòóåìûõ ñ ïàðíûìè

âçàèìîäåéñòâèÿìè ôàêòîðîâ; 6) ýôôåêò âçàèìîäåéñòâèÿ èí-

äèâèäóàëüíûõ ðàçëè÷èé èñïûòóåìûõ ñ òðîéíûì âçàèìîäåé-

ñòâèåì ôàêòîðîâ. Âñåãî 15 ñîñòàâëÿþùèõ. Êàê ïðàâèëî, äëÿ

ñîäåðæàòåëüíîé èíòåðïðåòàöèè èíòåðåñ ïðåäñòàâëÿþò ëèøü

îñíîâíûå ýôôåêòû ôàêòîðîâ è èõ âçàèìîäåéñòâèå.

ÊÎÍÒÐÎËÜÍÛÅ ÂÎÏÐÎÑÛ

1. ×òî îçíà÷àþò ïîíÿòèÿ «íåçàâèñèìûå» è «ñâÿçàííûå

âûáîðêè» ïðèìåíèòåëüíî ê ýêñïåðèìåíòàëüíîìó ïëàíó?

2. Ïîêàæèòå íà ïðèìåðå, ïî÷åìó ñâÿçàííîñòü âûáîðîê

ïðåäïîëàãàåò êîððåëÿöèþ ìåæäó íèìè.

3. Êàêèå ïðåèìóùåñòâà èìååò âàðèàíò ÄÀ ñ ïîâòîðíû-

ìè èçìåðåíèÿìè?

4. ×òî îçíà÷àåò òåðìèí Repeated-Measures Design?

5. Êàêèì îáðàçîì â ÄÀ ñ ïîâòîðíûìè èçìåðåíèÿìè

êîìïåíñèðóåòñÿ íàëè÷èå çàâèñèìûõ (ñâÿçàííûõ) âûáîðîê?

6. Êàêîé êîìïîíåíò îáùåé äèñïåðñèè îáîçíà÷àåòñÿ êàê

∑

7. Íàïèøèòå ôîðìóëó ñòðóêòóðíîé ìîäåëè äâóõôàêòîð-

íîãî ÄÀ ñ ïîâòîðíûìè èçìåðåíèÿìè è äàéòå åé ïîÿñíå-

íèå.

8. Êàêîå äîïîëíèòåëüíîå ìàòåìàòè÷åñêîå äîïóùåíèå

ïðèíèìàåòñÿ â ÄÀ ñ ïîâòîðíûìè èçìåðåíèÿìè?

9. ×òî îçíà÷àþò òåðìèíû Within-Subjects Factor è

Between-Subjects Factor?

10. Êàêèå ñîñòàâëÿþùèå âõîäÿò âî âíóòðèãðóïïîâóþ è

ìåæãðóïïîâóþ âàðèàòèâíîñòü?

102

4.6. ÎÁÐÀÁÎÒÊÀ ÄÀÍÍÛÕ Ñ ÏÎÂÒÎÐÍÛÌÈ ÈÇÌÅÐÅÍÈßÌÈ

ÑÒÀÒÈÑÒÈ×ÅÑÊÎÉ ÑÈÑÒÅÌÅ STADIA 6.0

Â ñèñòåìå Stadia èìååòñÿ íåñêîëüêî âàðèàíòîâ îáðàáîòêè

äàííûõ ñ ïîâòîðíûìè èçìåðåíèÿìè. Îñíîâîé äëÿ ïðîã-

ðàììíîé ðåàëèçàöèè èñïîëüçóåìûõ àëãîðèòìîâ ÄÀ àâòîðó

Stadia À.Ï.Êóëàè÷åâó ïîñëóæèëà êíèãà À.Àôèôè è Ñ.Ýéçåíà

«Ñòàòèñòè÷åñêèé àíàëèç. Ïîäõîä ñ èñïîëüçîâàíèåì ÝÂÌ»

(1982). Ê ñîæàëåíèþ, êàê îòìå÷àþò è ñàìè àâòîðû äàííîé

êíèãè (ñ.266), â ïðåäëîæåííûõ àëãîðèòìàõ íå ó÷èòûâàåòñÿ

ôàêò çàâèñèìîñòè ïîâòîðíûõ èçìåðåíèé. Ýòî îçíà÷àåò, ÷òî

ïðè îöåíêå îñòàòî÷íîé ñóììû êâàäðàòîâ ìû íå èñêëþ÷èëè

âëèÿíèå ìåæèíäèâèäóàëüíîé âàðèàòèâíîñòè è òåì ñàìûì åå

ñêîððåêòèðîâàëè. Ïîýòîìó ïðåäëîæåííûå â ñèñòåìå Stadia ìå-

òîäû îáðàáîòêè öåëåñîîáðàçíî èñïîëüçîâàòü ïðè îáðàáîòêå

ýêñïåðèìåíòàëüíûõ äàííûõ â òîì ñëó÷àå, êîãäà â ïðîöåññå

èññëåäîâàíèÿ â êàêîé-òî ñòåïåíè îáåñïå÷åíà íåçàâèñèìîñòü

âûáîðîê, ïîëó÷åííûõ ïðè ïîâòîðíûõ èçìåðåíèÿõ. Íàïðè-

ìåð, òàêóþ çàâèñèìîñòü ìîæíî óìåíüøèòü, äåëàÿ áîëüøèå

âðåìåííûå èíòåðâàëû ìåæäó ïîñëåäîâàòåëüíûìè èññëåäî-

âàíèÿìè. Òàêèì îáðàçîì, èìåþùèåñÿ â ñòàòèñòè÷åñêîé ñèñ-

òåìå Stadia àëãîðèòìû ÄÀ ñ ïîâòîðíûìè èçìåðåíèÿìè èìå-

þò îãðàíè÷åííîå èñïîëüçîâàíèå

×åòûðå ðàçëè÷íûõ àëãîðèòìà ÄÀ ñ ïîâòîðíûìè èçìå-

ðåíèÿìè, ðåàëèçîâàííûå â Stadia, ñîîòâåòñòâóþò ÷åòûðåì

ðàçëè÷íûì òèïàì ýêñïåðèìåíòàëüíûõ ïëàíîâ, è ïîýòîìó ïðè

èñïîëüçîâàíèè äàííîé ñòàòèñòè÷åñêîé ñèñòåìû ñëåäóåò ÷åò-

êî îðèåíòèðîâàòüñÿ íà îïèñàíèå ýòèõ ìîäåëåé, äàííîå â

êíèãå À.Àôèôè è Ñ.Ýéçåíà (ñ.264266). Êðàòêî îïèøåì, êàê

âûïîëíèòü îáðàáîòêó äàííûõ äëÿ ýòèõ ìîäåëåé. Â ìåíþ ñòà-

òèñòè÷åñêèõ ìåòîäîâ íóæíî âûáðàòü ïîäìåíþ  «Äèñïåð-

ñèîííûé àíàëèç», à â íåì âàðèàíò  «Äâóõôàêòîðíûé». Â ïî-

ÿâèâøåìñÿ îêíå äàíû 4 âàðèàíòà ìîäåëåé ñ ïîâòîðíûìè

èçìåðåíèÿìè:

Â íàñòîÿùåå âðåìÿ À.Ï.Êóëàè÷åâûì óæå âíåñåíû íåîáõîäèìûå èçìåíåíèÿ â

àëãîðèòì ÄÀ.

103

1. Ìîäåëü ñ ôèêñèðîâàííûìè ýôôåêòàìè îçíà÷àåò, ÷òî

äîëæíû áûòü çàäàíû 2 ôàêòîðà ñ ôèêñèðîâàííûìè ýôôåê-

òàìè.

2. Ìîäåëü ñî ñëó÷àéíûìè ýôôåêòàìè îçíà÷àåò, ÷òî äîëæ-

íû áûòü çàäàíû 2 ôàêòîðà ñî ñëó÷àéíûìè ýôôåêòàìè.

3. Ìîäåëü ñ ðàíäîìèçèðîâàííûìè áëîêàìè ïðåäïîëàãàåò, ÷òî

ïåðâûé (âíóòðèãðóïïîâîé) ôàêòîð ÿâëÿåòñÿ ôèêñèðîâàííûì,

à âòîðîé (ìåæãðóïïîâîé)  ñëó÷àéíûì. Íàïðèìåð, èññëåäóåò-

ñÿ ðàçëè÷èå äâóõ ìåòîäîâ ïñèõîòåðàïèè (ïåðâûé ôàêòîð) íà

ãðóïïå èç 5 èñïûòóåìûõ, ïðè÷åì êàæäûé ìåòîä ïðèìåíÿåòñÿ ê

êàæäîìó èñïûòóåìîìó; â êà÷åñòâå èçìåðÿåìîé ïåðåìåííîé

èñïîëüçóåòñÿ êàêîé-íèáóäü ïîêàçàòåëü ñàìîîöåíêè. Â äàííîì

ñëó÷àå áëîêîì ÿâëÿåòñÿ èñïûòóåìûé.

4. Ìîäåëü ñ ãðóïïèðîâêîé ïðåäïîëàãàåò, ÷òî îäèí èç ôàê-

òîðîâ  ãëàâíûé (ãðóïïèðóþùèé), à âòîðîé  ïîä÷èíåí-

íûé (ãðóïïèðóåìûé). Íàïðèìåð, îäíà ñëó÷àéíàÿ âûáîðêà

èñïûòóåìûõ ïîäâåðãàåòñÿ îäíîìó ìåòîäó ïñèõîòåðàïèè, à

äðóãàÿ ñëó÷àéíàÿ âûáîðêà  äðóãîìó. Ïðè ýòîì ñ êàæäûì

èñïûòóåìûì ïðîâîäèòñÿ ïî 5 ïîâòîðíûõ èçìåðåíèé. Â äàí-

íîì ñëó÷àå ìåòîä ïñèõîòåðàïèè ÿâëÿåòñÿ ãðóïïèðóþùèì

ôàêòîðîì, ïî êîòîðîìó ñãðóïïèðîâàíû èñïûòóåìûå (âòî-

ðîé ôàêòîð). Ïåðâûé ôàêòîð  ôèêñèðîâàííûé, âòîðîé 

ñëó÷àéíûé.

Ïðè îáðàáîòêå äàííûõ óêàçàííûõ âûøå ýêñïåðèìåíòîâ

èñõîäíûå äàííûå ââîäÿòñÿ â Ðåäàêòîð äàííûõ îñîáûì îáðà-

çîì. Îíè ïðåäñòàâëÿþò ñîáîé ïñåâäîìàòðèöó (ñòîëáöû íå

äîëæíû áûòü îáÿçàòåëüíî îäèíàêîâîé äëèíû), â êîòîðîé

ïåðåìåííûå (ñòîëáöû) äîëæíû ñîîòâåòñòâîâàòü êîìáèíàöèè

ðàçëè÷íûõ óðîâíåé èññëåäóåìûõ ôàêòîðîâ, à ñòðîêè  ïî-

âòîðíûì èçìåðåíèÿì. Ïðè÷åì ñòîëáöû äîëæíû ñëåäîâàòü â

ïîðÿäêå èçìåíåíèÿ óðîâíåé ïåðâîãî ôàêòîðà: âñå óðîâíè

ïåðâîãî ôàêòîðà äëÿ ïåðâîãî óðîâíÿ âòîðîãî ôàêòîðà, âñå

óðîâíè ïåðâîãî ôàêòîðà äëÿ âòîðîãî óðîâíÿ âòîðîãî ôàêòî-

ðà è ò.ä. Ñêîëüêî áûëî èçìåðåíî ïîâòîðíûõ ñî÷åòàíèé óðîâ-

íåé äâóõ ôàêòîðîâ, ñòîëüêî è ñòðîê áóäåò ñîäåðæàòü ìàòðè-

öà äàííûõ.

Ðåçóëüòàòû äèñïåðñèîííîãî àíàëèçà âêëþ÷àþò ñòàíäàðò-

íóþ òàáëèöó, îïèñàííóþ âûøå â ãëàâå 3 (ñì. ñ.70).

104

4.7. ÎÁÐÀÁÎÒÊÀ ÄÀÍÍÛÕ Ñ ÏÎÂÒÎÐÍÛÌÈ ÈÇÌÅÐÅÍÈßÌÈ

ÑÒÀÒÈÑÒÈ×ÅÑÊÎÉ ÑÈÑÒÅÌÅ SPSS 8.01

Êàê áûëî ñêàçàíî âûøå, â àíãëîÿçû÷íîé ëèòåðàòóðå ïðî-

öåäóðà ÄÀ ñ ïîâòîðíûìè èçìåðåíèÿìè ïîëó÷èëà íàçâàíèå

Repeated-Measures (ïîâòîðíûå èçìåðåíèÿ). Â ñèñòåìå SPSS

òàêàÿ ïðîöåäóðà èìååòñÿ. Â îòëè÷èå îò ñèñòåìû Stadia, â

SPSS äàííûé òèï äèñïåðñèîííîãî àíàëèçà îðãàíèçîâàí êàê

óíèâåðñàëüíàÿ ïðîöåäóðà, íå çàâèñÿùàÿ îò êîíêðåòíîãî

âèäà ýêñïåðèìåíòàëüíîãî ïëàíà, ÷òî ïîçâîëÿåò ïñèõîëîãó

ïðîèçâîäèòü îáðàáîòêó äàííûõ øèðîêîãî êðóãà ýêñïåðè-

ìåíòîâ, â êîòîðûõ ìîãóò áûòü âûäåëåíû âíóòðèãðóïïîâûå

ôàêòîðû. Âìåñòå ñ òåì òàêàÿ óíèâåðñàëüíîñòü íàêëàäûâàåò

èçâåñòíûå òðóäíîñòè, îáóñëîâëåííûå íåîáõîäèìîñòüþ ÷åò-

êîãî âûäåëåíèÿ â ïðîâåäåííîì èññëåäîâàíèè âíóòðèãðóï-

ïîâûõ è ìåæãðóïïîâûõ ôàêòîðîâ, êîâàðèàò è äàæå ñîçíà-

òåëüíîãî âûáîðà íþàíñîâ ìîäåëè ÄÀ. Çäåñü, êàê è â äðóãèõ

ñëîæíûõ ñòàòèñòè÷åñêèõ ïðîöåäóðàõ, çà øèðîòó è óíèâåð-

ñàëüíîñòü ïðèõîäèòñÿ «ïëàòèòü» íåîáõîäèìîñòüþ çíàòü è

ïîíèìàòü ðàçëè÷íûå âàðèàíòû è òîíêîñòè ÄÀ ñ ïîâòîðíû-

ìè èçìåðåíèÿìè.

Ïî ñðàâíåíèþ ñî âñåìè ïðåäûäóùèìè ïðèìåðàìè, ôîð-

ìà ââîäà äàííûõ â ýëåêòðîííóþ òàáëèöó äëÿ îáðàáîòêè ñ

ïîìîùüþ äàííîé ïðîöåäóðû çíà÷èòåëüíî îòëè÷àåòñÿ. Äàí-

íûå çàíîñÿòñÿ ñëåäóþùèì îáðàçîì. Ñíà÷àëà ââîäÿò ïåðåìåí-

íûå, ñîîòâåòñòâóþùèå óðîâíÿì âíóòðèãðóïïîâîãî(ûõ) ôàê-

òîðà(îâ). Çàòåì ââîäÿòñÿ ïåðåìåííûå, ñîäåðæàùèå óðîâíè

ìåæãðóïïîâîãî(ûõ) ôàêòîðà(îâ).

Ðàññìîòðèì, êàê îáðàáàòûâàþòñÿ äàííûå äâóõ ïðèìåðîâ,

îïèñàííûõ â äàííîì ðàçäåëå. Ïåðâûé ïðèìåð (ñì. òàáë. 30)

ïðåäñòàâëÿåò ñîáîé îäíîôàêòîðíûé ïëàí ñ ïîâòîðíûìè èç-

ìåðåíèÿìè: íà ãðóïïå èç 9 èñïûòóåìûõ, ñòðàäàþùèõ ìèãðå-

íüþ, â òå÷åíèå 5 íåäåëü èçó÷àëîñü âëèÿíèå òðåíèíãà ðåëàêñà-

öèè íà ÷àñòîòó ïðîÿâëåíèÿ ãîëîâíûõ áîëåé. Âíóòðèãðóïïîâûì

ôàêòîðîì â äàííîì ïðèìåðå ÿâëÿåòñÿ âðåìÿ ýêñïåðèìåíòà:

5 óðîâíåé  5 íåäåëü. Äàííûå â Ðåäàêòîð Äàííûõ (SPSS Data

105

Editor) ââîäÿòñÿ òàê, êàê ýòî ïîêàçàíî íèæå âî ôðàãìåíòå

ýëåêòðîííîé òàáëèöû SPSS, ò.å. êàê ïîñëåäîâàòåëüíîñòü ñòîëá-

öîâ, ñîîòâåòñòâóþùèõ ïÿòè óðîâíÿì îäíîãî ôàêòîðà:

week1 week2 week3 week4 week5

12122866

2201910 4 4

31715545

42530131217

5302713 8 6

61927874

72616525

81718815

9262414 8 9

10 .....

11 .....

Òàêèì îáðàçîì, äåâÿòè ñòðîêàì ñîîòâåòñòâóþò 9 èñïûòóå-

ìûõ, ïÿòè ñòîëáöàì  5 óðîâíåé ôàêòîðà.

Ïîñëå îêîí÷àíèÿ ââîäà äàííûõ â ìåíþ ñòàòèñòè÷åñêèõ

ìåòîäîâ Ñòàòèñòèêà (Statistics) ñëåäóåò âûáðàòü ãðóïïó

ìåòîäîâ Îáùàÿ ëèíåéíàÿ ìîäåëü (General Linear Model), à â

íåé  íóæíóþ íàì ïðîöåäóðó ÎËÌ  Ïîâòîðíûå èçìåðåíèÿ

(GLM  Repeated-Measures). Äàëåå íåîáõîäèìî îïðåäåëèòü,

ñ êàêèìè âíóòðèãðóïïîâûìè ôàêòîðàìè (Within-Subject) ìû

áóäåì ðàáîòàòü, äëÿ ÷åãî â ïîÿâèâøåìñÿ îêíå ñëåäóåò óêà-

çàòü èìÿ ôàêòîðà. Ìîæíî çàäàòü ëþáîå èìÿ  ýòî íèêàê íå

ñâÿçàíî ñ èìåíàìè ââåäåííûõ ïåðåìåííûõ. Îïðåäåëèì èìÿ

íàøåãî ôàêòîðà: Èìÿ âíóòðèãðóïïîâîãî ôàêòîðà (Within-

Subjects Factor Name): íåäåëÿ. Äàëåå ñëåäóåò óêàçàòü ÷èñëî

óðîâíåé ýòîãî ôàêòîðà. ×èñëî óðîâíåé â íàøåì ïðèìåðå

(Number of Levels)  5. Íàæàòèåì íà êíîïêó Äîáàâèòü (Add)

ìû ââîäèì îäèí âíóòðèãðóïïîâîé ôàêòîð â ñïèñîê ôàêòî-

ðîâ. Åñëè äëÿ îöåíêè èçó÷àåìîãî ôàêòîðà â ýêñïåðèìåíòå

èñïîëüçîâàëîñü íåñêîëüêî ïåðåìåííûõ (ò.å. èçìåðåíèÿ ïðî-

106

âîäèëèñü ñðàçó ïî íåñêîëüêèì ïàðàìåòðàì

), òî ìîæíî óêà-

çàòü ñðàçó íåñêîëüêî ïåðåìåííûõ. Äëÿ ýòîãî ñëåäóåò íàæàòü

íà êíîïêó Èçìåðåíèÿ>> (Measure>>), óêàçàòü äëÿ êàæäîé

ïåðåìåííîé (ýêñïåðèìåíòàëüíîé ìåðû) ïîäõîäÿùåå Èìÿ

èçìåðåíèÿ (Measure Name:), à çàòåì íàæàòü íà êíîïêó Äîáà-

âèòü (Add). Ïîñêîëüêó â êà÷åñòâå åäèíñòâåííîé çàâèñèìîé

ïåðåìåííîé â íàøåì ïðèìåðå èçìåðåíî êîëè÷åñòâî ÷àñîâ

ãîëîâíîé áîëè, äàäèì åé íàçâàíèå «âðåìÿ». Îêîí÷àíèå ýòà-

ïà îïðåäåëåíèÿ ôàêòîðîâ çàâåðøàåòñÿ íàæàòèåì íà êíîïêó

Îïðåäåëèòü (Define). Â íîâîì ïîÿâèâøåìñÿ îêíå íåîáõîäèìî

óêàçàòü, êàêèå ïåðåìåííûå ñîîòâåòñòâóþò óðîâíÿì çàäàííîãî

ôàêòîðà. Äëÿ ýòîãî âûäåëÿåì ùåë÷êîì ìûøè âñå 5 íóæíûõ

íàì ïåðåìåííûõ, è, íàæàâ íà êíîïêó ñî ñòðåëî÷êîé, ïåðå-

íîñèì èõ â îêíî íàïðàâî. Ïîñêîëüêó ó íàñ íåò íè ìåæãðóï-

ïîâûõ ôàêòîðîâ (Between-Subjects Factors), íè ïåðåìåííûõ-

êîâàðèàò (Covariates), òî ìîæíî ñðàçó çàïóñòèòü ïðîöåäóðó

ÄÀ. Îäíàêî, â äàííîé ïðîöåäóðå èìååòñÿ íåñêîëüêî äîïîë-

íèòåëüíûõ âîçìîæíîñòåé, ñ êîòîðûìè, íà íàø âçãëÿä, ïî-

ëåçíî îçíàêîìèòüñÿ.

Ïîëüçîâàòåëü ìîæåò âûáðàòü îäíó èç ìîäåëåé îáðàáîòêè

äàííûõ  Ìîäåëü... (Model...). Çàäàíèå âàðèàíòà Ïîëíûé ôàê-

òîðíûé (Full Factorial) îçíà÷àåò, ÷òî ðàññ÷èòûâàþòñÿ âñå

îñíîâíûå ôàêòîðíûå ýôôåêòû (êàê âíóòðèãðóïïîâûõ, òàê è

ìåæãðóïïîâûõ ôàêòîðîâ) è èõ âçàèìîäåéñòâèÿ. Âàðèàíò

Íàñòðàèâàåìàÿ (Custom) îçíà÷àåò, ÷òî ìîæíî âêëþ÷èòü â

ìîäåëü òîëüêî ìåæãðóïïîâûå (Between-Subjects) è/èëè âíóò-

ðèãðóïïîâûå (Within-Subjects) ôàêòîðû, à òàêæå îãðàíè÷èòü

âû÷èñëåíèÿ îöåíêîé îñíîâíûõ ôàêòîðíûõ ýôôåêòîâ èëè èõ

âçàèìîäåéñòâèé. Èçìåíÿòü ñïîñîá ðàñ÷åòà Ñóìì êâàäðàòîâ

(Sum of Squares:) ïî ñðàâíåíèþ ñ ïðåäëîæåííûì ïî óìîë-

÷àíèþ (Type III) íå î÷åíü îïûòíûì ïîëüçîâàòåëÿì âðÿä ëè

ñòîèò.

Íàïðèìåð, â íàøåì ïðèìåðå ãîëîâíàÿ áîëü ìîãëà îöåíèâàòüñÿ íå òîëüêî ïî

ñâîåé ïðîäîëæèòåëüíîñòè, íî òàêæå è ïî õàðàêòåðó ïðîÿâëåíèÿ, ëîêàëèçàöèè è

ò.ä. Òàêèå ýêñïåðèìåíòàëüíûå ïëàíû, ãäå èçìåðÿëàñü áîëåå ÷åì îäíà íåçàâèñèìàÿ

ïåðåìåííàÿ, íàçûâàþò ïëàíàìè ñ ìíîãîìåðíûìè ïîâòîðíûìè èçìåðåíèÿìè (Doubly

Multivariate Repeated Measures Designs).

107

Åñëè ïîëüçîâàòåëü õî÷åò îöåíèòü ñîîòíîøåíèå ìåæäó óðîâíÿ-

ìè ôàêòîðà, òî ñëåäóåò âûáðàòü îïöèþ Êîíòðàñòû (Contrasts...),

à â íåé îäèí èç 6 ìåòîäîâ îöåíêè êîíòðàñòîâ  ïî óìîë÷àíèþ

êîíòðàñòû íå îöåíèâàþòñÿ.

Ïðè íåîáõîäèìîñòè â ðåçóëüòàòû ìîãóò áûòü âêëþ÷åíû

ãðàôèêè ñîîòíîøåíèÿ ñðåäíèõ çíà÷åíèé èçìåðÿåìîé ïåðå-

ìåííîé äëÿ ðàçëè÷íûõ óðîâíåé ðàçëè÷íûõ ôàêòîðîâ. Äëÿ ýòîãî

ñëåäóåò âîñïîëüçîâàòüñÿ îïöèåé Ãðàôèêè (Plots...)

Ìåòîäû ìíîæåñòâåííûõ ïàðíûõ ñðàâíåíèé ðåàëèçóþòñÿ

â îïöèè Àïîñòåðèîðè (Post Hoc Tests) òîëüêî äëÿ ìåæãðóï-

ïîâûõ ôàêòîðîâ, ïîýòîìó â íàøåì ñëó÷àå îíè íå äîñòóïíû.

Äëÿ òîãî, ÷òîáû ðàññ÷èòàííûå ïàðàìåòðû ìîäåëè ñîõðà-

íèòü â ìàòðèöå äàííûõ, ïðåäóñìîòðåíà âîçìîæíîñòü èõ çà-

ïèñè êàê íîâûõ ïåðåìåííûõ  Ñîõðàíèòü (Save...). Ýòè íî-

âûå ïåðåìåííûå ìîãóò áûòü â äàëüíåéøåì ïðîàíàëèçèðîâà-

íû íà ïðåäìåò ñîîòâåòñòâèÿ ìîäåëè èñõîäíûì äàííûì.

Â îïöèè Ïàðàìåòðû (Options...) ìîæíî çàêàçàòü äëÿ âû-

äà÷è â ðåçóëüòàòû àíàëèçà ìíîãî äîïîëíèòåëüíûõ ïîêàçàòå-

ëåé, õàðàêòåðèçóþùèõ äàííûå è ìîäåëü ÄÀ.

Êàê è â ïðåäûäóùèõ ñëó÷àÿõ, äëÿ íà÷àëà âûïîëíåíèÿ

äàííîé ïðîöåäóðû ÄÀ òðåáóåòñÿ íàæàòü êíîïêó OK.

Â îêíå ðåçóëüòàòîâ ðàñïå÷àòûâàåòñÿ äîâîëüíî îáøèðíàÿ

ñòàòèñòè÷åñêàÿ èíôîðìàöèÿ, êàñàþùàÿñÿ íå òîëüêî îöåíêè

îäíîãî ôàêòîðíîãî ýôôåêòà, íî òàêæå è îïèñàòåëüíîé ñòà-

òèñòèêè, ðåçóëüòàòîâ òåñòà íà ñôåðè÷íîñòü, ïðîâåðêè ãî-

ìîãåííîñòè äèñïåðñèé è ò.ä. Ìû ïðèâåäåì çäåñü ëèøü

îñíîâíûå ðåçóëüòàòû (ñì. òàáë. 36): äåñêðèïòèâíûå ñòàòèñòè-

êè (òàáë. 36, À) è îöåíêà ýôôåêòà âíóòðèãðóïïîâîãî ôàêòî-

ðà ïî ìíîãîìåðíûì êðèòåðèÿì (òàáë. 36, Á) è F-êðèòåðèþ

(òàáë. 36, Ã), ðåçóëüòàòû òåñòà íà ñôåðè÷íîñòü (òàáë. 36, Â).

Îãðàíè÷èìñÿ ëèøü êîðîòêèìè êîììåíòàðèÿìè ïîëó÷åííûõ

ðåçóëüòàòîâ. Êàê âèäíî èç ðàñïå÷àòêè ðåçóëüòàòîâ ÄÀ, è ìíî-

ãîìåðíûå òåñòû, è îöåíêà ïî F-êðèòåðèþ èññëåäóåìîãî ôàê-

òîðíîãî ýôôåêòà (íåäåëÿ íàáëþäåíèÿ çà ãîëîâíûìè áîëÿ-

ìè) ïîêàçàëè åãî âûñîêóþ çíà÷èìîñòü. Ýòî îçíà÷àåò, ÷òî

ñðåäíèå îöåíêè âðåìåíè ãîëîâíûõ áîëåé, çàðåãèñòðèðîâàí-

íûå èñïûòóåìûìè ïîñëå ó÷àñòèÿ â òðåíèíãå ðåëàêñàöèè,

áûëè ðàçëè÷íû. Îáðàòèâ âíèìàíèå íà òàáëèöó ñ ðåçóëüòàòà-

108

Îáùàÿ Ëèíåéíàÿ Ìîäåëü

Within-Subject Factors

Èçìåðåíèå: ×ÀÑÛ

ÍÅÄÅËß1

ÍÅÄÅËß2

ÍÅÄÅËß3

ÍÅÄÅËß4

ÍÅÄÅËß5

ÍÅÄÅËß

Çàâèñèìàÿ

ïåðåìåííàÿ

Descriptive Statistics

22.33 4.58 9

22.00 5.34 9

9.33 3.39 9

5.78 3.42 9

6.78 4.12 9

ÍÅÄÅËß1

ÍÅÄÅËß2

ÍÅÄÅËß3

ÍÅÄÅËß4

ÍÅÄÅËß5

Ñðåäíåå

Ñòä.

îòêëîíåíèå

Multivariate Tests

.986 86.391 4.000 5.000 .000 .986

.014 86.391 4.000 5.000 .000 .986

69.113 86.391 4.000 5.000 .000 .986

Ñëåä Ïèëëàÿ

Ëÿìáäà Óèëêñà

Ñëåä Õîòåëëèíãà

Íàèáîëüøèé êîðåíü Ðîÿ

Ýôôåêò

ÍÅÄÅËß

Çíà÷åíèå F

Ñò. ñâ.

ãèïîòåçû

Ñò.ñâ.

îøèáêè

Çíà÷.

Ýòà â

êâàäðàòå

Mauchly`s Test of Sphericity

Èçìåðåíèå: ×ÀÑÛ

.282 8.114 9 .537 .684 1.000 .250

Âíóòðèîáúåêòíûé

ýôôåêò

ÍÅÄÅËß

W Ìîó÷ëè

Ïðèáë.

õè-êâàäðàò

ñò.ñâ. Çíà÷. Ãðèíõàóç-Ãàéññåð Þíõ-Ôåëüäò

Îãðàíè÷åííûé

ñíèçó

Ýïñèëîí

Ïðîâåðêà íóëåâîé ãèïîòåçû î òîì, ÷òî êîâàðèàöèîííàÿ ìàòðèöà îøèáîê îðòîíîðìèðîâàííîãî

ïðåîáðàçîâàíèÿ çàâèñèìûõ ïåðåìåííûõ ïðîïîðöèîíàëüíà åäèíè÷íîé ìàòðèöå.

Tests of Within-Subject Effect

Èçìåðåíèå: ×ÀÑÛ

2449.200 4 612.300 85.042 .000 .914

2449.200 2.738 894.577 85.042 .000 .914

2449.200 4.000 612.300 85.042 .000 .914

2449.200 1.000 2449.200 85.042 .000 .914

230.400 32 7.200

230.400 21.903 10.519

230.400 32.00

7.200

230.400 8.000 28.800

Ïðåäïîëàãàÿ

ñôåðè÷íîñòü

Ãðèíõàóç-Ãàéññåð

Þíõ-Ôåëüäò

Îãðàíè÷åííûé ñíèçó

Ïðåäïîëàãàÿ

ñôåðè÷íîñòü

Ãðèíõàóç-Ãàéññåð

Þíõ-Ôåëüäò

Îãðàíè÷åííûé ñíèçó

Èñòî÷íèê

ÍÅÄÅËß

Îøèáêà(ÍÅÄÅËß)

Ñóììà

êâàäðàòîâ

òèïà III

ñò.ñâ.

Ñðåäíèé

êâàäðàò

F Çíà÷.

Ýòà â

êâàäðàòå

Òàáëèöà 36

Ðåçóëüòàòû îäíîôàêòîðíîãî ÄÀ äàííûõ ñî ñâÿçàííûìè âûáîðêàìè

â ñèñòåìå SPSS 8.01

ìè îöåíêè ñðåäíèõ ïî íåäåëÿì (ñì. òàáë. 36, À  äåñêðèï-

òèâíûå ñòàòèñòèêè), ìîæíî ñäåëàòü âûâîä î òîì, ÷òî èíòåí-

ñèâíîñòü ãîëîâíûõ áîëåé ïîñëå òðåíèíãà â öåëîì ïî ãðóïïå

èñïûòóåìûõ ñíèçèëàñü. Èñïîëüçîâàíèå êàê ìíîãîìåðíûõ, òàê

è îäíîìåðíîãî òåñòîâ áûëî îïðàâäàíî, ïîñêîëüêó òåñò

ñôåðè÷íîñòè Ìîó÷ëè ïîêàçàë (ñì. òàáë. 36, Â), ÷òî ó íàñ íåò

109

äîñòàòî÷íûõ îñíîâàíèé îòâåðãàòü ïðèíÿòèå ýòîãî ïðåäïîëî-

æåíèÿ (ð

= 0.537).

Îòìåòèì, ÷òî â ðóññêîé âåðñèè SPSS â êà÷åñòâå ðóññêèõ

àíàëîãîâ ñîîòâåòñòâóþùèõ àíãëèéñêèõ òåðìèíîâ Between-

Subjects Factor è Within-Subjects Factor èñïîëüçîâàíû, íà

íàø âçãëÿä, íå ñîâñåì óäà÷íûå âàðèàíòû ïåðåâîäà  âíóòðè-

îáúåêòíûå è ìåæîáúåêòíûå ôàêòîðû (ýôôåêòû). Áîëåå òîãî,

â ñàìîé ïðîöåäóðå ÎËÌ  Ïîâòîðíûå èçìåðåíèÿ ïðè îïðå-

äåëåíèè ýòèõ ôàêòîðîâ è â èòîãîâûõ ðàñïå÷àòêàõ äîïóùåíû

òåõíè÷åñêèå îøèáêè, ñâÿçàííûå ñ íåïðàâèëüíûì íàçûâà-

íèåì ôàêòîðîâ è ïåðåìåííûõ. Ïîýòîìó ìû ñîâåòóåì ÷èòàòå-

ëþ ðàáîòàòü ñ àíãëîÿçû÷íîé âåðñèåé SPSS èëè ïîëüçîâàòüñÿ

íàøèì îïèñàíèåì äàííîé ïðîöåäóðû, îðèåíòèðóÿñü íà àí-

ãëèéñêèå àíàëîãè ðóññêèõ òåðìèíîâ, äàííûå â ñêîáêàõ.

Â ñëåäóþùåì ïðèìåðå ðàáîòû ñ SPSS îáðàáîòàåì äàííûå

ýêñïåðèìåíòà, â êîòîðîì èçó÷àëàñü ýôôåêòèâíîñòü íîâîãî

âèäà îáó÷àþùåé ïðîãðàììû (òðåíèíãà) ïî ïðåäóïðåæäåíèþ

ðèñêà âåíåðè÷åñêèõ çàáîëåâàíèé ñðåäè ÷åðíîêîæèõ àìåðè-

êàíöåâ (ñì. ñ.96). Íàïîìíèì, ÷òî ýêñïåðèìåíòàëüíûé ïëàí

áûë òðåõôàêòîðíûì: äâà ìåæãðóïïîâûõ ôàêòîðà è îäèí âíóò-

ðèãðóïïîâîé. Â êà÷åñòâå âîçìîæíîãî âàðèàíòà ðàáîòû ñ SPSS

ïîêàæåì ÷èòàòåëþ, êàê ïîëüçîâàòüñÿ àíãëîÿçû÷íîé âåðñèåé

ýòîé ñèñòåìû.

Êàê è â ïðåäûäóùåì ïðèìåðå, ñíà÷àëà ââîäÿòñÿ äàííûå

â ñîîòâåòñòâèè ñ âíóòðèãðóïïîâûì ôàêòîðîì  Time (âðå-

ìÿ èññëåäîâàíèÿ). Ïîñêîëüêó íàáëþäåíèå çà èñïûòóåìûìè

âåëîñü â 4 âðåìåííûõ ïåðèîäà, òî â ïåðâûå 4 ïåðåìåííûå

(pretest, posttest, fu6, fu12) ïîñëåäîâàòåëüíî çàíîñèì ñîîò-

âåòñòâóþùèå äàííûå. Êàæäûé ñòîëáåö-ïåðåìåííàÿ âêëþ÷à-

åò 40 íàáëþäåíèé: (10 ìóæ÷èí + 10 æåíùèí)

½ 2 âèäà òðå-

íèíãà. Â ïÿòóþ ïåðåìåííóþ (gender) âíîñèì êîäû ïîëà èñ-

ïûòóåìûõ: 1 ìóæ÷èíû, 2  æåíùèíû. Â øåñòóþ ïåðåìåííóþ

(training) çàíîñèì äàííûå î âèäå òðåíèíãà, â êîòîðîì ó÷à-

ñòâîâàëè èñïûòóåìûå: 1  òðàäèöèîííîå îáó÷åíèå, 2  òðå-

íèíã ïîâåäåí÷åñêèõ íàâûêîâ.

Ïîñëå ââîäà äàííûõ è ïðîâåðêè åãî ïðàâèëüíîñòè

ïåðåõîäèì â ìåíþ ñòàòèñòè÷åñêèõ ìåòîäîâ (Statistics), ãäå

110

âûáèðàåì General Linear Model (Îáùàÿ ëèíåéíàÿ ìîäåëü), à

íåé  ïðîöåäóðó Repeated-Measures (Ìîäåëü ñ ïîâòîðíûìè

èçìåðåíèÿìè). Äàëåå îïðåäåëÿåì âíóòðèãðóïïîâîé (Within-

Subject) ôàêòîð, äëÿ ÷åãî â ïîÿâèâøåìñÿ îêíå óêàçûâàåì

åãî èìÿ  time (âðåìÿ) è ÷èñëî óðîâíåé ôàêòîðà: Number of

Levels: 4. Íàæèìàåì íà êíîïêó Add (äîáàâèòü) è ââîäèì íàø

îäèí âíóòðèãðóïïîâîé ôàêòîð â ñïèñîê ôàêòîðîâ. Äàëåå óêà-

çûâàåì íàçâàíèå èçìåðÿåìîãî ïàðàìåòðà íåçàâèñèìîé ïåðå-

ìåííîé, äëÿ ÷åãî, íàæàâ íà êíîïêó Measure>>(ìåðà, ïà-

ðàìåòð), ïèøåì èìÿ (Measure Name:)  freq (ñîêðàùåíèå

îò ñëîâà ÷àñòîòà) è âíîñèì åãî â ñïèñîê, íàæèìàÿ íà êíîïêó

Add. Çàêàí÷èâàåì ýòàï îïðåäåëåíèÿ ôàêòîðîâ íàæàòèåì íà

êíîïêó Define. Â íîâîì ïîÿâèâøåìñÿ îêíå óêàçûâàåì, êàêèå

ïåðåìåííûå ñîîòâåòñòâóþò óðîâíÿì çàäàííîãî ôàêòîðà: ïî-

ñëåäîâàòåëüíî âûáèðàåì ïåðåìåííûå pretest, posttest, fu6, fu12

è ïåðåíîñèì èõ â ïðàâîå îêíî.

Ïîñêîëüêó ó íàñ èìåþòñÿ äâà ìåæãðóïïîâûõ ôàêòîðà

(Between-Subjects Factors), óêàçûâàåì, êàêèì ïåðåìåííûì

îíè ñîîòâåòñòâóþò: gender è trening, è ïåðåíîñèì èõ â îêíî

Ðèñ. 16. Ââîä äàííûõ â ýëåêòðîííóþ òàáëèöó SPSS

training