Гусев А.Н. Дисперсионный анализ в экспериментальной психологии

Подождите немного. Документ загружается.

121

÷àíèþ), äàæå íå î÷åíü èñêóøåííîìó â ñòàòèñòèêå èññëå-

äîâàòåëþ èñïîëüçîâàíèå ýòîé ïðîöåäóðû ñòàíîâèòñÿ äî-

ñòóïíûì.

Îáðàòèìñÿ âíîâü ê äàííûì Ä.À.Êèíãà, ïðîâîäèâøåãî ýê-

ñïåðèìåíò ïî èçó÷åíèþ ïðèâûêàíèÿ êðûñ ê âîçäåéñòâèþ

íàðêîòèêà (1986). Êèíã ðåãèñòðèðîâàë äâèãàòåëüíóþ àêòèâ-

íîñòü æèâîòíûõ ñðàçó æå ïîñëå èíúåêöèè ìèäîçàëàìà. Ïîñëå

ïåðâîé äîçû íàáëþäàëîñü çàìåòíîå ñíèæåíèå äâèãàòåëüíîé

àêòèâíîñòè. Íî, êàê è âñå ìîðôèíû, ìèäîçàëàì âûçûâàë

áûñòðîå ïðèâûêàíèå. Êèíã èññëåäîâàë äèíàìèêó òàêîãî ïðè-

âûêàíèÿ. Èñïîëüçîâàëèñü òðè ðàçëè÷íûå ãðóïïû ïî 8 æèâîò-

íûõ (ôàêòîð À  «ãðóïïà»: 3 óðîâíÿ)  êîíòðîëüíàÿ è äâå

ýêñïåðèìåíòàëüíûõ. Ýêñïåðèìåíòàëüíûå ãðóïïû îòëè÷àëèñü

òåì, ÷òî ïåðâàÿ ãðóïïà êðûñ («ñòàðûå óñëîâèÿ») èññëåäîâà-

ëàñü â òåõ æå îêðóæàþùèõ óñëîâèÿõ, â êîòîðûõ îíà è ñîäåð-

æàëèñü, òîãäà êàê óñëîâèÿ äëÿ âòîðîé ãðóïïû áûëè èçìåíå-

íû («íîâûå óñëîâèÿ»). Êîíòðîëüíàÿ ãðóïïà êðûñ ïîëó÷àëà

íàðêîòèê âïåðâûå òîëüêî â äåíü ýêñïåðèìåíòà, à äâå ýêñïå-

ðèìåíòàëüíûå ãðóïïû ïîëó÷àëè èíúåêöèè â òå÷åíèå íåñêîëü-

êèõ äíåé äî êîíòðîëüíîãî òåñòèðîâàíèÿ. Ïîñêîëüêó èñïîëü-

çîâàííûé íàðêîòèê îêàçûâàåò áûñòðîå äåéñòâèå, îñîáåííî-

ñòè äâèãàòåëüíîãî ïîâåäåíèÿ æèâîòíûõ â êàæäîé ãðóïïå

îöåíèâàëèñü â òå÷åíèå ÷àñà ïîñëå åãî ïðèåìà ïî 6 ïÿòèìè-

íóòíûì èíòåðâàëàì íàáëþäåíèÿ. Òàêèì îáðàçîì, â êîíò-

ðîëüíîé ãðóïïå èññëåäîâàëàñü ïåðâè÷íàÿ ðåàêöèÿ íà íàðêî-

òèê, à â äâóõ ýêñïåðèìåíòàëüíûõ ãðóïïàõ  òèïè÷íûé ýô-

ôåêò ïðèâûêàíèÿ.

Ïîñêîëüêó àâòîðà ãëàâíûì îáðàçîì èíòåðåñîâàë ýôôåêò

ïðèâûêàíèÿ, òî, âûïîëíÿÿ ìíîãîìåðíûé ÄÀ, ìû áóäåì îöå-

íèâàòü äèíàìèêó äâèãàòåëüíîé àêòèâíîñòè âî âðåìåíè äëÿ

òðåõ ãðóïï æèâîòíûõ. 5 ïåðåìåííûõ áóäóò ÿâëÿòüñÿ ìåðàìè

èçìåíåíèÿ ìîòîðíîé àêòèâíîñòè æèâîòíûõ âî âðåìåíè. Ýê-

ñïåðèìåíòàëüíûé ïëàí Ä.À.Êèíãà âûãëÿäèò ñëåäóþùèì îá-

ðàçîì: 5 çàâèñèìûõ ïåðåìåííûõ è îäèí ìåæãðóïïîâîé ôèê-

ñèðîâàííûé ôàêòîð (ñì. òàáë. 38).

Âûïîëíÿÿ ìíîãîìåðíûé ÄÀ, äëÿ êàæäîé ïåðåìåííîé ìû

ïðîâåðÿåì íóëåâûå ãèïîòåçû î ðàâåíñòâå ñðåäíèõ ïîêàçàòåëåé

äâèãàòåëüíîé àêòèâíîñòè â òðåõ ðàçëè÷íûõ ãðóïïàõ æèâîòíûõ.

122

Ðàññìîòðèì, êàê îáðàáàòûâàþòñÿ äàííûå íàøåãî ïðèìå-

ðà â ñèñòåìå SPSS. Ðåçóëüòàòû èçìåðåíèé ââîäÿòñÿ â Ðåäàê-

òîð Äàííûõ (Data Editor) â âèäå øåñòè ïåðåìåííûõ, ñîîò-

âåòñòâóþùèõ øåñòè èíòåðâàëàì íàáëþäåíèÿ: â êàæäîé ïåðå-

ìåííîé ïî 8½3=24 èñïûòóåìûõ, ò.å. äàííûå ïî êàæäîé ãðóïïå

æèâîòíûõ ââîäÿòñÿ â ñòîëáåö-ïåðåìåííóþ ïîñëåäîâàòåëüíî.

Âî ôðàãìåíòå ýëåêòðîííîé òàáëèöû SPSS (ñì. ðèñ. 17) îíè

îáîçíà÷åíû êàê èíò1, èíò2 ... èíò6. Ñåäüìàÿ ïåðåìåííàÿ (ãðóï-

ïà) êîäèðóåò ïðèíàäëåæíîñòü æèâîòíîãî ê îäíîé èç ýêñïå-

ðèìåíòàëüíûõ ãðóïï: 1  êîíòðîëüíàÿ ãðóïïà, 2  æèâîò-

Òàáëèöà 38

Äàííûå ýêñïåðèìåíòà Ä.À.Êèíãà

Èíòåðâàë íàáëþäåíèÿ

äâèãàòåëüíîé àêòèâíîñòè

Ãðóïïà êðûñ èíò.1 èíò. 2 èíò. 3 èíò. 4 èíò. 5

êîíòðîëüíàÿ

150

335

149

159

292

297

170

156

127

184

160

115

212

246

132

117

225

209

114

230

154

224

170

â ñòàðûõ

óñëîâèÿõ

346

426

359

272

200

366

371

447

177

236

183

263

270

294

192

123

216

164

308

216

239

102

183

101

241

220

219

284

140

232

227

180

267

225

â íîâûõ

óñëîâèÿõ

282

317

362

338

263

138

329

292

225

144

141

104

134

120

114

142

184

189

131

115

108

120

193

169

205

127

169

195

122

123

íûå â ñòàðûõ óñëîâèÿõ, 3  æèâîòíûå â íîâûõ óñëîâèÿõ. Òà-

êèì îáðàçîì, â èòîãå ìû ïîëó÷àåì ìàòðèöó äàííûõ 24½7.

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  Ìíîãîîòêëèêîâàÿ

(Multivariate...). Äàëåå íåîáõîäèìî óêàçàòü çàâèñèìûå ïåðå-

ìåííûå, äëÿ ÷åãî âûäåëÿåì èõ â ëåâîì îêíå è, íàæèìàÿ íà

êíîïêó ñî ñòðåëî÷êîé, ïåðåíîñèì â îêíî Çàâèñèìûå ïåðå-

ìåííûå (Dependent Variables). Çàòåì ñëåäóåò óêàçàòü, êàêàÿ

ïåðåìåííàÿ ñîîòâåòñòâóåò ôàêòîðó. Òàêæå âûäåëÿåì åå â ëå-

âîì îêíå è ïåðåíîñèì â îêíî Ôèêñèðîâàííûå ôàêòîðû (Fixed

Factors), ò.å. ôàêòîðû ñ ôèêñèðîâàííûìè óðîâíÿìè. Ïîñêîëü-

êó â íàøåì ïðèìåðå íåò ïåðåìåííûõ-êîâàðèàò (Covariates),

òî â ñîîòâåòñòâóþùåì îêíå ìû íè÷åãî íå óêàçûâàåì.

Â ïðîöåäóðå ìíîãîìåðíîãî ÄÀ ïðè ðàáîòå ñ äàííûìè ïî-

ÿâëÿåòñÿ åùå îäíà âîçìîæíîñòü: ÷èñëîâûå çíà÷åíèÿ êàæäîé

ïåðåìåííîé ìîãóò áûòü òðàíñôîðìèðîâàíû ïîñðåäñòâîì ïðî-

öåäóðû âçâåøèâàíèÿ ïî ìåòîäó íàèìåíüøèõ êâàäðàòîâ: Âçâå-

øåííûé ÌÍÊ (WLS Weight  weighted least-squares). Ýòà âîç-

Ðèñ. 17. Ïðèìåð ââîäà äàííûõ ýêñïåðèìåíòà Ä.À.Êèíãà â Ðåäàêòîð Äàííûõ SPSS

124

ìîæíîñòü çàêëþ÷àåòñÿ â òîì, ÷òî â äàííûõ ìîæíî óêàçàòü

îòäåëüíóþ ïåðåìåííóþ, ñ ïîìîùüþ êîòîðîé ðåçóëüòàòû ïðî-

âåäåííûõ èçìåðåíèé ïîëó÷àò ðàçëè÷íûé âåñ. Ïîäîáíàÿ òðàíñ-

ôîðìàöèÿ, êàê ïðàâèëî, âûïîëíÿåòñÿ ïðè íåîáõîäèìîñòè

êîìïåíñèðîâàòü ðàçëè÷èÿ â òî÷íîñòè èçìåðåíèé èñïîëüçóå-

ìûõ â àíàëèçå ïåðåìåííûõ. Ïîëüçîâàòåëÿì, íå çíàêîìûì ñ

èñïîëüçîâàíèåì äàííîãî ïðèåìà, ìû íå ðåêîìåíäóåì åãî

ïðèìåíåíèå.

Ïîëüçîâàòåëü ìîæåò âûáðàòü îäíó èç ìîäåëåé îáðàáîòêè

äàííûõ ÄÀ: Ìîäåëü (Model...). Âûáîð âàðèàíòà Ïîëíàÿ ôàê-

òîðíàÿ (Full Factorial) îçíà÷àåò, ÷òî ðàññ÷èòûâàþòñÿ âñå îñ-

íîâíûå ôàêòîðíûå ýôôåêòû (êàê âíóòðèãðóïïîâûõ, òàê è

ìåæãðóïïîâûõ ôàêòîðîâ) è èõ âçàèìîäåéñòâèÿ. Âàðèàíò Íà-

ñòðàèâàåìàÿ (Custom) îçíà÷àåò, ÷òî ìîæíî âûáðàòü îöåíêó

îñíîâíûõ ôàêòîðíûõ ýôôåêòîâ èëè èõ âçàèìîäåéñòâèÿ, à

òàêæå è îãðàíè÷èòü óðîâåíü ôàêòîðíîãî âçàèìîäåéñòâèÿ.

Ïîñêîëüêó â íàøåì ïðèìåðå èìååòñÿ ëèøü îäèí ôàêòîð, òî

ìû âûáèðàåì âàðèàíò Ïîëíàÿ ôàêòîðíàÿ.

Îá èçìåíåíèè ñïîñîáà ðàñ÷åòà ñóìì êâàäðàòîâ (îïöèÿ

Ñóììà êâàäðàòîâ  Sum of Squares:) ñòîèò äóìàòü â ñëó÷àå

íàëè÷èÿ áîëåå, ÷åì îäíîãî ôàêòîðà è íåðàâíîãî êîëè÷åñòâà

èñïûòóåìûõ â ãðóïïàõ (òàê íàçûâàåìûå íåñáàëàíñèðîâàí-

íûå äàííûå). Òîëüêî â ýòîì ñëó÷àå ïîÿâëÿåòñÿ íåîäíîçíà÷-

íîñòü â ðåøåíèè çàäà÷è ðàçäåëåíèÿ îáùåé äèñïåðñèè íà ñî-

ñòàâëÿþùèå. Ýòî ñâÿçàíî ñ òåì, ÷òî îöåíèâàåìûå ðàçëè÷èÿ

ìåæäó ñðåäíèìè çàâèñÿò îò âëèÿíèÿ ýôôåêòîâ äðóãèõ ôàê-

òîðîâ. Ïîýòîìó äëÿ ïðîâåðêè ðàçíûõ ãèïîòåç ìîæíî èñïîëü-

çîâàòü ðàçëè÷íûå ìåòîäû ðàñ÷åòà ñóìì êâàäðàòîâ. Íàïðèìåð,

ïðåäëîæåííûé ïî óìîë÷àíèþ ìåòîä (Òèï III) ñîîòâåòñòâóåò

òàê íàçûâàåìîìó óíèêàëüíîìó, èëè ðåãðåññèîííîìó, àëãîðèòìó,

êîãäà ïðè îöåíêå ëþáîãî ôàêòîðíîãî ýôôåêòà ó÷èòûâàþòñÿ

ðåçóëüòàòû îöåíêè âñåõ îñòàëüíûõ ôàêòîðíûõ ýôôåêòîâ. Äëÿ

òîãî, ÷òîáû ðàçîáðàòüñÿ â ïîäîáíûõ òîíêîñòÿõ, êîòîðûå ëèøü

íåçíà÷èòåëüíî âëèÿþò íà ðåçóëüòàò, ìû ñîâåòóåì ÷èòàòåëþ

îáðàòèòüñÿ ê ðóêîâîäñòâó ïî èñïîëüçîâàíèþ êîíêðåòíîé ñòà-

òèñòè÷åñêîé ñèñòåìû. Ïðåäëîæåííûé ïî óìîë÷àíèþ Òèï III

(Type III) ÿâëÿåòñÿ íàèáîëåå óíèâåðñàëüíûì âûáîðîì. Â îêíå

âûáîðà ìîäåëè ïðåäëàãàåòñÿ åùå îäíà âîçìîæíîñòü, ñïåöè-

125

ôè÷íàÿ äëÿ ìíîãîìåðíîãî ÄÀ  îöåíèòü îòëè÷èå îò íóëÿ

ñðàâíèâàåìûõ ñðåäíèõ ïî ðàçëè÷íûì ãðóïïàì è ïåðåìåí-

íûì: Âêëþ÷èòü â ìîäåëü ñâîáîäíûé ÷ëåí (Include intercept in

model). Â ðàçëè÷íûõ ñòàòèñòè÷åñêèõ ñèñòåìàõ ýòà ôóíêöèÿ

ìîæåò íàçûâàòüñÿ ïî-ðàçíîìó: MEAN, CONSTANT èëè

INTERCEPT. Ýòà ôóíêöèÿ ìîæåò áûòü î÷åíü ïîëåçíà äëÿ

ïñèõîëîãîâ â òîì ñëó÷àå, åñëè âêëþ÷åííûå â àíàëèç ïåðå-

ìåííûå ïðåäñòàâëÿþò ñîáîé îòêëîíåíèÿ èíäèâèäóàëüíûõ

îöåíîê èñïûòóåìûõ îò òåñòîâîé íîðìû. Òîãäà êàê äîïîëíè-

òåëüíûé ðåçóëüòàò àíàëèçà ìû ïîëó÷èì ïî êàæäîìó ôàêòîðó

è êàæäîé ïåðåìåííîé ñòàòèñòè÷åñêóþ îöåíêó îòëè÷èÿ äàí-

íîé âûáîðêè èñïûòóåìûõ îò íîðìû. Ýòî ñðàâíåíèå âûïîë-

íÿåòñÿ òàêæå ñ ïîìîùüþ ìíîãîìåðíûõ òåñòîâ.

Åñëè ïîëüçîâàòåëü õî÷åò îöåíèòü ñîîòíîøåíèå ìåæäó

óðîâíÿìè ôàêòîðà, òî ñëåäóåò âûáðàòü îäèí èç 6 ìåòîäîâ

îöåíêè êîíòðàñòîâ: Êîíòðàñòû (Contràsts...), ïî óìîë÷àíèþ

êîíòðàñòû íå îöåíèâàþòñÿ. Îïûòíûì ïîëüçîâàòåëÿì ïðè íå-

îáõîäèìîñòè ðàáîòû ñ êîíòðàñòàìè ìû ñîâåòóåì îáÿçàòåëü-

íî îáðàòèòüñÿ ê ñîîòâåòñòâóþùåìó îïèñàíèþ ñòàòèñòè÷åñ-

êîé ñèñòåìû SPSS. Íåîïûòíûì êîëëåãàì ðåêîìåíäóåì

ïîëüçîâàòüñÿ óñòàíîâêàìè ïî óìîë÷àíèþ.

Ïðè íåîáõîäèìîñòè â ðåçóëüòàòû ìîãóò áûòü âêëþ÷åíû

ãðàôèêè ñîîòíîøåíèÿ ñðåäíèõ çíà÷åíèé èçìåðÿåìîé ïåðå-

ìåííîé äëÿ ðàçëè÷íûõ óðîâíåé ðàçëè÷íûõ ôàêòîðîâ: Ãðàôè-

êè (Plots...).

Ñðåäè ìåòîäîâ ìíîæåñòâåííûõ ïàðíûõ ñðàâíåíèé (Àïîñ-

òåðèîðè  Post Hoc Tests) âûáåðåì òåñò ÃåéìñàÕàóýëëà.

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

íèòü, â ìàòðèöå äàííûõ ïðåäóñìîòðåíà âîçìîæíîñòü èõ çà-

ïèñè êàê íîâûõ ïåðåìåííûõ: Ñîõðàíèòü (Save...). Ýòè íîâûå

ïåðåìåííûå ìîãóò áûòü ïðåäìåòîì ñïåöèàëüíîãî àíàëèçà íà

ïðåäìåò ñîîòâåòñòâèÿ îáðàáîòàííûõ äàííûõ èñïîëüçóåìîé

ìîäåëè ÄÀ.

Äîïîëíèòåëüíî ìîæíî çàêàçàòü äëÿ âûäà÷è â ðåçóëüòàòû

àíàëèçà ìíîãî äîïîëíèòåëüíûõ ïîêàçàòåëåé, õàðàêòåðèçóþ-

ùèõ äàííûå è ìîäåëü ÄÀ: Ïàðàìåòðû (Options...)

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

äàííîé ïðîöåäóðû ÄÀ òðåáóåòñÿ íàæàòü êíîïêó OK.

126

Â îêíå ðåçóëüòàòîâ ìîæåò áûòü ïðåäñòàâëåíà î÷åíü îá-

øèðíàÿ èíôîðìàöèÿ, ñîñòîÿùàÿ èç íåñêîëüêèõ ñòðàíèö òàá-

ëèö è ãðàôèêîâ. Ìû ïðèâåäåì çäåñü ëèøü îñíîâíûå ðåçóëü-

òàòû (ñì. òàáë. 39) è ñäåëàåì íåîáõîäèìûå êîììåíòàðèè.

Â âåðõíåé ÷àñòè òàáëèöû (ñì. òàáë. 39, À) ïðåäñòàâëåíû

ðåçóëüòàòû ïðîâåðêè äîïóùåíèé ìíîãîìåðíîãî ÄÀ. Ì-òåñò

Áîêñà îöåíèâàåò ðàâåíñòâî äèñïåðñèîííî-êîâàðèàöèîííûõ

ìàòðèö äëÿ êàæäîãî óðîâíÿ ôàêòîðà. Ïîëó÷åííûå ðåçóëüòà-

òû ïîêàçûâàþò (F = 0.929, p = 0.603), ÷òî ó íàñ íåò îñíîâà-

íèé ãîâîðèòü î íàðóøåíèè ýòîãî äîïóùåíèÿ. Ðåçóëüòàòû òå-

ñòà Áàðòëåòòà íà ñôåðè÷íîñòü ïîêàçûâàþò, ÷òî êîððåëÿöè-

îííàÿ ìàòðèöà ïåðåìåííûõ íå ÿâëÿåòñÿ åäèíè÷íîé ìàòðèöåé,

ñëåäîâàòåëüíî íàøè ïåðåìåííûå ñâÿçàíû êîððåëÿöèîííîé

ñâÿçüþ (àïïðîêñ.c

= 73.873, ð < 0.005).

Â ñëåäóþùåé ÷àñòè òàáëèöû (ñì. òàáë. 39, Á) äàíû ðåçóëü-

òàòû âñåõ ÷åòûðåõ îòìå÷åííûõ âûøå ìíîãîìåðíûõ òåñòîâ: ïî

âñåì òåñòàì îñíîâíîé ýôôåêò ôàêòîðà «ãðóïïà æèâîòíûõ»

(Group) îêàçàëñÿ âûñîêî çíà÷èìûì. Òàêèì îáðàçîì, ïðîâå-

ðÿåìàÿ íàìè íóëåâàÿ ãèïîòåçà î ðàâåíñòâå ãðóïïîâûõ ñðåä-

íèõ ìîæåò áûòü îòâåðãíóòà. Åùå íèæå ïðåäñòàâëåíû ðåçóëü-

òàòû óæå èçâåñòíûõ íàì òåñòîâ îäíîìåðíîãî ÄÀ ïî êàæäîé

èç 6 ïåðåìåííûõ. Âèäíî, ÷òî ïî êàæäîé ïåðåìåííîé îáíà-

ðóæåí ñòàòèñòè÷åñêè äîñòîâåðíûé ýôôåêò ôàêòîðà «ãðóïïà

æèâîòíûõ» (ð < 0.005). Äëÿ òîãî, ÷òîáû ðàçîáðàòü, êàêèå

ñðåäíèå ðàçëè÷àþòñÿ ìåæäó ñîáîé, â ñàìîé íèæíåé ÷àñòè

òàáëèöû (ñì. òàáë. 39, Ã) ïðåäñòàâëåíû ðåçóëüòàòû ìíîæå-

ñòâåííûõ (6 ñðàâíåíèé ïî êàæäîé èç 6 ïåðåìåííûõ) ïàðíûõ

ñðàâíåíèé ïî êðèòåðèþ ÃåéìñàÕàóýëëà.

Â ñòàòèñòè÷åñêîé ñèñòåìå SPSS èìååòñÿ âîçìîæíîñòü

âêëþ÷àòü â ìíîãîìåðíûé ÄÀ íå òîëüêî ìåæãðóïïîâûå, íî è

âíóòðèãðóïïîâûå ôàêòîðû, îäíàêî ýòà âîçìîæíîñòü ðåàëè-

çóåòñÿ ñ ïîìîùüþ ñïåöèàëüíîãî êîìàíäíîãî ðåæèìà âûïîë-

íåíèÿ ñòàòèñòè÷åñêèõ ïðîöåäóð (Comand Syntax). Ñ ýòèìè äî-

ïîëíèòåëüíûìè âîçìîæíîñòÿìè ìîæíî îçíàêîìèòüñÿ â ñïå-

öèàëüíîì ðóêîâîäñòâå ïî èñïîëüçîâàíèþ Comand Syntax,

ëèáî îáðàòèâøèñü ê ðåæèìó «Ïîìîùü» (Help) èç îñíîâíîãî

ìåíþ è âûáðàâ â íåì ðàçäåë Syntax Guide, à â íåì  ïîäðàç-

äåë Advanced Statistics.

127

Îáùàÿ Ëèíåéíàÿ Ìîäåëü

Between-Subjects Factor

1.00

2.00

3.00

ãðóïïà

èâîòíûõ

Box's Test of Equality

of Covariance

Matrices

69.121

.929

1309

.603

Box's M

df1

df2

Sig.

Bartlett's Test of

Sphericity

.000

73.873

.000

Likelihood

Ratio

Approx.

Chi-Square

Sig.

Multivariate Tests

.960 64.105 6.000 16.000 .000

.040 64.105 6.000 16.000 .000

24.039 64.105 6.000 16.000 .000

.841 2.057 12.000 34.000 .049

.308 2.140 12.000 32.000 .043

1.765 2.207 12.000 30.000 .039

1.425 4.038 6.000 17.000 .011

Ñëåä Ïèëëàÿ

Ëÿìáäà Óèëêñà

Ñëåä Õîòåëëèíãà

Íàèáîëüøèé êîðåíü Ðîÿ

Ñëåä Ïèëëàÿ

Ëÿìáäà Óèëêñà

Ñëåä Õîòåëëèíãà

Íàèáîëüøèé êîðåíü Ðîÿ

Ýôôåêò

Intercept

ÃÐÓÏÏÀ

Çíà÷åíèå F

Ñò. ñâ.

ãèïîòåçû

Ñò.ñâ.

îøèáêè

Çíà÷.

Tests of Between-Subjects Effects

72793.000

36396.500 6.260 .007

152425.333

76212.667 9.719 .001

75468.000

37734.000 9.645 .001

16913.083

8456.542 1.851 .182

30403.583

15201.792 4.089 .032

9037.000

4518.500 .895 .424

1937448.4

1937448.4 333.218 .000

555104.167

555104.167 70.792 .000

483936.000

483936.000 123.693 .000

448540.042

448540.042 98.182 .000

527770.042

527770.042 141.955 .000

524808.375

524808.375 103.986 .000

72793.000

36396.500 6.260 .007

152425.333

76212.667 9.719 .001

75468.000

37734.000 9.645 .001

16913.083

8456.542 1.851 .182

30403.583

15201.792 4.089 .032

9037.000

4518.500 .895 .424

122101.625

5814.363

164668.500

7841.357

82160.000

3912.381

95937.875

4568.470

78075.375

3717.875

105985.625

5046.935

2132343.0

872198.000

641564.000

561391.000

636249.000

639831.000

194894.625

317093.833

157628.000

112850.958

108478.958

115022.625

Çàâèñèìàÿ ïåðåìåííàÿ

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

Èñòî÷íèê

Ñêîððåêòèðîâàííàÿ

ìîäåëü

Intercept

ÃÐÓÏÏÀ

Îøèáêà

Èòîã

Ñêîððåêòèðîâàííûé

èòîã

Ñóììà

êâàäðàòîâ

òèïà III

ñò.ñâ.

Ñðåäíèé

êâàäðàò

F Çíà÷.

Òàáëèöà 39

Ðåçóëüòàòû ìíîãîìåðíîãî ÄÀ â ñèñòåìå SPSS 8.01

.007

.001

.182

.032

.424

.000

.007

.001

.182

.032

.424

128

Ìíîæåñòâåííûå ñðàâíåíèÿ

Ãåéìç-Õîóåëë

-134.50* 38.126 .012 -238.53 -30.47

-76.25 38.126 .138 -173.85 21.35

134.50* 38.126 .012 30.47 238.53

58.25 38.126 .296 -39.76 156.26

76.25 38.126 .138 -21.35 173.85

-58.25 38.126 .296 -156.26 39.76

-171.50* 44.276 .012 -304.90 -38.10

-5.00 44.276 .991 -107.46 97.46

171.50* 44.276 .012 38.10 304.90

166.50* 44.276 .008 48.81 284.19

5.00 44.276 .991 -97.46 107.46

-166.50* 44.276 .008 -284.19 -48.81

-124.50* 31.275 .004 -206.87 -42.13

-12.00 31.275 .912 -88.79 64.79

124.50* 31.275 .004 42.13 206.87

112.50* 31.275 .012 25.53 199.47

12.00 31.275 .912 -64.79 88.79

-112.50* 31.275 .012 -199.47 -25.53

-43.88 33.795 .480 -140.79 53.04

19.63 33.795 .805 -62.34 101.59

43.88 33.795 .480 -53.04 140.79

63.50 33.795 .175 -24.49 151.49

-19.63 33.795 .805 -101.59 62.34

-63.50 33.795 .175 -151.49 24.49

-75.88 30.487 .088 -161.91 10.16

-.75 30.487 1.000 -77.46 75.96

75.88 30.487 .088 -10.16 161.91

75.13 30.487 .058 -2.37 152.62

.75 30.487 1.000 -75.96 77.46

-75.13 30.487 .058 -152.62 2.37

-44.75 35.521 .498 -146.19 56.69

-8.50 35.521 .964 -95.55 78.55

44.75 35.521 .498 -56.69 146.19

36.25 35.521 .562 -55.58 128.08

8.50 35.521 .964 -78.55 95.55

-36.25 35.521 .562 -128.08 55.58

(J) ãðóïïà æèâîò

2.00

3.00

1.00

3.00

1.00

2.00

3.00

1.00

3.00

1.00

2.00

3.00

1.00

3.00

1.00

2.00

3.00

1.00

3.00

1.00

2.00

3.00

1.00

3.00

1.00

2.00

3.00

1.00

3.00

1.00

2.00

(I) ãðóïïà æèâîò

1.00

2.00

3.00

1.00

2.00

3.00

1.00

2.00

3.00

1.00

2.00

3.00

1.00

2.00

3.00

1.00

2.00

3.00

Çàâèñèìàÿ ïåðåìå

1 èíòåðâàë

2 èíòåðâàë

3 èíòåðâàë

4 èíòåðâàë

5 èíòåðâàë

6 èíòåðâàë

(I-J)-ÿ

ðàçíîñòü

ñðåäíèõ

Ñòä.

îøèáêà

Çíà÷.

Íèæíÿÿ

ãðàíèöà

Âåðõíÿÿ

ãðàíèöà

95% äîâåðèòåëüíûé

èíòåðâàë

Îñíîâàíî íà íàáëþäåííûõ ñðåäíèõ.

Ðàçíîñòü ñðåäíèõ çíà÷èìà íà óðîâíå .05.

Òàáëèöà 39 (ïðîäîëæåíèå)

ÃåéìñÕàóýëë

ãðóïïà æèâîòíûõ

Çàâèñèìàÿ ïåðåìåííàÿ

129

ÇÀÄÀÍÈß

1. Äâóì ãðóïïàì èç 6 èñïûòóåìûõ-äîáðîâîëüöåâ â êàæ-

äîé ââîäèëèñü äâå ðàçëè÷íûå äîçû ñòèìóëèðóþùåãî ëå-

êàðñòâà (ôàêòîð «äîçà»: 2 óðîâíÿ). Â õîäå ýêñïåðèìåíòà

èçìåðÿëîñü èõ ôóíêöèîíàëüíîå ñîñòîÿíèå ïî ïîâåäåí÷åñ-

êîìó (ïîðîã ñëóõîâîé ÷óâñòâèòåëüíîñòè) è ôèçèîëîãè-

÷åñêîìó (÷àñòîòà ïóëüñà  ×ÑÑ) ïîêàçàòåëÿì. Â òàáëèöå

ïðèâåäåíû ýêñïåðèìåíòàëüíûå äàííûå â óñëîâíûõ åäè-

íèöàõ îòíîñèòåëüíî èñõîäíîãî (ôîíîâîãî) óðîâíÿ ôóíê-

öèîíàëüíîãî ñîñòîÿíèÿ, îöåíåííîãî äî ýêñïåðèìåíòà.

Îáðàáîòàéòå ïîëó÷åííûå äàííûå ìåòîäîì ìíîãîìåð-

íîãî ÄÀ â îäíîé èç ñòàòèñòè÷åñêèõ ñèñòåì è îöåíèòå âëè-

ÿíèå äîçû ëåêàðñòâà íà êàæäóþ çàâèñèìóþ ïåðåìåííóþ.

Ïåðâàÿ ãðóïïà èñïûòóåìûõ Âòîðàÿ ãðóïïà èñïûòóåìûõ

Äîçà Ïîðîã ×ÑÑ Äîçà Ïîðîã ×ÑÑ

13.42.223.32.8

13.42.223.22.6

13.32.323.22.7

13.42.323.22.6

13.32.223.22.7

13.32.023.32.6

2. Â ýêñïåðèìåíòàõ À.Í.Ãóñåâà è Ñ.À.Øàïêèíà (íåî-

ïóáëèêîâàííûå äàííûå, 1994) èçó÷àëîñü âëèÿíèå âðåìåíè

ñóòîê (ìåæãðóïïîâîé ôàêòîð 1: 2 óðîâíÿ  «óòðî» è «âå-

÷åð») è ìîòèâàöèè äîñòèæåíèÿ èñïûòóåìûõ (ìåæãðóïïî-

âîé ôàêòîð 2: 2 óðîâíÿ  «ìîòèâèðîâàííûå íà èçáåãàíèå

íåóäà÷è» è «ìîòèâèðîâàííûå íà óñïåõ») íà ýôôåêòèâ-

íîñòü îáíàðóæåíèÿ çðèòåëüíûõ ñèãíàëîâ â óñëîâèÿõ ïî-

âûøåííîé áäèòåëüíîñòè. Â òàáëèöå ïðèâåäåíû çíà÷åíèÿ

4-õ ïîêàçàòåëåé âðåìåíè ðåàêöèè èñïûòóåìûõ (ÂÐ).

Îáðàáîòàéòå ïîëó÷åííûå äàííûå ìåòîäîì ìíîãîìåð-

íîãî ÄÀ â îäíîé èç ñòàòèñòè÷åñêèõ ñèñòåì è îöåíèòå âëè-

ÿíèå âðåìåíè ñóòîê è ìîòèâàöèè äîñòèæåíèÿ íà êàæäóþ

çàâèñèìóþ ïåðåìåííóþ: ñðåäíåå ÂÐ íà ïðàâèëüíûå îáíà-

ðóæåíèÿ  ÂÐ(Hit), ñðåäíåå ÂÐ íà ëîæíûå òðåâîãè 

ÂÐ(FA), ñðåäíåêâàäðàòè÷íîå îòêëîíåíèå ÂÐ íà ïðàâèëü-

130

íûå îáíàðóæåíèÿ 

()

HitBH

è ñðåäíåêâàäðàòè÷íîå îòêëî-

íåíèå ÂÐ íà ëîæíûå òðåâîãè 

()

FABH

. Îöåíèòå äëÿ êàæ-

äîé ïåðåìåííîé ýôôåêò âçàèìîäåéñòâèÿ ôàêòîðîâ «âðå-

ìÿ ñóòîê» è «ìîòèâàöèÿ äîñòèæåíèÿ».

Åñòü ëè ðàçëè÷èå â îöåíêàõ ôàêòîðíûõ ýôôåêòîâ è èõ

âçàèìîäåéñòâèÿ, ïðîâåäåííûõ ñ ïîìîùüþ ìíîãîìåðíûõ

òåñòîâ (òî, ÷òî äåëàåò MANOVA) è F-êðèòåðèÿ (òî, ÷òî

äåëàåò ANOVA)?

¹ èñï-ãî ÂÐ(Hit) ÂÐ(FA) Âðåìÿ äíÿ Ìîòèâàöèÿ

285

257

289

266

264

370

269

331

356

416

352

283

373

305

298

361

367

368

347

325

285

345

268

324

238

258

378

252

298

300

355

331

232

324

252

356

359

314

266

354

285

287

124

111

143

103

107

3. Â èññëåäîâàíèè Ë.ß.Äîðôìàíà è Ã.ß.Êîâàëåâîé (íåî-

ïóáëèêîâàííûå äàííûå, 1999) èçó÷àëàñü ñâÿçü ðàçëè÷íûõ

èíäèâèäóàëüíûõ îñîáåííîñòåé èñïûòóåìûõ. Êàæäûé èñ-

ïûòóåìûé îöåíèâàëñÿ ïî âûðàæåííîñòè ÷åòûðåõ ñóá-

ìîäàëüíîñòåé ß: «ß  àâòîðñêîå», «ß  âîïëîùåííîå»,

()

HitBH

()

FABH