Гусев А.Н. Дисперсионный анализ в экспериментальной психологии

Подождите немного. Документ загружается.

ñèðîâàííûìè èëè ñëó÷àéíûìè ýôôåêòàìè. Â òîì ñëó÷àå, åñëè

ýôôåêò ìåæôàêòîðíîãî âçàèìîäåéñòâèÿ íå îáíàðóæåí, òî

ïðîâîäèòñÿ äîïîëíèòåëüíûé àíàëèç ïî ôàêòîðàì À è Â, íî

óæå áåç ó÷åòà èõ âçàèìîäåéñòâèÿ. Ýòîò ïðèåì, êàê ïðàâèëî,

äàåò áîëåå íèçêèé óðîâåíü çíà÷èìîñòè íóëåâûõ ãèïîòåç, ò.å.

ìîæåò ïîâûñèòüñÿ âåðîÿòíîñòü îáíàðóæåíèÿ îäíîãî èç ôàê-

òîðíûõ ýôôåêòîâ (êàê ýòî áûëî â ïðåäûäóùåì ïðèìåðå ñ

îñíîâíûì ýôôåêòîì ôàêòîðà 2). Ïîëó÷åííûìè ðåçóëüòàòà-

ìè ðåêîìåíäóåòñÿ ïîëüçîâàòüñÿ, åñëè óðîâåíü çíà÷èìîñòè

ãèïîòåçû îá îòñóòñòâèè âçàèìîäåéñòâèÿ ôàêòîðîâ äîñòàòî÷-

íî âûñîê (p çíà÷èòåëüíî áîëüøå 0.05).

3.11. ÐÀÁÎÒÀ Ñ ÄÂÓÕÔÀÊÒÎÐÍÛÌ ÄÈÑÏÅÐÑÈÎÍÍÛÌ

ÀÍÀËÈÇÎÌ

Â ÑÒÀÒÈÑÒÈ×ÅÑÊÎÉ ÑÈÑÒÅÌÅ SPSS 8.0.1

Äàííûå çàíîñÿòñÿ â ýëåêòðîííóþ òàáëèöó Ðåäàêòîðà Äàí-

íûõ (SPSS Data Editor) â âèäå äâóõ èëè íåñêîëüêèõ ñòîëáöîâ

(ïåðåìåííûõ) îäèíàêîâîé äëèíû: â ïåðâûé çàíîñÿòñÿ çíà-

÷åíèÿ èññëåäóåìîé ïåðåìåííîé, ïîëó÷åííûå ïî êàæäîìó èç

N íàáëþäåíèé, âî âòîðîé  çíà÷åíèÿ óðîâíåé ïåðâîãî ôàê-

òîðà (äëÿ a ôèêñèðîâàííûõ óðîâíåé  ýòî ÷èñëà îò 1 äî k),

ñîîòâåòñòâóþùèå îòäåëüíûì íàáëþäåíèÿì, â òðåòèé  çíà-

÷åíèÿ óðîâíåé äëÿ âòîðîãî ôàêòîðà (äëÿ b ôèêñèðîâàííûõ

óðîâíåé  ýòî ÷èñëà îò 1 äî m). Òàêèì îáðàçîì, êîëè÷åñòâî

ñòðîê ðàâíî ñóììå âñåõ íàáëþäåíèé èëè ñóììå íàáëþäåíèé,

ïîëó÷åííûõ ïî êàæäîìó èç k½m óðîâíåé ôàêòîðîâ. Åñëè äâóõ-

ôàêòîðíûé ÄÀ âûïîëíÿåòñÿ ïîñëåäîâàòåëüíî äëÿ íåñêîëü-

êèõ ïåðåìåííûõ, òî ýëåêòðîííàÿ òàáëèöà, ñîîòâåòñòâåííî,

ìîæåò ñîäåðæàòü áîëüøåå êîëè÷åñòâî ñòîëáöîâ.

Êðîìå òîãî, â ñèñòåìå SPSS ïîÿâëÿåòñÿ åùå îäíà äîïîë-

íèòåëüíàÿ âîçìîæíîñòü îáðàáîòêè äàííûõ â ïðîöåäóðå ìíî-

ãîôàêòîðíîãî ÄÀ. Ýòî òàê íàçûâàåìàÿ òåõíèêà ó÷åòà êîâàðè-

àöèè èçìåðÿåìîãî ïðèçíàêà ñ äðóãèì äîïîëíèòåëüíûì ïðè-

çíàêîì. Îñòàâàÿñü â ðàìêàõ íàøåãî áàçîâîãî ïðèìåðà ñ

èññëåäîâàíèåì çàâèñèìîñòè êðàòêîâðåìåííîé ïàìÿòè îò

äëèíû ñëîâ (ñì. ðàçä. 3.4) è ñêîðîñòè èõ ïðåäúÿâëåíèÿ, ïðåä-

ïîëîæèì, ÷òî äî ýêñïåðèìåíòà âñå èñïûòóåìûå ïðîøëè ñòàí-

äàðòíûé òåñò íà îáúåì êðàòêîâðåìåííîé ïàìÿòè. Åñòåñòâåííî

ïðåäïîëîæèòü, ÷òî èìååò ìåñòî âûñîêàÿ êîððåëÿöèÿ (ò.å.

ëèíåéíàÿ çàâèñèìîñòü) ìåæäó êîëè÷åñòâîì ïðàâèëüíî âîñ-

ïðîèçâåäåííûõ áóêâ èñïûòóåìûìè êàæäîé ãðóïïû è ðåçóëü-

òàòàìè òåñòà íà êðàòêîâðåìåííóþ ïàìÿòü. Â ýòîì ñëó÷àå (êîã-

äà ÿâíàÿ êîððåëÿöèÿ óñòàíîâëåíà!) â àëãîðèòìå ðàñ÷åòîâ ÄÀ

èñïîëüçóåòñÿ ýòà äîïîëíèòåëüíàÿ ïåðåìåííàÿ-êîâàðèàòà. Â õîäå

ÄÀ ìåòîä èñïîëüçîâàíèÿ ïåðåìåííîé-êîâàðèàòû ïîçâîëÿåò

â ðÿäå ñëó÷àåâ óâåëè÷èòü âåëè÷èíó îñíîâíûõ ýôôåêòîâ è,

òåì ñàìûì, ñäåëàòü èõ ñòàòèñòè÷åñêè çíà÷èìûìè. Òàêèì îá-

ðàçîì, èñïîëüçîâàíèå äîïîëíèòåëüíîé èíôîðìàöèè ïîâû-

øàåò ýôôåêòèâíîñòü îñíîâíîé ïðîöåäóðû ÄÀ.

Âîçüìåì ðåçóëüòàòû îäíîãî èíæåíåðíî-ïñèõîëîãè÷åñêî-

ãî ýêñïåðèìåíòà è îáðàáîòàåì èìåþùèåñÿ äàííûå â ñèñòå-

ìå SPSS 8.0.1

. Âîñïîëüçóåìñÿ äàííûìè èç çàäàíèÿ ¹ 4 ïðå-

äûäóùåé ãëàâû (ñì. ñ.4142). Äàííûå (ñì. òàáë. 24) ïðåäñòàâ-

ëÿþò ñîáîé êîëè÷åñòâî îøèáîê, äîïóùåííûõ òðåìÿ ãðóïïàìè

èñïûòóåìûõ (ôàêòîð 1: 3 óðîâíÿ) â ýêñïåðèìåíòå ïî ñëåæå-

íèþ çà äâèæóùèìñÿ îáúåêòîì. Êðîìå òîãî, ââåäåì åùå îäèí

êîíòðîëèðóåìûé ôàêòîð  ïîë èñïûòóåìîãî (2 óðîâíÿ). Äî

íà÷àëà âûïîëíåíèÿ âû÷èñëåíèé ïðîäåëàåì íåáîëüøîé âè-

çóàëüíûé àíàëèç ïîëó÷åííûõ ðåçóëüòàòîâ. Ïðåäñòàâëåííûé

íà ðèñ. 8 ñâîåîáðàçíûé «ïàðàëëåëîãðàìì îøèáîê» ïîêàçû-

âàåò, ÷òî ôàêòîð 1 (ãðóïïà èñïûòóåìûõ), ïî-âèäèìîìó, âëèÿë

íà êîëè÷åñòâî äîïóùåííûõ îøèáîê, ïîñêîëüêó âèäåí ðîñò

êîëè÷åñòâà îøèáîê îò ïåðâîé ãðóïïû ê òðåòüåé. Êðîìå òîãî,

ìîæíî ïðåäïîëîæèòü, ÷òî ôàêòîð 2 (ïîë èñïûòóåìûõ) òàê-

æå îêàçûâàë âëèÿíèå íà óñïåøíîñòü äåÿòåëüíîñòè (ïî êðàé-

íåé ìåðå, ýòî âèäíî âî âòîðîé ãðóïïå). Ïî ïîâîäó íàëè÷èÿ

ìåæôàêòîðíîãî âçàèìîäåéñòâèÿ ÷òî-òî îïðåäåëåííîå ñêàçàòü

òðóäíî, íî çàðàíåå îòâåðãàòü åãî, ïî-âèäèìîìó, íåò îñíîâà-

íèé, ïîñêîëüêó â äâóõ ãðóïïàõ (íîâè÷êè è ñòóäåíòû) ìóæ-

÷èíû è æåíùèíû ÿâíî îòëè÷àþòñÿ ïî êîëè÷åñòâó ñäåëàí-

íûõ îøèáîê. Ïîñìîòðèì, íàñêîëüêî íàø ïèëîòàæíûé âè-

çóàëüíûé àíàëèç áóäåò ñîîòâåòñòâîâàòü ðåçóëüòàòàì ÄÀ.

Ïî ñðàâíåíèþ ñ áîëåå ðàííèìè âåðñèÿìè SPSS, â âåðñèÿõ 8.0 è âûøå â

ïðîöåäóðàõ ÄÀ áûëè ñäåëàíû çíà÷èòåëüíûå èçìåíåíèÿ. Òåì íå ìåíåå, ìû

íàäååìñÿ, ÷òî ÷èòàòåëü, ðàáîòàâøèé ñ áîëåå ðàííèìè âåðñèÿìè äàííîé ñèñòåìû,

ñìîæåò áåç îñîáîãî òðóäà ïîíÿòü ñìûñë ñäåëàííûõ èçìåíåíèé.

Ðèñ. 8. Ðåçóëüòàòû äâóõôàêòîðíîãî ýêñïåðèìåíòà ïî ñëåæåíèþ çà äâèæóùèìñÿ

îáúåêòîì:

îñü X  ãðóïïà èñïûòóåìûõ; îñü Y  êîëè÷åñòâî äîïóùåííûõ îøèáîê

Êîë-âî îøèáîê

æåíùèíû

ìóæ÷èíû

Îïûòíûå îïåðàòîðû

Íîâè÷êè

Ñòóäåíòû

Ãðóïïû èñïûòóåìûõ

Ïîñëå ââîäà äàííûõ â ìåíþ ñòàòèñòè÷åñêèõ ìåòîäîâ Ñòà-

òèñòèêà (Statistics) ñëåäóåò âûáðàòü ãðóïïó ìåòîäîâ ÎËÌ 

Îáùàÿ ëèíåéíàÿ ìîäåëü (General Linear Model), à íåé âàðèàíò

Îáîáùåííàÿ ôàêòîðíàÿ... (General Factorial). Â ïîÿâèâøåìñÿ îêîø-

êå ñëåâà áóäåò ïðåäñòàâëåí ñïèñîê âñåõ ïåðåìåííûõ (ñòîëá-

öîâ), âêëþ÷åííûõ â ýëåêòðîííóþ òàáëèöó. Â íàøåì ñëó÷àå èõ 4:

¹ èñïûòóåìîãî, Îøèáêè, Ãðóïïà è Ïîë. Èç íèõ íóæíî âûáðàòü

îäíó àíàëèçèðóåìóþ ïåðåìåííóþ (Îøèáêè) è ïåðåíåñòè åå â

îêíî Çàâèñèìàÿ ïåðåìåííàÿ (Dependent Variable).

Çàòåì ñëåäóåò óêàçàòü, â êàêèõ ïåðåìåííûõ çàäàíû çíà-

÷åíèÿ óðîâíåé èññëåäóåìûõ ôàêòîðîâ, è ïåðåíåñòè èõ â îêíî

Ôèêñèðîâàííûå ôàêòîðû (Fixed Factors) èëè Ñëó÷àéíûå ôàê-

òîðû (Random Factors). Â íàøåì ïðèìåðå èìååòñÿ 2 ôèêñè-

ðîâàííûõ ôàêòîðà  Ãðóïïà è Ïîë.

Â äàííîì ïðèìåðå ìû íå èñïîëüçóåì ïåðåìåííóþ-êîâà-

ðèàòó, ïîýòîìó â îêíî Êîâàðèàòû (Covariates) íå çàíîñèòñÿ

íèêàêàÿ ïåðåìåííàÿ. Â ñëåäóþùåì îêíå Âçâåøåííûé ÌÍÊ

(WLS Weight) ìîæíî çàäàòü ïåðåìåííóþ, çíà÷åíèÿ êîòîðîé

ïðèäàþò ðàçëè÷íûå âåñà ðåçóëüòàòàì èçìåðåíèé, ñîñòàâëÿþ-

ùèì çàâèñèìóþ ïåðåìåííóþ. Ýòà âîçìîæíîñòü çàêëþ÷àåòñÿ

â òîì, ÷òî ÷èñëîâûå çíà÷åíèÿ çàâèñèìîé ïåðåìåííîé ìîãóò

áûòü òðàíñôîðìèðîâàíû ïîñðåäñòâîì ïðîöåäóðû âçâåøèâà-

íèÿ ïî ìåòîäó íàèìåíüøèõ êâàäðàòîâ: WLS Weight (Weighted

Least-Squares). Äëÿ ýòîãî â äàííûõ ìîæíî óêàçàòü îòäåëüíóþ

ïåðåìåííóþ, ñ ïîìîùüþ êîòîðîé ðåçóëüòàòû ïðîâåäåííûõ

èçìåðåíèé ïîëó÷àò ðàçëè÷íûé âåñ. Ïîäîáíàÿ òðàíñôîðìà-

öèÿ, êàê ïðàâèëî, âûïîëíÿåòñÿ ïðè íåîáõîäèìîñòè êîìïåí-

ñèðîâàòü ðàçëè÷èÿ â òî÷íîñòè èçìåðåíèé èñïîëüçóåìûõ â

èññëåäîâàíèè ïåðåìåííûõ. Òåì, êòî íå çíàêîì ñ èñïîëüçî-

âàíèåì äàííîãî ïðèåìà, ìû íå ðåêîìåíäóåì åãî ïðèìåíå-

íèå. Ïîñêîëüêó â íàøåì ýêñïåðèìåíòå àíàëèçèðóåòñÿ òîëü-

Òàáëèöà 24

Äàííûå ýêñïåðèìåíòà ïî ñëåæåíèþ çà äâèæóùèìñÿ îáúåêòîì,

âíåñåííûå â ýëåêòðîííóþ òàáëèöó SPSS

¹ Îøèáêè Ãðóïïà Ïîë

3.13

3.64

2.59

4.22

1.36

3.25

3.14

1.97

3.16

3.47

1.39

3.87

4.37

3.79

3.33

5.38

4.07

5.39

3.37

4.74

5.60

3.02

6.18

5.22

4.15

5.47

6.88

6.40

2.07

4.68

1.00

2.00

3.00

1.00

2.00

1.00

2.00

1.00

2.00

êî îäíà çàâèñèìàÿ ïåðåìåííàÿ, òî ìû íå èñïîëüçóåì äàí-

íóþ âîçìîæíîñòü.

Äàëåå ïîëüçîâàòåëü ìîæåò îïðåäåëèòü âàðèàíòû èñïîëü-

çóåìîé ìîäåëè ÄÀ, äëÿ ÷åãî ñëåäóåò íàæàòü êíîïêó Ìîäåëü

(Model). Ïîëíàÿ ôàêòîðíàÿ ìîäåëü (Full factorial) âêëþ÷àåò â

ñåáÿ îöåíêè âñåõ ãëàâíûõ ôàêòîðíûõ ýôôåêòîâ, ýôôåêòû

êîâàðèàò, ïàðíûå âçàèìîäåéñòâèÿ âñåõ ôàêòîðîâ è íå âêëþ-

÷àåò îöåíêó âçàèìîäåéñòâèÿ ìåæäó êîâàðèàòàìè. ×òîáû çà-

äàòü äðóãóþ íåîáõîäèìóþ ïîëüçîâàòåëþ êîíôèãóðàöèþ ìî-

äåëè (ò.å. îãðàíè÷èòü ïîëíóþ ôàêòîðíóþ ìîäåëü), ñëåäóåò

ïðè âûáîðå ìîäåëè óêàçàòü âàðèàíò Íàñòðàèâàåìàÿ (Custom)

è îïðåäåëèòü âñå íåîáõîäèìûå êîìïîíåíòû ìîäåëè. Ïðè îá-

ðàáîòêå áîëåå ÷åì äâóõôàêòîðíîãî ýêñïåðèìåíòà èññëåäîâà-

òåëü ìîæåò îãðàíè÷èòü óðîâåíü ìåæôàêòîðíîãî âçàèìîäåéñò-

âèÿ, ò.å. ïðè ðàñ÷åòàõ îòñå÷ü âçàèìîäåéñòâèå ôàêòîðîâ âûñ-

øåãî ïîðÿäêà. Â ñëó÷àå ââåäåííîãî îãðàíè÷åíèÿ ëþáîé íå

âû÷èñëÿåìûé ýôôåêò âçàèìîäåéñòâèÿ áóäåò îáúåäèíåí ñ

îñòàòî÷íîé ñóììîé êâàäðàòîâ. Â ñëó÷àå çàäàíèÿ îòñóòñòâèÿ

âçàèìîäåéñòâèé áóäóò ðàññ÷èòûâàòüñÿ òîëüêî îñíîâíûå ýô-

ôåêòû ïî êàæäîìó èç ôàêòîðîâ. Ïîñêîëüêó â òåêóùåì àíà-

ëèçå íàñ èíòåðåñóþò íå òîëüêî îñíîâíûå ýôôåêòû, íî è

âçàèìîäåéñòâèå ôàêòîðîâ, ìû, áåç ñîìíåíèÿ, âûáèðàåì

ïîëíóþ ôàêòîðíóþ ìîäåëü.

Êðîìå òîãî, ïîëüçîâàòåëü èìååò âîçìîæíîñòü âûáðàòü îäèí

èç òðåõ ìåòîäîâ ðàçëîæåíèÿ ñóììû êâàäðàòîâ è îöåíêè îñ-

òàòî÷íîé ñóììû êâàäðàòîâ (îñíîâíàÿ ïðîöåäóðà ÄÀ)  îêíî

Ñóììà êâàäðàòîâ (Sum of squares). Äëÿ ñáàëàíñèðîâàííûõ è

íåñáàëàíñèðîâàííûõ ìîäåëåé

, êàê ïðàâèëî, èñïîëüçóåòñÿ

ìåòîä òèïà III, êîòîðûé òàêæå â ëèòåðàòóðå ïî ÄÀ íàçûâàþò

Óíèêàëüíûì (Unique). Ïîñêîëüêó ýòîò ìåòîä èíâàðèàíòåí îò-

íîñèòåëüíî ÷èñëà íàáëþäåíèé ïî îòäåëüíûì óðîâíÿì ôàê-

òîðîâ, îí ÷àùå âñåãî ïðèìåíÿåòñÿ íà ïðàêòèêå. Ïðè èñïîëü-

çîâàíèè êîâàðèàòû ìîãóò áûòü âûáðàíû òàêæå òðè äðóãèõ

Íàïîìíèì, ÷òî â òàê íàçûâàåìîé ñáàëàíñèðîâàííîé ìîäåëè ÄÀ äëÿ êàæäîãî

óðîâíÿ ôàêòîðà ÷èñëî íàáëþäåíèé ðàâíî, äëÿ íåñáàëàíñèðîâàííîé ìîäåëè 

ðàçëè÷íî.

ìåòîäà  òèï I (Èåðàðõè÷åñêèé, Hierarhical), òèï II (Ýêñïå-

ðèìåíòàëüíûé, Experimental) èëè òèï IV. Äëÿ îñìûñëåííîãî

âûáîðà îäíîãî èç íèõ ñëåäóåò îáðàòèòüñÿ ê ñïåöèàëüíîé ëè-

òåðàòóðå, ïîñêîëüêó äàæå îáøèðíîå îïèñàíèå ïðîöåäóð ÄÀ,

ïðåäëàãàåìîå ôèðìîé SPSS, íå äàåò ïîëüçîâàòåëþ ÷åòêèõ

ðåöåïòîâ, è ýòî íå âõîäèò òàêæå â íàøó çàäà÷ó. Íå î÷åíü

îïûòíûì ïîëüçîâàòåëÿì ìû ñîâåòóåì âûáðàòü òèï III, çà-

äàííûé ïî óìîë÷àíèþ. Òåì æå, êòî â äîñòàòî÷íîé ñòåïåíè

îñâîèë ÄÀ è èíòåðåñóåòñÿ åãî íþàíñàìè, èñïîëüçîâàíèå

ðàçëè÷íûõ ìåòîäîâ îöåíêè ñóììû êâàäðàòîâ ïîçâîëèò îöå-

íèòü ñïåöèôè÷åñêîå âëèÿíèå ïåðåìåííûõ-êîâàðèàò íà âû-

ðàæåííîñòü ôàêòîðíûõ ýôôåêòîâ è ôàêòîðíûõ âçàèìîäåéñò-

âèé, à òàêæå ñ áîëüøåé àäåêâàòíîñòüþ ó÷åñòü îñîáåííîñòè

ñîáñòâåííîãî ýêñïåðèìåíòàëüíîãî ïëàíà. Äëÿ íàøåãî ïðè-

ìåðà ìû âûáèðàåì ìåòîä òèïà III; êîëè÷åñòâî ìåæôàêòîðíûõ

âçàèìîäåéñòâèé îãðàíè÷èâàòü íå ñòîèò, ïîñêîëüêó ó íàñ è

òàê èìååòñÿ ëèøü äâà ôàêòîðà.

Îáû÷íî â ìîäåëü ÄÀ âêëþ÷àþò ñâîáîäíûé ÷ëåí, ïîýòî-

ìó â îêîøêå Âêëþ÷èòü â ìîäåëü ñâîáîäíûé ÷ëåí (Incude intercep

in model) ïîñòàâèì «ãàëî÷êó».

Íàæàâ íà êíîïêó Êîíòðàñòû (Contrasts), ïîëüçîâàòåëü ìî-

æåò çàäàòü 5 ðàçëè÷íûõ âèäîâ îöåíêè àïðèîðíîãî êîíòðàñòà.

Ïîñêîëüêó ó íàñ íåò êîíêðåòíûõ àïðèîðíûõ ãèïîòåç, òî ýòó

îïöèþ ìû íå èñïîëüçóåì. Åñëè õîòÿ áû îäèí èç ôàêòîðîâ âêëþ-

÷àåò áîëüøå, ÷åì 2 óðîâíÿ, òî äëÿ íåãî (äëÿ íèõ) ìîæíî çàêà-

çàòü îöåíêó ìíîæåñòâåííîãî ñðàâíåíèÿ ñðåäíèõ, äëÿ ÷åãî ñëå-

äóåò íàæàòü íà êíîïêó Àïîñòåðèîðè (Post Hoc), óêàçàòü íåîáõî-

äèìûé ôàêòîð è âûáðàòü íóæíûå ñòàòèñòè÷åñêèå òåñòû. Ìû

óêàçûâàåì ôàêòîð Ãðóïïà è âûáèðàåì îäèí èç òåñòîâ  òåñò

Øåôôå.

Â êà÷åñòâå äîïîëíèòåëüíûõ ñòàòèñòè÷åñêèõ ïîêàçàòåëåé

çàêàæåì â ìåíþ Ïàðàìåòðû (Options) ðàñ÷åò îïèñàòåëüíûõ

ñòàòèñòèê, îöåíêó ñèëû ôàêòîðíûõ ýôôåêòîâ è ïðîâåðêó îä-

íîðîäíîñòè äèñïåðñèé.

Ðàññìîòðèì ðåçóëüòàòû ÄÀ, ïðåäñòàâëåííûå â òàáëèöå 25.

Ïåðâàÿ ÷àñòü ðåçóëüòàòîâ àíàëèçà ïðåäñòàâëÿåò ñîáîé êðàòêèé

îáçîð ââåäåííûõ äàííûõ (Ìåæîáúåêòíûå ôàêòîðû

, Bet-

ween-Subject Factors). Äàëåå  òåñòû îïèñàòåëüíûõ ñòà-

òèñòèê (Äåñêðèïòèâíûå ñòàòèñòèêè, Descriptive Statistics).

Åùå íèæå  ðåçóëüòàòû ïðîâåðêè ðàâåíñòâà äèñïåðñèé

(Levenes Test of Equality of Variances)  F

= 1.143, p = 0.365

(î÷åâèäíî, ÷òî ãðóïïîâûå äèñïåðñèè äîñòîâåðíî íå îòëè÷à-

þòñÿ äðóã îò äðóãà). Âòîðàÿ ÷àñòü  íåïîñðåäñòâåííî ðåçóëü-

òàòû ÄÀ èëè îöåíêà çíà÷èìîñòè ôàêòîðíûõ ýôôåêòîâ (Ïðî-

âåðêè ìåæîáúåêòíûõ ýôôåêòîâ, Tests of Between-Subjects

Effects). Çíà÷èìûì îêàçàëñÿ îñíîâíîé ýôôåêò ïåðâîãî ôàê-

òîðà  «Ãðóïïà èñïûòóåìûõ». Âòîðîé ôàêòîð («Ïîë èñïûòó-

åìûõ»), è ìåæôàêòîðíîå âçàèìîäåéñòâèå îêàçàëèñü íåçíà-

÷èìûìè. Èíòåðåñíî, ÷òî ïðîñòîé ãðàôè÷åñêèé àíàëèç ðå-

çóëüòàòîâ ýêñïåðèìåíòà, ïðîâåäåííûé íàìè äî âûïîëíåíèÿ

ÄÀ, ÿâíî íå ñîîòâåòñòâóåò ñòðîãèì ðåçóëüòàòàì ÄÀ: íå ïîä-

òâåðäèëñÿ íàìåê íà îñíîâíîé ýôôåêò âòîðîãî ôàêòîðà, äà è

ìåæôàêòîðíîå âçàèìîäåéñòâèå îêàçàëîñü íåçíà÷èìûì.

Ïðèâåäåííûå íèæå ðåçóëüòàòû òåñòîâ ïàðíûõ ñðàâíåíèé

ñðåäíèõ ïî ãðóïïàì èñïûòóåìûõ ïîêàçûâàþò (ñì. òå ñòðîêè,

êîòîðûå ïîìå÷åíû «çâåçäî÷êîé»), ÷òî ôàêòîðíûé ýôôåêò

îáóñëîâëåí ðàçëè÷èÿìè ìåæäó ãðóïïîé îïåðàòîðîâ-ïðîôåñ-

ñèîíàëîâ è ãðóïïîé ñòóäåíòîâ.

Ïîïðîáóåì èñêëþ÷èòü èç ðàñ÷åòîâ ýôôåêò ìåæôàêòîð-

íîãî âçàèìîäåéñòâèÿ (Maximum Interactions

= None) è åùå

ðàç ïðîâåäåì ÄÀ. Ñàìàÿ íèæíÿÿ ÷àñòü òàáëèöû 25 ïîêàçûâà-

åò, ÷òî íåìíîãî óâåëè÷èëñÿ îñíîâíîé ýôôåêò ïåðâîãî è âòî-

ðîãî ôàêòîðîâ (F

GROUP

= 6.79 ïðîòèâ 6.64 è F

SEX

= 1.33 ïðîòèâ

1.30). Òàêèì îáðàçîì, èñêëþ÷åíèå ìåæôàêòîðíîãî âçàèìî-

äåéñòâèÿ íàì ïðàêòè÷åñêè íè÷åãî íå äàëî.

Â íàñòîÿùåì ó÷åáíîì ïîñîáèè ìû èñïîëüçóåì, íà íàø âçãëÿä, áîëåå óäà÷íîå

íàçâàíèå ìåæãðóïïîâûå ôàêòîðû.

Òàáëèöà 25

Ïðèìåð âûäà÷è ðåçóëüòàòîâ äâóõôàêòîðíîãî äèñïåðñèîííîãî àíàëèçà

c ïîâòîðíûìè èçìåðåíèÿìè ñòàòèñòè÷åñêîé ñèñòåìîé SPSS 8.0.1

Îäíîôàêòîðíûé äèñïåðñèîííûé àíàëèç

Between-Subjects

Factors

Îïåðàòîðû-ïðîôåññèîíàëû

Îïåðàòîðû-íîâè÷êè 10

Ñòóäåíòû 10

åíùèíû 15

ìóæ÷èíû 15

Ãðóïïà

èñïûòóåìûõ

Ïîë

èñïûòóåìîãî

Ìåòêà çíà÷åíèÿ N

Äåñêðèïòèâíûå ñòàòèñòèêè

Çàâèñèìàÿ ïåðåìåííàÿ: Êîëè÷åñòâî îøèáîê

2.9880 1.0922 5

2.9980 .5894 5

2.9930 .8274 10

3.3500 1.1561 5

4.5900 .8726 5

3.9700 1.1660 10

4.8340 1.2556 5

5.1000 1.8942 5

4.9670 1.5215 10

3.7240 1.3626 15

4.2293 1.4835 15

3.9767 1.4229 30

Ïîë èñïûòóåìîãî

åíùèíû

ìóæ÷èíû

Èòîã

åíùèíû

ìóæ÷èíû

Èòîã

åíùèíû

ìóæ÷èíû

Èòîã

åíùèíû

ìóæ÷èíû

Èòîã

Ãðóïïà èñïûòóåìûõ

Îïåðàòîðû-ïðîôåññèîíàëû

Îïåðàòîðû-íîâè÷êè

Ñòóäåíòû

Èòîã

Ñðåäíåå

Ñòä.

îòêëîíåíèå

Êðèòåðèé Ëèâèíÿ ïðîâåðêè ðàâåíñòâà äèñïåðñèé.

Çàâèñèìàÿ ïåðåìåííàÿ: Êîëè÷åñòâî îøèáîê

1.143 5 24 .365

F ñò.ñâ.1 ñò.ñâ.2 Çíà÷.

Tests of Between-Subjects Effects

Çàâèñèìàÿ ïåðåìåííàÿ: Êîëè÷åñòâî îøèáîê

23.505

5 4.701 3.204 .023 .400

474.416 1 474.416 323.358 .000 .931

19.484 2 9.742 6.640 .005 .356

1.915 1 1.915 1.305 .265 .052

2.106 2 1.053 .718 .498 .056

35.212 24 1.467

533.133 30

58.717 29

Èñòî÷íèê

Ñêîððåêòèðîâàííàÿ

ìîäåëü

Intercept

ÃÐÓÏÏÀ

ÏÎË

ÃÐÓÏÏÀ * ÏÎË

Îøèáêà

Èòîã

Ñêîððåêòèðîâàííûé èòîã

Ñóììà

êâàäðàòîâ

òèïà III

ñò.ñâ.

Ñðåäíèé

êâàäðàò

F Çíà÷.

Ýòà â

êâàäðàòå

R êâàäðàò = .400 (Ñêîððåêòèðîâàííûé R êâàäðàò = .275)

Îöåíêà ôàêòîðíûõ ýôôåêòîâ

Ìåæãðóïïîâûå ôàêòîðû

Äåñêðèïòèâíûå ñòàòèñòèêè

Òàáëèöà 25 ( ïðîäîëæåíèå)

Ïîÿñíåíèÿ ê îñíîâíûì òåðìèíàì â òàáëèöå:

Êðîìå îñíîâíûõ ýôôåêòîâ êàæäîãî ôàêòîðà (ÃÐÓÏÏÀ, ÏÎË), SPSS òàêæå

îöåíèâàåò èõ ñîâìåñòíûé ýôôåêò (ÃÐÓÏÏÀ×ÏÎË).

Òåðìèí «Ñêîððåêòèðîâàííàÿ Ìîäåëü (Corrected Model)» ñîîòâåòñòâóåò

èñïîëüçîâàííîìó âûøå òåðìèíó «îáùàÿ ôàêòîðíàÿ» èëè ìåæãðóïïîâàÿ ÷àñòü

«îáùåé äèñïåðñèè». Îøèáêà (Residual) îáîçíà÷àåò «îñòàòî÷íóþ» ÷àñòü îáùåé

äèñïåðñèè, à Èòîã (Total)  «îáùóþ» äèñïåðñèþ.

Àïîñòåðèîðíûå êðèòåðèè

Ìíîæåñòâåííûå ñðàâíåíèÿ

Çàâèñèìàÿ ïåðåìåííàÿ: Êîëè÷åñòâî îøèáîê

Øåôôå

-.9770 .542 .218 -2.3901 .4361

-1.9740* .542 .005 -3.3871 -.5609

.9770 .542 .218 -.4361 2.3901

-.9970 .542 .205 -2.4101 .4161

1.9740* .542 .005 .5609 3.3871

.9970 .542 .205 -.4161 2.4101

(J) Ãðóïïà èñïûòóåìûõ

Îïåðàòîðû-íîâè÷êè

Ñòóäåíòû

Îïåðàòîðû-ïðîôåññèîíàëû

Ñòóäåíòû

Îïåðàòîðû-ïðîôåññèîíàëû

Îïåðàòîðû-íîâè÷êè

(I) Ãðóïïà èñïûòóåìûõ

Îïåðàòîðû-ïðîôåññèîíàëû

Îïåðàòîðû-íîâè÷êè

Ñòóäåíòû

(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.

Ïðîâåðêè ôàêòîðíûõ ýôôåêòîâ áåç ó÷åòà ìåæôàêòîðíîãî âçàèìîäåéñòâèÿ

Çàâèñèìàÿ ïåðåìåííàÿ: Êîëè÷åñòâî îøèáî

21.399 3 7.133 4.970 .007

474.416 1 474.416 330.536 .000

19.484 2 9.742 6.787 .004

1.915 1 1.915 1.334 .259

37.318 26 1.435

533.133 30

58.717 29

Èñòî÷íèê

Ñêîððåêòèðîâàííàÿ

ìîäåëü

Ñâîáîäíûé ÷ëåí

ÃÐÓÏÏÀ

ÏÎË

Îøèáêà

Èòîã

Êîððåêòèðîâàííûé èòîã

Ñóììà

êâàäðàòîâ

òèïà III

ñò.ñâ.

Ñðåäíèé

êâàäðàò

F Çíà÷.

6.787

1.334

Èñòî÷íèê

âàðèàöèè

Ñòåïåíè

ñâîáîäû, d

Ãëàâíûå Ï î ôàêòîðó À 464.26??

ýôôåêòû Ïî

àêòî

ðó

Â 546.85??

Âçàèìîäåéñòâèå À

Â? ? ??

Îñòàòî÷íàÿ 120 1136.53 ? 

Îáùàÿ 149 ? ? 

ÇÀÄÀÍÈß

1. Íà ðèñóíêàõ 914 ïîêàçàíû ñîîòíîøåíèÿ ñðåäíèõ

çíà÷åíèé çàâèñèìîé ïåðåìåííîé, ïîëó÷åííûå â øåñòè ðàç-

íûõ äâóõôàêòîðíûõ ýêñïåðèìåíòàõ 3½2. Ïîäóìàéòå, â êà-

êèõ ñëó÷àÿõ ìîæíî ïðåäïîëàãàòü íàëè÷èå ìåæôàêòîðíîãî

âçàèìîäåéñòâèÿ, à â êàêèõ íåò.

2. Çàïîëíèòå äî êîíöà òàáëèöó ÄÀ è âûïîëíèòå ïî

F-êðèòåðèþ ïðîâåðêó íóëåâûõ ãèïîòåç äëÿ ôàêòîðîâ À

è Â è èõ âçàèìîäåéñòâèÿ.

Ñòðåññ 1 Ñòðåññ 2 Ñòðåññ 3 Ñòðåññ 4 Ñòðåññ 5

Èíòð. Ýêñòð. Èíòð. Ýêñòð. Èíòð. Ýêñòð. Èíòð. Ýêñòð. Èíòð. Ýêñòð.

9 8 7 10111412201021

8 6 9 7 13 11 11 16 19 19

6 4 6 8 8 1816161417

8 6 6 10 6 14 11 15 5 15

10 7 6 44 14 13 9 18 10 22

4 6 11 7 11 22 23 16 11 16

6 5 6 10131712201422

5 7 3 6 13 16 10 22 15 22

7 9 8 7 10 12 19 14 11 18

7 7 7 7 11 11 11 19 11 21

3. Îáðàáîòàéòå â îäíîé èç ñòàòèñòè÷åñêèõ ñèñòåì äàí-

íûå ñëåäóþùåãî ýêñïåðèìåíòà 5½2 è äàéòå èíòåðïðåòà-

öèþ ðåçóëüòàòîâ àíàëèçà. Äâå ãðóïïû èñïûòóåìûõ  ýêñò-

ðàâåðòû è èíòðàâåðòû, îòîáðàííûå ïðåäâàðèòåëüíî ïî îï-

ðîñíèêó Ã.Àéçåíêà (ôàêòîð À: 2 óðîâíÿ), ó÷àñòâîâàëè â

îïûòàõ ïî èññëåäîâàíèþ ýôôåêòèâíîñòè çàïîìèíàíèÿ ñëî-

âåñíîãî ìàòåðèàëà â ïÿòè ðàçëè÷íûõ ñòðåññîãåííûõ óñëî-

âèÿõ (ôàêòîð Â: 5 óðîâíåé). Â òàáëèöå 26 ïðåäñòàâëåíî êî-

ëè÷åñòâî ïðàâèëüíî âîñïðîèçâåäåííûõ ñëîâ äëÿ âñåõ 10

ñî÷åòàíèé ôàêòîðîâ.

Òàáëèöà 26

Äàííûå äëÿ îáðàáîòêè ê çàäàíèþ 2

∑