Практикум: эффекты края (второе высшее)

К занятию общего психологического практикума на втором курсе отделения второго высшего образования 24 декабря 2013 года необходимо прочитать следующие две главы из учебника Р. Готтсданкера «Основы психологического эксперимента»:

Материалы для поведения эксперимента: http://sdrv.ms/ITditQ

14 comments
  1. Игорь Евгеньевич, добрый день,
    У нас тут с коллегами по курсу внезапно возник вопрос. Надо каждому испытуемому предъявлять все 5 частей латинского квадрата (то есть 5 презентаций) или по одной презентации поочередно каждому из испытуемых?

  2. Здравствуйте, Игорь Евгеньевич
    Пишет студентка второго высшего по поводу обработки данных в SPSS. После введения данных в 5 столбцов и 15 строк, выбрала в меню «Анализ», далее «General Linear Model», повторные измерения, затем в окне «Levels» я поставила цифру 5, поскольку мы имеем 5 значений переменной (на лекции Вы сказали, что надо ставить 4 уровня). После всех остальных действий я получила следующие выходные данные:

    factor1 Type III… df Mean Square F Sig.
    Linear ,000 1 ,000 ,000 1,000
    Quadratic 1,296 1 1,296 14,860 ,002
    Cubic ,167 1 ,167 2,082 ,171
    Order 4 ,009 1 ,009 ,158 ,697

    Не знаю, правильно ли сделан анализ и можно ли считать, что квадратичная функция лучше всего соответствует полученным данным. Напишите, пожалуйста, свой комментарий.

    • Здравствуйте, Юлия!

      Вы все правильно сделали. У вас квадратичный тренд — единственный статистически надежный — F(1, 56)=14.86; p<0,01. Соответственно, он лучше всего описывает ваши результаты. У него дисперсия 1,296, у кубического — 0,167. Посмотрите в предыдущей таблице общую дисперсию для экспериментального эффекта в самой верхней строчке («предполагаемая сферичность») и посчитайте, какой процент от этой дисперсии описывает квадратичный тренд. Еще нужно посмотреть критерий сферичности Моучли и убедиться, что требование гомогенности вариационно-ковариационной матрицы выполняется.

      Кстати, в экселе при построении графика можно выбрать опцию «Добавить тренд» и выбрать полиномиальный тренд второй степени. Тогда можно будет наглядно проследить соответствие.

  3. Процент от общей дисперсии квадратичного тренда составляет 88%.
    Для критерия сферичности Моучли следующие данные:
    Mauchly’s W — 0,272
    Approx. Chi-Square — 16,180
    df — 9
    Sig. — 0.065 (больше 0,05)
    Как можно убедиться, что требование гомогенности вариационно-ковариационной матрицы выполняется?

    В графике полиномиальный тренд я добавила. Видно, как проходит парабола. Спасибо.

  4. Мне стало интересно, как пройдет линия 4 степени полинома. Она прошла гораздо ближе к точкам графика, чем парабола. Почему тогда обработка в SPSS показала, что ближе всего парабола, а не четвертая степень? Спасибо.

    • Такое бывает. Иногда кажется, что получилась S-образная зависимость (кубическая), а на деле ANOVA даёт надёжную оценку только для линейной. Возможно, что в середине ряда у кого-то из испытуемых есть сильный выброс воспроизведения. Надо повнимательнее посмотреть результаты.

  5. Игорь Евгеньевич, здравствуйте еще раз.
    У меня получились следующие результаты:
    Процент от общей дисперсии квадратичного тренда составляет 88%.
    Для критерия сферичности Моучли следующие данные:
    Mauchly’s W — 0,272
    Approx. Chi-Square — 16,180
    df — 9
    Sig. — 0.065 (больше 0,05)
    Как можно убедиться, что требование гомогенности вариационно-ковариационной матрицы выполняется?

  6. У вас результат теста Моучли находится на границе уровней значимости. Т.е. формально гипотезу об однородности нельзя ни принять, ни отвергнуть. Посмотрите, что дают более консервативные тесты основного экспериментального эффекта, скажем, Гринхаус-Гейссер. Если там результат входит в 5%-й квантиль, тогда все в порядке. Иначе выводы об экспериментальном эффекте делаем более осторожно.

    • По Гринхаус-Гейссер Sig. составляет 0,004.
      Скажите, пожалуйста, что означает гипотеза об однородности?
      И что означает экспериментальный эффект?

  7. Здесь на сайте есть мои материалы к занятиям по матметодам в психологии. Посмотрите тему 4: http://www.ebbinghaus.ru/speckurs-po-matmetodam-lekciya-4/

    Если коротко, дисперсионный анализ с повторными измерениями предполагает, что вся вариативность данных внутри результатов одних и тех же испытуемых определяется самим экспериментальным воздействием (в данном случае, это эффект позиции слова в списке) и так называемой остаточной дисперсией, которая рассматривается как мера экспериментальной ошибки. Собственно, эти две дисперсии и сравниваются между собой. Предполагается, что если они равны, то тогда эффект экспериментального воздействия отсутствует, т.е. те различия, которые мы видим — это результат неконтролируемых нами факторов. Тогда F должно быть равно 1. Чем больше оно отличается от 1, т.е. чем больше числитель отличается от знаменателя в F-отношении, тем больше вероятность того, что экспериментальный эффект присутствует. Если значение F входит в 5%-й квантиль (лучше, в 1%-й), то тогда гипотеза о равенстве всех эффектов независимой переменной на всех уровнях отвергается. В вашем случае это именно так и есть.

    Однако стандартная структурная модель дисперсионного анализа с повторными измерениями предполагает, что на каждом уровне НП в отдельности различия значений зависимой переменной определяются двумя факторами: фактором испытуемого и фактором экспериментальной ошибки, относительно которой и рассчитывается экспериментальный эффект. Поэтому при расчете суммарного квадрата знаменателя (SS) для экспериментальной ошибки производится вычитание фактора испытуемого. Этот фактор оценивается как среднее значение ковариации между всеми экспериментальными условиями. Предполагается, что все эти ковариации должны быть равными в теории, соответственно, должны быть равны дисперсии зависимой переменной на всех уровнях. Это обозначается как гипотеза об однородности вариационно-ковариационной матрицы. Эта гипотеза проверяется с помощью теста Моучли. Если матрица оказывается неоднородной, вносятся различные поправки в базовую структурную модель, например, поправка Гринхауса-Гейссера, которые позволяют учесть эту неоднородности.

Add Comment

Required fields are marked *. Your email address will not be published.