![](/user_photo/2706_HbeT2.jpg)
Параметрические и непараметрические критерии
.docx
Параметрические и непараметрические критерии
Все критерии различий условно подразделены на две группы: параметрические и непараметрические критерии.
Критерий различия называют параметрическим, если он основан на конкретном типе распределения генеральной совокупности (как правило, нормальном) или использует параметры этой совокупности (средние, дисперсии и т.д.).
Критерий различия называют непараметрическим, если он не базируется на предположении о типе распределения генеральной совокупности и не использует параметры этой совокупности. Поэтому для непараметрических критериев предлагается также использовать такой термин как «критерий, свободный от распределения».
При нормальном распределении генеральной совокупности параметрические критерии обладают большей мощностью по сравнению с непараметрическими. Иными словами, они способны с большей достоверностью отвергать нулевую гипотезу, если последняя неверна. По этой причине в тех случаях, когда выборки взяты из нормально распределенных генеральных совокупностей, следует отдавать предпочтение параметрическим критериям. Однако, как показывает практика, подавляющее большинство данных, получаемых в психологических экспериментах, не распределены нормально, поэтому применение параметрических критериев при анализе результатов психологических исследований может привести к ошибкам в статистических выводах. В таких случаях непараметрические критерии оказываются более мощными, т.е. способными с большей достоверностью отвергать нулевую гипотезу.
Итак, при оценке различий в распределениях, далеких от нормального, непараметрические критерии могут выявить значимые различия, в то время как параметрические критерии таких различий не обнаружат.
Важно отметить, что,
во-первых, непараметрические критерии выявляют значимые различия и в том случае, если распределение близко к нормальному;
во-вторых, при вычислениях вручную непараметрические критерии являются значительно менее трудоемкими, чем параметрические.
При подготовке экспериментального исследования психолог должен заранее запланировать характеристики сопоставляемых выборок (прежде всего связность — несвязность и однородность), их величину (объем), тип измерительной шкалы и вид используемого критерия различий. Последовательно это можно представить в виде следующих этапов:
-
Прежде всего, следует определить, является ли выборка связной (зависимой) или несвязной (независимой).
-
Следует определить однородность — неоднородность выборки.
-
Затем следует оценить объем выборки и, зная ограничения каждого критерия по объему, выбрать соответствующий критерий.
-
При этом целесообразнее всего начинать работу с выбора наименее трудоемкого критерия.
Если используемый критерий не выявил различия — следует применить более мощный, но одновременно и более трудоемкий критерий.
Если в распоряжении психолога имеется несколько критериев, то следует выбирать те из них, которые наиболее полно используют информацию, содержащуюся в экспериментальных данных.
При малом объеме выборки следует увеличивать величину уровня значимости (не менее 1%), так как небольшая выборка и низкий уровень значимости приводят к увеличению вероятности принятия ошибочных решений.
Нормальное распределение. Уровень достоверности.
Нормальный закон распределения играет одну из наиважнейших ролей в применении и выборе статистических методов. Закон нормального распределения на графике выражается в виде кривой «колоколообразной» формы.
Каждому биологическому и психологическому свойству соответствует свое распределение в генеральной совокупности. Чаще всего оно нормальное и характеризуется своими параметрами – средним и сигмой. Так, среднее значение задает положение кривой на числовой оси, а сигма – задает ширину этой кривой и выступает как масштаб измерения.
Наиболее важным свойством кривых нормального распределения является одинаковая доля площади под кривой между одними и теми же значениями признака, выраженными в единицах стандартного отклонения.
Все многообразие нормальных распределений может быть сведено к одной кривой, если применить z-преобразование (преобразование выборки величин r (коэффициент корреляции) с тем, чтобы приблизить их к нормальному распределению) ко всем возможным измерениям свойств. Тогда каждое свойство будет иметь среднее 0 и сигму 1 – это называется единичным нормальным распределением, которое используется как эталон.
Площадь под кривой интерпретируется как вероятность или относительная частота.
Полезно знать, что если распределение является нормальным, то:
90% всех случаев располагается в диапазоне значений М (среднее) ± 1,64 σ (сигма);
95% всех случаев располагается в диапазоне значений М (среднее) ± 1,96 σ (сигма);
99% всех случаев располагается в диапазоне значений М (среднее) ± 2,58 σ (сигма).
Как упоминалось в самом начале письма, соответствие или несоответствие нормальности распределения влияет на выбор статистических методов обработки данных. Так, данные, соответствующие нормальному распределению обрабатываются с помощью параметрических
методов, а те данные, которые не соответствуют нормальности распределения обрабатываются с помощью непараметрических методов статистики. К тому же, в каждом последующем сложном методе обработки данных существуют условия использования того или иного метода, в которые часто входит и нормальность распределения.
Существуют такие способы проверки на нормальность распределения как графический способ, критерий асимметрии и эксцесса, критерий нормальности Колмогорова-Смирнова. Последний способ проверки на нормальность распределения рассмотрен в видеокурсе по статистике «Базовый уровень».