Архив психологического форума на "Флогистоне"

Было проведено исследование: у группы подростков были выявлены типы акцентуаций и типы гендера (маскулинность, фемининность, андрогиния). Количественных показателей по этим параметрам нет, у каждого испытуемого только типы. Требуется посчитать корреляцию между параметрами гендера и акцентуациями. Какой именно использовать статистический критерий?

[%sig%]

1. Перевести Ваши данные (типы акцентуаций и гендера) в бинарный вид - наличие признака закодировать 1, отсутствие 0.
2. Составить матрицу: по вертикали - испытуемые, по горизонтали типы акцентуаций и гендера (переменные). У каждого испытуемого обозначаем каждый признак - при наличии его ставим 1, при отсутствии 0.

Примерный образец матрицы:

............Признак 1...Признак 2...Признак n
-------------------------------------------------------
Вася..........1....................0................0
Петя..........1....................1................1
Маша.........0....................0................1

3. Потом программой SPSS (например) через стандартные процедуры посчитать корреляции Спирмена и Кендала.
4. Посмотреть результаты и подумать, что получилось

[%sig%]

Александр, я исследовании хочу изучить связь лидерского статуса и определенных установок (тоже качественные). Мне тоже этот метод подойдет, я думаю? я правильно думаю?))) спасибо

По-моему корреляцию Спирмена и Кендалла можно применять не только к бинарным данным, а вообще ко всем порядковым. Нет смысла до такой степени терять информацию, снижая размерность шкалы до бинарной.

А если у Вас именно бинарные данные, то можно попробовать угловое преобразование Фишера. Почитайте у Сидоренко. Она утверждает, что этот метод универсален при исследовании таблиц сопряженности 2x2.

Спасибо, Александр! Я уже попробовала другим способом (считала Пирсона: сравнение теоретического и эмпирического распределения признаков), но Вашим способом тоже попробую для перестраховки И вообще пригодится, я такой способ не встречала.

[%sig%]

Да, Сидоренко вообще ценная книга Фишера я не смогла разобрать, зато Пирсона удалось.

[%sig%]

По-моему тоже можно (я про порядковые данные).
Тоже очень хорошо получается.

[%sig%]

Блин, кажется я вам не очень правильно насоветовал. Сейчас вспомнил, что мы когда такие матрицы составляли, считали не собственно корреляции между признаками, а как признаки (переменные) объединяются в факторы. Т.е. факторный анализ там был, а не корреляции.

Хотя, если у Вас все же качественные данные (только наличие или отсутствие без численного выражения), то... а как Вы сами посчитали их, интересно?

[%sig%]

Не знаю.
Вот Сергей преобразования Фишера советует для качественных данных.
Я уже ниже ответил, что "слегка" накосячил со своим советом, т.к. вспомнил, что к таким (бинарным) матрицам мы применяли факторный анализ (метод главных компонент), а не корреляции их считали, чтобы посмотреть как выделенные (качественные) переменные объединяются в факторы.

[%sig%]

Дело в том, что шкала номинативная и если я правильно поняла, то никакого коэффициента корреляции посчитать нельзя. Я применяла квадрат Пирсона: сравнивала значимо ли эмпирическое различие в распределении акцентуаций у фемининных девочек (то же у маскулинных мальчиков) с теоретическим (равномерным - которое было бы если бы гендер не связан был никак с типом акцентуации). Но у меня до сих пор сомнения...

[%sig%]

Прочитал в Ермолаеве про такой коэффицен корреляции как "Бисериальный" Используется он тогда, когда данные одной шкалы представлены дихотомически а другая (другие ) в шкале интервалов

Спасибо, книгу Ермолаева посмотрю, а вот случай этот не подходит - шкалы интервалов нет.

[%sig%]

нашел на книгу ссылку - [ifolder.ru]

Только необходимо рассчитать теоретические частоты. Например, берем ряды типов акцентуаций и для них рассчитываем теоретические значения исходя из предположения, что эти теоретические значения должны соответствовать общей доле представителей акцентуаций во всем наборе данных. Т.е. умножаем общую долю данной акцентуации на число испытуемых с данным типом гендара.
Затем считаем по обычной формуле "хи-квадрата". В литературе есть противоречия как определять число степеней свободы. То что предлагает Ермолаев мне не нравится. Больше подходят рассуждения из книги Бесмертный Б.С. Математическая статиситка в клинической, профилактической и экспериментальной медицине. - М., 1967.
Идея в том, что "в исследовании установлены независимые ряды наблюдений". Берем число элементов (градаций) для каждого ряда без единицы (n-1) и умножаем на число рядов. Т.е. это совсем не (k-1)(n-1), скорее это c(a-1), где с - число градаций по одной номинальной шкале (число строк), а - число градаций по другой шкале (для которой производился расцет теоретических частот).

Классический позитивизм по-прежнему актуален ))))))))

Огромное спасибо за уточнение по поводу подсчета теоретических частот. Я их вообще считала так: количество испытуемых в выборке разделила на 8 (количество типов акцентуаций), то есть теоретически бы акцентуации равномерно располагались по выборке, независимо от гендера. Теперь пересчитать надо...Нигде это вообще не написано, буду знать. А вот со степенью свободы не ясно. У Сидоренко вообще написано, что это просто к-1 (где к - вариативность признака, то есть 8 типов акцентуаций).

[%sig%]

И вот решил всё же посмотреть как программа считает. Оказалось, что и там число степеней свободы определяется как (k-1)(c-1), т.е. согласуется с рекомендациями Ермолаева и Сидоренко.
Авторский коллектив "Статистики" уважаю, значит "так надо" ))))). У Сидоренко см. С.127-129, хотя её неподражаемый стиль не всегда спокойно воспринимаю ))))).
Поэтому для определения различаются ли девушки и юноши (дихотомическая шкала) по 8-ми акцентуациям можно брать (2-1)(8-1)=7 число степеней свободы. Правда для этих случаев существуют и формулы хи-квадрата без расчета теоретических частот. Теоретические частоты лучше рассчитывать, когда сравниваются номинальные шкалы, каждая из которых по три и более градации.
Кстати, многие избегают брать так много акцентуаций. Стараются брать 4 основные, иногда плюс одну "мозаичную" - так легче выявить какие-то закономерности на небольших выборках.

В общем, желаю успеха))).

Эх, а вот студенты считают все в ручную У меня в университете преподаватели даже специально советуют сначала понять технологию, разобраться на практике, а потом уже только использовать различные программы. Буду знать на будущее про Statistica 6.0. Эх, мечта любого психолога - хорошая программа статистической обработки данных...

[%sig%]