Upload
misao-osecanje-postupak
View
227
Download
0
Embed Size (px)
Citation preview
Podaci mogu biti diskretni ili kontinuirani. 1. Kod diskretnih varijabli postoji ogranien broj vrednosti na
skali, obino su to celi brojevi. Npr. broj dece u porodicama je 0, , , itd; broj golova na fudbalskoj utakmici moe da bude , 1, 2 itd.
2. Kod kontinuiranih moemo zamisliti bilo koju vrednost izmeu najvie i najnie. Telesna visina cm; .; .: . itd., ali i kolske ocene ili )Q. Takoe, podaci mogu biti kvalitativni (kada se ispitanik po
nekom svojstvu svrstava u odreenu kategoriju i kvanitativni kada se ispitaniku pridruuje odreeni broj u odnosu na stepen prisustva nekog svojstva).
Stenli Smit Stivens je bio psihofiziar koji je i u svojoj oblasti prouavanja imao uspeha (Stivensov zakon).
Meutim, verovatno je nauveniji po svojoj operacionalistikoj teoriji merenja koja razdvaja 4 nivoa merenja. Ova teorija je danas
sastavni deo nauke o merenju i koriste je sve
nauke.
etiri nivoa merenja ps Stivensu su: nominalni, ordinalni, intervalni i racio nivo merenja.
Osnovna operacija nominalnog nivoa je klasifikacija. Ovom operacijom se lanovi nekog uzorka svrstavaju u
kategorije. Pravila: a svaki lan uzorka mora da bude klasifikovan u
neku od kategorija i b ni jedan lan ne moe biti klasifikovan u vie od jedne kategorije Kategorije se mogu kodirati brojevima, ali broj predstavlja
samo oznaku za ime kategorije. Odnosno: dodeljivanje brojeva kategorijama je arbitrarno. Primeri: zanimanje, vrsta kole, brano stanje, pol, itd.
Podrazumeva da se saini niz od lanova uzorka koji raste ili opada po svojstvu koje posmatramo.
U psiholokim istraivanjima esto se koriste dva metoda: metod rangovanja svi lanovi uzorka se reaju u niz u skladu sa stepenom prisustva nekog svojstva) i metod poreenja po parovima porede se uvek dva lana uzorka po ispitivanom svojstvu sve dok se ne uporedi
svaka kombinacija parova).
Primeri: Mosova skala tvrdoe minerala, rangiranje hotela pomou zvezdica, klasifikacija naselja prema selu, varoi i gradu.
Na intervalnom nivou se ispitanici ponovo svrstavaju u niz po prisutnosti svojstva koje
merimo ali je rastojanje izmeu svakog lana niza jednako.
Ovde je potrbno konstruisati skalu merenja i podeok na njoj koji e sluiti da obelei odsustvo svojstva (nulu) iako ona ne mora biti
objektivna ve proizvoljna. Jedinica merenja je takoe proizvoljna. Primeri: temperatura u stepenima Celzijusa ili
Fajrenhajta
Na kojoj se skali nalazi mera kolskog uspeha izraena ocenama od do ? Kakva mera je )Q?
Nulta taka racio mera nije proizvoljna, ve zaista obeleava stanje objekta u kom mereno svojstvo fiziki ne postoji. Meutim, merna jedinica i dalje moe biti
proizvoljna! Primer: duina. Posledica postojanja prirodne nule jeste da na
racio skali vae odnosi multiplikativnosti mnoenja i delenja. Primer: temperatura u Kelvinima, brzina.
Skala na kojoj se mere dobijaju prebrojavanjem elemenata skupa. Primer: broj dece u porodici, broj izreenih sudskih mera. Kojoj skali od prethodne 4 pripada prebrojavanje? Poto ima apsolutnu nulu, ona se moe svrstati u racio skale. Meutim, ako brojimo tane odgovore na nekom testu
inteligencije mi brojimo zajedno odgovore i na teke i na lake zadatke. )zmeu tih zadataka oito nisu jednaki intervali, to znai da skor ispitanika na jednom testu inteligencije dobijen prebrojavanjem pripada ordinalnoj skali. Zbog ovih protivurenosti se prebrojavanju objekata
pridruila zasebna skala merenja: apsolutna.
Svaki nivo merenja opisuje razliite vrste podataka
U skladu sa odreenim nivoom merenja mi moemo i vriti odreene statistike operacije na podacima
Primer: ako imamo podatak nominalnog nivoa, mi moemo raunati frekvence ili procente. Ali ne moemo raunati prosek ili odstupanja mera od proseka!
Nacrt u kome postoje dve ili vie grupa Grupe moe formirati istraiva tako to ispitanike
svojevoljno postavlja u njih i varira dejstvo
nezavisne varijable: eksperimentalni nacrt
Grupe mogu biti ve formirane, npr. kad istraiva ispituje grupu osoba sa nekim specifinim obelejem recimo uzorak selektovan iz klinike populacije) i poredi njihove rezultate sa kontrolnom
grupom: kvazieksperimentalni nacrt
Nacrt u kome nema grupa ve se prouava zajedniko kovariranje varijabli kako bi se utvrdila njihova povezanost
Cilj istraivanja esto jeste da se variranje jedne varijable predvidi kriterijum pomou jedne ili vie drugih varijabli (prediktori)
Tipovi: 1) analiza povezanosti dve varijable: korelacija; 2) analiza povezanosti jedna variajble i
skupa drugih varijabli: regresija; 3) analiza
povezanosti dva skupa varijabli: kanonika korelaciona analiza ili strukturalno modeliranje
Kada prediktorsku i kriterijumsku varijablu merite preko istog metoda (recimo upitnikom
samoprocene) imate unimetodski nacrt.
Ako varijable merite pomou razliitih metoda (upitnici samoprocene, rejting mere,
objektivna ponaanja, testovi imate multimetodski dizajn.
Kad god moete merite varijable pomou vie metoda: to doprinosi validnosti studije i
pozdanosti zakljuaka.
Veliina efekta je intenzitet delovanja nezavisne varijable na zavisnu ili intenzitet povezanosti dve
varijable
Veliina efekta zavisi od stvarnog uticaja ili povezanosti dve varijable
Meutim, veliina efekta zavisi od metoda: da li se koriste dovoljno pouzdane mere (recimo
upitnici) 2) da li je nacrt uni ili multimetodski.
Ukoliko je nacrt unimetodski, dobijeni efekat je
vei usled metodske kovarijanse.
Deskriptivna statistika predstavlja set procedura pomou kojis se dobijeni numeriki podaci sreuju i klasifikuju a potom jasno prikazuju kako bi se bolje
razumeli. Osnovni parametri koje ona koristi su:
frekvence, procenti, mere centralne tendencije
(prosek, mod, medijana) i mere varijabilnosti
(disperzija, standardna devijacija).
Inferencijalna statistika predstavlja set procedura pomou kojih se preko mera dobijenih na jednoj grupi ispitanika (uzorku) zakljuuje o stanju koje postoji u populaciji.
Parametrijska statistika predstavlja set procedura koji se
upotrebljava radi obrade onih
podataka za koje se smatra da
se normalno distribuiraju u
populaciji (pa i u ispitivanom
uzorku).
Neparametrijska statistika predstavlja set procedura koji se
upotrebljava radi obrade
podataka koji se ne distribuiraju
normalno u populaciji.
Statistike hipoteze: formalno iskazane pretpostavke o vrednosti odreenih parametara populacije Statistike hipoteze su veoma sline
istraivakim hipotezama. Razlika je to su statistike hipoteze iskazane formalnim statistikim jezikom (npr: homogenost varijansi u dve grupe e biti razliita a istraivake se iskazuju pomou terminologije koja vai u nekoj disciplini (npr: individualne razlike u nacionalizmu e biti razliite u dve grupe.
Nulta hipoteza (H0): pretpostavka da je neki parametar od znaaja u populaciji jednak nuli. Alternativna hipoteza (HA): pretpostavka da
se neki parametar od znaaja u populaciji razlikuje od nule.
Ove dve hipoteze moraju biti meusobno iskljuive: ako se jedna od ovih hipoteza potvrdi onda je druga oborena.
. Razlike u inteligenciji izmeu mukaraca i ena: H0 razlika izmeu grupa je nulta ne postoji; (A
razlika izmeu grupa je razliita od nule. )li jo preciznije: AS je znaajno vea u odreenoj grupi.
2. Obrazovanje i uspeh na testu inteligencije: H0 povezanost izmeu obrazovanja i uspeha na testu
inteligencije ne postoji (jednaka je nuli); HA postoji znaajna povezanost izmeu obrazovanja i uspeha na testu inteligencije. )li jo preciznije: postoji pozitivna povezanost izmeu obrazovanja i uspeha na testu inteligencije to je vee obrazovanje, vei je uspeh na testu).
Koliko mora da bude mala verovatnoa da testni statistik uzme odreenu vrednost pri kojoj mi moemo da odbacimo nultu hipotezu? Najee se uzima da verovatnoa od p=.
predstavlja dovoljno nisku verovatnou vrednosti test statistika. Ako se dobije ova ili nia verovatnoa (p
Prvi tip greke greka: odbacivanje tane nulte hipoteze. Verovatnoa ove greke zavisi od a priori
verovatnoe koja je odabrana za odbacivanje nulte hipoteze. Najee se koriste tri verovatnoe: p=.;
p=0.01 i p=0.001. Ove verovatnoe se nazivaju intervali poverenja
ili nivoi znaajnosti. to je dobijeni nivo znaajnosti nii, nia je i
verovatnoa prvog tipa greke.
Drugi tip greke greka: neodbacivanje nulte hipoteze a da je ona ipak pogrena. Npr. ta da radite ako dobijete verovatnou test
statistika od p=.. Verovatnoa je niska ali ipak ne prelazi prvi nivo znaajnosti od p
Statistika snaga testa znaajnosti je dugorona verovatnoa - kada su date populacijska veliina efekta, nivo alfa greke i broj ispitanika - odbacivanja pogrene (0.
broj entiteta (npr. ljudi) u studiji
mera distance izmeu (0 i H1 verovatnoa da je opservirani
efekat sluajan verovatnoa registrovanja
postojeeg efekta
Veliina uzorka Veliina efekta
Alfa greka
Snaga
n = f(veliina efekta, alfa, snaga) Veliina efekta = f(n, alfa, snaga) alfa = f(n, veliina efekta, snaga) snaga = f(n, veliina efekta, alfa)
. Poveati broj ispitanika u uzorku/uzorcima . Poveati oekivanu razliku pojaavajui
eksperimentalnu manipulaciju, ili pravei snaniji kontrast izmeu eskperimentalnih uslova
. Korititi pretest/ponovljena merenja, to smanjuje greku u formuli za izraunavanje veliine efekta
ES=(m1-m2)/s - neponovljeno merenje
ES=(m1-m2)/s((1-r2)1/2) - ponovljeno merenje
. Varirati alfa greku ukoliko logika studije to dozvoljava: a) Ukoliko klasifikacija ljudi u grupe nije sasvim precizna b) Merni instrumenti nemaju dovoljno dobre metrijske
karakteristike c) Ukoliko se oekuju slabi efekti/razlike d) U zavisnosti od konsekvenci naih odluka korist, eliminacija
patnje, sporednih efekata)
. Koristiti jednosmerne testove znaajnosti . Smanjiti varijabilitet greku u studiji koliko je to mogue
(npr. smanjenjem heterogenosti procedura u tretmanu, ili smanjenjem heterogenosti grupa u tretmanu)
Uraditi deskriptivnu statistiku: a) za nominalne varijable frekvence, procenti i mod kao
mera centralne tendencije i mogue raspon kao mera varijabiliteta;
b za ordinalne varijable mogue raunati medijanu c za intervalne varijable i vie nivoe merenja mogue
je raunati sve statistike: mod, medijana, aritmetika sredina, standardna devijacija, raspon, minimum, maksimum, skjunis i kutrozis
Grafiki predstaviti rezultate ukoliko je potrebno
Utvrditi da li postoje autlajeri u podacima i kakve su oni prirode da li su u pitanju greke ili stvarne ekstremne vrednosti)
Utvrditi normalnost raspodele intervalnih varijabli pomou Kolmogorov-Smirnov testa Ukoliko neka od varijabli nije normalno
raspodeljena moe se normalizovati Blom i Rankit algoritmi)
Ukoliko je potrebno utvrditi znaajnost razlike frekvenci izmeu dve ili vie kategorija nominalne varijable radi se test. Ako varijabla ima vie od kategorije moraju se raditi dodatni testovi za utvrivanje razlika izmeu svake od njih. Ukoliko je potrebno utvrditi povezanost
izmeu dve nominalne varijable rauna se Koeficijent kontigencije.
Ukoliko je potrebno utvrditi znaajnost razlike na intervalnoj varijabli izmeu dve grupe radi se t-test. Prvo gledati Leveneov
statistik i u odnosu na njega posmatrati
odgovarajuu vrednost t-testa.
Ukoliko kategorika varijabla ima vie od dva nivoa sprovesti ANOVU. Podesiti izraunavanje deskriptivne statistike,
homogenosti varijansi izmeu grupa Leveneov test i Welchov statistik (robusni procenitelj efekta faktora). Welcha gledati samo na varijablama na kojima je Leveneov statistik znaajan. Podesiti post-hoc testove. Sidak i LSD za manje
uzorke i slabije efekte faktora; Scheffe i Bonferoni za stroije testiranje. Podesiti testove za sluaj da na varijabli ne postoji homogenost varijansi (Tamhane-T2).
Ukoliko je barem jedna varijabla ordinalne prirode raunati Spirmanov koeficijent korelacije
Ukoliko su obe varijable intervalne prirode raunati Pirsonov koeficijent korelacije
Ukoliko je potrebno predvideti vrednost jedne varijable na osnovu nekoliko drugih
varijabli uraditi linearnu regresiju.
Gledati R za interpretaciju procenta objanjene varijanse kriterijuma a koeficijenta i njihovu znaajnost za evaluaciju nezavisnih doprinosa svake varijable
predikciji.