Резюме 12

Завершая эксперимент, вы должны проинтерпретировать данные, внесенные в регистрационные бланки. Полезным первым шагом яв­ляется построение распределения частот, показывающего, сколько значений попало в ту или иную категорию зависимой переменной.

Иногда эти распределения напоминают симметричное колоколооб-разное распределение, называемое нормальным. Распределения бы­вают также бимодальными, имеющими две наиболее часто встреча­ющиеся категории; скошенными, потому что в одной крайней части распределения находится больше значений; или усеченными, у ко­торых отсутствует одна из крайних частей распределения. Централь­ную тенденцию распределения описывают три часто применяемые статистики. Мода — это наиболее часто встречающаяся категория, медиана — это серединное значение, а среднее — это центр тяжести распределения. Для характеристики разброса распределения чаще всего используют две статистики. Размах — это разность между наи­больший и наименьшим значениями, а стандартное отклонение и иногда дисперсия описывают разброс распределений, которые при­близительно нормальны.

Графики иллюстрируют связь между независимой и зависимой переменными. Уровни независимой переменной откладывают на го­ризонтальной оси, абсциссе, а значения зависимой переменной — на вертикальной оси, ординате. Столбиковую диаграмму можно ис­пользовать для иллюстрации значений, которые отражают качествен­но различные категории. Для иллюстрации непрерывных перемен­ных можно использовать или гистограмму, или функциональный линейный график. Описывая функции, вы можете указать, являют­ся ли они линейными или криволинейными, положительными или отрицательными, монотонными или немонотонными, имеющими положительное или отрицательное ускорение, или асимптотичес­кими. Силу экспериментальной связи можно проиллюстрировать с помощью диаграммы рассеивания, или же, если связь линейная, вы можете вычислить коэффициент корреляции и коэффициент детер­минации.

При интерпретации результатов факторного эксперимента вы должны определить, имеет ли место главный эффект, влияние одно­го из факторов на зависимую переменную при среднем значении дру­гих факторов. Кроме того, вы должны определить, меняется ли вли­яние одной из переменных в зависимости от уровней других пере­менных. Подобные различия называют взаимодействиями, и они, особенно в случае перекрестных взаимодействий, могут затруднить интерпретацию главных эффектов.

Метод статистического вывода используют для определения того, насколько вероятно, что различие между выборками данных яв­ляется случайным, а не каким-то действительным различием в сово статистически значимым, вероятность того, что различие является случайным, обычно должна быть менее 0,05 или 0,01. Параметри¬ческие критерии, в отличие от непараметрических, предполагают, что распределения совокупностей являются нормальными. Иногда исследователи неправильно интерпретируют результаты статисти¬ческой проверки, отождествляя незначимые результаты с эквивален-тностью условий, излишне акцентируя внимание на уровнях значи¬мости 0,05 и 0,01 или путая статистическую значимость с практичес¬кой.

Метаанализ — это статистический прием, позволяющий объеди¬нить результаты множества экспериментов. Для каждого экспери¬мента вычисляют статистику, называемую средней величиной экс¬периментального эффекта, а затем эти величины эффекта анализи¬руют, чтобы определить вероятность того, что подобные эффекты могли быть случайными.

Для проведения статистического анализа часто используют компь¬ютеры. Однако нужно проявлять осторожность, убеждаясь, что выпол¬нены допущения методов статистических проверок и что данные были правильно введены в программу. Прежде чем принять полученный ре-зультат, его следует проверить на внутреннюю согласованность и точ¬ность.