Раздел 6. Непараметрические критерии проверки статистических гипотез

Часть статистических выводов, которая касается сравнения выраженности параметров, делится на параметрические (сравнение средних значений) и непараметрические критерии (сравнение рангов значений, измеренных с помощью порядковых шкал).
В основе применения параметрических критериев сравнения лежит целый набор допущений, которым должны удовлетворять исследовательские данные (например, форма распределения выборочных статистик, равенство дисперсий, метрическая шкала зависимой переменной) для того, чтобы соответствующий критерий можно было использовать.

Однако, часто характеристика, подлежащая сравнению, бывает измерена в порядковой шкале. Последнее делает проверку допущений параметрических критериев бессмысленной, по причине невозможности осуществления большинства математических операций с порядковыми шкалами.

Для таких случаев существуют непараметрические аналоги параметрических критериев, не требующие соблюдения каких-либо допущений:

Стоит отметить, что в реальной исследовательской практике, конечно если мы говорим о социальных и поведенческих науках, с порядковыми переменными обращаются так, как если бы они были метрическими. В данном случае, это означает, что, несмотря на невозможность корректной проверки допущений, зачастую применяются параметрические критерии сравнения средних.

ОЦЕНКА ДОСТОВЕРНОСТИ СДВИГА В ЗНАЧЕНИЯХ ИССЛЕДУЕМОГО ПРИЗНАКА

В психологических исследованиях часто бывает важно доказать, что в результате действия каких-либо факторов произошли достоверные изменения ("сдвиги") в измеряемых показателях. К числу таких факто­ров должен быть отнесен прежде всего фактор времени. Сопоставление показателей, полученных у одних и тех же испытуемых по одним и тем же методикам, но в разное время, дает нам временной сдвиг.

Сопоставление показателей, полученных по одним и тем же мето­дикам, но в разных условиях измерения (например, "покоя" и "стресса"), дает нам ситуационный сдвиг.

Мы можем создать специальные экспериментальные условия, предположительно влияющие на те или иные показатели, и сопоставить замеры, произведенные до и после экспериментального воздействия. Если сдвиги окажутся статистически достоверными, это позволит нам утверждать, что экспериментальные воздействия были существенными, или эффективными.

Например, мы можем сделать вывод о том, что данная програм­ма тренинга действительно способствует развитию уверенности, или что данный способ внушающего воздействия влияет на изменение отноше­ния испытуемых к той или иной проблеме, или что психодраматическая замена ролей подтверждает постулат Дж.Л. Морено о сближении по­зиций спорщиков после того, как им пришлось играть роль своего оп­понента и т.п.

Во всех этих случаях мы говорим о сдвиге под влиянием контро­лируемых или не контролируемых воздействий. И здесь мы наталкива­емся на методическую трудность, которую оказывается возможным преодолеть только путем введения контрольной группы, которая не ис­пытывала бы на себе воздействия данного экспериментального фактора. Если нет контрольной группы, то сдвиг в экспериментальной группе может объясняться действием самых разных причин: временем суток, в которое производились замеры, важным для испытуемых событием, которое произошло между 1-м и 2-м замерами и по мощности воздей­ствия значительно перекрыло экспериментальный фактор и т. п. Мы никогда не сможем исключить той возможности, что изменения, достиг­нутые, как нам кажется, в результате наших воздействий, на самом де­ле объясняются неучтенными причинами. Вот если в экспериментальной группе сдвиги окажутся достоверными, а в контрольной группе - недос­товерными, то это, действительно, может свидетельствовать об эффек­тивности воздействий. При отсутствии контрольной группы мы конста­тируем, что сдвиг произошел, но не имеем права приписать его именно данным, изучаемым нами, факторам воздействия.

1. G- критерий знаков

Назначение критерия G

Критерий знаков[i] G предназначен для установления общего на­правления сдвига исследуемого признака.

Он позволяет установить, в какую сторону в выборке в целом изменяются значения признака при переходе от первого измерения ко второму: изменяются ли показатели в сторону улучшения, повышения или усиления или, наоборот, в сторону ухудшения, понижения или ос­лабления.

Описание критерия G

Критерий знаков применим и к тем сдвигам, которые можно оп­ределить лишь качественно (например, изменение отрицательного от­ношения к чему-либо на положительное), так и к тем сдвигам, которые могут быть измерены количественно (например, сокращение времени работы над заданием после экспериментального воздействия).

Во втором случае, однако, если сдвиги варьируют в достаточно широком диапазоне, лучше применять критерий Т Вилкоксона. Он учи­тывает не только направление, но и интенсивность сдвигов и может оказаться более мощным в определении достоверности сдвигов, чем критерий знаков.

Как правило, исследователь уже в процессе эксперимента может заметить, что у большинства испытуемых показатели во втором замере имеют тенденцию, скажем, повышаться. Однако ему еще требуется до­казать, что положительный сдвиг является преобладающим.

Для начала мы назовем сдвиги, которые нам кажутся преобла­дающими, типичными сдвигами, а сдвиги более редкого, противополож­ного направления, нетипичными. Если значения показателя повышаются у большего количества испытуемых, то этот сдвиг мы будем считать типичным. Если мы исследуем отношение испытуемых к какому-либо событию или предложению, и после экспериментальных воздействий у большинства испытуемых отрицательное отношение сменилось на поло­жительное, то этот сдвиг мы назовем типичным.

Есть еще, правда, возможность "нулевых" сдвигов, когда реакция не изменяется или показатели не повышаются и не понижаются, а ос­таются на прежнем уровне. Однако такие "нулевые" сдвиги в критерии знаков исключаются из рассмотрения. При этом количество сопостав­ляемых пар уменьшается на число таких "нулевых" сдвигов.

Суть критерия знаков состоит в том, что он определяет, не слишком ли много наблюдается "нетипичных сдвигов", чтобы сдвиг в "типичном" направлении считать преобладающим? Ясно, что чем мень­ше "нетипичных сдвигов", тем более вероятно, что преобладание "типичного" сдвига является преобладающим. G_эмп - это количество "нетипичных" сдвигов. Чем меньше G_эмп, тем более вероятно, что сдвиг в "типичном" направлении статистически достоверен.

Гипотезы

Н₀: Преобладание типичного направления сдвига является случайным.

H₁: Преобладание типичного направления сдвига не является случайным.

Ограничения критерия знаков

Количество наблюдений в обоих замерах - не менее 5 и не более 300.

Пример

В исследовании Г.А. Бадасовой (1994) изучались личностные факторы суггестора, способствующие его внушающему воздействию на аудиторию. В эксперименте участвовало 39 слушателей колледжа и спецфакультета практической психологии Санкт-Петербургского уни­верситета 9 мужчин и 30 женщин в возрасте от 18 до 39 лет, средний возраст 23,5 года. Испытуемые выступали в качестве суггерендов, т.е. лиц, по отношению к которым оказывалось внушающее воздействие.

В экспериментальной группе (n₁=16) испытуемые просматривали видеозапись речи суггестора о целесообразности применения физических наказаний в воспитании детей, а в контрольной группе (n₂=23) испы­туемые просто читали про себя письменный текст. Содержание речи суггестора и текста полностью совпадали.

До и после предъявления видеозаписи (в экспериментальной группе) и текста (в контрольной группе) испытуемые отвечали на 4 вопроса, оценивая степень согласия с их содержанием по 7-балльной шкале:

1. Я считаю возможным иногда шлепнуть своего ребенка за дело, если

он этого заслужил:

Несогласен     1      2      3      4      5      6      7       Согласен

2. Если, придя домой, я узнаю, что кто-то из близких, бабушка или дедушка, шлепнул моего ребенка за дело, то я буду считать, что это нормально:

Несогласен     1      2      3      4      5      6      7       Согласен

3. Если мне станет известно, что воспитательница детского сада или учительница в школе шлепнула моего ребенка за дело, то я восприму это как должное:

Несогласен     1      2      3      4      5      6      7      Согласен

4. Я бы согласился отдать своего ребенка в школу, где применяется

система физических наказаний по итогам недели:

Несогласен     1      2      3      4      5      6      7       Согласен

Суггестор (источник внушения (суггестии); им может быть индивид, группа, средства массовой информации) был подобран по признакам, которые были выявлены в пилотажном исследовании (Бадасова Г. А., 1994). Результаты двух замеров по обеим группам представлены в Табл. 3.2 и Табл. 3 3

Таблица 3.2

Оценки степени согласия с утверждениями о допустимости телесных наказаний до и после предъявления видеозаписи в экспериментальной группе (n₁=16)

Таблица 3.3

Оценки степени согласия с утверждениями о допустимости телесных наказаний до и после предъявления письменного текста в контрольной группе (n₂=23)

Вопросы:

1. Можно ли утверждать, что после просмотра видеозаписи о пользе телесных наказаний наблюдается достоверный сдвиг в сторону боль­шего принятия их в экспериментальной группе?

2. Достоверны ли различия по выраженности положительного сдвига между экспериментальной и контрольной группами?

3. Является ли достоверным сдвиг оценок в контрольной группе?

Решение

Подсчитаем сначала количество положительных, отрицательных и нулевых сдвигов по каждой шкале в каждой из выборок. Это необхо­димо для выявления "типичных" знаков изменения оценок и значитель­но облегчит нам дальнейшие расчеты и рассуждения.

Таблица 3.4

Расчет количества положительных, отрицательных и нулевых сдвигов в двух группах суггерендов

Из Табл. 3.4. мы видим, что наиболее типичными являются "нулевые" сдвиги, то есть отсутствие сдвига в оценках после предъяв­ления видеозаписи или письменного текста. И все же, в эксперимен­тальной группе по шкале "Я сам наказываю" и "Бабушка наказывает" положительные сдвиги наблюдаются примерно в половине случаев.

Нам необходимо учитывать только положительные и отрицатель­ные сдвиги, а нулевые отбрасывать. Количество сопоставляемых пар значений при этом уменьшается на количество этих нулевых сдвигов. Теперь для шкалы "Я сам" n=8; для шкалы "Бабушка" n=9; шкалы "Воспитатель" n=5 и шкалы "Школа" n=4. Мы видим, что по отноше­нию к последней шкале критерий знаков вообще неприменим, так как количество сопоставляемых пар значений меньше 5.

Мы можем сразу же проверить и гипотезу о преобладании поло­жительного сдвига в ответах по сумме 4 шкал. Сумма положительных и отрицательных сдвигов по 4 шкалам составляет: n=8+9+5+4=26.

Сформулируем гипотезы.

Н₀: Сдвиг в сторону более снисходительного отношения к телесным наказаниям после внушения является случайным.

H₁: Сдвиг в сторону более снисходительного отношения к телесным наказаниям после внушения является неслучайным.

По Табл. V Приложения 1 определяем критические значения критерия знаков G. Это максимальные количества "нетипичных", менее часто встречающихся, знаков, при которых сдвиг в "типичную" сторону еще можно считать существенным.

1) Шкала "Я сам наказываю"

n=8

Типичный сдвиг - положительный.

Отрицательных сдвигов нет.

Н₀ отклоняется. Принимается H₁ (p<0,01).

2) Шкала "Бабушка наказывает"

n=9

Типичный сдвиг - положительный.

Отрицательных сдвигов нет.

Н₀ отклоняется. Принимается H₁ (p<0,01).

3) Шкала "Воспитательница наказывает"

n=5

Типичный сдвиг - отрицательный.

Ответ: Сдвиг в сторону более снисходительного отношения к телесным наказаниям в экспериментальной группе после просмотра ви­деозаписи является неслучайным для шкал "Я сам наказываю", "Бабушка наказывает" и по сумме четырех шкал (р<0,01 во всех случаях).

Сформулируем гипотезы для контрольной группы.

Н₀: Сдвиг в сторону более снисходительного отношения к телесным наказаниям после прочтения текста является случайным.

H₁: Сдвиг в сторону более снисходительного отношения к телесным наказаниям после прочтения текста не является случайным.

Далее действуем по тому же принципу: вначале определяем коли­чество сдвигов в ту или иную сторону (n), выявляем типичный сдвиг и количество нетипичных сдвигов (G_эмп) сопоставляем с критическими значениям G, определяемыми по Табл. V Приложения 1.

1) Шкала "Я сам наказываю"

n=8

Положительных сдвигов - 4, отрицательных сдвигов - 4.

Типичный сдвиг установить невозможно, т.к. положительных и от­рицательных сдвигов поровну.

Н₀ принимается.

2) Шкала "Бабушка наказывает"

n=8

Положительных сдвигов - 4, отрицательных сдвигов - 4.

Н₀ принимается по тем же основаниям, что и для предыдущей шкалы.

3) Шкала "Воспитательница наказывает"

n=6

Типичный сдвиг - положительный.

Отрицательных сдвигов - 2.

G_кp=0 (p≤0,05)

G_кр(p≤0,01) при данном п определить невозможно.

G_эмп=2

G_эмn>G_кp

Н₀ принимается.

4) Шкала "Школа наказывает"

Поскольку n<5, критерий знаков неприменим.

5) Сумма по 4-м шкалам n=26

Типичный сдвиг - положительный. Количество отрицательных сдвигов - 10.

Ответ: Сдвиг в сторону более снисходительного отношения к телесным наказаниям в контрольной группе является случайным - и по каждой из шкал в отдельности, и по сумме шкал.

Мы можем определенно ответить на 1-ый вопрос задачи: да, можно утверждать, что после просмотра видеозаписи о пользе телесных наказаний наблюдается достоверный сдвиг в пользу большего принятия их в экспериментальной группе. Мы можем ответить и на 3-й вопрос задачи: нет, сдвиг оценок в контрольной группе недостоверен. Однако мы пока не ответили на 2-й вопрос - о том, достоверны ли различия по выраженности положительного сдвига между экспериментальной и кон­трольной группами?

Дело в том, что нами был избран вариант сопоставлений, пред­полагающий сравнение значений "после" и "до" экспериментального воздействия отдельно в экспериментальной и контрольной выборках. Для того, чтобы ответить на вопрос 2, необходимо выбрать второй ва­риант сопоставлений, предусматривающий сравнение сдвигов в двух группах с помощью критериев для сравнения независимых выборок -Q - критерия Розенбаума, U - критерия Манна-Уитни и критерия φ* Фишера (см. Табл. 3.1). Однако такого рода сопоставления, как пра­вило, проводятся только в том случае, если и в экспериментальной, и в контрольной группах выявлен достоверный однонаправленный эффект, и нужно доказать, что в экспериментальной выборке он достоверно больше, выраженнее (см. Задачу 1). В данном же случае нами доказа­но, что в контрольной выборке не произошло сколько-нибудь значимых изменений, и мы можем этим удовлетвориться.

2. Т - критерий Вилкоксона

Назначение критерия

Критерий применяется для сопоставления показателей,, измерен­ных в двух разных условиях на одной и той же выборке испытуемых.

Он позволяет установить не только направленность изменений, но и их выраженность. С его помощью мы определяем, является ли сдвиг показателей в каком-то одном направлении более интенсивным, чем в другом.

Описание критерия Т

Этот критерий применим в тех случаях, когда признаки измерены по крайней мере по шкале порядка_; и сдвиги между вторым и первым замерами тоже могут быть упорядочены. Для этого они должны варьи­ровать в достаточно широком диапазоне. В принципе, можно применять критерий Т и в тех случаях, когда сдвиги принимают только три значе­ния: —1, 0 и +1, но тогда критерий Т вряд ли добавит что-нибудь но­вое к тем выводам, которые можно было бы получить с помощью кри­терия знаков. Вот если сдвиги изменяются, скажем, от —30 до +45, тогда имеет смысл их ранжировать и потом суммировать ранги.

Суть метода состоит в том, что мы сопоставляем выраженность сдвигов в том и ином направлениях по абсолютной величине. Для этого мы сначала ранжируем все абсолютные величины сдвигов, а потом суммируем ранги. Если сдвиги в положительную и в отрицательную сторону происходят случайно, то суммы рангов абсолютных значений их будут примерно равны. Если же интенсивность сдвига в одном из на­правлений перевешивает, то сумма рангов абсолютных значений сдвигов в противоположную сторону будет значительно ниже, чем это могло бы быть при случайных изменениях.

Первоначально мы исходим из предположения о том, что типич­ным сдвигом будет сдвиг в более часто встречающемся направлении, а нетипичным, или редким, сдвигом - сдвиг в более редко встречающемся направлении.

Гипотезы

Н₀: Интенсивность сдвигов в типичном направлении не превосходит интенсивности сдвигов в нетипичном направлении.

H₁: Интенсивность сдвигов в типичном направлении превышает интен­сивность сдвигов в нетипичном направлении.

Ограничения в применении критерия  Вилкоксона

1. Минимальное количество испытуемых, прошедших измерения в двух условиях - 5 человек. Максимальное количество испытуемых - 50 человек, что диктуется верхней границей имеющихся таблиц. Крити-чесхие значения Т приведены в Табл. VI Приложения

2. Нулевые сдвиги из рассмотрения исключаются, и количество наблю­дений п уменьшается на количество этих нулевых сдвигов (McCall R., 1970, р. 36). Можно обойти это ограничение, сформулировав гипотезы, включающие отсутствие изменений, например: "Сдвиг в сторону увеличения значений превышает сдвиг в сторону уменьше­ния значений и тенденцию сохранения их на прежнем уровне".

Пример

В выборке курсантов военного училища (юноши в возрасте от 18 до 20 лет) измерялась способность к удержанию физического волевого усилия на динамометре. Сначала у испытуемых измерялась максималь­ная мышечная сила каждой из рук, а на следующий день им предлага­лось выдерживать, на динамометре с подвижной стрелкой мышечное усилие, равное 1/2 максимальной мышечной силы данной руки. Почув­ствовав усталость, испытуемый должен был сообщить об этом экспери­ментатору, но не прекращать опыт, преодолевая усталость и неприят­ные ощущения - "бороться, пока воля не иссякнет". Опыт проводился дважды; вначале с обычной инструкцией, а затем, после того, как ис­пытуемый заполнял опросник самооценки волевых качеств по методике А.Ц. Пуни (Пуни А.Ц., 1977), ему предлагалось представить себе, что он уже добился идеала в развитии волевых качеств, и продемонст­рировать соответствующее идеалу волевое усилие. Подтвердилась ли гипотеза экспериментатора о том, что обращение к идеалу способствует возрастанию волевого усилия? Данные представлены в Табл. 3.5.

Таблица 3.5

Расчет критерия Т при сопоставлении замеров физического волевого усилия

Для подсчета этого критерия нет необходимости упорядочивать ряды значений по нарастанию признака. Мы можем использовать ал­фавитный список испытуемых, как в данном случае.

Первый шаг в подсчете критерия Т - вычитание каждого инди­видуального значения "до" из значения "после". Мы видим из Табл. 3.5, что 8 полученных разностей - отрицательные и лишь 3 - положи­тельные. Это означает, что у 8 испытуемых длительность удержания мышечного усилия во втором замере уменьшилась, а у 3 - увеличилась. Мы столкнулись с тем случаем, когда уже сейчас мы не можем сфор­мулировать статистическую гипотезу, соответствующую первоначально­му предположению исследователя. Предполагалось, что обращение к идеалу будет увеличивать длительность мышечного усилия, а экспери­ментальные данные свидетельствуют, что лишь в 3 случаях из 11 этот показатель действительно увеличился. Мы можем сформулировать лишь гипотезу, предполагающую несущественность сдвига этого показателя в сторону снижения.

Сформулируем гипотезы.

Н₀: Интенсивность сдвигов в сторону уменьшения длительности мы­шечного усилия не превышает интенсивности сдвигов в сторону ее увеличения.

H₁: Интенсивность сдвигов в сторону уменьшения длительности мы­шечного усилия превышает интенсивность сдвигов в сторону ее увеличения.

На следующем шаге все сдвиги, независимо от их знака, должны быть проранжированы по выраженности. В Табл. 3.5 в четвертом слева столбце приведены абсолютные величины сдвигов, а в последнем столбце (справа) - ранги этих абсолютных величин. Меньшему значе­нию соответствует меньший ранг. При этом сумма рангов равна 66, что соответствует расчетной:

Теперь отметим те сдвиги, которые являются нетипичными, в данном случае - положительными. В Табл. 3.5 эти сдвиги и соответствующие им ранги выделены цветом. Сумма рангов этих "редких" сдвигов и составляет эмпирическое значение критерия Т:

где R_r - ранговые значения сдвигов с более редким знаком.       

Итак, в данном случае,

Т_эмn=1+2,5+7=10,5

По Таблице VI определяем критические значения Т для n=11:

Зона значимости в данном случае простирается влево. Действи­тельно, если бы "редких", в данном случае положительных, сдвигов не было совсем, то и сумма их рангов равнялась бы нулю. В данном же случае эмпирическое значение Т попадает в зону неопределенности:

Т_эмп<Т_кр (0,05)

Ответ: Н₀ отвергается. Интенсивность отрицательного сдвига показателя физического волевого усилия превышает интенсивность по­ложительного сдвига (р<0,05).

Таким образом, исследователю придется признать, что продолжительность удержания мышечного волевого усилия во втором замере снижается, и этот сдвиг неслучаен. Инструкция, ориентирующая испы­туемого на соответствие идеалу в развитии воли, оказалась гораздо ме­нее мощным фактором, чем какая-то иная сила - возможно, мышечное утомление, может быть, разочарование в себе или в возможностях дан­ного психологического эксперимента. А может быть, в момент второго замера просто перестает действовать какой-то мощный фактор, который был активен вначале? На все эти вопросы статистические методы не могут ответить, если в схему эксперимента не включена контрольная группа - в данном случае, выборка, уравновешенная с эксперименталь­ной группой по всем значимым характеристикам (полу, возрасту, про­фессии, месту обучения), у которой просто измерили бы вторично воле­вое усилие через такой же промежуток времени, не призывая соответ­ствовать идеалу в развитии воли.

Представим выполненные действия в виде алгоритма: