《第十三章研究结果的整理与分析.ppt.ppt》由会员分享，可在线阅读，更多相关《第十三章研究结果的整理与分析.ppt.ppt（40页珍藏版）》请在三一办公上搜索。
1、第十三章 研究结果的整理与分析,吉林大学黎兵,第一节 研究数据、资料的整理,一、研究数据、资料整理的目的通过研究数据、资料的整理可以使研究者更好地把握研究的主导方向；通过研究数据、资料的整理保证材料的可靠性，为进一步的定性和定量分析取得正确的结论奠定基础；通过研究数据、资料的整理有助于形成典型性的材料，有利于发现某些规律。,二、研究数据、资料的质量审核质量审核的内容从研究的总体看，检查研究目的所要求的各个方面的资料、数据是否收集齐备；对被试个体的资料、数据的审核，检查每一个被试的资料、数据有无缺失或遗漏，有无前后矛盾，结果登记有无错行、错号等错误。质量审核的方法计量审核，核查研究数据资料中各项
2、计量资料行无错误或矛盾的地方，其中包括计量关系是否正确、计量单位是否一致等；逻辑审核，检查研究数据、资料的内容是否合乎逻辑，有无不合理的地方。数据资料的剔除与补充,三、研究资料的编码1.编码的含义与方法编码就是将研究所获得的资料转换成计算机可识别的数字、形成码值的过程。编码的基本方法有事前编码和事后编码两种。2.编码系统及其设计编码系统包括编码指导手册和编码表。变量号码 变量名 代码 说明 1 被试年龄 1 6岁以下 2 7 12岁 3 13 18岁 4 19 24岁 2 被试性别 1 男生 2 女生,3.编码手册的编制过程与注意事项3.1 编制过程(1)详细列出研究涉及的变量；(2)将反应或
3、答案分类；(3)规定代码；(4)举例说明编码手册的使用；(5)预试检验，修改完善。3.2 注意事项按顺序进行编码；码值或记号必须填写在规定之处；出现问题应及时记录下来，加以解决；编码完毕后应进行复核等等。,第二节研究资料的定性分析,一、定性分析的特点 定性分析的定义 定性分析是对研究结果的“质”的分析，是运用分析和综合、比较和分类、归纳和演绎等逻辑分析方法，对研究所获资料进行思维加工，从而认识心理学中的心理现象和行为的本质，揭示其发生发展的规律，为研究结果的解释和理论的构建提供依据。定性分析具有以下特点：(一)定性分析是建立在描述基础上的逻辑分析或推断；(二)定性分析侧重揭示心理或教育过程中的
4、现象或行为的“意义”；(三)定性研究或分析倾向于对研究结果进行归纳分析；(四)定性分析不仅注意对结果和产品的分析，更重视对过程和相互关系的分析。,二、定性分析的基本方法(一)比较与分类(二)归纳与演绎(三)分析与综合(四)抽象与具体,第三节研究资料的定量分析,1.统计分析的含义与功能定量分析需要借助一定的数理统计方法来进行，因此，定量分析也常常被称为统计分析。统计分析具有以下功能：可以为心理学研究提供一种清晰的形式化的描述；是进行解释和科学预测的重要方法；可以训练科学、严谨的思维方法。统计分析的作用与地位:(1)统计分析是现代心理学研究的必备工具，心理学研究成果通常以统计分析的方式表现出来，不
5、懂得统计分析就难以了解他人的研究进展;(2)统计分析要以定性分析为基础，那种以为“统计万能”的思想是片面的、错误的。,2.统计分析的基本内容(一)描述统计主要是对资料进行整理、分类和简化，描述数据的全貌以表明研究对象的某些性质。描述统计包括数据的初步整理、数据集中趋势和离散趋势的度量以及相关关系的度量等几方面。其目的在于使纷繁的数据清晰直观地显示研究对象的特征，以利于进一步的分析。(二)推论统计主要讨论通过局部(样本)数据推论全局(总体)的情况。推论统计包括总体参数特征值的估计方法和假设检验方法两大类。假设检验方法中又分参数假设检验方法、非参数假设检验方法。,(三)实验设计辅助统计包括被试的取
6、样方法和样本容量确定、实验条件的控制以及结果统计方法的选择和设计等内容，一般是在实际研究开始之前进行的；目的在于使研究者能科学地、经济地以及更有效地进行实验。,3.统计分析方法的选择（1）研究课题的性质和目的描述性课题，研究者只想了解研究对象的特征或情况。一般可以来用平均数、中位数、众数等集中量数，标准差、偏离度、峰度、差异系数等离散量数以及相关系数等统计指标表示；推论性课题，研究者往往需要从局部的取样所获取的样本的性质来推测总体的性质，比较总体间省无差异，度量变量之间的关系以及预测类别等，一般采取的方法有参数估计、假设检验以及复杂的多元统计分析如回归分析、主成分分析、因素分析等。,（2）研究
7、变量的数据类型与特征计数变量是指计算个数的变量，其数据一般取整数的形式。使用计数数据的统计方法，如百分比，列连相关、百分数检验方法和x2检验方法等；顺序变量（等级变量）既无相等单位，也无绝对零点，只表示研究对象量在某一属性上的顺序，不能指出其间差别大小。统计分析常用中数、百分位数、等级相关、等级变异数分析、秩次检验等方法；等距变量有相等单位，但无绝对零点。对于等距变量可用平均数、标准差、积差相关、t检验、Z检验、F检验、方差分析等统计方法进行分析；等比变量既有相等单位又有绝对零点。等比变量适用的统计分析方法很多，除上述统计方法之外，还可用几何平均数及差异量数等进行分析。,（3）研究数据的分布特
8、征参数统计方法的使用，都必须满足两个条件：总体分布呈正态分布；组间变异相等（方差齐性）。非参数统计分析方法则不依赖于总体分布的条件，也无需对总体参数规定条件。,（4）研究设计的类型自变量水平的数量；自变量的数目；被试内设计、被试间设计及混合设计。,4.描述统计描述统计的目的在于使纷繁的数据清晰直观地显示研究对象的特征和性质，以利于进一步的分析。它主要包括集中趋势和离散趋势的度量以及相关关系的度量。,（1）集中趋势的度量：算术平均数(M)是应用最普遍的一种集中量数。中数(Md)又称中位数、中点数，它是指数据的次数分布上处于50%位置处的数值，即位于一组数据中较大一半与较小一半中间位置的数。众数(
9、Mo)是指分布中次数最高的数据，即数据中出现次数最多的数据的值。几何平均数(Mg)通常用于心理与教育研究中所得的数据变异较大和求平均增长率等情况。调和平均数(Mh)在心理与教育研究中用来描述速度方面的情况。加权算术平均数(Mw)则主要用于计算测量所得数据的单位权重不相等的情况。,（2）离散趋势的度量：平均差全距可在研究预备阶段，用于检查数据的大致散布范围，以便确定统计分组。平均差和四分差不利于代数运算，在进一步的统计分析中难以利用 方差(S2)和标准差(SD)是最常用的变异量数。标准分数(Z分数)表示个数据在团体中所处的相对位置、便于团体成员间的比较.差异系数(也称相对标准差)用来比较同一团体
10、或个人在不同测量单位的测验中的得分，或者比较不同团体进行同一种观测获得的数据。,（3）相关关系的度量：积差相关适用于正态分布的双列变量，即用等距和等比量表测量获得的数据。常用的是皮尔森(Person)积差相关。等级相关适用于等级变量(用等级量表测得的数据)和非正态分布的变量之间的相关分析。最常用的等级相关是斯皮尔曼(Spearman)等级相关。肯德尔等级相关表示多列等级变量的相关程度点二列相关表示质与量的相关上述相关分析的假设：变量之间的关系是线性关系。非线性相关关系不能用线性相关的公式计算。,5.推论统计 推论统计主要包括两个方面的内容：总体参数的估计。主要解决通过从样本中得到的结果推论总体
11、的问题。假设检验。假设检验是推论统计中最重要的内容。在这里研究者们主要关心的是从两个样本统计值的比较中得出的差异是否真正存在于两个总体之间。假设检验包括测量的连续变量的假设检验方法和计数数据的假设检验方法。此外，非参数检验方法适用于总体分布不明确或总体参数的假设条件不成立的情况下的差异检验。,（1）假设检验的基本步骤：1建立虚无假设H0和研究假设H1；2选择适当的显著性水平，并根据检验的类型查出临界值；3根据样准数据计算统计检验值；4比较临本临值与统计检验值；5根据比较结果进行决策。一般地，在显著性水平下，临界值大于统计值，则接受H0，拒绝H1；临界值小于统计值，则拒绝H0，接受H1。,（2）
12、常用检验方法：1.Z检验 在心理学研究中，对总体正态分布、方差已知或独立大样本的平均数的显著性和差异的显著性的检验，非正态分布(0)的皮尔森积差相关系数和二列相关系数的显著性检验以及两个相关系数分别由两组被试得到的相关系数差异性检验等情况，都可用Z检验。2t检验 t检验通常用于总体正态分布、总体方差未知或独立小样本的平均数的显著性检验，平均数差异显著性检验，相关系数由同一组被试取得的相关系数差异显著性检验，非正态分布(0)的皮尔森相关系数的显著性检验等情况。,3.2检验 2检验一般用于计数数据的检验，也可用于样本方差与总体方差的差异检验等情况。4.F检验 F检验常用于独立样本的方差的差异显著性
13、检验。5.方差分析 方差分析又称变异数分析，主要用于心理学研究中分析数据中的不同来源的变异对总变异的影响大小，从而确定自变量是否对因变量有重要影响。使用方差分析时应注意满足基本假设：总体正态分布；变异是可加的；各处理内(即实验组内部)的方差一致。,（3）两类错误与统计显著性：作统计推断时可能犯的两类错误：其一是在应当接受虚无假设时，错误地拒绝虚无假设，即两总体之间并无差异时。错误地作出总体之间有差异的结论。这种错误称为类错误，其概率用表示，故又称为型错误。犯型错误的概率取决于拒绝虚无假设的概率水平。其二是当总体实际上存在差异时，错误地接受了虚无假设，这种错误称为类错误，其概率用表示：故又称为型
14、错误。,研究结果经假设检验后表明有统计显著性，研究者就可以判断研究结果可能不是随机获得的。有统计显著性时，应该注意的是：假设检验并不能排除效度的其他影响因素，假设检验只能说明两组数据间的差异，但并不能指出造成不同的原因。统计显著性并不能保证研究结果有意义或有价值。“显著性水平”只是统计学意义的概率，而不是理论上或实际上的概率水平。差异上的量很大并不意味着统计显著性很好，差异的显著性既取决于差异的大小，同时也取决于样本大小。很大的样本容量产生的很小的差异也可能是显著的。,第四节多元统计分析的基本方法,1.方差分析方差分析又称变异数分析，主要用于分析数据中的不同来源的变异对总变异的影响大小，从而确
15、定自变量是否对因变量有重要影响。使用方差分析的条件是：总体正态分布；变异是可加的；各处理内（即实验组内部）的方差一致。在进行检验时，有单侧检验与双侧检验两种情况。方差分析的种类有单因素方差分析（一个因变量和多个自变量）、协方差分析（将足以影响总变异但无法控制的有关因素从变异中剔除后的方差分析）和多元方差分析（多个因变量和多个自变量）。,2.回归分析回归分析是通过观测值寻求一个或数个自变量与一个因变量之间的函数关系的一种统计方法。回归分析的基本思路是根据多次观测值计算出回归系数，建立回归方程并进行回归系数的显著性检验。显著性检验主要包括三个方面：对回归系数的检验，对复相关系数R2的检验和对变量所
16、说明变异量的检验。利用多元回归分析，还可以判定在多个自变量中哪些是显著的影响变量，井比较各个自变量对因变量的预测能力。逐步回归分析又可分为前进法（逐步引人法）、后退法（逐步剔除法）和增减法三种。需要指出的是，回归分析并不能确立变量之间的因果关系。,3.聚类分析聚类分析是将一批样本或变量按其在性质上联系的紧密程度进行分类，按观测值大小聚成若干可以定义的类别。在聚类分析中，描述被聚类事物间的紧密程度的相似性指标主要有：距离（如绝对值距离、欧氏距离等）和相似系数（如相关系数、指数相似系数等）。常用的聚类分析方法有系统聚类法或者动态聚类法两种。系统聚类是先将所有待分类事物各自看成一类，求出两两间的距离
17、将距离最近的两类合并，并重新计算类与类之间的距离，逐次重复上述过程，直至归为一类。动态分类是先对待分类事物作一个越糙的分类，然后按照某种原则逐步修改到比较合理为止，也称逐步聚类法。,4.判别函数分析判别函数分析主要用于解决根据观测数据对所研究的对象进行分类和预测的问题，也用于在用某种方法或原则已经将部分对象分成若干类的情况下，确定新的观测数据属于已知类别的哪一类。在判别分析中主要用到的判别准则有Fisher准则和Bayes准则。这两种准则各有其适合条件及优劣之处，Fisher准则对分布类型并无规定，只要求有二阶矩存在即可；而Bayes准则要求各组指标需服从多元正态分布且各组协方差矩阵相等。因此
18、，前者适合于两类判别，而后者则适用于多类判别。与聚类分析不同，判别函数分析必须以事先存在不同的类别为前提。,5.主成分分析主成分分析是一种把原来多个指标（变量）简化成少数几个相互独立的综合变量，利用少数指标的分析来达到简化问题的目的。综合后的变量就是原变量的主成分。其主要步骤包括：计算指标间的相关矩阵；计算特征方程的特征根、特征向量、贡献率和累积贡献率；确定主成分个数及主成分方程。,6.因素分析因素分析是从众多的可观测变量中概括缩减出少数起主导作用的共同性变量（因素），用以解释最大量的观测事实的统计分析技术。因素分析可分为探索型和验证型，前者通过变量组合而总结数据，往往用于研究初期提出假设阶段
19、：后者则用于检验有关键在结构的假设，常在研究的后期运用；因素分析的基本步骤如下：收集数据，形成关联性测度数据；抽取因素，即将方差矩阵或协方差矩阵进行处理，求得初始因素解。其中主要有主成分分析法、最小二乘法、最大似然法等；因素轴的旋转变换与解释，即将初姑因素解进行因素轴旋转（如分析旋转、斜交旋转）求得最终因素解，并对其意义进行解释。因素的解释应以研究的理论假设和实际因素负荷为基础，从最大负荷的变量得出因素的主要含义。,7.路径分析路径分析是研究变量之间的因果关系的数学分析方法，它实际上是多元回归分析的一种特殊形式。路径分析的特点在于能够对变量之间的相关进行数量性的分解，即将相关系数分解为直接效应
20、、间接效比、归于相关原因和归于共同原因，因此能更好地解释受量之间的关系，指出各个白变量对因变量的相对重要性。需要指出的是，路径分析所涉及的因果关系是研究者事先假设的。路径分析可以计算出自变量对因变量的直接效应和间接效应，并用路径系数表示，然后用路径图表示变量之间的结构关系。由于变量之间的结构关系并不是唯一的，因此可以通过路径分析来确定更符合实际情况的结构模型。,8.结构方程模型结构方程模型是验证检验变量之间复杂的因果关系的数学方法。它是因素分析和路径分析的深化和综合。结构方程模型最大优点在于它能够用非实验的数据检验因果关系，以统计控制代替实验控制。模型中的每个因素都是潜在变量，并且由一个或几个
21、指标表示。结构方程模型的运用步骤如下：建立模型，即将需检验的理论假设（因果关系）转换成可检验的模型；检验模型，用数据对假设的模型进行检验：修改模型，通过估计值与其标被差的比较或对残差的检验，减去或增添路径以提高模型的适切性。,第五节 多元统计分析的适用条件,1.多元分析方法的功能(1)度量变量间关系的强度多元统计分析可以对多个变量间的关系进行测量或估计。最简单的情况是有多个自变量和一个因变量。这时研究的主要目的往往是测量从多个自变量预测因变量的程度，一般采用多元回归分析和复相关分析法。有时情况更为复杂，研究中可能有多个自变量和多个因变量，这种情况可用典型相关加以分析。,(2)组间差异的显著性测
22、量 心理学实验研究通常要测量实验组与控制组、不同处理组之间是否存在显著差异。如果多个自变量分成不同的组或包括不同的水平，则可研究多个因变量在不同样本组间是否存在显著差异，并由此推论总体的情况。这种方法也可采用多元方差分析。如果研究中存在一个或多个无关变量(控制变量)，就需要采用协方差分析方法。如果研究的自变量、因变量和无关变量都是多个，则应采取多元协方差分析方法。,(3)预测类别心理学研究有时需要通过对一些因素的测量来区别类型或组别。这些测量的因素类似于自变量，划分的类别类似于因变量。如果对某些因素的测量能反映类别间的显著差异，那么这些测量因素就可用来进行类别的预测。这类问题可以用判别函数分析方法加以解决。判别函数分析的主要目的是根据各种预测变量的情况来预测其组合效应(即预测组别)，此外还可给出统计显著水平，并对不同的预测变量进行评估。,(4)确定结构心理学研究中往往涉及大量的变量，其中有些变量密切关联，具有相近或相似的作用。因此，可以将这些相互关联的变量概括、合成为较少的新变量，以简化变量的关系，确定较简单的结构。,2.多元分析方法的适用条件,3.计算机统计分析的基本步骤,（1）数据文件的建立；（2）数据的录入；（3）统计分析；（4）结果输出。,
