|
107 В таблице 13 приводится ошибка в определении процентного содержания ответов для малых выборок. Таблица 13 Ошибка в определении процента ответа для малых выборок при доверительной вероятности 95% Объем выборки / % ответа 2 6 4 8 10 12 14 16 18 20 0 0 0 0 0 0 0 0 0 0 0 10.00 269,54 47,74 31,48 25,08 21,46 19,06 17,32 15,99 14,92 14,04 20.00 359,39 63,65 41.98 33,44 28,61 25,41 23,10 21,31 19,89 18,72 30.00 411,73 72,92 48,09 38,31 32,78 29,12 26,46 24,42 22,79 21,45 40.00 440,16 77,95 51,41 40,96 35,05 31,13 28,29 26,10 24,36 22,93 50.00 449,23 79,56 52,47 41,80 35,77 31,77 28,87 26,64 24,86 23,40 60.00 440,16 77,95 51,41 40,96 35,05 31,13 28,29 26,10 24,36 22,93 70.00 411,73 72,92 48,09 38,31 32,78 29,12 26,46 24,42 22,79 21,45 80.00 359,39 63,65 41,98 33,44 28,61 25,41 23,10 21,31 19,89 18,72 90.00 269,54 47,74 31,48 25,08 21,46 19,06 17,32 15,99 14,92 14,04 100.00 0 0 0 0 0 0 0 0 0 0 Для выявления связи между различными показателями (вариантами ответов) применялись корреляционный и факторный анализ. Пусть мы располагаем совокупностью из N (1=1,2,...,К)наблюдений над состоянием изучаемого явления. При этом явление описано набором из п (]=1,2,...,п) признаков. В данном случае информация была представлена в виде двумерной таблицы чисел X размерностью №п: *1! *12 *1 „ * 2 1 * 2 2 * 2 и *Л '! Х .Ч2 ‘ ' ' *Л'п Строки этой таблицы соответствуют наблюдениям, или объектам наблюдения, то есть множеству лиц, объектов, процессов, представляющих изучаемое явление в целом: либо как генеральная совокупность, либо как выборка из неё. В наших исследованиях объект наблюдения это анкетируемое лицо. Столбцы таблицы данных соответствуют признакам, характеризующим явление и вместе составляющим профиль описания. Набор признаков Г |
В таблице 2 приводятся ошибка в определении процентного содержания ответов для малых выборок. Таблица 2. Ошибка в определении процента ответа для малых выборок при доверительной вероятности 95%. Объём выборки 2 6 4 8 10 12 14 16 18 20 процент ответа 0 0 0 0 0 0 0 0 0 0 0 10.00 269.54 47.74 3 1 4 8 25.08 21.46 19.06 17.32 15.99 14.92 14.04 20.00 359.39 63.65 41.98 33.44 28.61 25.41 23.10 21.31 19.89 18.72 30.00 411.73 72.92 48.09 38.31 32.78 29.12 26.46 24.42 22.79 21.45 40.00 440.16 77.95 51.41 40.96 35.05 31.13 28.29 26.10 24.36 22.93 50.00 449.23 79.56 52.47 41.80 35.77 31.77 28.87 26.64 24.86 23.40 60.00 440.16 77.95 51.41 40.96 35.05 31.13 2829 26.10 24.36 22.93 70.00 411.73 72.92 48.09 38.31 32.78 29.12 26.46 24.42 22.79 21.45 80.00 359.39 63.65 41.98 33.44 28.61 25.41 23.10 21.31 19.89 18.72 90.00 269.54 47.74 31.48 25.08 21.46 19.06 17.32 15.99 14.92 14.04 100.00 0 0 0 0 0 0 0 0 0 0 Для выявления связи между различными показателями (вариантами ответов) применялся корреляционный и факторный анализ. Пусть мы располагаем совокупностью из N 0=1,2,...,И) наблюдений над состоянием изучаемого явления. При этом явление описано набором из п 0=1,2,...,п) признаков. В данном случае информация была представлена в виде двумерной таблицы чисел X размерностью Ы-п: Х м • • • х ц • • • Х 1 п Х 2 1 ‘ • ■ ■ • Х 2 п Х п • ■ ■ х и • • • Х ; п х щ • ■ • Х э д ■ • • Х п » Строки этой таблицы соответствуют наблюдениям, или объектам наблюдения, то есть множеству лиц, объектов, процессов, представляющих изучаемое яв ление в целом: либо как генеральная совокупность, либо как выборка из неё. В ф наших исследованиях объект наблюдения это анкетируемое лицо. Столбцы таблицы данных соответствуют признакам, характеризующим явление и вместе составляющим профиль описания. Набор признаков включает обычно наиболее существенные в рамках конкретного исследования и легко измеряемые характеристики объектов (респондентов). Таким образом, каждый признак из исследуемого набора задавался нами в виде статистического ряда. Получаемая информация была представлена в виде многомерного куба данных, каждая координата которого соответствовала различным признакам и условиям. С помощью факторного анализа изучались плоские двумерные срезы куба данных матрицы данных. В психологической литературе по приложению факторного анализа различные двумерные срезы куба данных часто определяют как разные виды факторного анализа, или разные техники, ф Чаще всего методами факторного анализа исследуются матрицы данных, в которых изучается вариация признаков (столбцы матрицы) от объекта к объекту (строки). При этом определяются группы признаков со сходным характером вариации, составляющие основу факторов. Такой подход получил название Я техники, или Я анализа. Примером может служить исследование мотивов выбора специальности (признаки) в зависимости от вида службы (объекты). Выявленные факторы интерпретируются как обобщённые характеристики, конденсирующие исходный набор признаков. На том же срезе куба данных была поставлена другая задача, а именно: выявить группы объектов, имеющих сходный профиль по большому набору признаков, то есть классифицировать объекты. Классификация осуществлялась на осно* ве результатов вышеописанного анализа признаков, с использованием выявленных факторов как её критериев. Нами использовался более непосредственный подход к решению этой задачи в рамках факторного анализа, который называют <2~ анализом При таком подходе матрицу данных, описанную выше, транспони87 |