Mtd5e, UW, Metodologia badań psychologicznych, prof. Sosnowski


Tytus Sosnowski

Kurs 004 (2008 / 2009)

METODOLOGIA BADAŃ PSYCHOLOGICZNYCH

Wykład obligatoryjny dla I roku studiów wieczorowych

Wydziału Psychologii UW

PLANOWANIE I ANALIZA BADAŃ EMPIRYCZNYCH

Część E:

badania ex post facto:

porównania międzygrupowe

Badania eksperymentalne
a badania ex-P0st Facto

W badaniach NIEEKSPERYMENTALNYCH (EX-POST FACTO) badacz nie manipuluje zmiennymi ani nie oddziałuje w żaden sposób na badanych (na zmienna zależną) lecz jedynie dokonuje POMIARU zmiennych. Na podstawie analizy statystycznej staramy się ustalić relacje między mierzonymi zmiennymi a niekiedy -zależności przyczynowe. Ponieważ oddziaływania przyczynowe musiały mieć miejsce przed rozpoczęciem badań, mówimy o analizie ex-post facto („po fakcie”).

Zalety badań eksperymentalnych

Ograniczenia badań eksperymentalnych

* nie wszystkie zmienne są manipulowalne;

* manipulacja może być niemożliwa lub trudna
ze względów technicznych;

* manipulacja może być niedopuszczalna ze względów
etycznych;

Porównanie badań eksperymentalnych i ex-post facto

na przykładzie porównań międzygrupowych

Grupy

zrandomizowane

Zmienna niezależna

manipulowalna

Zmienna zależna

Grupa 1

X

Y1

Grupa 2

Y2

KONTROLA zmiennych ubocznych. Jeśli porównujemy grupy zrandomizowane (i potrafimy wyeliminować zmienne zakłócające) to możemy przyjąć, że przed manipulacją grupy eksperymentalne nie różnią się między sobą systematycznie* pod względem ŻADNEJ ZMIENNEJ. Jeśli więc stwierdzimy w pomiarze końcowym różnicę między grupami, to nie da się jej wyjaśnić systematycznym wpływem żadnej zmiennej za wyjątkiem zmiennej którą manipulujemy.

Wyjaśnianie PRZYCZYNOWE: jeśli nie było różnicy między grupami na początku badania (randomizacja!)
a pojawiła się w pomiarze końcowym, to przyczyną tej różnicy może być tylko wpływ zmiennej X - przesądza
o tym sam plan badania.

* tzn. wartość oczekiwana każdej zmiennej jest taka sama
dla wszystkich grup; im mniejsze grupy jednak, tym
większe prawdopodobieństwo pojawienia się znacznych
odchyleń średnich grupowych od wartości oczekiwanych.

Przykład: badamy uprzedzenia etniczne (Y) w grupach różniących się pod względem zmiennej osobowościowej - autorytaryzmu (X).

Grupy kryterialne,

dobrane pod względem zmiennej X

Druga mierzona zmienna:

Y

Grupa 1 (X1)

Y1

Grupa 2 (X2)

Y2

KONTROLA zmiennych ubocznych. Grupy różniące się pod względem zmiennej X mogą się też różnić pod względem innych zmiennych, skorelowanych z X (np. grupy różniące się autorytaryzmem mogą się też różnić pod względem sposobu wychowania, statusu społecznego, poziomu lęku, itp.).

Wyjaśnianie PRZYCZYNOWE. Jeśli nawet istnieje związek statystyczny między X i Y, to ani plan badania ani sposób analizy danych nie przesądza o tym, czy X jest przyczyną Y, czy Y przyczyną X, czy też, być może, istnieje inna zmienna -- Z , która wpływa zarówno na X jak i na Y. Zależność statystyczną która nie jest zależnością przyczynową nazywa się „zależnością pozorną”. Dla interpretacji przyczynowej wyników badań ex-post facto konieczne są dodatkowe przesłanki natury zarówno statystycznej (kontrola ważnych zmiennych ubocznych) jak i merytorycznej.

Zależność pozorna

Zależnością pozorną nazywamy zależność statystyczną, która nie ma charakteru przyczynowego.

Np. stwierdzono zależność statystyczna między liczbą bocianów i liczbą urodzeń (w gminach, w których żyje więcej bocianów rodzi się więcej dzieci). Zależność ta znika gdy uwzględnimy rodzaj gminy (miejska/wiejska): w gminach wiejskich jest więcej dzieci i więcej bocianów niż w gminach miejskich.

liczba bocianów (X)

rodzaj gminy (Z)

liczba urodzeń (Y)

Zależności między Z i X oraz między Z i Y są zależnościami przyczynowymi. Zależność między X i Y jest zależnością pozorną.

Przykład (fikcyjny) zależności pozornej
(dane liczbowe z pracy Jahoda, Deutsch i Cook, 1955)

Mierzymy liczbę dzieci i liczbę bocianów w 480 gminach.

Tabela 1. Dane pierwotne

Duża liczba bocianów

Mała liczba bocianów

Razem

Duża liczba dzieci

110

90

200

Mała liczba dzieci

90

190

280

Razem

200

280

480

Analiza danych w tabeli 1 wskazuje na istnienie zależności statystycznej między liczbą dzieci i liczbą bocianów.

Tabela 2. Uwzględnienie zmiennej kontrolnej (charakter gminy)

Gmina wiejska

Gmina miejska

Liczba dzieci

Duża liczba bocia-nów

Mała liczba bocia-now

Razem

Duża liczba bocia-nów

Mała liczba bocia-nów

Razem

Duża

90

30

120

20

60

80

Mała

30

10

40

60

180

240

Razem

120

40

160

80

240

320

Po uwzględnieniu w analizie dodatkowej zmiennej (gmina (miejska / wiejska), czyli zmiennej KONTROLNEJ, stwierdzona wcześniej zależność znika. Jeśli analizujemy dane oddzielnie dla gmin miejskich i oddzielnie dla gmin wiejskich nie stwierdzamy zależności między liczbą bocianów a liczbą dzieci. Stwierdzona wcześnie zależność statystyczna nie jest więc zależnością przyczynową, ale zależnością POZORNĄ

Jeśli nie uda się wykazać że zależność między X i Y jest zależnością pozorną, może to wskazywać że:

* mamy do czynienia z zależnością przyczynową;

* nie uwzględniliśmy w analizie właściwej zmiennej kontrolnej (w momencie zbierania danych musimy wiedzieć jakie zmienne uboczne są ważne dla analizowanego problemu).

Aby wykazać że zależność statystyczna jest rzeczywiście zależnością przyczynową potrzebne są przesłanki merytoryczne (np. wyjaśniające jaki jest mechanizm zaobserwowanej zależności między zmiennymi).

PLANY EX-POST FACTO

1. Porównania międzygrupowe

2. Analiza korelacyjna (i pochodne od niej)

  1. Inne, na przykład:
    -- badania podłużne (longitudinal)
    -- studium przypadku (case study)

PORÓWNANIA MIĘDZYGRUPOWE

Tworzymy grupy kryterialne w oparciu o jedną zmienną obserwowalną (mierzalną) lub kombinację kilku zmiennych
a następnie porównujemy grupy pod względem innej zmiennej.

W badaniach ex-post facto grupy kryterialne mogą być tworzone zarówno w oparciu o zmienne NIEZALEŻNE jak i zmienne ZALEŻNE. Przykładowo, jeśli interesuje nas wpływ inteligencji na osiągnięcia szkolne uczniów możemy:

O wyborze schematu analizy decyduje często wygoda a nie kierunek zależności. Na przykład, łatwiej jest dobrać grupy uczniów różniących się osiągnięciami szkolnymi i następnie przebadać ich testem inteligencji niż zastosować procedurę odwrotną.

Rodzaje analizy danych

Plan 1. Dwie zmienne nominalne (klasyfikacyjne) - tabela kontyngencji

B1 (palą)

B2 (nie palą)

Razem

A1 (kobiety)

20

30

50

A2 (mężczyźni)

60

10

70

Razem

80

40

120

Do oszacowania istotności zależności między zmiennymi w takiej postaci (dane maja postać liczebności grup) możemy użyć test 0x01 graphic
, a do oceny siły związku między zmiennymi - współczynnik korelacji ϕ (dla tablicy 2 x 2) , lub C wielodzielcze (dla tablicy większej, np. 2 x 3); oba współczynniki korelacji oblicza się na podstawie 0x01 graphic
.

Plan 2. Jedna zmienna niezależna - nominalna (klasyfikacyjna), druga zmienna - ciągła:

Zmienna 1 (płeć)

Zmienna 2

grupa 1 (kobiety) grupa 2 (mężczyźni)

0x01 graphic

0x01 graphic

Test: porównywanie średnich (np. test t-studenta),

lub jakiś test nieparametryczny (np. U Manna-Whitneya)

Plan 3. Jedna zmienna niezależna ciągła, wtórnie
zdychotomizowana, druga zmienna ciągła.

Dzielimy badanych na dwie lub więcej grup na podstawie wartości jednej zmiennej ciągłej (np. mierzonej testem psychometrycznym) a następnie porównujemy utworzone grupy pod względem rozkładu drugiej zmiennej.

Zmienna 1 Zmienna 2

Grupa 1 (wyniki testu T1 wyższe od a) 0x01 graphic

Grupa 2 (wyniki testu T1 niższe od b) 0x01 graphic

Czy dychotomizować zmienne ciągłe czy analizować je w postaci oryginalnej (jako zmienne ciągłe)?

Dychotomizowanie zmiennych ciągłych ma poważne wady:

pozwala ona ograniczyć liczbę osób badanych (ważne, jeśli pomiar zmiennej zależnej jest bardzo pracochłonny (np. badania metodą rezonansu magnetycznego grupy ekstrawertyków i introwertyków).

Plan 4. Plany wieloczynnikowe w badaniach ex-post facto.

Załóżmy, że w badaniach ex-post facto mamy dwie lub więcej zmiennych niezależnych (np. płeć i poziom wykształcenia) a zmienna zależna jest zmienną interwałową. Czy możemy użyć analizy wariancji? np. jak niżej

B1

B2

A1

A1B1

A1B2

A2

A2B2

A2B2

- Powodem stosowania ANOVA-y jest to, że pozwala ona analizować interakcję zmiennych niezależnych (jeśli nie ma interakcji, plan n-czynnikowy może być zastąpiony przez n planów jednoczynnikowych).

- Argumentem „przeciw” jest to, że ANOVA opiera się na założeniu, że zmienne niezależne są nieskorelowane (ortogonalne). W badaniach eksperymentalnych założenia to jest spełnione automatycznie (pod warunkiem że grupy są równoliczne). W badaniach nie-eksperymentalnych założenie to rzadko jest spełnione. W związku z tym wyniki analizy statystycznej będą obciążone trudnym do oszacowania błędem.

Jeśli w badaniach nie-eksperymentalnych (zwłaszcza:
ex post facto) analizujemy bezpośredni wpływ kilku zmiennych niezależnych na zmienną zależną, właściwą metodą analizy będzie analiza regresji wielokrotnej (multiple regression analysis). Jeśli analizujemy bardziej skomplikowane zależności między zmiennymi można skorzystać z takich metod jak LISREL czy AMOS.

Zalety analizy regresji

mtd5E (2008 / 2009) - 1



Wyszukiwarka

Podobne podstrony:
Mtd2, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd5f, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd5b, UW, Metodologia badań psychologicznych, prof. Sosnowski
Pytania zebrane, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd3, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd1, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd5d, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd4, UW, Metodologia badań psychologicznych, prof. Sosnowski
mtd5c, UW, Metodologia badań psychologicznych, prof. Sosnowski
Mtd1, Studia, Psychologia UW - materiały do zajęć, UWPsych - Metodologia badań psychologicznych
METO skrypt skryptu, Metodologia badań psychologicznych A.Tarnowski
falewska1, Metodologia badań psychologicznych - ćwiczenia - Turlejski
Metodologia badań psychologicznych i statystyka dr I. Sowińska Gługiewicz, Metodologia badań psychol
PROJEKT BADAWCZY, Metodologia badań psychologicznych - ćwiczenia - Turlejski
Statystyki nieparametryczne, PSYCHOLOGIA, I ROK, semestr II, podstawy metodologii badań psychologicz
Centralne Twierdzenie Graniczne, PSYCHOLOGIA, I ROK, semestr II, podstawy metodologii badań psycholo

więcej podobnych podstron