Zasady stosowania hipotez w korelacjach i w różnicach międzygrupowych

Analiza statystyczna z psychologii

Krótkie wprowadzenie

Hipoteza to stwierdzenie, co do którego istnieje pewne prawdopodobieństwo, że stanowić będzie ono prawdziwe rozwiązanie postawionego problemu. Dane stwierdzenie może być uznane za hipotezę naukową, jeżeli jest sprawdzalne. Hipoteza, której nie można poddać procedurze sprawdzania empirycznego nie może pretendować do miana hipotezy naukowej.

 

Zasady stosowania hipotez w korelacjach

 

Współczynnik korelacji Pearsona, tak samo jak inne statystyki, w różnych próbach przyjmuje różne wartości z powodu czynników losowych, które są efektem zjawiska losowej zmienności próby. W przypadku większości badań chcielibyśmy znać „prawdziwą” korelację w populacji, ale znamy jedynie współczynniki z próby. Aby określić dokładność współczynnika korelacji, który uzyskaliśmy na podstawie wyników w próbie, możemy odwołać się do procedury testowania hipotez.

Nie ma wątpliwości, że podczas wnioskowania o korelacji najczęściej stawiamy pytanie o to, czy między zmiennymi w ogóle istnieje jakiś związek.

Jeżeli współczynnika korelacji używamy jako wskaźnika czysto opisowego, to nie jest potrzebne żadne założenie o kształcie rozkładu dla dwóch zmiennych. procedury służące do wnioskowania o współczynniku korelacji są oparte na założeniu, że między parami wyników istnieje niezależność i te populacja par wyników charakteryzuje się dwuzmiennowym rozkładem normalnym. To ostatnie założenie oznacza, że X ma rozkład normalny, że Y ma rozkład normalny oraz że związek między X a Y jest liniowy. Jeżeli nie mamy do czynienia z dwuzmiennowym rozkładem normalnym, to omówione tutaj procedury wnioskowania dadzą wyniki jedynie przybliżone. Jeżeli mamy powody, by uważać, że rozkład w populacji par wyników istotnie odbiega od dwuzmiennowego rozkładu normalnego, to zanim przeprowadzimy formalną procedurę testowania hipotezy, możemy rozważyć zastosowanie transformacji nieliniowej (w celu znormalizowania rozkładu).

Współczynnik korelacji (r), podobnie jak inne statystyki, jest narażony na zjawisko błędu próby. To, czy osiągniemy istotność statystyczną, czy też nie, w dużej mierze zależy od liczebności próby. W przypadku prób małych zmienność losowa jest na ogół znaczna i utrudnia osiągnięcie istotności statystycznej. Dla prób dużych wartość r będzie dość dokładna i istotność statystyczną można osiągnąć nawet wtedy, gdy związek między dwiema zmiennymi jest bardzo słaby. Dlatego też wtedy, gdy mamy do czynienia z korelacją, musimy uważnie odróżnić istotność statystyczną od tego, co jest dla nas istotne wtedy, gdy patrzymy z perspektywy praktycznej.

 

Przykład 1:

P1. Jaki jest związek pomiędzy poczuciem własnej skuteczności a satysfakcją z życia?

H1. Istnieje dodatni związek pomiędzy poczuciem własnej skuteczności a satysfakcją z życia. Im większe poczucie własnej skuteczności tym większa satysfakcja z życia.

 

 

Zasady stosowania hipotez w różnicach międzygrupowych

Testowanie różnicy między dwiema średnimi wymaga zazwyczaj odwołania się do różnicy między pomiarami tej samej zmiennej, która została zmierzona w dwóch różnych warunkach (np. inteligencja emocjonalna w grupie kobiet i mężczyzn).

Hipoteza alternatywna zależnie od logiki pytania badawczego, może być kierunkowa lub niekierunkowa. Począwszy od tego momentu procedura testowania hipotezy zerowej musimy wybrać kryterium decyzyjne, czyli a, oraz określić liczebność próby, która zapewni nam dużą szansę wykrycia interesującej nas różnicy (o ile taka istnieje). Następnie trzeba zanalizować charakterystyki odpowiedniego rozkładu z próby tak, żeby wynik naszej próby mógł zostać porównany z wynikiem oczekiwanym w sytuacji, w której hipoteza zerowa jest prawdziwa. Następnie na rozkładzie z próby, zgodnie z naturą Ha i wartością a, ustalamy obszar odrzucenia. Jeżeli różnica między dwiema średnimi z próby bez względu na jej kierunek jest na tyle duża, że nie można jej w sposób uzasadniony wyjaśnić występowaniem zjawiska zmienności losowej wtedy, gdy średnie populacyjne są takie same – odrzucamy hipotezę zerową.

 

Przykład1:

P1. Czy płeć różnicuje inteligencje emocjonalną według PKIE?

H1. Kobiety i mężczyźni różnią się inteligencją emocjonalną w sferze empatii i kontroli, także poznawczej nad własnymi emocjami.

H1.1. Kobiety wykazują większą empatią w porównaniu do mężczyzn.

H1.2. Mężczyźni wykazują większą kontrolę, także poznawczej nad własnymi emocjami w porównaniu do kobiet.

Przykład 2

P2. Czy płeć różnicuje nasilenie prężności?

H2. Płeć jest czynnikiem który różnicuje nasilenie prężności

H2.1. Mężczyźni w porównaniu do kobiet przejawiają większe kompetencje.

H2.2. Mężczyźni w porównaniu do kobiet przejawiają wyższą tolerancję negatywnego afektu.

H2.3. Mężczyźni w porównaniu do kobiet prezentują bardziej optymistyczne nastawienie do życia.

 

 

Bibliografia

Brzeziński, J. (2011). Metodologia badań psychologicznych. Warszawa: Wydawnictwo Naukowe PWN.

Francuz, P., Mackiewicz, R. (2007). Liczby nie wiedzą, skąd pochodzą. Przewodnik po metodologii i statystyce nie tylko dla psychologów. Lublin: Wydawnictwo KUL.

King, B.M., Minium, E.W. (2009). Statystyka dla psychologów i pedagogów. Warszawa: Wydawnictwo Naukowe PWN.