Понедельник, 24.09.2018, 03:11
Приветствую Вас Гость | RSS
Меню сайта
Форма входа

Методы математической обработки данных исследования взаимосвязи толерантности и коммуникативной компетентности у работников

Для статистической обработки результатов, нами был использован критерий t Стьюдента направлен на оценку различий величин средних X и Y двух выборок Х и Y, которые распределены по нормальному закону. Одним из главных достоинств критерия является широта его применения. Он может быть использован для сопоставления средних у связных и несвязных выборок, причем выборки могут быть не равны по величине.

Существует несколько способов расчета данного критерия, например: t-критерий Стьюдента вычисляется по формуле.

После расчета t, его сравнивают с табличным критическим значением, при числе степеней свободы df = n1-n2 - 2. Если вычисленное значение равно или превышает критическое для t0,05, то принимается альтернативная гипотеза Н1 (р≤0,05), если меньше, то гипотеза Н0.

При работе с t-критерием Стьюдента, необходимо знать и учитывать еще одно его свойство - чувствительность к неравенству дисперсий, двух сравниваемых показателей, и рекомендуется проверить равенство дисперсий, если выборки извлечены из разных генеральных совокупностей.

Это можно сделать с использованием F-критерия Фишера. Полученное значение сравнивается с критическим, при этом число степеней свободы для выборок определяется как df 1= n1 -1 и df 2= n2 -1, где n - число объектов наблюдения.

Если рассчитанное значение меньше критического, то различие дисперсий признается незначимым. Если рассчитанное значение меньше критического, то различие признается статистически незначимым (р>0,05), что позволяет использовать t-критерия Стьюдента. В случае когда дисперсии оказываются достоверно различными (р≤0,05, если Fэмп ≥Fкрит), необходимо использовать специальную модификацию t-критерия Стьюдента. Например, в программе Excel - двухвыборочный t-тест с различными дисперсиями.

Для выявления взаимосвязи был использован корреляционный анализ, который дает возможность оценки степени согласованности изменений (варьирования) большого числа признаков и выделить группы взаимокоррелирующих признаков.

Для этого мы будем использовать коэффициент корреляции Пирсона (гхy), это наиболее часто употребляемый метод измерения корреляции.

Коэффициент корреляции Пирсона может быть вычислен по формуле.

Положительная величина коэффициента корреляции (0 < rxy < 1) свидетельствует о наличии прямой связи (т. е. чем больше значения х, тем выше соответствующие им величины у). Отрицательная величина коэффициента корреляции (-1<rxy<0) свидетельствует об обратной корреляции (с увеличением x значения у уменьшаются).

Результаты вычисления корреляций для некоторого набора признаков записываются в виде квадратной матрицы. В заголовки строк и столбцов выносятся названия или номерами признаков, в клетки таблицы заносятся коэффициенты корреляции каждого признака с каждым. Испытуемые и их порядковые номера в корреляционной матрице не представлены. Понятно, что по главной диагонали матрицы будут располагаться единицы, поскольку коэффициент корреляции любой величины с собой будет равен единице. Корреляционная матрица является симметричной относительно главной диагонали: коэффициенты корреляции признака Х с признаком У и признака У с признаком Х равны между собой. Поэтому, как правило, заполняется и используется только верхняя половина матрицы.

Далее в таблице надо выделить коэффициенты корреляции, величина которых превышает критические значения для разных уровней достоверности, как правило, 95% и 99%. Такие значения выделяются либо шрифтом, либо подчеркиванием, либо цветом. Критические значения коэффициента корреляции Пирсона берутся из таблицы критических значений с учетом числа испытуемых. Например, значения r, превышающие уровень достоверности 95% - будем выделять жирным шрифтом 99% - выделением ячейки. Значения, не отличающиеся значимо от нуля можно опустить.

По полученным данным строится так называемый корреляционный граф. Корреляционный граф - это фигура, состоящая из вершин и соединяющих их линий. Линии, соединяющие вершины, характеризуют корреляционную связь между этими признаками. Тип линии отражает знак и достоверность отличия от нуля соответствующего коэффициента корреляции. Отсутствие линии, соединяющей признаки, говорит, что коэффициент корреляции данных признаков не отличается значимо от нуля.

Диагностические процедуры не требуют высоких подгото­вительных умений и навыков, достаточно просты в использовании, а также имеют высокую надежность и валидность. Все это и обусловило выбор данного диагностического инструментария.

- Курсовые работы на заказ

Поиск

Яндекс.Метрика