1. Генеральная и выборочная совокупность. Количество респондентов в выборке.
2. Зависимая (связанная) и независимая (не связанная) выборка.
3. Переменная в эмпирическом исследовании. Таблица первичных эмпирических данных.
4. Кодирование переменных. Основные правила кодирования переменных.
5. Зависимая и независимая переменные. Внешняя переменная и способы ее регуляции.
6. Шкала измерения и ее значение для осуществления статистического анализа. Параметрические и непараметрические шкалы.
7. Общая характеристика номинальной шкалы. Пример номинальной шкалы в психологических исследованиях.
8. Общая характеристика порядковой/ранговой шкалы. Пример порядковой/ранговой шкалы в психологических исследованиях.
9. Общая характеристика интервальной шкалы. Пример интервальной шкалы в психологических исследованиях.
10. Общая характеристика шкалы равных отношений. Пример шкалы равных отношений в психологических исследованиях.
11. Виды распределения признака и их общая характеристика. Наиболее часто встречающееся распределение, которому подчиняются психологические переменные.
12. Стандартизованная шкала. «Правило трех сигм».
13. Алгоритм выбора статистического критерия. Этапы проведения статистического анализа.
14. Нулевая и альтернативная гипотезы.
15. Эмпирическое и критическое значение статистического критерия. 16.Вероятность статистической ошибки. Допустимая вероятность статистической ошибки для подтверждения альтернативной гипотезы.
17. Описательная статистика и ее основное назначение в исследованиях. Первичная обработка данных.
18. Меры, использующиеся при работе с непараметрическими и параметрическими данными.
19. Параметрические и непараметрические критерии, позволяющие выявить значимость различий переменной в двух и более группах.
20. Параметрические и непараметрические критерии, позволяющие выявить сдвиг значений исследуемого признака в двух и более группах.
21. Параметрические и непараметрические критерии, позволяющие выявить взаимосвязь двух и более параметров.
22. Параметрические и непараметрические критерии, позволяющие выявить влияние факторов на исследуемую переменную.
23. Общая характеристика многомерных методов статистического анализа. Основные задачи многомерной статистики.
24. Многомерные статистические критерии, которые возможно использовать в случае работы с непараметрическими эмпирическими данными.
25. Понятие о многомерном дисперсионном анализе. Значение MANOVA.
26. Вид данных, допустимых для многомерного дисперсионного анализа (для факторов и для откликов). Ограничения использования многомерного дисперсионного анализа.
27. Главные допущения многомерного дисперсионного анализа (тест Бокса, критерий Ливиня и тест Бартлетта). Интерпретация результатов многомерного дисперсионного анализа.
28. Задачи, решаемые с помощью многомерной регрессии. Сходства и различия регрессионного и корреляционного анализа.
29. Вид данных, допустимых для многомерного регрессионного анализа (для предикторов и результирующих переменных).
30. Интерпретация результатов множественного регрессионного анализа.
31. Логика и основные понятия факторного анализа. Методы факторного анализа.
32. Факторные нагрузки. Матрица факторных нагрузок. Интерпретация факторных нагрузок.
33. Задача вращения матрицы факторных нагрузок. Виды вращения факторов.
34. Факторные значения. Интерпретация факторных значений.
35. Назначение дискриминантного анализа. Структуры данных для дискриминантного анализа.
36. Проблемы, которые позволяет решить дискриминантный анализ. Правило классификации объектов.
37. Пошаговый дискриминантный анализ.
38. Назначение многомерного шкалирования. Задачи, которые позволяет решить многомерное шкалирование.
39. Общая схема проведения многомерного шкалирования.
40. Матрица попарных различий. Данные о предпочтениях. Оценки различий. Задание метрики различий.
41. Неметрическая модель многомерного шкалирования. Стресс. Задача измерения К. Величина RSQ. Результаты применения многомерного шкалирования и основные подходы к их интерпретации.
42. Назначение иерархического кластерного анализа. Задачи, которые позволяет решить кластерный анализ, его преимущества и недостатки.
43. Содержание основных шагов иерархического кластерного анализа.
44. Методы кластерного анализа. Дендрограммы.
17. Описательная статистика и ее основное назначение в исследованиях. Первичная обработка данных.
Описательная статистика - это методы и техники, используемые для описания и обобщения собранных данных с целью выявления основных характеристик выборки или набора данных. Описательная статистика служит для описания формы распределения данных, выявления центральных тенденций (среднее значение, медиана, мода), разброса данных (дисперсия, стандартное отклонение) и других характеристик. Основное назначение описательной статистики в исследованиях:
1. Подготовка данных: Описательная статистика помогает подготовить данные к дальнейшему статистическому анализу путем обзора, обобщения и описания основных характеристик.
2. Визуализация данных: Посредством описательной статистики данные могут быть визуализированы с помощью графиков и диаграмм для наглядного представления результатов и выявления основных закономерностей.
3. Сравнение групп: Описательная статистика позволяет сравнивать группы или условия по различным параметрам, выявляя различия или сходства.
4. Предварительный анализ: Описательная статистика помогает исследователям понять структуру и характер данных до применения более сложных статистических методов.
Первичная обработка данных - это этап обработки данных, который включает в себя очистку, организацию и подготовку данных для дальнейшего анализа. Основные шаги первичной обработки данных включают в себя:
