Analiza datelor in cercetarea psihologica - Florin A. Sava

 

Cauta carte / autor:    
CUM CUMPAR?        CUM PLATESC?        LIVRAREA        Despre ANTICARIAT        CONTACT     

Abonati-va la Newsletter!
Vreti sa aflati ce carti de psihologie apar? Newsletterul este trimis bilunar. Alerta este trimisa la fiecare carte noua.

E-mail: Abonare la:


Psihoterapie


Psihologie clinica


Psihologie practica


Psihologie educationala


Introducere in psihologie


Alte domenii ale psihologiei


Domenii conexe


Dictionare


Reviste si periodice


ANTICARIAT





100 TITLURI DISPONIBILE

57 TITLURI DISPONIBILE

233 TITLURI DISPONIBILE

38 TITLURI DISPONIBILE

Abonati-va la Newsletter!
Vreti sa aflati ce carti de psihologie apar? Newsletterul este trimis bilunar. Alerta este trimisa la fiecare carte noua.

E-mail: Abonare la:



      
Analiza datelor in cercetarea psihologica - Florin A. Sava       Analiza datelor in cercetarea psihologica
de



Pret: lei        Avem aceasta carte in stoc!



      



Editura: ASCR
Colectia: Psihologul expert
Pagini: 346
   
Anul aparitiei: 2011
Editia originala: -
Editia originala aparuta in limba romana
     
Coperta: Simpla (Paperback)
Dimensiuni: 165 mm x 240 mm
ISBN: 978-606-8244-23-5


Pagini din carte

                     

                     

                     



Cuprinsul cartii

REZUMAT IN LIMBA ENGLEZA
INTRODUCERE LA EDITIA A II-A
PREFATA PRIMEI EDITII

Capitolul 1. ELEMENTE DE STATISTICA DESCRIPTIVA

1. Modalitati de masurare a variabilelor studiate

2. Analiza descriptiva univariata

3. Analiza descriptiva bivariata
* Coeficientii de corelatie
* Reprezentarea grafica a asocierii dintre variabile
* Tabele de contingenta — moduri de prezentare a asocierii dintre datele non-numerice

Bibliografie


Capitolul 2. TESTAREA IPOTEZELOR

1. Ipoteza nula — clarificari conceptuale
* Logica testarii ipotezelor
* Ipoteza nula si marimea esantionului
* Erorile de tip I si II in testarea ipotezelor

2. Marimea efectului
* Indicatori ai marimii efectului
* Interpretarea marimii efectului
* Stabilirea marimii efectului
* Limitele marimii efectului

3. Puterea statistica a unei cercetari

4. Appendix — Ce inseamna gradele de libertate

Bibliografie


Capitolul 3. TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR

1. Testarea asocierii dintre doua variabile
* Coeficientul de corelatie r
* Corelatia partiala

2. Tehnici de comparatie intre grupuri
* Tehnicile x patrat
* Testele t si z de comparare a diferentelor dintre doua medii

3. Managementul datelor brute
* Managementul datelor lipsa
* Managementul datelor neobisnuite
* Transformarea datelor brute

Bibliografie


Capitolul 4. TEHNICILE ANOVA

1. ANOVA simpla
* Procedurile post hoc
- Marimea efectului in cadrul procedurilor post hoc
* Procedurile a priori
- Contraste nestandardizate
- Marimea efectului in cazul contrastelor
- Contrastele standardizate
- Contrastele polinomiale

2. ANOVA factoriala
* Metoda efectelor simple
* Marimea efectelor in cazul ANOVA factoriala
* Conditii necesare pentru aplicarea ANOVA simpla si ANOVA factoriala

3. ANOVA cu masuratori repetate
* Marimea efectelor in ANOVA cu masuratori repetate
* Conditii necesare pentru aplicarea ANOVA cu masuratori repetate

4. Alte modalitati ANOVA

5. Exemplu de ANOVA factoriala: cazul euristicii de accesibilitate

6. Tehnicile ANCOVA
* Marimea efectului in tehnicile ANCOVA
* Conditii suplimentare aplicarii ANCOVA

7. Tipuri de factori in design-urile de tip ANOVA sau ANCOVA

Bibliografie


Capitolul 5. ANALIZA FACTORIALA

1. Analiza factoriala exploratorie
* Teoria analizei factoriale
* Analiza componentelor principale vs. analiza factoriala
* Design-ul si metodologia analizei factoriale
- Tipuri de matrice si metode de extragere a factorilor
- Metode de selectare a numarului adecvat de factori
- Analiza statistica a factorilor extrasi
- Rotirea factorilor
- Interpretarea naturii factorilor
- Ameliorarea structurii factoriale
- Aspecte metodologice complementare
* Exemplu de analiza factoriala exploratorie - cazul inteligentei

2. Analiza factoriala confirmatorie
* Specificarea modelelor concurente
* Identificarea modelelor
* Stabilirea gradului de adecvare a modelelor
- Indicaton absoluti
- Indicatori de comparare
* Modificarea modelului
* Aspecte metodologice ale aplicarii analizei factoriale confirmatorii

3. Adaptarea culturala a instrumentelor psihometrice
* Exemplu - adaptarea scalei de masurare a motivatiei de a fuma

Bibliografie


Capitolul 6. REGRESIA LINIARA

1. Regresia liniara simpla
* Principli ale regresiei liniare
* Evaluarea eficientei unei ecuatii de regresie
* Testarea individuala a eficientei predictorilor in estimarea evolutiei criteriului

2. Modalitati de analiza de regresie multiliniara

3. Regresia multiliniara in scop predictiv
* Interpretarea coeficientilor de regresie
* Rolul ecuatiei de regresie in interpretarea datelor cu scop predictiv
* Instrumente complementare regresiei in scop predictiv
- Decizia onganizationala
- Contravalidarea
- Analiza cazurilor influente

4. Regresia multiliniara in scop explicativ
* Logica regresiei utilizate in scop explicativ
* Testarea eficientei explicative a modelului propus
* Interpretarea coeficientilor de regresie in analizele cu scop explicativ
* Indicatorii marimii efectului in cazul regresiei multiple

5. Conditii necesare pentru aplicarea regresiei liniare
* Evitarea erorii de specificare
* Evitarea erorii de masurare
* Eroarea reziduala cat mai mica
* Evitarea multicoliniaritatii
* Existenta unor relatii de tip liniar si aditiv

6. Exemplu de regresie multipla liniara — cazul citirii

7. Directii de evolutie ale regresiei
* Alte tipuri de regresie
* Identificarea efectelor de moderare (interactiune) in regresia multipla
* Analiza relatiilor de mediere prin instrumentul regresiei liniare
* Analiza de cale

Bibliografie


Capitolul 7. REGRESIA LOGISTICA

1. Concepte si principii teoretice

2. Modelul regresiei logistice

3. Estimarea modelelor logistice
* Testarea modelelor explicative logistice
* Compararea modelelor logistice
* Stabilirea eficientei explicative a modelulul ales
* Testarea si interpretarea coeficientilor logit
* Stabilirea unor profiluri ideale
* Analiza cazurilor influente asupra modelului

4. Exemplu de regresie logistica binara — cazul infidelitatii

Bibliografie


Capitolul 8. SCALAREA MULTIDIMENSIONALA

1. Modele de scalare multidimensionala

2. Design-ul cercetarii in scalarea multidimensionala
* Selectarea obiectelor si a numarului acestora
* Metode de colectare a datelor
- Compararea fiecarei perechi de stimuli
- Sortarea stimulilor
- Ierarhizarea stimulilor
* Managementul datelor colectate prin SPSS

3. Harta perceptiva, Reprezentarea spatiala a distantelor psihologice
* Selectarea numarului de dimensiuni din harta perceptiva
* Interpretarea configuratiei MDS
* Aplicatii INDSCAL

4. Modele de scalare multidimensionala conexe
* Modele MDS constranse
* Modele MDS extinse

5. Incursiune in optiunile SPSS

Bibliografie




Fragmente din carte

Din Capitolul 3. TEHNICI INTRODUCTIVE DE TESTARE A IPOTEZELOR

Daca in capitolul anterior am insistat asupra logicii si a principiilor de baza in testarea ipotezelor, in sectiunea aceasta vom aplica cunostintele respective la nivelul celor mai raspandite tehnici statistice introductive. Testarea ipotezelor, in cazul unui studiu cu doua variabile, poate fi inteleasa simplificat ca raspunsuri la una dintre urmatoarele intrebari: „Exista o asociere semnificativa statistic intre doua variabile?" sau „Exista diferente semnificative statistic intre doua grupe?".

De notat ca sintagma "semnificativa statistic" nu se refera la amplitudinea corelatiei sau a diferentelor observate, ci implica ideea unei probabilitati foarte mici de a obtine datele culese in conditiile in care ipoteza nula este adevarata. Premisele acesteia indica fie ca „nu exista asociere intre cele doua variabile", fie ca „nu exista diferente intre cele doua grupe".

3.1. Testarea asocieriii dintre doua variabile

3.1.1. Coeficientul de corelatie r

Prin analiza corelationala se urmareste in ce masura schimbarile dintr-o variabila sunt insotite de schimbari intr-o alta variabila. Coeficientul de corelatie liniara r este cel mai intalnit indicator de masurare a gradului de asociere dintre doua variabile. Asa cum am precizat in capitolul destinat prezentarii elementelor de statistica descriptiva, r poate varia intre -1 si 1, unde 0 semnifica absenta legaturii dintre doua variabile.

Sa presupunem ca intre nivelul de extroversiune si nivelul de neuroticism nu exista legatura, adica avem un r egal cu O. Pentru a testa relatia, vom extrage un esantion de 30 de persoane din cadrul studentilor la psihologie, vom testa nivelul celor doua dimensiuni ale personalitatii vom obtine o valoare r de -0,09.

Daca am fi testat aceeasi relatie pe alti 30 de studenti la psihologie, alesi la intamplare, am fi obtinut, poate, un r de 0,04. Extragand alte loturi de subiecti, vom observa ca majoritatea indicatorilor r sunt apropiati de zero si mult mai putini sunt indepartati de aceasta valoare. Din pacate, in practica nu ne permitem sa extragem atat de multe esantioane pentru a testa relatia dintre doua variabile. De obicei se testeaza un singur lot de persoane, rezultand o valoare r unica, sa zicem -0,12

Intrebarea devine: ce probabilitate exista sa obtinem un r de -0,12, in conditiile in care nu exista legatura intre cele doua variabile (r real este 0)? Indica un r de -0,12 absenta asocieri cele doua variabile? Conform statisticii descriptive, nu ne putem da seama de acest lucru, deoarece valoarea de -0,12 poate fi interpretata ca o usoara asociere negativa intre cele doua variabile, ceea ce implica faptul ca persoanele cu scoruri ridicate la extroversiune tind sa aiba un nivel mai scazut de neuroticism.

Din pacate, valorile descriptive sunt dependente de o serie de factori, in special de volumul esantionului. Un r de -0,12 indica o legatura negativa intre cele doua variabile, in cazul unui esantion de 1000 de persoane, respectiv absenta relatiei dintre variabile in cazul unui esantion de 50 de persoane. Pentru a lamuri aceasta dilema este nevoie sa privim valoarea coeficientului de corelatie din perspectiva statisticii inferentiale.

Iata un exemplu ipotetic, menit sa faciliteze interpretarea inferentiala a lui r:

Conform unei analize efectuate de Leary, Tchividjian si Kraxberger (1994/1999), intre nivelul de auto-prezentare (management al impresiei) si cheltuielile lunare pe produse cosmetice exista o asociere pozitiva. Un nivel ridicat de management al impresiei indica un autocontrol puternic fata de modul in care o persoana este perceputa de catre cei din jur implicit, mai multa grija fata de aspectul sau fizic. De aceea, ne asteptam ca un nivel crescut de auto-prezentare sa fie asociat cu mai multe cheltuieli pe produse cosmetice. Pentru a studia relatia dintre cele doua variabile, vom colecta date cu privire la cheltuielile lunare, exprimate in EURO, pe produse cosmetice si la nivelul de management al impresiei, obtinute pe baza unui chestionar. Lotul testat include 50 de adolescenti (25 de fete si 25 de baieti), ale caror raspunsuri sunt inregistrate in baza de date „corelatii.sav".

Pentru a rezolva problema, va trebui sa raspundem la urmatoarele intrebari:
1) Cum identificam faptul ca este vorba de o corelatie?
2) Ce fel de date au fost colectate?
3) Conditiile aplicarii corelatiei respective sunt indeplinite?
4) Ce fel de ipoteza trebuie testata?
5) Cat de intensa este asocierea dintre cele doua variabile?

Raspunsurile la primele patru intrebari ne ajuta sa gasim coeficientul de corelatie care trebuie calculat si ne ofera o imagine despre gradul de adecvare a interpretarii valorii gasite. Ultima intrebare vizeaza un aspect distinct, ce tine de marimea efectului, adica de intensitatea relatiei dintre cele doua variabile.






Copyright © 2008-2016 Catharsis Media. Toate drepturile rezervate.

TEL INFO - CONSUMATOR: 0800 080 999 - linie telefonica cu apelare gratuita | ANPC
Operator date personale inregistrat la ANSPDCP sub nr. 34250 din 24.02.2015