70020 PA275001

ANALIZA STATYSTYCZNA DANYCH

Wprowadzenie

Mimo ponad stu lat istnienia psychologii wiele praw definiujących zachowanie człowieka, przebieg jego emocji i funkcjonowania poznawczego czeka na swoje wyjaśnienie. Dzieje się tak, ponieważ człowiek podlega jednoczesnemu oddziaływaniu bardzo wielu czynników, których wpływ jest często trudny do wyizolowania. Najczęściej współgrają one ze sobą, modyfikując wzajemnie swój wpływ na przebieg badanego zjawiska. Na przykład badania nad technikami wpływu społecznego zajmują się określeniem, czy lepiej poprosić osobę o wykonanie pewnej czynności (popilnowanie roweru) czy też lepiej użyć tonu rozkazującego. Forma komunikatu skierowanego do drugiej osoby ma oczywiście znaczenie dla skuteczności wywierania wpływu - zwykle lepiej jest prosić niż rozkazywać. Jednak okazuje się, że aby lepiej przewidywać podatność drugiego człowieka na wpływ musimy też uwzględnić zgodność płci osoby wywierającej wpływ i tej poddawanej oddziaływaniu, jeśli kobieta mówi do kobiety, a mężczyzna do mężczyzny to lepiej, by komunikat byl sformułowany w postaci prośby. A więc zgodność płci nadawcy i odbiorcy powoduje, że bardziej skuteczna jest prośba niż rozkaz. Układ w tym przypadku jest zgodny z ogólną prawidłowością. Jednak wtedy, gdy zgodność ta nie zachodzi-kobieta mówi do mężczyzny lub mężczyzna do kobiety - skuteczność rozkazu jest większa. Układ wyników jest więc przeciwmy do ogólnej prawidłowości wskazującej, że skuteczniejsza jest prośba niż rozkaz. W takim przypadku - gdy jakiś czynnik modyfikuje ogólną prawidłowość - mówimy o interakcyjnym wpływie zmiennych na analizowane zjawisko. W interakcję wchodzą dwie zmienne - forma komunikatu i zgodność płci nadawcy i odbiorcy komunikatu perswazyjnego.

Do wyników tak zaplanowanego badania potrzebujemy analiz pozwalających uchwycić indywidualny wpływ każdego czynnika na zmienną zależną (jak w jedno-czynnikowej analizie wariancji), jak również jednoczesny wpływ obu zmiennych niezależnych. Do tak zarysowanego problemu natury statystycznej najbardziej odpowiednim testem będzie wieloczynnikowa analiza wariancji. Ponieważ tv powyższym przykładzie mamy dwa czynniki, opisywaną tu analizę będziemy nazywać dwuczynnikową analizą wariancji. Dwuczynnikowa analiza wariancji pozwala nam na przetestowanie zarówno efektów dotyczących każdej ze zmiennych niezależnych (efekty główne) jak i efektu interakcyjnego. W niniejszym rozdziale skupimy się wyłącznie na opisie i interpretacji wyników dwuczynnikowej analizy wariancji w planie międzygrupowym dla jednej zmiennej zależnej.

Logika dwuczynnikowej analizy wariancji

Efekty główne    Dwuczynnikowa analiza wariancji pozwala sprawdzić samodzielny wpływ każdej

ze zmiennych niezależnych oraz ich wpływ interakcyjny (łączny) na zmienną za-

Efekt interakcyjny leżną. Innymi słowy, dzięki dwuczynnikowej analizie wariancji będziemy w stanic zbadać dwa efekty główne, dla każdego czynnika osobno oraz jeden efekt interakcyjny. Podobnie jak w jednoczynnikowej analizie wariancji, efekty interpretujemy porównując średnie. Dla zrozumienia logiki tej analizy posłużmy się abstrakcyj

10 • DWUCZYNNIKOWA ANALIZA WARIANCJI W SCHEMACIE...

nym przykładem badania, w którym mamy dwie zmienne niezależne: typ komunikatu oraz zgodność pici odbiorcy i nadawcy. Każdy czynnik mierzony jest na dwóch poziomach, mamy więc do czynienia ze schematem 2x2. Średnie dla tego efektu znajdują się w tab. 10.1. Zmienną zależną jest skuteczność wpływu mierzona liczbą minut pilnowania roweru.

Tabela 10.1. Schemat dwuczynnikowej analizy wariancji w planie 2x2.

Średnia liczba minut pilnowania		Typ komunikatu
roweru (skuteczność wpływu)		prośba	rozkaz
Zgodność płci odbiorcy i nadawcy	Zgodna	20 (A)	10 (B)	15 (G)
	Niezgodna	10 (Cl	20 (D)	15 (HI
		15 (E)	15 (F)	15(0

legenda:

A | średnia dla osób, które proszono i ich płeć była zgodna z płcią nadawcy komunikatu 8 - średnia dla osób, którym rozkazywano i ich płeć było zgodno z płcią nadawcy komunikatu C - średnio dla osób, które proszono i ich płeć była niezgodna z płcią nadawcy komunikatu

0    - średnia dlo osób, którym rozkazywano i ich płeć była niezgodna z płcią nadawcy komunikatu E - średnio dla osób, które proszono

F - średnio dla osób, którym rozkazywano

G - średnio dla osób, których płeć była zgodna z płcią nadawcy komunikatu H - średnio dla osób, których płeć była niezgodna z płcią nadawcy komunikatu

1    - średnia ogólna dlo wszystkich badanych

W tab. 10.1 znajdują się średnie dla efektu interakcyjnego oznaczone literami A, B, C, D. Zgodnie z tym co mówiliśmy wcześniej, najdłużej pilnowały rowem osoby, które miały tę samą płeć co wywierający wpływ i zostały poproszone oraz te osoby, które miały płeć przeciwną do nadawcy komunikatu, a komunikatem był rozkaz. Efekt ten ujawnia się wtedy, gdy różnica między średnia A i C jest odmienna co do wielkości i/lub znaku od różnicy między średnim B i D. Różnice między tymi parami nazywane są efektami prostymi, jak łatwo zauważyć na podstawie tab. 10.1, w przypadku badania 2x2 możemy mieć w sumie cztery efekty proste: AiB, CiD, AiC, BiD.

Istotny efekt interakcji będzie oznaczać, że przynajmniej jeden efekt prosty jest istotny statystycznie, a więc istnieje istotna różnica między przymajmniej jedną parą wymienionych powyżej średnich.

Aby mówić o indywidualnymi wpływie czynnika typ komunikatu - efekcie głównym tej zmiennej - musimy porównać średnie E i F. Nie interesuje nas bowiem podział badanych ze względu na zgodność płci. Średnie E i F powstały z uśrednienia średnich A i C oraz B i D. Jeśli średnie E i F różnią się istotnie statystycznie, to mówimy o istnieniu efektu głównego tej zmiennej. Tutaj są one identyczne, więc na pewno tego efektu nie będzie.

Tak samo sprawa wygląda z efektem głównym zgodności płci. Porównujemy tutaj średnie G i H, które powstały z uśrednienia średnich A i B oraz C i D. Ponieważ średnie G i H nie różnią się, efekt ten będzie nieistotny. Tak więc w powyższym przykładzie prawdopodobnie mamy istotny efekt interakcyjny, ale bez efektów głównych.

22

Wyszukiwarka

Podobne podstrony:
73915 PA275007 ANALIZA STATYSTYCZNA DANYCH W przypadku pierwszej serii porównań otrzymujemy następuj
53634 PA275005 ANALIZA STATYSTYCZNA DANYCH nieco bardziej szczęśliwe niż osoby o dobrym zdrowiu. Nie
PA275000 ANALIZA STATYSTYCZNA DANYCHPodsumowanie Jednoczynnikowa analiza wariancji w schemacie międz
PA275002 ANALIZA STATYSTYCZNA DANYCH Różnice między średnimi wyróżnionymi na podstawie jednej zmienn
PA275003 ANALIZA STATYSTYCZNA DANYCH Rys. 10.1. Główne okienko analizy wariancji. Definiowanie zmien

więcej podobnych podstron