Главная » Библиотека » Книги » Дружинин В. Н. - Экспериментальная психология » ЧАСТЬ I. Экспериментальная психология » 5. Экспериментальные и неэкспериментальные планы » 5.1.3 Факторные планы

5.1.3 Факторные планы

5.1.3 Факторные планы

Факторные эксперименты применяются тогда, когда необходимо проверить сложные гипотезы о взаимосвязях между переменными. Общий вид по­добной гипотезы: «Если А1, А2,..., Аn, то В». Такие гипотезы называются комплексными, комбинированными и др. При этом между независимыми переменными могут быть различные отношения: конъюнкции, дизъюнкции, линейной независимости, аддитивные или мультипликативные и др. Факторные эксперименты являются част­ным случаем многомерного исследования, в ходе проведения которого пытаются ус­тановить отношения между несколькими независимыми и несколькими зависимы­ми переменными. В факторном эксперименте проверяются одновременно, как пра­вило, два типа гипотез:

1) гипотезы о раздельном влиянии каждой из независимых переменных;

2) гипотезы о взаимодействии переменных, а именно — как присутствие одной из независимых переменных влияет на эффект воздействия на другой.

Факторный эксперимент строится по факторному плану. Факторное планирова­ние эксперимента заключается в том, чтобы все уровни независимых переменных сочетались друг с другом. Число экспериментальных групп равно числу сочетаний уровней всех независимых переменных.

Сегодня факторные планы наиболее распространены в психологии, поскольку простые зависимости между двумя переменными в ней практически не встречаются.

Существует множество вариантов факторных планов, но на практике применя­ются далеко не все. Чаще всего используются факторные планы для двух незави­симых переменных и двух уровней типа 2х2. Для составления плана применяет­ся принцип балансировки. План 2х2 используется для выявления эффекта воздей­ствия двух независимых переменных на одну зависимую. Экспериментатор манипу­лирует возможными сочетаниями переменных и уровней. Данные приведены в простейшей таблице (табл. 5.6).

Реже используются четыре независимые рандомизированные группы. Для обра­ботки результатов применяется дисперсионный анализ по Фишеру.

Так же редко используются другие версии факторного плана, а именно: 3х2 или 3х3. План 3х2 применяется в тех случаях, когда нужно установить вид зависимо­сти одной зависимой переменной от одной независимой, а одна из независимых переменных представлена дихотомическим параметром. Пример такого плана — эксперимент по выявлению воздействия внешнего наблюдения на успех решения интеллектуальных задач. Первая независимая переменная варьируется просто: есть наблюдатель, нет наблюдателя. Вторая независимая переменная — уровни трудно­сти задачи. В этом случае мы получаем план 3х2 (табл. 5.7).

Вариант плана 3х3 применяется в том случае, если обе независимые перемен­ные имеют несколько уровней и есть возможность выявить виды связи зависимой переменной от независимых. Этот план позволяет выявлять влияние подкрепления на успешность выполнения задании разной трудности (табл. 5.8).

Таблица 5.6

2-я переменная

1-я переменная

Есть

Нет

Есть

1

2

Нет

3

4

Таблица 5.7

1-я переменная

2-я переменная

Легкая

Средняя

Трудная

Есть наблюдатель

1

2

3

Нет наблюдателя

4

5

6

Таблица 5.8

Уровень сложности задачи

Интенсивность стимуляции

Низкая

Средняя

Высокая

Низкий

1

2

3

Средний

4

5

6

Высокий

7

8

9

В общем случае план для двух независимых переменных выглядит как N х М. Применимость таких планов ограничивается только необходимостью набора боль­шого числа рандомизированных групп. Объем экспериментальной работы чрезмер­но возрастает с добавлением каждого уровня любой независимой переменной.

Планы, используемые для исследования влияния более двух независимых пере­менных, применяются редко. Для трех переменных они имеют общий вид L х М х N.

Чаще всего применяются планы 2х2х2: «три независимые переменные — два уровня». Очевидно, добавление каждой новой переменной увеличивает число групп. Общее их число 2, где п — число переменных в случае двух уровней интенсивности и К — в случае К-уровневой интенсивности (считаем, что число уровней одинаково для всех независимых переменных). Примером этого плана может быть развитие предыдущего. В случае, когда нас интересует успешность выполнения эксперимен­тальной серии заданий, зависящая не только от общей стимуляции, которая произ­водится в форме наказания — удара током, но и от соотношения поощрения и нака­зания, мы применяем план 3х3х3.

Таблица 5.9

L1

L2

L3

М1

A1

В2

С3

М2

В2

С3

А1

м3

С3

А1

В2

Упрощением полного плана с тремя независимыми переменными вида L х М х N является планирование по методу «латинского квадрата». «Латинский квадрат» применяют тогда, когда нужно исследовать одновременное влияние трех перемен­ных, имеющих два уровня или более. Принцип «латинского квадрата» состоит в том, что два уровня разных переменных встречаются в экспериментальном плане только один раз. Тем самым процедура значительно упрощается, не говоря о том, что экспе­риментатор избавляется от необходимости работать с огромными выборками.

Предположим, что у нас есть три независимые переменные, с тремя уровнями каждая:

1. L1,L2,L3

2. М1,М2,М3

3. А, В, С

План по методу «латинского квадрата» представлен в табл. 5.9.

Такой же прием используется для контроля внешних переменных (контрбалан­сировка). Нетрудно заметить, что уровни третьей переменной N (А, В, С,) встреча­ются в каждой строке и в каждой колонке по одному разу. Комбинируя результаты по строкам, столбцам и уровням, можно выявить влияние каждой из независимых переменных на зависимую, а также степень попарного взаимодействия переменных.

«Латинский квадрат» позволяет значительно сократить число групп. В частно­сти, план 2х2х2 превращается в простую таблицу (табл. 5.10).

Применение латинских букв в клеточках для обозначения уровней 3-й перемен­ной (А — есть, В — нет) традиционно, поэтому метод назван «латинский квадрат».

Более сложный план по методу «греко-латинского квадрата» применяется очень редко. С его помощью можно исследовать влияние на зависимую переменную четырех независимых. Суть его в следующем: к каждой латинской группе плана с тремя переменными присоединяется греческая буква, обозначающая уровни четвер­той переменной.

Рассмотрим пример. У нас четыре переменные, каждая из которых имеет три уровня интенсивности. План по методу «греко-латинского квадрата» примет такой вид (табл. 5.11).

Для обработки данных применяется метод дисперсионного анализа по Фишеру. Методы «латинского» и «греко-латинского» квадрата пришли в психологию из агро­биологии, но большого распространения не получили. Исключением являются не­которые эксперименты в психофизике и психологии восприятия.

Главная проблема, которую удается решить в факторном эксперименте и невоз­можно решить, применяя несколько обычных экспериментов с одной независимой переменной, — определение взаимодействия двух переменных.

Таблица 5.10

2-я переменная

1-я переменная

Есть

Нет

Есть

А

В

Нет

В

А

Таблица 5.11

L1

L2

L3

М1

Аa

Вb

Сg

М2

Вb

Сg

Аa

М3

Сg

Аa

Вb

Рассмотрим возможные результаты простейшего факторного эксперимента 2х2 с позиций взаимодействий переменных. Для этого нам надо представить результаты опытов на графике, где по оси абсцисс отложены значения первой независимой пе­ременной, а по оси ординат — значения зависимой переменной. Каждая из двух пря­мых, соединяющих значения зависимой переменной при разных значениях первой независимой переменной (А), характеризует один из уровней второй независимой переменной (В). Применим для простоты результаты не экспериментального, а кор­реляционного исследования. Условимся, что мы исследовали зависимость статуса ребенка в группе от состояния его здоровья и уровня интеллекта. Рассмотрим вари­анты возможных отношений между переменными.

Первый вариант: прямые параллельны — взаимодействия переменных нет (рис. 5.1).

Больные дети имеют более низкий статус, чем здоровые, независимо от уровня интеллекта. Интеллектуалы имеют всегда более высокий статус (независимо от здо­ровья).

Второй вариант: физическое здоровье при наличии высокого уровня интеллекта увели­чивает шанс получить более высокий статус в группе(рис 5.2).

В этом случае получен эффект расходяще­гося взаимодействия двух независимых пере­менных. Вторая переменная усиливает влия­ние первой на зависимую переменную.

Третий вариант: сходящееся взаимо­действие — физическое здоровье уменьшает шанс интеллектуала приобрести более высо­кий статус в группе. Переменная «здоровье» уменьшает влияние переменной «интеллект» на зависимую переменную. Есть и другие случаи этого варианта взаимодействия:

переменные взаимодействуют так, что увеличение значения первой приводит к уменьшению влияния второй с изменением знака зависимости (рис. 5.3).

У больных детей, обладающих высоким уровнем интеллекта, меньше шанс полу­чить высокий статус, чем у больных детей с низким интеллектом, а у здоровых — связь интеллекта и статуса позитивная.

Теоретически возможно представить, что больные дети будут иметь больший шанс получить высокий статус при высоком уровне интеллекта, чем их здоровые низкоинтеллектуальные сверстники.

Последний, четвертый, возможный вариант наблюдаемых в исследованиях отно­шений между независимыми переменными: случай, когда между ними существует пересекающееся взаимодействие, представленное на последнем графике (рис. 5.4).

Итак, возможны следующие взаимодействия переменных: нулевое; расходя­щееся (с различными знаками зависимости); пересекающееся.

Оценка величины взаимодействия проводится с помощью дисперсионного ана­лиза, а t-критерий Стьюдента используется для оценки значимости различий груп­повых `X. 

Во всех рассмотренных вариантах планирования эксперимента применяется спо­соб балансировки: различные группы испытуемых ставятся в разные эксперимен­тальные условия. Процедура уравнивания состава групп позволяет производить сравнение результатов.

Однако во многих случаях требуется планировать эксперимент так, чтобы все его участники получили все варианты воздей­ствия независимых переменных. Тогда на по­мощь приходит техника контрбалансировки.

Планы, в которых воплощается стратегия «все испытуемые — все воздействия», Мак-Колл [McCall W. А., 1923] называет ротацион­ными экспериментами, а Кэмпбелл — «сба­лансированными планами». Чтобы не было путаницы между понятиями «балансировка» и «контрбалансировка», будем использовать термин «ротационный план».

Ротационные планы строятся по методу «латинского квадрата», но, в отличие от рассмотренного выше примера, по строкам обозначены группы испытуемых, а не уровни переменной, по столбцам — уровни воздействия первой независимой пере­менной (или переменных), в клеточках таблицы — уровни воздействия второй не­зависимой переменной.

Пример экспериментального плана для 3 групп (А, B, С) и 2 независимых пере­менных (X,Y) с 3 уровнями интенсивности (1-й, 2-й, 3-й) приводим ниже. Нетрудно заметить, что этот план можно переписать и так, чтобы в клеточках сто­яли уровни переменной Y (табл. 5.12).

Кэмпбелл включает этот план в число квазиэкспериментальных на основании того, что неизвестно, контролируется ли с его помощью внешняя валидность. Дей­ствительно, вряд ли в реальной жизни испытуемый может получить серию таких воздействий,как в эксперименте.

Что касается взаимодействия состава групп с другими внешними переменными, источниками артефактов, то рандомизация групп, согласно утверждению Кэмпбелла, должна минимизировать влияние этого фактора.

Суммы по столбцам в ротационном плане свидетельствуют о различиях в уровне эффекта при разных значениях одной независимой переменной (X или Y), а суммы по строкам должны характеризовать различия между группами. Если группы рандомизированы удачно, то межгрупповых различий быть не должно. Если же состав группы является дополнительной переменной, возникает возможность ее проконт­ролировать. Схема контрбалансировки не позволяет избежать эффекта тренировки, хотя данные многочисленных экспериментов с применением «латинского квад­рата» не позволяют делать такой вывод.

Таблица 5.12

Группа

Уровни 1-й переменной

X1

X2

X3

А

Y1

Y2

Y3

В

Y2

Y3

Y1

С

Y3

Y1

Y2

Подводя итог рассмотрению различных вариантов экспериментальных планов, предлагаем их классификацию. Экспериментальные планы различаются по таким основаниям:

1. Число независимых переменных: одна или больше. В зависимости от их числа применяется либо простой, либо факторный план.

2. Число уровней независимых переменных: при 2 уровнях речь идет об установле­нии качественной связи, при 3 и более — количественной связи.

3. Кто получает воздействие. Если применяется схема «каждой группе — своя ком­бинация», то речь идет о межгрупповом плане. Если же применяется схема «все группы — все воздействия», то речь идет о ротационном плане. Готтсданкер на­зывает его кросс-индивидуальным сравнением.

Схема планирования эксперимента может быть гомогенной или гетерогенной (в зависимости от того, равно или не равно число независимых переменных числу уровней их изменения).

Новости!

30.12.2013Женщины больше ревнуют находясь на работе Гpуппа ученых из Испании, Нидеpландoв и Аpгентины пpoанализиpoвала pазличия между мужчинами и женщинами в чувствах зависти и pевнoсти на pабoте. Специалисты выяснили, чтo внутpипoлoвая кoнкуpенция oбычнo пpивoдит к усилению этих эмoций у женщин. Нo хopoшие сoциальные навыки кoнкуpентoв мoгут спpoвoциpoвать сильные эмoции и у мужчин.

25.12.2013Пишите лучше SMS Pезультаты исследoвания амеpиканских ученых пoказали, чтo люди бoлее склoнны давать бoлее вдумчивый oтвет и тoчную инфopмацию в текстoвых сooбщениях, а не в pазгoвopе. На тoчный oтвет пo телефoну не хватает вpемени?

17.12.2013Чем больше мы сидим в сети, тем нам грустнее? Телефoн или нoутбук мoжет диагнoстиpoвать наличие у вас депpессии. Диагнoз ставится пo анализу вpемени, кoтopoе вы пpoвoдите в интеpнете.

08.12.2013Грезы об идеальном отдыхе Для некoтopых идеальный oтпуск – этo мнoгoлетнее планиpoвание и мечты. Нoвoе исследoвание пoказывает, чтo, кoгда мы мечтаем o дoлгoжданнoй пoездке, мы склoнны игнopиpoвать oтpицательные мoменты, кoтopые мoгут пoставить пoд угpoзу пpинятие pешения o путешествии. Пpедставьте: вы хoтели бы съездить в Австpалию в этoм гoду…