Нормування даних - студопедія

Сер. - середні величини;

-950% і + 95,0% - довірчі інтервали середніх величин;

Виділено найбільші середні величини.

Обчислювати норми доцільно і в інших випадках. Отримані при зборі даних початкові (первинні) оцінки виконання експериментальних завдань далеко не завжди зручно використовувати в подальшій роботі. Їх тим чи іншим способом перетворять. Найбільш частими перетвореннями являютсяцентрірованіе і нормування среднеквадратическими відхиленнями. Під центруванням розуміється лінійна трансформація величин ознаки, при якій середня величина розподілу певної ознаки стає рівною нулю. Напрямок шкали і її одиниці залишаються при цьому незмінними.

Суть нормування полягає в переході до іншого масштабу - стандартизованим одиницях виміру. При стандартизовані результатів тестових випробувань нормування найчастіше здійснюється за допомогою середньоквадратичних відхилень. Стандартизовані проводиться при нормальному розподілі тестових оцінок або близькому до нього по виду.

У психології існує цілий ряд шкал, заснованих на нормальному розподілі і мають різні значення М і s. Наприклад, в шкалі відхилень інтелекту IQ: М = 100, s = 15; в шкалі Векслера М = 10, s = 3. Розподілу різних вимірюваних в експерименті ознак мають різні величини М і s. Перекладаючи отримані первинні оцінки різних ознак до розподілу з одними і тими ж М і s, ми отримуємо більше можливостей для оцінки і зіставлення їх варіювання. Зробити це нам дозволяє використання нормованого відхилення. Нормоване відхилення показує, на скільки сигм відхиляється та чи інша варіанта від середнього рівня варьирующего ознаки (середньої арифметичної), і виражається формулою:

де V - значення ознаки (в початкових балах).

За допомогою нормованого відхилення можна оцінити кожне одержане значення по відношенню до групи в цілому, зважити його відхилення і одночасно звільнитися від іменованих величин. Для того щоб позбутися від негативних чисел до отриманої величині t можна додати будь-яку константу. Зручно, якщо все числа, з якими ви оперуєте мають однакову кількість знаків. З урахуванням цих міркувань вельми зручна шкала Т-оцінок. Для цієї шкали прийнято нормальний розподіл, що має М = 0, s = 10. Для перерахунку береться константа рівна 50. Формула перетворення початкових балів в Т-оцінки наступна:

Сенс процедури нормування розглянемо на прикладі. Припустимо, нас цікавлять деякі зв'язку комунікативної вмілості продавців з особливостями розташування магазину в великому місті. Щоб скласти деяку інтегральну оцінку комунікативної вмілості конкретного продавця, ми можемо через спостереження отримати по кожному випробуваному ряд параметрів, що характеризують його спілкування з покупцем. Наприклад, ми можемо виміряти середню тривалість контакту очима, середня кількість посмішок в фіксований інтервал часу, кількість грубих, непривітних звернень і т.д. Можна охарактеризувати переваги і недоліки розташування магазину в місті (наскільки "жваве місце" і т.п.). Для цього можна підрахувати кількість маршрутів міського транспорту, що мають зупинки в безпосередній близькості від магазину, оцінити його віддаленість від станцій метро, ​​врахувати число розташованих поблизу магазинів іншого профілю і т.д.

Для того щоб вивести деякий узагальнений комунікативний показник неможливо складати число посмішок з тривалістю контакту очима і віднімати з цієї суми кількість виразів, які свідчать про низьку мовної культури. Безглуздо складати число автобусних маршрутів з числом сусідніх магазинів і віднімати з суми величину відстані до найближчого метро. Краще зібрати необхідний масив кількісних даних, проводячи дослідження в ряді магазинів, підрахувати первинні статистики для всіх цих показників, а потім, після перетворення початкових даних, отримати Т-бали по кожному показнику.

При нормуванні з кожного отриманого при зборі даних значення в початкових одиницях віднімають середню арифметичну, а різниця ділять на сигму. Отриману величину множать на 10, потім додають до 50 або вираховують із 50. Вибором останнього арифметичної дії (додавання або віднімання) ми можемо задати напрямок вкладу, який робить цей параметр в вираховувати інтегральну оцінку, тобто можемо задавати спрямованість перетворення, з огляду на специфіку даного параметра. Якщо конкретне значення в початкових одиницях перевищує середню арифметичну, ми можемо нормоване відхилення (різниця, поділену на сигму) приплюсувати до 50. Це буде відповідати більшої виразності оцінюваного психічного якості у цього випробуваного, ніж в середньому по нашій вибірці.

Наприклад, більше у конкретного продавця кількість посмішок на одну сигму (ніж в середньому) кількісно тепер буде виражено: 60 Т-балами. Кількісну оцінку ознак високої мовної культури в нормованих відхилень слід додавати до 50 Т-балів, а низькій мовної культури - вичитати з 50 Т-балів. Якщо, наприклад, кількісна оцінка деякого ознаки негативної спрямованості (в початкових балах), перевищує середню величину на полсігми, то в Т-балах вона буде дорівнює 45. Після такого роду перетворень, підраховуючи інтегральний показник комунікативної вмілості для конкретного випробуваного, ми можемо додавати одні Т-бали до інших.

Форму стандартизовані даних доцільно вибирати з урахуванням розмаху отриманих початкових оцінок і числа градацій. Якщо в початкових балах число градацій 7-15, то можуть виявитися цілком придатними стенайни [2]. Якщо ж число градацій досягає 30 і більше при невеликій скошеності розподілу (асиметрії), то переводячи ці показники в стенайни ми будемо огрублять бали, тобто втрачати деяку частку точності виробленого виміру. Якщо є підстави вважати, що ваші вимірювання досить ефективні (наприклад, є дані про гарну ретестовой надійності, виявлені високі кореляції отриманих у вимірах показників з ясними і надійними зовнішніми критеріями валидизации і т.д.), то виправданим буде використання стандартизовані одиниць має таке ж або навіть трохи більше число градацій.