Психологи используют статистические показатели, преследуя две связанные между собой цели. Дескриптивные статистические показатели дают краткую характеристику данным; они представляют собой своего рода первичное описание того, что было обнаружено в исследовании. К ним относят меры центральной тенденции,

главной из которых является среднее, и меры изменчивости, главными из которых являются дисперсия и стандартное отклонение.

С помощью статистических показателей, выводимых логическим путем, производится не просто описание данных, а определение статистической значимости. Суть вопроса состоит в том, значимо ли отклоняются полученные результаты от того, что могло произойти случайно, при этом случайность является основой нуль-гипотезы об отсутствии различий между сравниваемыми группами. В качестве примера логических критериев рассматривается £-критерий, который можно использовать для сравнения средних значений в двух группах. Как и у большинства логических критериев, значимость Меритерия зависит от трех факторов: степени различия групп, уровня изменчивости значений в каждой группе и объема выборки. Подчеркивается, что выводы, основанные на использовании логических критериев, всегда носят вероятностный характер; всегда существует возможность допустить ошибку: ошибку первого рода, при которой происходит ошибочное отвержение истинной нуль-гипотезы, и ошибку второго рода, при которой не отвергается ложная нуль-гипотеза. Подчеркивается также, что при проверке статистической значимости исключается возможность объяснения результатов случайной дисперсией,'однако сама статистическая значимость не гарантирует ни валидности исследования, ни научной ценности результатов.

Затем рассматриваются виды статистического анализа, которые подходят для разного типа данных, то есть вопрос, как выбрать логический критерий. При выборе критерия следует учитывать три фактора: первый — это уровень измерения — производится измерение по номинальной, порядковой, интервальной шкале или по шкале интервалов. Второй фактор — распределение полученных данных — в частности, распределены ли данные по закону нормального распределения. Так называемые параметрические критерии, например С-критерий и /-"-критерий, зависят от определенных предположений, касающихся распределения данных. Часто они обладают большей мощностью, чем непараметрические критерии, лучше выявляя истинные эффекты. В то же время возможность использования параметрических критериев ограничена рядом условий. Третий фактор — план исследования: сколько включено независимых переменных, сколько уровней имеет каждая переменная, производится внутри- или межсубъектное сравнение.

Помимо выявления межгрушювых различий существует еще одна область использования статистических процедур — установление меры связи между переменными. Корреляционные статистические показатели указывают на степень линейной связи между переменными. Статистическая значимость коэффициента корреляции зависит от его величины и объема выборки. Сила связи зависит от величины коэффициента корреляции: чем ближе он к единице, тем больше возможностей предсказать один показатель, зная другой. На коэффициент корреляции влияет диапазон изменения показателей в двух группах; чтобы результаты можно было генерализировать, этот диапазон должен соответствовать диапазону изменения показателей в популяции.

Как бы ни был гибок дисперсионный анализ, есть ситуации, когда уместнее использовать другую статистическую процедуру. В исследованиях с четкими гипотезами предпочтительнее использовать плановые сравнения, а не обобщенный ДА.

Предварительно спланированные процедуры более эффективны, чем единичные сравнения. Наряду со значимостью исследователя часто интересует сила влияния независимой переменной. Существуют разнообразные меры величины эффекта, простейшая из них — d — разница между двумя средними, разделенная на стандартное отклонение. В исследованиях с двумя и более зависимым переменными возможной альтернативой ДА является мультивариаитный дисперсионный анализ, или МДА. МДА используется в тех случаях, когда зависимые переменные образуют совокупность связанных между собой элементов, при этом МДА дает возможность осуществить более точную проверку эффектов. Наконец, альтернатива ДА — множественный регрессионный анализ, система методов статистического анализа, одним из которых, собственно, и является ДА. Хотя две эти процедуры зачастую взаимозаменяемы, есть ситуации, когда множественный регрессионный анализ предпочтительнее ДА, в частности, когда независимые переменные — непрерывные, а не дискретные величины.

Главу завершает изложение нескольких общих замечаний — три рекомендации: составлять предварительный план, производить расчеты аккуратно и при необходимости обращаться к специалистам.