Відео

Спасибо! Удачи Вам в Австрии!

и, главное, ни разу не ошибиться! :-) я бы не смог!

@evgeny_osin спасибо за хорошие лекции. С Новым годом!

@FDM_UA спасибо большое! и Вас с Новым годом, мира и благополучия!

Спасибо за вопрос! 1) Действительно, в допущения регрессии не входит допущение о нормальном распределении зависимой переменной - там только допущения о нормальном распределении остатков от регрессии (разницы между предсказанными и реальными значениями по зависимой пееременной) и о его гомоскедастичности (одинаковой форме) по всему диапазону значений зависимой переменной. Как правило, эти допущения лучше выполняются для нормально распределённых переменных. 2) По поводу шкалы - согласно центральной предельной теореме, если мы складываем (усредняем) много независимых переменных с самыми разными распределениями, мы получаем в итоге нормальное распределенную переменную и на практике такую переменную в психологии обычно рассматривают как интервальную - примерно как в психологическом опроснике сумма большого количества ликертовских шкал (ответов на отдельные вопросы) даёт шкалу, которую можно приближённо рассматривать как интервальную. Здесь у нас средний балл по большому количеству предметов, хоть он и не совсем нормально распределён, но принцип тот же. В идеале можно было бы сначала выстроить этот средний балл как латентный фактор, задав оценку по каждому предмету как порядковую, и получить в итоге подлинную интервальную шкалу с помощью модели КФА или IRT. Но разница в результатах в большинстве случаев между таким латентным баллом и простой суммой будет очень мала. 3) Если бы речь шла об оценке по одному отдельному предмету, которая принимала бы всего 3-4 значения, то, конечно, её стоило бы рассматривать как порядковую и делать логистическую регрессию. К сожалению, у меня нет про это модулей - можно было бы сделать) В принципе, у меня очень много материала нового по методам накопилось, если кто-то захочет сделать онлайн-курс, я готов записать существенно более длинный.

@@evgeny_osin спасибо за ответы, это многое проясняет, в частности узнал что суммы по шкалам Ликерта превращаются в интервальную шкалу, хотя изначально были порядковыми - вот в чём был зарыт источник всех непоняток со статистическими методами, о котором почему-то никто нигде не рассказывает. Очень мало информации по теме регрессии в интернете, за счёт ваших видео освоил её.

@@Atrogranian Спасибо большое! Я бы чуть-чуть уточнил - не то чтобы "превращаются", но их можно считать интервальными в некотором приближении (а полноценную интервальную шкалу можно получить из порядковых пунктов только с помощью непараметрического IRT или CFA). Это приближение большинство психологов считает несущественным. И это действительно так, если нас интересуют общие закономерности (если простая сумма и факторный балл коррелируют при r = 0.95, то действительно что ни возьми - результат один и тот же). А вот если нас интересуют индивидуальные баллы, то даже при такой огромной корреляции они могут меняться в пределах половины стандартного отклонения, поэтому тесты достижений типа ЕГЭ обрабатывают с помощью сложных латентных моделей.

Мы с коллегами в последнее время иногда используем формулировки типа "В этом вопросе выберите ответ "Скорее согласен"" Исследования показывают, что таких вопросов, если анкета длинная, должно быть штук 5, причём критерий отбора можно сделать чуть мягче (например, если человек ответил верно на 4 вопроса из 5, т.к. в одном случае даже внимательный респондент может ткнуть по ошибке не туда). И это, конечно, нужно только для тех сервисов, где люди получают деньги за заполнение - там процент фейковых ответов может быть от 10 до 25%.

Спасибо - действительно, и моей в терминологии есть некоторая путаница и непоследовательность из-за попытки впихнуть невпихуемое в одну лекцию, и так, чтобы было понятно людям, которые всё это в первый раз слышат. Но аналогичная путаница и противоречия есть и между классической парадигмой Фишера и подходом Неймана-Пирсона, а также его современным изводом в психологии, который мы пока условно называем "The new statistics". Я в прошлом году придумал и опробовал, как это можно дать более последовательно и логично первокурсникам в семестровом курсе - если буду перезаписывать эти лекции для магистров, то обязательно эту тему буду улучшать.

Если я правильно понял, то речь идёт о последовательных замерах одной или нескольких переменных, и там обязательно будет иметь место автокорреляция, что не мешает строить медиационные модели. Самая простая - cross-lagged panel model (собственно, медиационная модель в чистом виде), но её критикуют ровно за то, что она не позволяет отделить различия между индивидами от временной динамики. Есть более хитрые и современные латентные модели для такого типа данных, которые разбивают ковариацию на устойчивую (межиндивидуальную) часть и изменчивую (внутрииндивидуальную), что позволяет получать более чистые выводы о каузальности.

Да, обычная альфа (которая считается через дисперсии), но не стандартизованная (которая считается через среднюю корреляцию) для бинарных шкал подходит.

Обычно многомерное - это multivariate, где речь идёт об изучении связей целого набора измеренных переменных (с помощью регрессионного, факторного анализа, эксплораторных методов, машинного обучения и пр.) или проверке конкретных гипотез о характере их связей.

На русском я бы советовал книги Натальи Петровны Бусыгиной. На английском литературы много - мне нравятся Smith Qualitative psychology, Lyons & Coyle Analysing qualitative data, книги Carla Willig и др. Все перечисленные англоязычные можно добыть на сайтах, которые нельзя называть, но которые знают, наверное, все студенты)

Не уверен, что я правильно понял вопрос, но KMO отражает, сколько у переменных общей дисперсии, а тест Бартлетта - насколько их связи отличаются от нуля. Оба они рассчитываются по матрице корреляций, т.е., это предварительные этапы по отношению к факторному анализу, независимые от него. Честно говоря, лично я не сильно уверен в полезности этих двух статистик на практике - они скорее имели смысл в древности, когда ФА делался вручную или на суперкомпьютерах и людям было важно понять, тратить ли кучу времени на его расчет :-)

К сожалению, в этот курс не влезло - можно было бы сделать отдельное видео по GPower, главное найти время)) но там, кажется, единственная тонкость - что есть Cohen's f и Cohen's f^2, и самое сложное - их не путать :-)

Это уже немножко психофизиологическая специфика... но если дойдут руки, постараюсь)

А на какие группы делить и зачем? Если тест подтвердил, что зависимые являются зависимыми, а не зависимые - не зависимыми, то этого и достаточно, но изначально Вы их тоже наверняка брали на основе какого-то критерия?

@@evgeny_osin спасибо, что ответили, нет изначально просила чтоб прошли с АА участники. Но это не аргумент. Поэтому всех сейчас по всем методикам, как я поняла, а потом только выделиться группа

Спасибо))

Есть масса хороших книг, например "Эксперимент в социальной психологии" Милгрэма (www.klex.ru/esi), "Когнитивная психология" Солсо (yanko.lib.ru/books/psycho/solso=cognitive_psychology-6.ru.pdf), где этих примеров очень много)

@@evgeny_osin благодарю ❤️

​@@Alexander_Favorite Спасибо, я подумаю ) А Евгений и вправду большой молодец: его видеокурс - возможно, лучший из того, что мы сейчас имеем на русском.

​@@Alexander_FavoriteНайдёте лучше - дайте ссылку ;) Лучший ведь не значит безупречный, просто остальные хуже. Кроме того, исторически так сложилось, что конкретно эта тема проверки гипотез крайне неудачно изложена в большинстве учебников, в т.ч. на английском.

С пунктами 1-6 в целом согласен, но подробно это всё объясняется в следующей теме 7, хотя и там есть мелкие неточности. В этом слайде была задача пропедевтически ввести понятие уровня значимости, но, возможно, это была не лучшая идея. По 7, 8 - я бы поспорил и уточнил, но, опять же, если это обсуждать подробно, то нужно посвятить примерно час каждому из этих вопросов. Не стоит забывать, что это вводный курс рассчитанный на наших студентов, некоторые из которых впервые слышат слово "стандартное отклонение" и думают, что это что-то из клинической психологии. Отмечу, что, по сравнению со студентами-психологами в других странах, которые не знают знака суммы и не знают операций с дробями, это ещё довольно высокий уровень. Но, это, безусловно, не уровень магистратуры в ситуации, где есть а) бакалавриат по психологии как пререквизит для поступления в магистратуру и б) нормальное преподавание матметодов в этом бакалавриате.

Можешь ли ты что-то посоветовать начинающему? Интересные «придирки». Вдуг шариш

Спасибо! К сожалению, курс записывался во время пандемии, с минимальной подготовкой, без оборудования и в авральном режиме, без возможности что-нибудь исправить или перезаписать. Надеюсь, когда-нибудь найдётся время прочитать и нарезать весь этот контент как следует, дополнив его практикой по статистике в Jamovi и добавив куски по более современным и продвинутым методам, типа анализа латентных профилей, тонкостей структурного моделирования и пр. Слайды, датасеты и даже задания все есть, нет только времени или средств, чтобы его освободить от других работ...

@@evgeny_osin было бы замечательно, очень ждем!