Em psicologia estatística, estudos de investigação que envolvam a coleta Dados quantitativos
(Todos os dados que podem ser contadas ou processado como números) geralmente exigem que você para coletar e armazenar dados em uma folha de dados sobre diversas variáveis. Quando você realizar suas análises estatísticas nesses dados, você precisa saber qual o papel que cada variável jogado em seu projeto de pesquisa. De um modo geral, você classificar variáveis em psicologia estatística como variáveis independentes, variáveis dependentes ou co-variáveis.
Variáveis independentes
As variáveis independentes são muitas vezes referidos como variáveis de previsão. Estritamente falando, um variável independenteé uma variável que você manipula para que você possa estudar como as mudanças nas mudanças de influência da variável independente de outras variáveis. Em alguns casos, você se refere a variáveis como variáveis independentes, mesmo quando você não está manipulando-os diretamente .. Este tipo de variável independente é um variável quasiindependent.
Variáveis dependentes
As variáveis dependentes são muitas vezes referidos como variáveis de resultadosou variáveis de critério. UMA variável dependentegeralmente é a variável que você espera para mudar quando você manipula a variável independente. Em outras palavras, a variável dependente é a variável que afecta a variável independente. Portanto, a variável dependente é assim chamado porque o seu valor depende do valor da variável independente (pelo menos em teoria).
covariáveis
UMA covariávelé um termo amplo utilizado para uma variável em um projeto de pesquisa que não é nem independente nem uma variável dependente. Em alguns modelos você usar um co-variável a ter em conta outros fatores que podem influenciar a relação entre a variável dependente e independente. Um bom design pesquisa mede essas variáveis para que você possa explicar a sua influência. Dentro deste projeto de pesquisa, estas variáveis são covariáveis. Covariáveis também pode existir em projetos de pesquisa, onde não existem variáveis independentes ou dependentes.
Escolhendo entre o Modo, mediana e média em Psicologia Estatísticas
Ao unir as psicologia estatística você precisa informar quando você está descrevendo uma variável em um relatório, você precisa saber qual das três medidas de tendência central - a moda, mediana e média - você deve usar. Ser guiado por as vantagens e desvantagens de cada medida.
Pesando as vantagens e desvantagens de cada medida leva à seguinte conclusão: a medida mais adequada de tendência central de uma variável depende do nível de mediçãoda variável bem como a natureza do distribuição dos escoresdentro dessa variável.
Nível de mensuração: Você precisa fazer a distinção entre três níveis de medida (nominal, ordinal, e o intervalo / ratio) na escolha de uma medida de tendência central.
Distribuição das pontuações: Para efeitos da escolha de uma medida de tendência central, você precisa saber se existem quaisquer valores extremos em seu conjunto de dados (muitas vezes chamado discrepantes) Ou se a distribuição dos escores está inclinado. Ao determinar o nível de medição da sua variável de interesse e se há ou não assimetria e / ou valores extremos em seu conjunto, em seguida, você pode determinar a medida mais adequada de tendência central de dados, como se segue:
Dados medidos no nível nominal: Das três medidas de tendência central examinada neste capítulo, o modo é o único adequado, como a pontuação não pode ser encomendado a partir do menor para o maior de uma forma significativa.
Dados medidos no nível ordinal: O modo e a mediana são apropriados. A mediana é geralmente preferível, porque é mais informativo do que o modo. As pontuações podem ser encomendados do menor para o maior e isso é significativo, no entanto, eles não podem ser adicionados de modo a média não pode ser calculado.
Dados medidos no nível intervalo / Proporção: Todas as três medidas de tendência central são adequadas. A média é geralmente preferível. No entanto, a média não é adequado quando pontuações extremas e / ou assimetria existir em seu conjunto de dados. Nesta situação, a mediana é geralmente melhor.
Escolhendo a medida certa de Dispersão em Psicologia Estatísticas
As medidas de dispersão que você usa em psicologia estatística mostrar-lhe a propagação ou a variabilidade da variável que você está medindo. Os três principais são o intervalo, o intervalo interquartil eo desvio-padrão.
Conhecendo o intervalo, intervalo interquartil e desvio padrão
As três medidas mais importantes de dispersão são definidos como se segue:
o alcanceé a diferença entre a pontuação mais alta ea mais baixa pontuação em uma variável. Estes são os valores que foram marcados por participantes no estudo, e não necessariamente as pontuações mais altas e mais baixas possíveis.
o intervalo interquartilé a diferença entre o quartil superior e o quartil mais baixo num conjunto de notas em ordenadas. Quartis são formados pela divisão de um conjunto de notas ordenadas em quatro grupos de igual tamanho.
o desvio padrão(Muitas vezes abreviado para Std. Dev. Ou SD) é o desvio da média das pontuações em seu conjunto de dados a partir de sua pontuação média para uma determinada variável. o pontuação médiarepresenta a média das contagens em uma variável. O desvio padrão indica o grau em que as pontuações em um desviante variável do escore médio.
Trabalhar fora que medida de dispersão de usar
É possível determinar a medida mais apropriada de dispersão como se segue, dependendo da natureza dos seus dados:
Dados medidos no nível nominal: Porque todas as três medidas de dispersão requerem dados a serem classificados ou resumida, nenhum deles é adequado para os dados medidos no nível nominal.
Dados medidos no nível ordinal: O alcance ea amplitude interquartil são adequados. O intervalo interquartílico é geralmente preferível, pois é mais informativa do que a faixa.
Dados medidos no nível intervalo / Proporção: Todas as três medidas de dispersão que examinamos são adequados. O desvio padrão é geralmente preferível. No entanto, o desvio padrão (ou variância) não é apropriado quando há dezenas e / ou assimetria extremas em seu conjunto de dados. Nesta situação, o intervalo interquartil é geralmente preferível.
Olhando para níveis de medição em psicologia Estatísticas
Quando se trabalha com psicologia estatística você pode classificar as variáveis de acordo com as suas propriedades de medida. Quando você grava variáveis em uma folha de dados, você geralmente registrar os valores das variáveis como números, porque isso faz com que a análise estatística mais fácil. No entanto, os números podem ter diferentes propriedades de medida e estes determinar que tipos de análises que você pode fazer com esses números. nível da variável de measurementis um sistema de classificação que lhe diz o que propriedades de medida os valores de uma variável tem.
As propriedades de medida que os valores em uma variável pode possuir são:
Magnitude: Thismeans que você pode encomendar os valores em uma variável maior para o menor.
Iguais intervalos: Isto significa que uma diferença de unidade na escala de medição é a mesma, independentemente do local onde essa diferença ocorre unidade na escala.
Verdadeiro zero absoluto: o verdade absoluta do ponto zerosignifica que o ponto zero da escala de medição é o ponto onde nada da variável existe e, por conseguinte, não existem pontuação inferior a zero.
Estas três propriedades de medida permitir-lhe classificar o nível de mensuração de uma variável em um dos quatro tipos
Nominal: Isto significa que a variável não tem nenhuma das três propriedades de medida. Você mede uma variável no nível nominal, quando você está usando os números na variável apenas como etiquetas.
Ordinal: Se você medir uma variável no ordinallevel então os valores na variável têm a propriedade de medição de apenas magnitude. Você mede uma variável no nível ordinal quando as notas na variável são ordenadas fileiras.
Intervalo: Se você medir uma variável no nível do intervalo de medida, que tem as propriedades de medição de magnitude e intervalos iguais
Proporção: se você medir uma variável no nível de rácio de medida, que tem as propriedades de medição de magnitude, intervalos iguais e um verdadeiro zero absoluto.