Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.

4, 2008-2009

Note de curs Analize complexe

Interpretarea naturii factorilor. Pornind de la matricea structurii factoriale rezultate n urma rotirii factorilor se va urmri interpretarea factorilor extrai. Cu ct corelaia este mai mare cu att variabila respectiv are un rol mai mare n interpretarea factorului. Etichetarea factorilor Interpretarea factorilor este un proces subiectiv bazat pe matricea structurii factoriale sau pe matricea modelului factorial. Denumirile factorilor au la baz o bun cunoatere teoretic a domeniului cercetat n unele cazuri, cercettorii tind s creeze noi etichete pentru acetia. Ameliorarea structurii factoriale. Odat cu interpretarea naturii factorilor, cercettorii tind s finalizez procesul analizei factoriale. Totui, urmtorul pas const n evaluarea posibilitilor de modificare sau mbuntire a scalei. Se vor urmri cteva aspecte, cele mai importante fiind gradul de comunalitate i de saturaie a fiecrei variabile incluse n studiu. O valoare a comunalitii sub .50 indic faptul c itemul respectiv este influenat n mare msur de aspectele unice, dect de aciunea factorilor extrai. Totui, o variabil care are o comunalitate mai redus(0,40) poate fi pstrat n scal, dac este ncrcat ntr-un singur factor comun i ajut la definirea acestuia. Regula se aplic n cazul comunalitii foarte sczute(<0,30) Criteriul claritii interpretrii factorilor poate sta la baza eliminrii sau modificrii itemilor care, dei au un grad ridicat de comunalitate, nu ajut la interpretarea factorilor. Valabilitate pentru SPSS n componente principale. n cazul analizei componentelor principale, prin comunalitate se nelege dispersia explicat ce include att factori comuni ct i factori specifici. Sensul tradiional al comunalitii se regsete n analiza factorial exploratorie. Aici, prin comunalitate se nelege influena comun asupra dispersiei datelor exercitat de aciunea simultan a factorilor comuni gsii . Prin urmare, factorii specifici sunt exclui din comunalitate, formnd, mpreun cu erorile de msurare, unicitatea dispersiei. Rezultatele analizei factoriale Prezentm rezultatele unui studiu n care s-a aplicat analiza factorial n componente principale. Studiul este prezentat n lucrarea profesorului francez Jean Marie Seca referitoare la reprezentrile sociale.1 Reprezentarea social a consumatorului a fost studiat pe 22 de perechi de adjective bipolare, evaluabile pe o scal n 6 puncte.. Analiza n componente principale face s apar o articulare pe trei factori care explic care explic, n total, 45,6% din varian. Primul factor face referin la caracteristici care pun n opoziiepersoan trist, nehotrt, singuratic i pasiv cu persoan vesel, sigur pe ea, sociabil i activ. Aceast dimensiune este calificat drept depresie/singurtate, dat fiind faptul c judecile tind spre o zon negativ. Al doilea factor, regrupeaz elementele care opun tendina la impulsivitate cu cea la reflecie. n fine, al treilea privete predominana ateniei ndreptate spre sine versus spre cellalt Analiza factorial asupra caracteristicilor consumatorului. Elemente Trist/vesel
1

Factori Depresie/singurtate Impulsivitate 0,73

Individualism

Seca, Jean Marie, Reprezentrile sociale, Institutul European, Iai, 2008

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 Nehotrt/sigur Singuratic/sociabil Pasiv/activ Timid/dezvoltat Nemulumit de sine/ Fr succes/cu succes Slab/puternic emo. Curajos/prudent Impulsiv/obinuit s Reflecteze Iresponsabil/respons. Nerbdtor/rbdtor Agresiv/blnd Cu idei neclare/clare superficial/profund centrat pe el/pe alii Egoist/altruist Realist/vistor 0,70 0,67 0,67 0,64 0,62 0,60 0,58 0,67 0,67 0,61 0,58 0,54 0,50 0,47 0,66 0,57 -0,52

Elementele care satureaz primul factor au fost grupate pe trei indici(depresiv, impulsiv, individualist) inclui ca variabile dependente ntr-o analiz a variaiei la un factor independent(corespunznd tipului de drog studiat). Datele indic faptul c atribuirea impulsivitii domin fiecare reprezentare a consumului de droguri Aceasta este mai consistent cnd este vorba de ecstasy i de cocain dect atunci cnd este vorba de hai . Individualismul i starea de depresie par a fi, din contr, atribuite n deosebi consumatorilor de cocain. Reaciile n faa unui consumator de substane psihotrope se dovedesc, la modul general,mai mult negative dect pozitive. Exist cteva diferene, n funcie de substana utilizat. Emoiile negative sunt n mod specific mai ridicate la un consumator de cocain. Evalurile pozitive sunt mai degrab reduse n cazul drogului ecstasy

Concluzii
Analiza factorial servete cauzei conciziei tiinifice. Ea reproduce o mare cantitate de rezultate provenite din teste psihologice i din alte mijloace de investigaie tiinific la un set ct mai simplu de date. n esen, ne spune ce msurtori sunt similare i ce msurtori sunt diferite. Analiza factorial reduce numrul de variabile cu care cercettorul trebuie s se confrunte. Odat cu crearea programelor informatice de calcul s-a asigurat accesul unei mare numr de cercettori la aceast tehnic sofisticat din punct de vedere tehnic. Uurina n utilizare pentru utilizatorul neexperimentat reprezint o potenial surs de erori, deoarece analiza factorial convenional este util doar n anumite tipuri de design experimental, i anume n situaiile n care este vorba de tipuri sau grupe de variabile. n unele cazuri, cercetarea psaihologic este interesat numai de anumii indivizi sau de anumite evenimente, situaie pe care analiza de tip R(analiza factoriels convenional) nu le poate rspunde adecvat Modele de design n analiza factorial R.B. Cattell a ncercat o generalizare a tuturor posibilitilor de rulare a unei analize factoriale, propund un model sintetic denumit Cubul de covariaii(The Covariance Chart). Obiectivele simtezei sunt:

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 Un exempl didactic care s ndemne cercettorii la gndire multidimensional n timpul planificrii design-urilor ; S ilustreze istoric modalitile i naterea unor noi modele i tehnici de analiz factorial(tehnicile P,O,S i T) Cubul covariaiilor are trei dimensiuni, denumite i moduri: 1. Subieci; 2. Variabile; 3. Ocazii. Cattell denumete ocazii ceea ce este generic recunoscut n psihologia experimental situaiestimul.(i nu se refer exclusiv la momentul exact n care sunt culese datele). Cele trei moduri formeaz un cub, o cutie, denumit i cutia cu date(data box), ce are pe fiecare latur o serie de dou din aceste trei moduri. Cattell introduce o formul mai elaborat, denumit Basic data Relation Matrix.(BDRM). El a introdus n BDRM 10 moduri: indivizi, stimuli, rspunsuri, medii, observatori i cinci termeni privind evenimente sau ocazii. Cu toate c analiza factorial opereaz conceptual cu toate cele trei moduri, nu se poate factoriza dect unul(considerndu-l totdeauna pe unul din ele ca fiind constant iar pe al treilea ca fiind modul care asigur o suficient reaplicare a datelor. Cattell a creat un tabel cu 6 linii(fiecare reprezentnd un tip de analiz factorial.

Tehnica
O P Q R S T

Modul factorizat Modul replicat

Ocazii Variabile Subieci Variabile Subieci Ocazii Variabile Ocazii Variabile Subieci Ocazii Subieci

Modul constant
Subieci Subieci Ocazii Ocazii Variabile Variabile

Aceste tehnici sunt relaionate dou cte dou. De exemplu, tehnica R, care este cel mai des folosit, ia n considerare date culese cu aceeai ocazie(modul constant), de la mai muli subieci(modul replicat) pe care le analizeaz din punctul de vedere al variabilelor implicate(modul factorizat). Spre deosebire de R, tehnica Q, care este perechea sa, dei are acelai mod constant(date culese cu aceeai ocazie), consider date care se refer la mai multe variabile(modul replicat) i le analizeaz din punctul de vedere al subiecilor de la care au fost culese(modul factorizat). Matricea de date folosit n tehnica Q va avea deci subiecii pe coloane i variabilele pe linii, exact inversa dect are matricea de date R I1 I2 I3 I4 I5 I6 I7 Perechea O-P S1 1 3 4 5 6 2 7 S2 3 4 5 5 6 1 5 S3 3 4 5 6 7 2 3 S4 2 3 4 5 6 1 2 S5 7 7 6 4 5 4 5 S6 4 5 1 1 2 3 4 S7 7 6 2 4 5 5 6

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 Tehnica O i tehnica P sunt opuse una alteia, fiind ambele ideale pentru studiile de caz. Tehnica O folosete date culese de la acelai subiect, privitoare la mai multe variabile, ncercnd s disting diferene i similariti ntre diferitele ocazii la care respectivele date s-au manifestat. Tehnica P culege date de la un singur subiect, dar ncearc s disting ce variabile s-au manifestat n diferite ocazii/evenimente. Aceast tehnic este precursorul acelor design-uride cercetare numite singlesubject design. Este deosebit de util n analiza proceselor psihoterapeutice Exemplu experiment;doi cercettori au selectat 60 de sesiuni diferite de terapie individual(ocazii) ale acelui subiect. Acestea au fost evaluate de trei evaluatori diferii pe 18 scale, fiecare reprezentnd o variabil diferit. Analiza factorial a relevat faptul c acele variabile se grupeaz n 4 factori, care descriu relaia dintre pacient i terapeut.(cei patru fiind cu mare probabilitate specifici doar pentru respectiva relaie).Dintre cei 4 factori, doi erau corelai n mod semnificativ cu rezultatele terapiei) Tehnica O ncearc s explice similariti ntre comportamente n diferite ocazii ale aceluiai subiect. Exemplu : trei cercettori au dorit s exemplificae pe ct posibil modelele didactice/pedagogice aflate la dispoziia profesorilor din Statele Unite. n acest scop au fost alese 16 modele didactice diferite(ocazii) care au fost evaluate din punctul de vedere a 33 de indicatori(variabile) de ctre un numr de 142 de subieci, fiecare avnd de evaluat 5-6 din cele 16 modele. Subiecii n ansamblu au fost considerai ca fiind entitate evaluatoare (deci subiectul din design-ul factorial). Analiza factorial a relevat trei meta-modele pedagogice, care stau astzi la baza nvmntului preuniversitar din Statele Unite Perechea S-P. Tehnicile S i T nu sunt folosite practic niciodat, deoarece generalizarea pe care ele ar putea-o ncerca at fi delimitat doar de o singur variabil. Am putea specula c rara folosire a tehnicilor S i T s-ar putea datora faptului c analiza factorial, ca metod de analiz, tinde n principiu spre relevarea diferenelor individuale. Diferenele individuale sunt nelese de psihologie ca fiind variabile, deci un design n care variabila s fie modul constant este greu de conceput. Perechea R-Q. Primul care a propus factorizarea indivizilor, avnd ca reper mai multe teste(variabile) dar fr a denumi aceast abordare Q a fost sir Cyril Burt n 1917. Sir Godfrey Thomson a publicat articole n care a evideniat posibilitile noi i avantajele pe care le relev acest tip de abordare fa de teehnica clasic. Thomson s-a artat pesimist fa de viitorul i aplicabilitatea tehnicii Q. William Stephenson a scris i el despre posibilitatea de a corela mai degrab persoane dect variabile. Stephenson a introdu metodologia Q, ca mijloc de investigare a ceea ce a numit subiectivitate operant

Generalizarea rezultatelor analizei factoriale. Posibilitatea de a generaliza factorii extrai de analiza factorial, n special n cazul unor cercetri de avangard, exploratorii, se afl n atenia comunitii tiinifice de mai mult vreme.. Concluziile actuale recomand pruden n acest domeniu. R.B. Cattell a fost printre primii care a criticat folosirea analizei factoriale n ceea ce el a numit universuri particulare de variabile(private universes od variables), prin aceasta nelegnd un context de variabile fr nici o relaie cu cercetrile anterioare.. Cattell se referea la problema analizeri factoriale exploratorii. Metodologii contemporani consider c n situaia n care analiza factorial se aplic n orb, fr a aduce factorii n contextul unor variabile clasice, recunoscute i teoretizate de comunitatea tiinific, exist posibilitatea de a da

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 natere acestui tip de factori particulari, a unor factori nerelaionai cu starea actual a cunotinelor n respectiva problematic, imposibil de folosit i mai ales imposibil de generalizat. Problema posibilitii de generalizare a factorilor extrai prin analiza factorial nu este nou. Analiza factorial, n pofida valenelor ei multiple, att n studiile confirmatorii ct i n studiile prospective, nu este un panaceu. Dei factorii extrai prin acest procedeu statistic oglindesc structura particular a variabilelor, nu exist date suficiente care s confirme faptul c n studii cu o aranjare diferit a variabilelor, factorii extrai ar fi similari.. O serie de autori consider c replicarea unui anumit factotr ntr-o alt cercetare este dependent de deciziile teoretice ce privesc selecia variabilelor. Acest lucru n seamn c exist o probabilitate foarte mare ca n momentul n care analiza factorial se face pe un alt set de date, culese cu o alt metod, chiar dac referitoare la aceeai realitate studiat, factorii extrai ar fi diferii. Faptul c rezultatul oricrui demers de analiz factorial depinde de variabilele selectate este general acceptat. Cu toate acestea, ca demers tiinific, desigur c i analiza are ca obiectiv important generalizarea concluziilor sale. Gradul maxim de generalizare ar putea fi atins, atunci cnd factorii ar fi independeni de contextual n care sunt msurate variabilele, adic n cazurile n care, indifferent de cercetare, analiza ar extrage din aceleai variabile exact aceiai factori. Acesta este un deziderat theoretic i trebuie afirmat c este imposibil s se ajung la o independen complet a factorilor n contextul variabilelor, de vreme ce factorii reprezint relaii sublimate ntre respectivele variabile, motiv pentru care diferene chiar i minime n variabile se reflect i asupra factorilor extrai. n practic un cercettor stabilete de cele mai multe ori un numr de factori i o anumit structur a acestora pe baza unei analize factoriale rezultate dintr-o structur foarte particular de variabile, adic a ceea ce Cattell denumea n 1988 univers particular. Teoretizarea ulterioar pe care cercettorul o va face cu siguran este menit s integreze factorii n corpusul cunotinelor tiinifice ale momentului, ns posibilitatea de generalizare a soluiei nu este dat dect cu gradul de replicabilitate a ei, de gradul de care ali cercettori, lucrnd asupra aceleiai probleme cu mijloace diferite, msurnd aceleai variabile n contexte diferite i chair cu instrumente diferite, vor ajunge la aceiai soluie statistic i vor ajunge s extrag aceiai factori prin analiza factorial asupra propriilor date. Cercettorii au ncercat evaluarea gradului n care diferite contexte de msurare ale variabilelor introduc erori n cadrul analizei factoriale. n acest sens s-a utilizat i studierea intensiv a corectitudinii cu care diferite tipuri de analiz factorial extrag aceiai factori. Cercettorii au realizat investigaii ale sensibilitii analizei factoriale nu doar fa de selecia variabilelor, ci i n ceea ce privete diferite tipuri de analiz factorial : maximum likelohood factor analysis, principal component analisys, principal axis factor analisys, alpha factor analisys. S-a ncercat i introducerea i aplicarea specific la contextul analizei factoriale a unor metode generale de evaluare a replicabilitii cercetrilor tiinifice.

Regresia liniar.
Operaiunile de regresie statistic au drept obiectiv principal de a realiza predicie ct mai exact a performanelor din viitor pe baza unor indicatori din prezent. Termenul de regresie nu trebuie neles n sensul utilizat curent( a regresa nseamn a reveni la un nivel mai slab, a scdea n pondere), nici n sens psihanalitic (de revenire la o stare anterioar, mai puin complex i evoluat). Din contr, prin regresia statistic ncercm s ne direcionm spre viitor, prin prognozarea ct mai exact a strii viitoare a lucrurilor i fenomenelor. Capacitatea de predicie este una dintre caracteristicile definitorii ale unei discipline pentru a fi considerat tiinific. Pe lng regresia n scop predictiv, avem i un tip de regresie n scop explicativ. Primul fel de regresie este utilizat pentru a prognoza performanele viitoare ale unui grup pe baza unui sau mai 5

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 multor indicatori numii predictori . Regresia explicativ are drept obiectiv s explice influena unui set de factori asupra unei variabile criteriu , postulnd o relaie cauzal ntre acestea. Exemplu: influena consumului de droguri n adolescen asupra dificultilor de adaptare la viaa profesional. ns, exist un ansamblu de factori care pot influena adaptarea la viaa profesional. Regresia explicativ doar izoleaz(controleaz) statistic influena factorilor respectivi pentru a vedea n ce msur consumul de droguri contribuie la realizarea inadaptrii la exigenele vieii profesionale. De exemplu, la apariia dificultilor de adaptare profesional pot contribui variabile ca slaba calitate a formrii profesionale, dificultii materiale persistente, slaba motivare, fond aptitudinal deficitar,etc Prin regresia de tip explicativ se pot controla toate aceste influene pentru a se observa dac consumul de droguri n adolescen influeneaz dificultile de adaptare la viaa profesional. Exist o diferen de utilizare terminologic; n analiza de regresie. n scop predictiv se folosesc predilect termenii de predictor i criteriu, pe cnd n analiza de regresie explicative, se folosesc predilect termenii de variabil independent i variabil dependent. Pe aceast difereniere terminologic se bazeaz raiunea metodologic utilizat n cele dou tipuri de analiz. Astfel, regresia cu scop explicativ urmrete s vad dac un anumit factor influeneaz evoluia variabilei dependente, prin controlarea influenei exercitate de alte variabile incluse n model. Dac prin controlarea acestor influene, variabila sau variabilele independente, care prezint interes, contribuie semnificativ la evoluia variabilei dependente am putea deduce existena unei relaii ntre acestea.. Dac relaia este susinut de o teorie relevant n domeniu sau de o logic temporal sau spaial a relaiilor ntre ele, ne vom permite s utilizm termenii de variabil dependent i variabil independent, chiar dac nu avem de-a face cu un design experimental. Regresia utilizat n sens explicativ rspunde la ntrebarea :Contribuie acest factor la evoluia variabilei dependente n condiiile n care am controlat statistic influena altor factori asupra acesteia? n cazul utilizrii regresiei cu scop predictiv, dei nu este exclus posibilitatea unei relaii cauzale ntre predictori i criteriu, interesul este de a gsi o ecuaie care s estimeze cel mai bine evoluia criteriului.. ntrebarea n aceasta nou situaie este: care sunt predictorii care ne ajut s estimm cel mai bine evoluia criteriului?.. O diferena terminologic semnificativ este i ntre regresia liniar simpl i regresia multiliniar sau regresia liniar multipl n primul caz , vorbim de o regresie bazat pe un singur predictor, de exemplu estimarea influene depresiei asupra izolrii sociale. Regresia multiliniar include mai muli predictori n ecuaie, precum nivelul veniturilor, starea familial, integrarea sociall etc. Cu certitudine, modelele multiliniare vor prezice ntotdeauna mai bine dect metodele simple, care pornesc de la un singur predictor. O precizare important este aceea c regresia liniar poate fi aplicat doar dac msurarea criteriul(variabila dependent) are consisten scalar de interval sau de proporii i dac relaia dintre predictor i criteriu este liniar. Pentru variabile care satisfac alte genuri de scale exist alte tipuri de analize de regresie, de exemplu cea logistic(variabil dependent dihotomic, de tipul da-nu) cea logistic multinomial(variabila dependent este msurat prin scala nominal multinominal, alta dect cea dihotomic.) sau cea ordinal(variabila dependent este msurat prin scala ordinal, de genul rspunsurilor n mic msur, n msur satisfctoare, n msur medie, n mare msur . Regresia liniar simpl. Principii ale regresiei liniare. Prin regresie se pot estima rezultatele viitoare ale unor persoane pe baza unor indicatori din prezent.. Se pornete de la existena unei asocieri ntre indicatorul utilizat pentru a estima performana viitoare i criteriul ales pentru a msura aceast performan. De exemplu, legtura dintre rezultatul la o prob de dexteritate manual i performana la o main de filat) se poate aprecia printr-o corelaie pozitiv: se poate aprecia dac un rezultat bun la proba de dexteritate manual va duce la obinerea unei bune performane la maina de filat.

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 Pornind de la aceast asociere se poate estima c persoanele cu un nivel ridicat al dexteritii manuale vor fi avantajate n randamentul n cadrul profesiei din industria textil Regresia urmrete s gseasc o ecuaie care s ne ajute s estimm ct mai exact valoarea performanelor viitoare. Dac corelaia ntre cele dou variabile ar fi egal ci 1 sau -1, atunci am putea anticipa cu exactitate rezultatele viitoare, linia de regresie trecnd n acest caz prin toate punctele norului.

24,00

Textbox
11 10 9 8 7 6 5 4 3 2 1

12

22,00

20,00

18,00

16,00

14,00

12,00 10,00 12,00 14,00 16,00 18,00 20,00 22,00

Exemplificare: corelaie perfect ntre cele dou variabile(r=1,00)

ns, existena unor coeficieni perfeci de corelaie este de domeniul teoreticului i nu a empiricului. Linia de regresie se mai numete i linia celei mai bune ajustri i estimeaz ct mai bine direcia norului de puncte. Dac nu exist corelaie ntre cele dou serii de rezultate, atunci linia de regresie nu poate fi determinat i pot exista chiar mai multe linii.

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009

30,00

25,00

20,00

y
15,00 10,00 5,00 5,00 10,00 15,00 20,00 25,00 30,00

_ Exemplu: corelaie nul ntre variabile(re este egal sau aproape de 0

35,00

30,00

25,00

y
20,00 15,00 10,00 5,00 10,00 15,00 20,00 25,00 30,00

__

Exemplu: Corelaie pozitiv ntre variabile

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009

25,00

22,50

20,00

17,50

15,00

12,50

10,00 20,00 22,50 25,00 27,50 30,00 32,50 35,00

__

Exemplu: corelaie negativ ntre cele dou variabile

Ecuaiile de regresie liniar simpl Ecuaia de regresie a lui X n Y

x = bx * y
x =X X

Ecuaie de regresie a lui Y n X

y =by * x
y =Y Y

X = b x (Y Y ) + X

y =Y Y

x =X X Y =b y ( X X ) +Y

7,3 X = 0,85 * (43 50) + 43 = 35,14 6,5

Exemplu:rxy

0,85

;sx

=7,3;

sy=6,5;

43;

X =43; Y =50

Condiiile aplicrii regresiei liniare simple sunt: VI i VD sunt cantitative i normal distribuite; Relaia dintre VI i VD este una liniar; Erorile sunt normal distribuite; Evitarea cazurilor influente i a cazurilor extreme O regresie liniar este doar atunci semnificativ, cnd predictorul X i criteriul Y sunt corelai 9

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 La o regresie liniar simpl trebuie ca variabila criteriu Y s fie prognozat numai printr-o variabil-predictor X;; Trebuie s fie gsit o funcie liniar(ecuaia este Y = a yx xi +byx ) care descrie optimal raportul ntre X i Y

Analiza de regresie studiaz legtura ntre o variabil dependent i una sau mai multe variabile independente. Exemplu: De ce persoanele particip la practici oculte? Studiu J. Mischo (1991) Okkultismus bei Jugendlichen: Ergebnisse einer empirischen Untersuchung, Mainz: Grnenwald-Verlag.1996. Die Glaube an parapsychische Phnomene:Schizotypische Muster im Denken und Verhaltan?TW Neurologie Psychiatrie, 10.StudiuEantion de 401 subieci. Practici oculte: a veni contacte cu supra-senzorialii, cu cei decedai sau cu spiritele(pendul, crile de tarot, cititul n palm). Pe lng Experiena cu practici oculte , s-a ridicat problema credinei n fenomene psy..Prin aceasta se nelege credina n existena de percepii extrasenzoriale, de psihokinezii, de precogniii. Variabile de legtur: religiozitatea i existena tulburrilor de personalitate

Prin intermediul unor astfel de informaii caut s se rezolve, prin intermediul unei analize de regresie, dac experiena cu practici oculte depinde de ultimele variabile denumite, adic dac se las prognozat statistic din ele. n particular, analiza de regresie la o astfel de problematic d rspunsuri la ntrebri de genul urmtor : Depinde experiena cu practici oculte de credina n fenomene psy ? n plus de aceasta, depinde de religiozitate ? Ct de bine se las prognozat experiena cu practici oculte din aceste dou variabile, aceasta nseamn care este cota parte din variana variabilei Experiena cu practici oculte care se las explicat din aceastea ? Este credina n fenomene psy un predictor mai puternic al experienei cu practici oculte dect religiozitatea ? Analiza de regresie este aplicat n strns legatur cu analiza analiza corelaiei, deoarece ambele metode rspund dup relaiile cu ct cu att mai . n exemplul de mai sus se ridic ntrebarea dac cu o credin mai puternic n fenomene psy intervine o mai mare experien cu practici oculte, deci dac persoanele, cu ct au mai mult experien n practici oculte, cu att mai puternic cred ele n practici oculte. n exemplul anterior, experiena cu practici oculte este tratat ca variabil dependent, n timp ce celelate variabile amintite.au statut de variabile independente. Ipoteza cercettorului, n funcie de scopul practic al unei aplicaii, stabilete care variabile sunt considerate dependente n analiza de regresie i care variabile sunt considerate ca indeoendente. Experiena arat c datele empirice se adun cu mult strduin dar, dup o scurt faz de evaluare, sunt abandonate. Important de tiut faptul care variabile sunt considerate dependente i care sunt considerate independente. Una i aceiai variabil, n unele studii, poate juca rolul de variabil independent, i n alte studii, rolul de variabil dependent De exemplu, n cercetarea dispoziiilor, dispoziia unui anumit comportament este tratat de cele mai multe ori ca variabil independent i comportamentul relevant dispoziional ca variabil dependent. ns exist i cercettori, care atribuie comportamentului statusul de variabil independent i dispoziiei cel de variabi dependent Ipotezele verificate cu ct cu att mai din analiza de regresie stau la baza ipotezelor cauzale n multe cazuri, variabila independent fiind considerat cauz a variabilei dependente Cei drept, nu demonstrez o relaie cu ct cu att mai dovedit de analiza de regresie c ar fi vorba faptic de o relaie cauzal. O relaie semnificativ statistic ntre dou variabile X i Y poate semnifica urmtoarele: 1. X este cauza transformrilor din Y, 2. Y este cauza transformrilor din X; 3. X i Y se influeneaz reciproc; 10

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 4. O alt variabil Z este cauza transformrilor din Z i Y.

Introducerea procedeelor de analiz de regresie este folositoare pentru decizia referitoare la ipotezele cauzale, deoarece o relaie cu ct cu att mai asigurat ca semnificativ este cel puin consistent cu acceptarea unei relaii cauzale, n timp ce o relaie nesemnificativ contribuie la falsificarea unei ipoteze cauzale. Analiza de regresie poate s fie introdus fr acceptarea unei relaii cauzale, doar pentru scopuri de prognoz. Analiza cauzelor i prognoza nu au scopuri deplin independente unul de altul. ntrun caz, susine cunotinele despre cauzele mbuntirii prognozei, n alt caz, se bazeaz frecvent modelele prognostice bune pe variabile cauzale sau pe variabile n strns legtur cu ele. Un al treilea domeniu de introducere a procedeelor de analiz de regresie este analiza seriilor temporale. n cadrul acesteia, sunt cercetate oscilaiile variabilelor dependente ca funcie a timpului.. De exemplu, se cerceteaz problema, dac degradarea unui produs st la baza oscilaiilor sezonale sau dac frecvena suicidului dobndete n anumite zile ale sptmnii sau n anumite luni mrimii supra-medii regulate O cerin de care trebuie s se in seama, att la variabilele dependente ct i la variabilele independente, la analiza de regresie se refer la nivelul scalar. Aceast noiune se refer la consistena informaional a cifrelor care sunt atribuite de ctre cercettor reliefrilor variabilelor individuale n analiza de regresie, att variabilele independente ct i cele dependente, trebuie s posede cel puin nivelul de interval. Existena nivelului scalar de interval este rar verificat n aplicaiile din tiinele sociale ale analizei de regresie. Unii cercettori au prerea c ndeplinirea acestei ipoteze(condiionri) nu trebuie vzut n tiinele sociale ca un caz de regul. Ne aflm n faa unui rigorism teoretic. Exemplu. Putem s afirmm la un test de inteligen c distana caracteristicii ntre valorile de punctaj ntre 65 i 66 este la fel de mare ca distana ntre 64 i 65 sau distana ntre 66 i 67. Astfel de deviaii sunt ns la multe teste psihologice i la alte scale din tiinele sociale nguste i nesistematice. Astfel de deviaii nesistematice de la existena egalitii deviaiilor nu contravine esenial postulatelor unei scale de interval, ci contribuie exclusiv la ridicarea varianei de eroare. n cazul amintit, este aceast contribuie a varianei erorii n comparaie cu alte surse de eroare probabil chiar mai ngust. J.Cohen i P.Cohen ajung la concluzia c pentru cele mai multe msurri psihologice i indici sociologici ca de exemplu, testele de randament, testele de aptitudini, testele de inteligen i testele personalitate, scalele de temperatur, testele de interese profesionale i scalele de dispoziii - poate s fie accepta nivelul scalar de interval. Exist o regresie liniar i o regresie neliniar. n analiza regresiei liniare se accept c fiecare variabil independent st ntr-o relaie liniar cu variabila dependent. Relaia liniar este exprimat n general sub forma:

Y = a + bX
Un cunoscut exemplu: Fahrenheit = 32 + 9/5 Celsius n care.

Coeficientul b descrie n ct de multe uniti se transform variabila dependent Y cnd variabila independent X crete cu o unitate, a indic valoarea lui Y pentru X = 0

n cadrul analizei de regresie se desemneaz b drept coeficient de regresie i a drept constant.o relaie liniar se ilustreaz printr-o dreapt, la care b indic panta dreptei i a punctul de intersecie cu axa y. La cercetrile empirice, perechile de valori observate (x,y) nu stau aproape niciodat pe linie ci se disperseaz fa de aceasta. Fundamentele pentru aceste deviaii de la dreapt constau, pe de o parte, n aceea c pe lng respectivele variabile independente acioneaz i alte mrimi de influenare asupra variabilelor dependente, care nu sunt cuprinse n ecuaia de regresie, i, pe de alt parte, astfel de deviaii sunt de explicat prin erori de

11

Analize cantitative complexe n cercetarea psihopedagogic Cursul nr.4, 2008-2009 msur. n analiza de regresie este dreapta n aa fel aleas, nct deviaiile valorii y estimate de la valoarea faptic y sunt un minimum. n urmtoarea ecuaie sunt luate n consideraie astfel de deviaii empirice de la de la dreapt care apar. Aceast ecuaie este mai realist dect ecuaia precedent.

Y = a + bX + e
Deviaiile se numesc rezidurii i sunt reprezentate prin variabila e. Ecuaiile precedente sunt desemnate ca analize de regresie simple, deoarece ecuaia conine numai o singur variabil independent. La mai multe variabile independente se vorbete de analiz de regresie multipl,care se prezint n felul urmtor n ecuaie:

Y=a+b1X1+b2X2+.+bjXj+..e
n care. Xj este j variabil independent(j = 1,2,3,4J) bj coeficientul de regresie pentru j-a variabil independent

elul analizei de regresie const n aceea de a afla coeficienii de regresie necunocui b 1, b2 i constanta a n datele respectivului eantion. Pentru scopuri pur descriptive, sarcina analizei de regresie se limiteaz la aceasta. n cele mai multe cazuri este nserat analiza de regresie cu scopuri dincolo de acesta, de a utiliza coeficientul aflat n eantion ca estimaie pentru coeficienii din populaie(mulimea de baz). Astfel eantionul poate avea 401 de chestionai din populaia de baz. Astfel de date sunt utilizate frecvent de ctre cercettor, n scopul de a deduce din acest situaia n mulimea de baz. Analiza de regresie decurge, de cele mai multe ori, n trei pai: se concepe modelul liniar de regresie de cercetat; se estimeaz funcia de regresie pentru populaie; este verificat funcia de regresie.

12