STATISTICĂ PSIHOLOGICĂ

Curs 3
Testarea ipotezelor de cercetare

Psih. Dr. Paul Sârbescu

În programul de azi...

 Despre ipotezele de cercetare

 Erorile de tip I şi II în testarea ipotezelor

 Mărimea efectului

 Puterea statistică
Până acum: Statistica descriptivă

 Descrierea unui set de date prin intermediul unor indicatori ai

tendinţei centrale şi ai dispersiei

 Interpretarea acestor indicatori pentru a surprinde aspecte

detaliate legate de eşantionul testat
În continuare: Statistica
inferenţială

 Găsirea unor explicaţii pentru fenomenele observate

 Realizarea unor predicţii cu privire la comportamentele

viitoare ale unor persoane

 Extinderea unor concluzii de la nivelul eşantionului testat la

nivelul populaţiei din care acesta a fost extras
Ipotezele de cercetare

 Ipoteza ştiinţifică este o predicţie care are capacitatea de a fi

operaţionalizată şi testată pentru a oferi un răspuns problemei
studiate.
 Testarea ipotezelor este o componentă fundamentală a
activităţii ştiinţifice
 Testarea ipotezelor cuprinde trei dimensiuni esenţiale:
◦ Analiza datelor empirice
◦ Realizarea unor inferenţe logice pe baza acestora
◦ Menţinerea unei atitudini sceptice legate de concluziile obţinute
Clasificarea ipotezelor de
cercetare (1)
 În funcţie de tipul studiului: ipoteze corelaţionale şi ipoteze
comparative
 Ipoteza corelaţională – vizează identificarea unor legături
(asocieri) între variabile
◦ Ex. Există o legătură între stima de sine şi narcisismul.
 Ipoteza comparativă – vizează identificarea unor diferenţe
între grupuri
◦ Ex. Există diferenţe între bărbaţi şi femei privind nivelul empatiei.
Clasificarea ipotezelor de
cercetare (2)
 În funcţie de modul de formulare: ipoteze unidirecţionale şi
ipoteze bidirecţionale
 Ipoteza unidirecţională: se precizează direcţia predicţiei
◦ Ex. 1. Există o corelaţe pozitivă între variabilele X şi Y
◦ Ex. 2. Grupul A este mai slab decât grupul B
 Ipoteza bidirecţională: nu se precizează direcţia predicţiei
◦ Ex. 1. Există o asociere între variabilele X şi Y
◦ Ex. 2. Există diferenţe între grupul A şi grupul B
Exemple de ipoteze de
cercetare
Ipoteză Ipoteză
bidirecţională unidirecţională

Ipoteză Există o legătură între Există o corelaţie

corelaţională stima de sine şi pozitivă între stima de
empatia. sine şi empatia.

Ipoteză Există diferenţe între Femeile vor raporta

comparativă bărbaţi şi femei un nivel mai ridicat de
privind nivelul empatie decât
empatiei. bărbaţii.
Procesul de testare a unei
ipoteze de cercetare

 Pe baza analizei datelor colectate trebuie să decidem dacă

ipoteza de cercetare este sau nu susţinută

 Decizia de a accepta ipoteza de cercetare se ia pe baza

pragului de semnificaţie (p)
Pragul de semnificaţie (p)

 Arată probabilitatea de a obţine din întâmplare efectul

observat
 Poate lua valori între 0 şi 1
 Valoarea pe baza căreia se acceptă sau se respinge ipoteza de
cercetare este 0,05 (.05)
◦ Dacă p < .05 – ipoteza de cercetare este acceptată (rezultat semnificativ
statistic)
◦ Dacă p > .05 – ipoteza de cercetare este respinsă (rezultat nesemnificativ
statistic)
 Interpretarea pragului de .05: există o probabilitate de
maximum 5% de a obţine din întâmplare efectul observat
Extra
Ipoteza de cercetare şi mărimea
eşantionului

 Pragul de semnificaţie este sensibil la volumul eşantionului

 În cazul unui eşantion redus (ex. 15 participanţi) sunt şanse
mari ca rezultatul să fie nesemnificativ statistic, deşi în realitate
există un efect
 În cazul unui eşantion foarte mare (ex. 1.000 participanţi) sunt
şanse mari de a obţine un rezultat semnificativ statistic, deşi în
realitate nu există efectul testat
Exemplu

 Un cercetător doreşte să compare nivelul de inteligenţă (scoruri

IQ) a 10.000 de studenţi din două oraşe diferite
 Primul oraş – scor mediu de 100.15
 Al doilea oraş – scor mediu de 99.85
 Pe baza tehnicilor statistice – diferenţele sunt semnificative
(p < .05)
 Cercetătorul propune înfiinţarea unor şcoli speciale pentru
supradotaţi în primul oraş, deoarece sunt semnificativ mai
inteligenţi decât studenţii din al doilea oraş
Erorile de tip I şi II în
testarea ipotezelor (1)

 Eroarea de tip I apare atunci când efectul nu există în realitate,

dar ipoteza de cercetare este acceptată
 De ce apare eroarea de tip I?
◦ Număr mult prea mare de participanţi, teste cu proprietăţi psihometrice
ridicate, desgin puternic, etc.
 Eroarea de tip II apare atunci când efectul există în realitate,
dar ipoteza de cercetare este respinsă
 De ce apare eroarea de tip II?
◦ Număr redus de participanţi, teste cu proprietăţi psihometrice scăzute,
design slab, etc.
Erorile de tip I şi II în
testarea ipotezelor (2)
Ipoteza de cercetare...

În realitate A fost A fost

acceptată respinsă

Există efect (ipoteza de Decizie OK Eroare de tip

cercetare trebuia acceptată) II

Nu există efect (ipoteza de Eroare de tip Decizie OK

cercetare trebuia respinsă) I
Mărimea efectului

 Pragul de semnificaţie răspunde la întrebarea “Există o

diferenţă sau asociere semnificativă?”
 Mărimea efectului ne arată cât de puternică este această
diferenţă sau asociere
 Două categorii de indicatori ai mărimii efectului:
◦ Bazaţi pe diferenţa standardizată dintre medii (comparaţii)
◦ Bazaţi pe procentul de dispersie explicată (corelaţii)
 Ce indicatori utilizăm?
◦ Din prima categorie: d al lui Cohen
◦ Din a doua categorie: coeficientul de determinare r²
Interpretarea mărimii efectului

Mărimea d al lui Cohen Coeficientul de

efectului determinare r²

Efect scăzut în jurul a 0,20 în jurul a 0,01

Efect mediu în jurul a 0,50 în jurul a 0,06

Efect puternic în jurul a 0,80 în jurul a 0,14

Puterea statistică

 Reprezintă capacitatea unui studiu de a detecta un efect care

există în realitate
 Poate lua valori între 0 şi 1
 Valoarea optimă: 0,80 (80% şanse de a detecta un efect)
 Valoare acceptabilă: 0,70 (70% şanse de a detecta un efect)
 Cu cât puterea statistică este mai scăzută, cu atât creşte
probabilitatea de a comite eroarea de tip II
 Cu cât puterea statistică este mai ridicată (peste .95, tot mai
aproape de 1), cu atât creşte probabilitatea de a comite eroarea de
tip I
Calcularea puterii statstice

 Programul G*Power – limba engleză

 Programul PowerStaTim – limba română (Maricuţoiu şi Sava,
2007) – interfaţă foarte user-friendly
 Disponibil pe site-ul catedrei (www.psihologietm.ro), secţiunea
Membrii – Lect. Uiv. Dr. Laurenţiu Maricuţoiu
Relaţia mărimea efectului –
puterea statistică – număr
participanţi
 Cu cât efectul pe care dorim să-l identificăm este mai puternic
în realitate, cu atât el va fi mai uşor de identificat
 Ex. 1. Studiu comparativ (2 grupuri), ne aşteptăm ca efectul pe
care îl căutăm să fie unul puternic (d = 0,80)
 Vom avea nevoie de 20 participanţi în fiecare grup pentru a ne
asigura o putere statistică optimă (0,80)
 Ex. 2. Studiu comparativ (2 grupuri), ne aşteptăm ca efectul pe
care îl căutăm să fie unul mediu (d = 0,50)
 Vom avea nevoie de 50 participanţi în fiecare grup pentru a ne
asigura o putere statistică optimă (0,80)
Ce se întâmplă în practică?

 Pentru a realiza un bun design de cercetare, trebuie să calculăm

a priori (înaintea derulării studiului) de câţi participanţi avem
nevoie pentru a avea o putere statistică optimă
 De asemenea, mărimea efectului vizat trebuie stabilită tot
înaintea derulării studiului
 Cum stabilim mărimea efectului pe care vrem să-l identificăm?
◦ Pe baza rezultatelor din studii anterioare (viabil)
◦ Realizarea unui studiu pilot (nu foarte viabil)
◦ Premise teoretice – ne aşteptăm la un efect mediu (viabil)
Exemplu – Realizarea unui
experiment
 Ex. 1. Aveţi informaţii clare din rezultatele studiilor anterioare
că efectul pe care doriţi sa-l identificaţi este unul destul de
puternic (d = 0,70)
 Ţintiţi o putere statistică aproape optimă (0,75) (o putere
statistică de peste 0,70 este considerată acceptabilă)
 Veţi avea nevoie de 23 participanţi în fiecare grup pentru a
detecta efectul dorit
◦ Cu cât veţi avea mai puţini participanţi per grup, cu atât va scădea puterea
statistică şi va creşte riscul de a comite eroarea de tip II
◦ Cu cât veţi avea mai mulţi participanţi per grup, cu atât va creşte puterea
statistică şi (în momentul în care puterea statistică se apropie de 1) va
creşte riscul de a comite eroarea de tip I
Atenţie!!!

 Analizaţi tot timpul rezultatele pe care le obţineţi în raport cu

puterea statistică a studiului vostru

 Nu afirmaţi că un efect nu există în realitate dacă studiul pe care l-

aţi realizat nu a avut o putere statistică măcar acceptabilă de a-l
detecta
Bibliografie

 Hohn, M. (2007). Metodologia cercetării în psihologie.

Volumul II: Aplicaţii. Timişoara: Editura Universităţii de Vest.
(cap. 2)
 Sava, F.A. (2011). Analiza datelor în cercetarea psihologică
(Ediţia a doua). Cluj-Napoca: Editura ASCR. (cap. 2)
Vă mulţumesc pentru atenţie!

paul.sarbescu@yahoo.com