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!