 |
|
 |  |
|
|
| |
 | Biologie | Chimie | Didactica | Fizica | Geografie | Informatica |
| Istorie | Literatura | Matematica | Psihologie |
Modulul precedent a descris modul in care sunt folosite testele statistice pentru a produce argumente in sustinerea ipotezelor privind relatiile dintre sau printre variabile; testele statistice participa in determinarea situatiei in care sansa este o explicatie nepotrivita pentru o legatura aparenta. Acest capitol continua discutia asupra testelor statistice si prezinta conditiile in care un anume test statistic este potrivit pentru analiza datelor unei anumite situatii date.
Selectionarea unor proste instrumente de colectare a datelor, folosirea unor metode de esantionare inadecvate, sau compilarea unor reviste de specialitate inadecvate ne pot produce indoieli in ceea ce priveste rezultatele oricarui studiu de cercetare. In plus, credibilitatea unui studiu de cercetare in asistenta sociala depinde foarte mult de utilizarea unor analize statistice corespunzatoare. Folosirea unui test statistic nepotrivit ne poate conduce la concluzii si recomandari eronate, care pot compromite si cel mai bun plan de cercetare.
De ce oare suntem cateodata pusi in situatia de a alege un test statistic necorespunzator cand exista altele care sunt corespunzatoare pentru aproape orice situatie posibila? Un motiv major este "regula obisnuintei". Acest principiu afirma ca multi dintre noi tind sa creada ca cea mai buna solutie pentru o problema este si ceea care este cea mai confortabila si mai familiara. De exemplu, un specialist in rezolvarea cazurilor poate tinde sa raspunda problemei unui client prin recomandarea unui tratament individual, un specialist in munca de grup poate vedea acelasi client ca avand nevoie de un tratament in grup. Iar un avocat poate inclina spre a vedea serviciul legal ca fiind solutia pentru multe probleme.
Unii pot avea impresia ca toate testele statistice au atat de multe in comun incat diferentele rezultate in folosirea lor vor fi mici indiferent care dintre ele ar fi folosit. Aceasta falsa interpretare poate duce la selectarea testului folosit cel mai frecvent in locul unuia care este mai putin familial. Acest mod de gandire scuza in mod fals timpul pe care nu-l consumam pentru a cauta un test statistic potrivit pentru situatia data. El duce la proasta aplicare si la discreditarea a ceea ce altfel ar fi fost extrem de necesar in domeniul cercetarii.
Orice test statistic cere anumite conditii pentru folosirea sa corespunzatoare. Asa cum vom vedea, anumite teste cer sa fie indeplinite mai multe conditii decat altele - adica ele au mai multe restrictii de utilizare. Ca regula generala, testele care necesita conditii mai exacte trebuie folosite mai degraba decat cele care cer conditii mai putine, dar numai daca conditiile necesare sunt indeplinite. Ele ne conduc mai greu la erori de tipul I sau de tipul II in formularea concluziilor cercetarilor noastre.
Nu toate testele statistice sunt egale; unele sunt inevitabil mai bune decat altele. Testele cele mai bune sunt mai puternice fata de testele mai putin puternice. Un test mai puternic ne permite sa tragem concluzii bine specificate din datele detinute; iar concluziile mai vagi, mai generale, rezulta din folosirea testelor mai putin puternice. Puterea este un concept bazat pe calcule matematice si masoara probabilitatea comiterii unei erori prin respingerea ipotezei nule, daca testul este utilizat corect. Un test mai puternic, folosit corespunzator, va avea o mai mica probabilitate de a ne conduce la o eroare de tipul II, adica el este mai potrivit pentru a detecta o legatura adevarata intre variabile. Un test mai slab, datorita propriei naturi, este mai probabil sa ne conduca la o eroare de tipul II, chiar daca toate criteriile pentru folosirea lui sunt indeplinite.
Asa cum am sugerat, testele mai puternice sunt in general acelea care necesita conditii mai ferme pentru folosirea lor. Ele sunt mai complexe prin aceea ca folosesc, in general, toate valorile pentru toate cazurile (direct sau indirect), in loc de a folosi doar valorile catova cazuri (de exemplu, extremele sau valorile tipice). Stim ca abaterea standard este preferabila amplitudinii ca indicator al imprastierii si ca media este un indicator mai precis al tendintei centrale decat sunt mediana sau modul. De ce? Pentru ca amandoua, media si abaterea standard, implica calcule care folosesc toate valorile; pe cand celelalte statistici descriptive, mai putin precise, nu le folosesc. Acelasi principiu se aplica in intelegerea puterii testului statistic folosit in testarea ipotezei. In general, testele mai puternice au probabilitatea de a folosi mai multe valori din setul de date. De asemenea ele profita mai mult de avantajele masuratorilor de o precizie mai mare.
In general, trebuie sa folosim cel mai puternic test care poate fi justificat pentru orice situatie data. Calitatile datelor sunt irosite daca se foloseste un test mai slab cand s-ar putea folosi unul mai puternic pentru care toate criteriile sunt satisfacute. Un test statistic prea puternic pentru conditiile care exista ne poate conduce la tragerea unor concluzii false. Putem evita selectarea unui test statistic prea puternic sau al unui test mai putin puternic decat ar fi posibil, doar daca intelegem consideratiile care influenteaza alegerea diferitelor teste.
Metodele de cercetare utilizate si datele rezultate afecteaza direct alegerea testului statistic. Este deosebit de important, chiar critic, sa cunoastem contextul cercetarii noastre, strategia specifica de cercetare pe care am utilizat-o si nivelul de masura al datelor colectate. O corecta intelegere a studiului de cercetare si abilitatea de a specifica ce, cum si de ce, inainte de faza analizei datelor, va facilita foarte mult selectarea unui test statistic.
Este bine sa specificam testele statistice ce urmeaza a fi folosite inainte de a incepe colectarea informatiilor. Totusi, se intampla destul de des sa intalnim probleme in colectarea datelor, probleme care pot schimba modul in care aceste informatii sunt colectate si caile prin care ele pot fi masurate si analizate. Cand apar astfel de situatii se considera etic, si in anumite cazuri absolut esential, selectarea unor teste diferite de cele anticipate. Trei consideratii influenteaza alegerea unui test statistic: (1) numarul si metoda de esantionare, (2) natura distributiei populatiei cercetate si (3) nivelul de masurare al variabilelor.
Optiunile metodologice facute in procesul de cercetare vor incepe procesul de eliminare a anumitor teste statistice ca fiind nepotrivite pentru testarea ipotezelor. Alegerea unei metode de esantionare scurteaza lista testelor potrivite pe care le-am putea folosi. In selectarea testului corect, trebuie sa fim capabili sa dam raspunsuri la patru intrebari legate de metoda de esantionare:
Cazurile investigate au fost alese aleator? Selectia unui caz a putut creste sau descreste probabilitatea selectionarii unui alt caz din esantion?
Metoda de esantionare a selectat un singur esantion sau mai multe? Cat de multe?
Daca au fost mai multe esantioane, au fost ele independente unele fata de altele, sau au fost ele legate in vreun fel?
Cat de mare este ordinul de marime al esantionului ?
Daca putem raspunde la aceste patru intrebari, vom fi capabili sa eliminam mai mult de jumatate din testele statistice existente deoarece nepotrivirea lor pentru metoda de esantionare avuta in vedere este evidenta.
O a doua apreciere majora in selectarea testului statistic este modul in care variabilele pe care le-am selectat pentru studiu sunt distribuite in interiorul populatiei. Cateva din cele mai puternice teste necesita o distributie normala (sub forma de clopot) a variabilei in populatia din care esantionul noastru a fost scos la intamplare. Asa cum o distributie oblica pozitiva sau negativa trebuie sa excluda folosirea exclusiva a mediei ca masura a tendintei centrale sau abaterii standard ca o masura a dispersiei, tot asa absenta unei distributii normale a variabilei in populatia supusa studiului va duce la scoaterea din considerare a multor teste folositoare si puternice.
O distributie normala perfect simetrica este rara. O descriere completa a unei variabile pentru o anumita populatie poate sa nu existe; daca e asa datele avute pot sa aproximeze doar o curba in forma de clopot. In situatiile concrete ale cercetarilor, adesea facem judecati de valoare care ne ajuta in luarea deciziilor. De exemplu, facem judecati de valoare cand decidem ca am vazut suficient de multa literatura de specialitate, cand justificam o ipoteza directionala, sau cand alegem un nivel de incredere pentru respingerea ipotezei nule. Tot asa, facem o judecata de valoare cand determinam daca o distributie este suficient de "normala". In general, cand o variabila are valori ce aproximeaza o curba in forma de clopot, poligonul de frecvente pentru populatia din care provine este considerat suficient de normal pentru folosirea unor teste statistice relativ puternice.
Un al treilea factor, considerat major in selectarea testelor statistice, este nivelul de masurare al variabilelor dependente si independente. Dupa cum stim, putem clasifica variabilele pe patru nivele de masurare: nominal, ordinal, interval si rapoarte. O constructie bine planificata a instrumentelor de colectare a datelor ne va permite obtinerea celui mai inalt nivel posibil de masurare pentru orice variabila data. Putem pierde din precizia datelor daca folosim un instrument de colectare a informatiilor construit neingrijit, prin care se permite unei variabile care ar fi putut fi masurata de nivel interval sau raport sa fie mai putin precisa. Apoi urmeaza sa o tratam doar ca un indicator sec al cantitatii (nivelul ordinal). Alegerea unui instrument care produce categorii doar de nivel ordinal de masurare, in loc de un indice masurat la nivel interval, va exclude automat folosirea tuturor testelor statistice care necesita variabile de nivel interval. Intr-adevar, deciziile pe care le folosim in operationalizarea si in construirea chestionarului, afecteaza cercetarea prin micsorarea sau extinderea posibilitatilor de alegere a testelor statistice potrivite pentru ipotezele noastre.
Cei trei factori mentionati mai sus, metoda de esantionare, natura populatiei cercetate si nivelul de masurare al variabilelor, determina testul statistic cel mai potrivit pentru a fi utilizat. Fiecare test are propriile cerinte specifice care se leaga cu fiecare dintre acesti trei factori. Totusi pentru simplificarea proceselor de selectare a unui test corespunzator, trebuie punctat ca exista doua grupuri de teste mutual exclusive, care reflecta doua manunchiuri distincte de cerinte. Cele doua tipuri de teste statistice sunt testele parametrice si neparametrice.
Testele parametrice sunt mai puternice decat cele neparametrice. Din acest motiv ele sunt preferabile testelor neparametrice, desigur daca sunt indeplinite conditiile pentru folosirea lor. Ele pretind: (1) o distributie normala a variabilei (variabilelor) in populatia studiata, (2) extragerea de esantioane independente si (3) cel putin o variabila studiata sa fie de nivel interval sau rapoarte. De obicei, ele pretind marimi mai mari pentru esantioane decat cele neparametrice. Ca o regula, e bine sa avem in vedere ca daca media si abaterea standard sunt potrivite ca statistici descriptive pentru rezumarea datelor, statisticile parametrice pot fi utile pentru examinarea legaturilor dintre variabile.
Testele neparametrice sunt folosite pentru cercetarea situatiilor in care conditiile pentru folosirea testelor parametrice nu sunt indeplinite. Ele sunt mai putin puternice decat cele parametrice. Spre deosebire de testele parametrice, acestea nu necesita o distributie normala. Unele cer esantioane independente, altele nu. Numarul de esantioane si de cazuri din componenta fiecarui esantion sunt factori importanti in selectarea unui test neparametric din sutele care exista. Multe dintre aceste teste necesita date masurate doar la nivel nominal sau ordinal, dar unele cer o precizie de masurare mai mare.
Deoarece statisticile neparametrice sunt desemnate, in general, pentru analizarea datelor de nivel nominal sau ordinal care nu trebuie sa fie distribuite normal, ele sunt adesea ideale pentru cercetarea de asistenta sociala.
Testele neparametrice sunt mai mult decat o a doua optiune pentru situatiile in care criteriile cerute de statisticile parametrice nu sunt indeplinite. Ele au cateva avantaje distincte fata de testele parametrice si sunt adesea singurele teste potrivite cu necesitatile noastre statistice. De exemplu, un test statistic neparametric este in special folositor cand:
Esantioanele au fost selectate din populatii diferite; folosindu-se cadre de esantionare diferite.
Datele detinute au fost constituite in principal prin aranjarea in ordine a mai multor raspunsuri alternative sau,
Esantioane foarte mici (din sase sau sapte cazuri) sunt tot ce exista disponibil pentru studiu.
Din fericire, lipsa de putere a testelor neparametrice poate fi compensata cel putin in parte. In multe situatii se pot potrivite doua sau chiar mai multe teste; unul dintre ele poate fi potential mai puternic decat celalalt. Totusi ele pot avea nevoie de diferite marimi minime de esantioane. Ca o regula generala, testul care necesita cea mai mare dimensiune de esantion este, probabil, cel mai puternic. Daca anticipam nevoia de putere in testare, putem mari dimensiunea esantionului (esantioanelor) nostru, astfel incat sa se indeplineasca criteriile pentru utilizarea celui mai puternic test statistic. Pentru ca esantionul cel mai mare este cel care are efectele cele mai pozitive in privinta puterii testelor, nu este gresit sa folosim cea mai mare marime posibila atunci cand dispunem de resurse adecvate. In anumite cazuri aceasta strategie poate avea un efect important, facand un test neparametric aproximativ la fel de puternic ca unul parametric.
Cum poate un test statistic sa discrediteze credibilitatea cercetarii?
Cum poate un cercetator sa foloseasca un test necorespunzator care in final sa induca un efect negativ in servirea clientilor?
La ce ne referim cand spunem ca un test statistic este mai "puternic" decat altul?
Cum intervin metodele de esantionare utilizate in determinarea testului statistic corespunzator?
Care sunt celelalte doua criterii care contribuie la alegerea testului statistic potrivit?
Cum poate operationalizarea unei variabile, realizata chiar inainte ca informatiile sa fie colectate, sa limiteze sau extinda numarul de optiuni de teste statistice care ar putea fi utilizate?
Care sunt cele trei criterii care trebuiesc indeplinite pentru ca un test parametric sa poata fi utilizat?
De ce sunt testele neparametrice folositoare mai ales in cercetarile din asistenta sociala?
Cum putem creste puterea, cand trebuie sa folosim teste neparametrice?
Copyright © 2024 - Toate drepturile rezervate
| Statistica | |||
|
|||
|
| |||
|
| |||
|
|||
|
|
|||
