Нормирование данных

Полученные при сборе данных сырые (первичные) оценки выполнения экспериментальных заданий далеко не всегда удобно использовать в дальнейшей работе. Их тем или иным способом преобразуют. Наиболее '•детым!! преобразованиями являются, центрирование и нормирование средкеквадратическими отклонениями. Под центрированием понимается линейная трансформация величин признака, при которой средняя величина распределения определенного признака становится равной нулю. Направ­ление шкалы и ее единицы остаются при этом неизменными

Суть нормирования состоит в переходе к доугому масштабу — стан-дарти'.ированным (стандартным) единицам измерения. Пр» стандартизи-ровании результатов тестовых испытаний нормирование чаще всего осу­ществляется с помощью среднеквадратическнх отклонений. Стандартизи-рование производится при нормальном распределении тестовых оценок (ши близком к нему по виду.

В психологии существует целый ряд шкал, основанных на нормаль­ном распределении и имеющих разные значения М и о. Например, в шка-."е отклонений инюл.покта SQ: М-100, с.' -15: в шкале Векслера М---!0, о-" ^. Распределения различных измеренных в эксперименте пршнпкоБ имеют рпзные величины М п с; Переводя полученные первичнън?."-'цепки разных i;w'!h;ikob is распределению с отнп?ли и теми же \'¹ 'i '"7, мы пол\'".аем,"':';лыие возможностей для оценки и сопоставления их варьирования Сде­лать это нам позволяет псподь яванце нормированного о^-доненчя Нор­мированное отклонение показывает, на сколько сигм отклоняется та ц-ш гнш варианта от среднего уровня варьирующего признака (средней ариф­метической';. и выражается формулой:

где V - значение признака (в сырмх оценках;

С помощью нормированного отклонения можно оценить любое по­лученное значение по отношению к группе в целом, взвесить его отклоне­ние и одновременно освободиться от именованных величин. Для того что--т i

бы избавиться от отрицательных чисел к полученной величине t можно прибавить какую-либо константу. Удобно, если все кисла, с которыми вы оперируете имеют одинаковое количество знаков С учетом этих сообра­жений. весьма удобна шкала Т-оценок. Для этой шкалы принято нормаль­ное распределение, имеющее М^О, ст -=10. Дня пересчета берется констан­та равная 50. Формула преобразования сырых оценок в Т-оценки следую­щая:

Смысл процедуры нормирования рассмотрим на примере. Предполо­жим, нас интересуют некоторые связи коммуникативной умелости продав­цов с особенностями расположения магазина в крупном городе. Чтобь составить некоторую интегральную оценку коммуникативной умелосп конкретного продавца, мы можем через наблюдение получить по каждом} испытуемому ряд параметров, характеризующих его общение с покупате­лем Например, мы можем измерить среднюю длительность контакта гла­зами. среднее количество улыбок в фиксированный интервал времени. количество грубых, непривечливых обращений и т.д. Можно охарактери­зовать преимущества и недостатки расположения магазина в городе (на­сколько "бойкое место" и т.п) Для этого можно подсчитать количестве маршрутов городского транспорта, имеющих остановки в непосредствен­ной близости от магазина, оценить его удаленность от станций метро. участь число расположенных поблизости магазинов другого профиля и т.д.

Для того чтобы вывести некоторый обобщенный коммуникативный показатель невозможно складывать число улыбок с длительностью контак­та глазами и вычитать из этой суммы количество выражений. св1Едетельст-вующрх о ндзкой речевой культуре. Бессмысленно складывать число авто­бусных маршрутов с числом соседних магазинов и вычитать из С}тиМ;ы велугару расстояния до ближайшего метро. Лучше собрать необходимый массив количественных данных, проводя исследование в ряде магазинов, подсчитать первичяые статистики для всех этих показателей, а затем, по­сле преобразования сырых данных, получить Т-баллы по каждому показа­телю.

При нормировании нз каждого полученного при сборе данных значе­ния в сырых единицах вычитают q-eninoic арифметическую, а разность делят на сигму. Полученную величину умножают на i0, затем прибавля­ют к 50 или вычитают из 50. Выбором последнего арифметического дей­ствия (сложение или вычитание) мы можем задать направление вклада, который делает этот параметр в высчитываемую интегральную оценку, т.е.

можем задавать направленность преобразования, учитывая специфику данного параметра. Если конкретное значение в сырых единицах превы­шает среднюю арифметическую, мы можем нормированное отклонение (разность, деленную на сигму) приплюсовать к 50. Это будет соответство­вать большей выраженности оцениваемого психического качества у данно­го испытуемого, чем в среднем по нашей выборке.

Например, большее у конкретного продавца количество улыбок на одну сигму (чем в среднем) количественно теперь будет выражено: 60 Т-баллами. Количественную оценку признаков высокой речевой культуры в нормированных отклонениях следует прибавлять к. 50 Т-баллам, а низкой речевой культуры — вычитать из 50 Т-баллов. Если. например, количест­венная оценка некоторого признака отрицательной направленности (в сы­рых баллах), превышает среднюю величину на полсигмы. то в Т-баллах ока будет равна 45. После такого рода преобразований, подсчитывая инте­гральный показатель коммуникативной умелости.для конкретного испы­туемого, мы можем прибавлять одни Т-баллы к другим.

Форму стандартизирования данных целесообразно выбирать с учетом размаха полученных сырых оценок и числа градаций. Если в сырых ow.h-ках число градаций 7-! 5, то могут оказаться вполне подходящими стенай-ньг. Если же число градаций достигает 30 н более при небольшой скошен­ности распределения (асимметрии), то переводя эти показатели в стенайны мы будем огрублять оценки, т.е. терять некоторую долю точности произве­денного измерения Если есть основания считать что ваши измерения дос­таточно эффективны (например- есть данные о хорошей ретестовой надеж­ности, обнаружены высокие корреляции полученных в измерениях показа­телей с ясными и надежными внешними критериями валг.дизации и т.д.), то оправданным будет использование стандартных единиц имеющее такое же или даже несколько большее число градаций.