МИНОБРНАУКИ РОССИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Психодиагностика
рабочая программа дисциплины

Закреплена за кафедройКафедра психологии коммуникаций и психотехнологий
Направление подготовки39.03.03. Организация работы с молодежью
Форма обученияОчная
Общая трудоемкость6 ЗЕТ
Учебный план39_03_03_ОРсМ-4-2019
Часов по учебному плану 216
в том числе:
аудиторные занятия 84
самостоятельная работа 105
контроль 27
Виды контроля по семестрам
экзамены: 6
зачеты: 5

Распределение часов по семестрам

Курс (семестр) 3 (5) 3 (6) Итого
Недель 15 18,5
Вид занятий УПРПДУПРПДУПРПД
Лекции 18 18 18 18 36 36
Практические 24 24 24 24 48 48
Сам. работа 66 66 39 39 105 105
Часы на контроль 0 0 27 27 27 27
Итого 108 108 108 108 216 216

Программу составил(и):
доктор социологических наук, профессор, Максимова Светлана Геннадьевна;кандидат социологических наук, доцент, Омельченко Дарья Алексеевна;старший преподаватель, Суртаева Ольга Валерьевна

Рецензент(ы):
кандидат социологических наук, доцент, Ноянзина Оксана Евгеньевна

Рабочая программа дисциплины
Психодиагностика

разработана в соответствии с ФГОС:
едеральный государственный образовательный стандарт высшего образования по направлению подготовки 39.03.03 Организация работы с молодежью (уровень бакалавриата) (приказ Минобрнауки России от 20.10.2015г. №1173)

составлена на основании учебного плана:
39.03.03 Организация работы с молодежью
утвержденного учёным советом вуза от 25.06.2019 протокол № 9.

Рабочая программа одобрена на заседании кафедры
Кафедра психологии коммуникаций и психотехнологий

Протокол от 28.08.2018 г. № 1
Срок действия программы: 2018-2020 уч. г.

Заведующий кафедрой
д.с.н., профессор С.Г. Максимова

Визирование РПД для исполнения в очередном учебном году

Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2019-2020 учебном году на заседании кафедры

Кафедра психологии коммуникаций и психотехнологий

Протокол от 28.08.2018 г. № 1
Заведующий кафедрой д.с.н., профессор С.Г. Максимова

1. Цели освоения дисциплины

1.1.Формирование целостной системы представлений основных о психодиагностике и психометрике, повышение уровня компетентности в использовании психодиагностических методов, развитие навыков конструирования тестовых психологических методик.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.Б

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОК-7: способностью к самоорганизации и самообразованию
ОПК-4: готовностью к кооперации с коллегами, к работе в коллективе
ПК-10: Способностью осуществлять сбор и классификацию информации
ПК-11: Владением навыками составления информационных обзоров по исследуемой проблеме
ПК-13: Способностью применять статистические и социологические методы сбора социальной информации
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.Основные методические, этические, профессиональные принципы психодиагностики как сферы социальной и психологической практики. Методики для изучения особенностей личности, характера и темперамента, интеллекта, их назначение и процедуры проведения. Основы теории измерения и математической статистики, назначение, содержание диагностических шкал, тестовые нормы психодиагностических методик. Теоретико-методологические и организационно- методические основы создания психологического теста, отечественные и зарубежные концепции личности, концепцию психического свойства в психодиагностике. Этапы создания тестовых методик, представления об этапе стандартизации и валидизации теста, его адаптации и расчета тестовых норм. Принципы получения и использования психодиагностической информации, этические проблемы психологической диагностики. Осознавать проблемы профессионализма специалистов, последствия некорректного применения психодиагностических методов, важность защиты психодиагностических методов от некорректного использования, в том числе для манипулирования сознанием.
3.2.Уметь:
3.2.1.Применять свои способности к самоорганизации и самообразованию при разработке инструментария, проведении опроса, создании базы эмпирических данных по результатам проведения психологической диагностики. Уметь проводить первичный анализ психодиагностической шкалы, ее соответствия виду нормального распределения, проверять гипотезы о взаимосвязи с другими шкалами тестов, оценивать валидность и надежность инструмента. Уметь компетентно подобрать психодиагностический инструментарий, исходя из задач диагностирования, валидности и надежности метода. Умеет организовывать процесс диагностирования, создавать условия для наиболее эффективной диагностики, в том числе для самообразования.
Уметь применять математические методы для анализа выбранного свойства личности, использовать их для построения математической модели и ее описания. Умеет обосновывать использование методов математического анализа и моделирования для проведения экспериментального исследования личностного свойства и конструирования психологического теста. Использовать полученные знания и умения в процессе самообразования для улучшения самоорганизации.
3.3.Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.Навыками организации, проведения и анализа результатов исследования структуры личности с определенными свойствами, разработки психодиагностического инструментария; навыками анализа психодиагностических данных, выявления взаимосвязей и статистической зависимости между различными шкалами, проверки надежности и валидности теста, расчета тестовых норм; навыками анализа результатов психометрических исследований и их использования для оценки эффективности психодиагностических методов, возможностей и ограничений их использования, в том числе для самоорганизации и саморазвития.
Применять полученные навыки для проведения теоретических и экспериментальных исследований в своей профессиональной деятельности, используя способности к самоорганизации и самообразованию. Владеть навыками комплексной интерпретации результатов диагностирования по нескольким методикам, составления общей диагностической картины обследуемого, в том числе себя, разрабатывать предложения и рекомендации по использованию результатов диагностики для устранения недостатков и развития достоинств.

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. Психологическая диагностика как сфера социальной практики
1.1. Востребованность психологической информации в современном мире Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
1.2. Критерии профессионального использования тестовых методик Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
Раздел 2. Теоретико-методологические основания психологической диагностики
2.3. Предмет психологической диагностики Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
2.4. Определение понятия «психическое свойство» в психодиагностике Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
2.5. Концепции личности как концептуальной основание психологической диагностики Лекции 5 4 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
2.6. Психологическая диагностика с использованием тестов «Черты характера и темперамента», MMPI, «Потребность в достижении», «Потребность в общении» Практические 5 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
2.7. Психологическая диагностика с использованием тестов «Самоактуализационый тест», «Опросник EPQ Г.Айзенка», «Шестнадцать личностных факторов Р.Кеттела», «Тест интеллекта Г. Айзенка» Практические 5 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
Раздел 3. Методы психодиагностики
3.8. Проблемы методологии психологического исследования Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
3.9. Методы психологической диагностики Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
3.10. Психологическая диагностика с использованием тестов «Методика исследования тревожности Ч. Спилбергера», «Тест социально-психологической адаптированности К. Роджерса и Р.Даймонда». Практические 5 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
3.11. Знакомство с программой SPSS. Создание и редактирование файлов. Психологическая диагностика с использованием тестов «Методика изучения структуры темперамента Я. Стреляу», «Методика изучения акцентуаций личности К. Леонгарда (модификация С. Шмишека). Практические 5 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
Раздел 4. Структура диагностического процесса
4.12. Диагностическая деятельность как процесс Лекции 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
4.13. Создание базы данных на основе результатов тестирования. Практические 5 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
4.14. Разработка оснований для индивидуального проекта по созданию учебного психологического теста: определение выбранной для диагностирования черты, формулирование контрольного вопроса для самооценки испытуемых. Практические 5 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
4.15. Опрос выборки и ввод полученных данных в программе SPSS Практические 5 4 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
4.16. Опрос экспертов и ввод экспертных данных в программе SPSS Практические 5 4 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
4.17. Расчет в программе SPSS показателей асимметрии и эксцесса. Построение гистограммы. Работа по достижению нормального распределения ответов по созданной шкале. Проверка эмпирической валидности шкалы на основании данный опроса по выборке и экспертного вопроса Практические 5 4 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
4.18. Подготовка отчета по исследованию психического свойства для зачета Сам. работа 5 66 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
Раздел 5. Психологический тест: принципы организации, классификация, психометрические требования
5.19. Тест как стандартизированное измерение Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
5.20. Характеристики эффективных тестовых методик Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
5.21. Создание HELPa и сравнение средних в подгруппах данных в программе SPSS (t-критерий Стьюдента) - на базе данных самооценки испытуемых по учебной шкале и ранее проведенного тестирования Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
5.22. Адаптация вопросов теста MMPI с учетом особенностей выборки, на базе которой разрабатывается индивидуальный тестовый проект. Создание базы данных адаптированных вопросов Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
5.23. Сравнение средних в подгруппах данных на базе шкалы самооценки, экспертной шкалы и данных по адаптированным вопросам теста MMPI. Отбор вопросов MMPI, по отношению к которым подтвердилась нулевая гипотеза (при сравнении с данными шкалы самооценки) Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
Раздел 6. Технология конструирования тестовых диагностических методик
6.24. Основные статистические понятия, используемые в психометрической практике Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.25. Статистические гипотезы и критерии Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.26. Использование многомерных методов (корреляционного, факторного, регрессионного) в конструировании личностных опросников Лекции 6 4 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.27. Технология разработки тестовых методик Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.28. Этапы стандартизации теста Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.29. Корреляционный и факторный анализ в программе SPSS. Факторизация данных шкалы самооценки и отобранных на предыдущем этапе адаптированных вопросов теста MMPI Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.30. Проведение факторного анализа на базе данных экспертной шкалы и отобранных с помощью t-критерия Стьюдента вопросов MMPI Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
6.31. Отбор вопросов для индивидуального учебного теста по результатам факторного анализа. Составление тестового ключа Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
Раздел 7. Современные проблемы психодиагностики
7.32. Современные проблемы психодиагностики Лекции 6 2 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
7.33. Опрос респондентов с помощью созданного учебного теста. Определение тестовых норм. Ввод данных тестирования в программе SPSS Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
7.34. Установление валидности созданного теста. Проведение факторного анализа результатов тестирования выбранной черты и экспертного опроса и данных тестирования с помощью тестов ЧХТ и MMPI Практические 6 2 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
7.35. Установление валидности созданного теста. Проведение факторного анализа результатов тестирования выбранной черты и экспертного опроса и данных тестирования с помощью тестов ЧХТ и MMPI Практические 6 4 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
7.36. Повторное тестирование с помощью созданного учебного теста. Расчет ретестовой и других видов надежности. Практические 6 4 ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
7.37. Подготовка итогового отчета по индивидуальному учебно-исследовательскому проекту. Подготовка презентации результатов учебно-исследовательского проекта Сам. работа 6 39 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1
7.38. Экзамен 6 27 ОК-7, ОПК-4, ПК-10, ПК-11, ПК-13 Л1.1, Л2.1

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания
5.2. Темы письменных работ (эссе, рефераты, курсовые работы и др.)
5.3. Фонд оценочных средств
ФОС прилагается
Приложения

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.1. Основная литература
Авторы Заглавие Издательство, год Эл. адрес
Л1.1 Крыштановский, А.О. Анализ социологических данных с помощью пакета SPSS: учеб. пособие для вузов Москва, 2007 http://biblioclub.ru/index.php?page=book_red&id=445561
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 Немов Р.С. Психология. В 3-х кн. Кн. 3. Психодиагностика. Введение в научное психологическое исследование с элементами математической статистики: учебник ВЛАДОС, 2016 http://www.studentlibrary.ru/book/ISBN9785691011344.html
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 Курс "Психодиагностика" на Образовательном портале АлтГУ http://portal.edu.asu.ru/course/view.php?id=675
Э2 Психологическая диагностика: вопросы теории и практики http://elibrary.asu.ru/handle/asu/709
6.3. Перечень программного обеспечения
Программное обеспечение для визуализации лекционного материала и семинарских занятий Microsoft Office.
Программное обеспечение для математико-статистического анализа данных IBM SPSS Statistics.

Microsoft Windows
7-Zip
AcrobatReader
6.4. Перечень информационных справочных систем
Электронная база данных «Scopus» (https://www.scopus.com/)
Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/)
Научная электронная библиотека eLIBRARY.RU (https://elibrary.ru/)

7. Материально-техническое обеспечение дисциплины

Аудитория Назначение Оборудование
Учебная аудитория для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска)
Помещение для самостоятельной работы помещение для самостоятельной работы обучающихся Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ

8. Методические указания для обучающихся по освоению дисциплины

Курс "Психодиагностика" реализован в системе Moodle, ссылка: https://portal.edu.asu.ru/course/view.php?id=675
В рамках лабораторных работ первого семестра студенты выполняют следующие виды деятельности:
1. Осуществляют самодиагностику и учатся интерпретировать полученные результаты тестирования (всего нужно будет пройти одиннадцать тестов, распределенных по отдельным лабораторным работам).
2.Заносят результаты тестирования в базу данных.
3. Проводят исследование по выбранному свойству (с помощью вопроса и экспертного опроса).
4. Проверяют полученные результаты самооценки и экспертного опроса на соответствие нормальному распределению.
5. Проводят проверку данных на эмпирическую валидность путем анализа корреляционных взаимосвязей между самооценкой респондентов (по вопросу) и средних экспертных значений.
6. Формулируют исследовательские гипотезы о взаимосвязи выбранного свойства и свойств, измеряемых шкалами тестов.
7. Готовятся к публичной защите результатов первой части исследования.
Структура отчета для зачета по психодиагностике
1.Титульный лист (оформляется в соответствии с требованиями, аналогичными для оформления рефератов, курсовых работ и пр.) Название работы – Отчет по дисциплине «Психодиагностика». Свойство «Название свойства».
2. Определения вашего свойства, которые вы нашли (не менее 3, с указанием ссылок на источники); определение, выбранное вами, обоснование выбора данного определения; ваш вопрос и шкала («линеечка» и полюса);
3. Данные. Таблица, включающая в качестве столбцов результаты по ответам на ваш вопрос (в мм.), результаты по 5 экспертам, средние экспертные значения, Help1 и Help2;
4. Оценка распределения по вашему вопросу на соответствие виду нормального распределения. Вся описательная статистика, критерии для проверки нормальности (Колмогорова-Смирнова и Шапиро-Уилка), гистограмма, ящичная диаграмма (боксплот, ящик с «усами») и квантильный график. Обязательно сделать вывод о соответствии/приближенности распределения, полученного на эмпирических данных к нормальному распределению.
5. Оценка распределения по экспертам на соответствие виду нормального распределения. Вся описательная статистика, критерии для проверки нормальности (Колмогорова-Смирнова и Шапиро-Уилка), гистограмма, ящичная диаграмма (боксплот, ящик с «усами») и квантильный график. Обязательно сделать вывод о соответствии/приближенности распределения, полученного на эмпирических данных к нормальному распределению.
6. Оценка эмпирической валидности на основе корреляционного анализа между «вопросом» и «экспертами».
Предоставляется вся соответствующая статистика из программы SPSS. (коэффициент корреляции Пирсона должен быть >0,4, иметь положительную направленность и высокую статистическую значимость (p<0,05)). Добавить после таблицы график рассеяния (ось Х – данные по вопросу, ось Y – данные по средним оценкам экспертного опроса).
7. Предварительные гипотезы. 15 или более предварительных гипотез о взаимосвязи вашего свойства со шкалами из пройденных методик. Гипотеза предполагает вероятностный характер, следовательно, они все включают слова «Вероятно», «Возможно» и т.п. В гипотезе вы обоснованно должны предположить наличие положительной или отрицательной взаимосвязи вашего свойства с каким-либо другим свойством, описываемым шкалами. Подробно о формулировке гипотез и требованиях к ним см. лабораторную работу №9 на странице курса.
Во втором семестре в рамках лабораторных работ студенты продолжают исследование психического свойства, погружаясь в овладение сложными многомерными статистическими методами (такими как корреляционный и факторный анализ), создают модель личности, обладающей исследуемым свойством. Вторая часть семестра посвящена конструированию опросника на исследуемое свойство и осуществление его первичной психометрической проверки.
Структура отчета для экзамена по психодиагностике
1. Вводная часть (пример):
- Объект
Свойство…
- Предмет
Свойство… в структуре личности студентов 3 курса факультета социологии.
- Цели
Основная цель: Создание опросника на оценку выраженности свойства… в структуре личности студентов 3 курса факультета социологии.
Дополнительная цель: Модель свойства… в структуре личности студентов 3 курса факультета социологии.
- Задачи
Выявить место и взаимосвязи свойства… в структуре личности студентов 3 курса факультета социологии (на основе оценки меры взаимодействия свойства… со шкалами из батареи стандартизированных методик).
Разработать инструментарий для оценки свойства… в структуре личности студентов 3 курса Социологического факультета, основываясь на вопросах из теста MMPI и ЧХТ.
Оценить валидность и надежность разработанного инструментария.
2. Определения вашего свойства, которые вы нашли (не менее 3); определение, выбранное вами, обоснование выбора данного определения; ваш вопрос на свойство и полюса.
3. Данные. Таблица, включающая в качестве столбцов результаты по ответам на ваш вопрос (в мм), результаты по 5 экспертам, усредненные результаты по экспертам, Help.
4. Оценка распределения по вашему вопросу на соответствие виду нормального распределения. Асимметрия и эксцесс. Гистограмма. Критерии на проверку нормальности. Все описательные статистики. Вывод о соответствии/несоответствии полученных данных нормальному распределению.
5. Оценка распределения по экспертам на соответствие виду нормального распределения, со всей выдаваемой описательной статистикой. Асимметрия и эксцесс. Гистограмма. Вывод о соответствии полученных данных нормальному распределению.
6. Предварительные гипотезы. 15 или более предварительных гипотез о взаимосвязи вашего свойства со шкалами из пройденных методик. Гипотеза предполагает вероятностный характер, следовательно, они все включают слова «Вероятно», «Возможно» и т.п. В гипотезе вы обоснованно должны предположить наличие положительной или отрицательной взаимосвязи вашего свойства с каким-либо другим свойством, описываемым шкалами.
7. Оценка валидности на основе корреляционного анализа между «вопросом» и «экспертами».
Предоставляется вся соответствующая статистика из программы SPSS. (коэффициент корреляции Пирсона должен быть >0,4, иметь положительную направленность и высокую статистическую значимость (p<0,05)).
8. Расчет Т-критерия Стьдента и U-критерия Манна-Уитни. Предварительная проверка на соответствие виду нормального распределения.
Таблицы расчета теста Колмогорова-Смирнова.
10. Т-критерий Стьюдента.
9. Критерий Манна-Уитни.
11. Корреляционный анализ (матрица корреляций по шкалам, которые вошли в факторный анализ+ экспертные оценки).
Предоставляются результаты в виде таблиц (одна по Пирсону, вторая по Спирмену) в которых отмечаются все достоверные корреляции шкал теста со своим вопросом и экспертными оценками (p<0,05).
12. Факторный анализ (метод главных компонент) проводится по всем значимым шкалам (выявленным на предыдущих этапах) или минимум 20 наиболее значимым + распределение по экспертам.
- таблица Total Variance Explained (Полной объясненной дисперсии).
По таблице сделать вывод о качестве модели: сколько факторов имеют собственное значение больше 1,0, какова доля дисперсии, объясняемая тремя факторами.
- таблица (Rotated) Component Matrix. Какой вариант включать в отчет, до или после вращения, вы решаете после предварительного анализа матрицы компонент и выяснения того, в какой фактор и с какой нагрузкой попало ваше свойство;
- графы взаимосвязей по факторам;
- описание и интерпретация факторов как единого целого через рассмотрение единства всех значимо вошедших свойств, включая ваше. Степень взаимосвязи вошедших свойств между собой оценивается по матрице корреляций, которая рассчитывается отдельно для вошедших в фактор шкал после предварительного расщепления по соответствующему help.
Пример «технического» описания фактора:
Первый фактор имеет собственное значение Х,ХХ (смотрим в таблице общей объясненной дисперсии, столбец «Итого») и описывает ХХ% дисперсии (смотрим столбец % объясненной дисперсии) переменных, вошедших в анализ. В данный фактор со значимой нагрузкой вошли переменные (перечисляются переменные с указанием в скобках факторной нагрузки, упорядочиваются по убыванию). Были выявлены следующие значимые взаимосвязи между переменными: (далее вы подробно описываете эти взаимосвязи, интерпретируете их.
Затем вы делаете «аналитическое» описание фактора, пытаясь связать воедино информацию о вошедших в фактор шкалах, их взаимосвязи, выраженности признаков, которые они измеряют в исследуемой подгруппе. Обязательно дать название, отражающее суть фактора.
Конструирование теста
13. Т-критерий вопросов (из cht и mmpi + свой вопрос) на основе help2. В отчете только отобранные вопросы – с наиболее значимыми различиями; в дальнейшем вошедшие в факторный анализ.
14. Корреляция экспертных оценок+свой вопрос+вопросы из cht и mmpi. Список отобранных вопросов с указанием коэффициента корреляции (отбираем по уровню значимости).
15. Факторный анализ по отобранным на предыдущем этапе вопросам + свой вопрос + эксперты.
Предоставляется список основных вопросов, выделенных на основе факторного анализа.
После факторного анализа обязательно следует интерпретация каждого вопроса, значимо вошедшего в ваш фактор: на что предположительно этот вопрос, какая часть смысловой нагрузки вопроса взаимосвязана с вашим свойством и почему.
16. Балансировка. Поскольку каждый вопрос имеет дополнительные смыслы, отражаемые вкладом каждого вопроса в другие факторы, необходимо провести балансировку – минимизировать вклады вопросов в другие факторы (хотя бы во второй фактор). Для этого нагрузки всех вопросов по второму фактору суммируются (отрицательный факторный вес отнимается) и подбираются дополнительные вопросы, имеющие наибольший вклад в первый фактор и приводящие общую сумму по второму фактору к 0.
В отчет вносится сумма факторных весов по второму фактору до балансировки, вопросы, которыми проводится балансировка и сумма факторных весов по второму фактору после балансировки.
Предоставляется список дополнительных вопросов, взятых на основе балансировки.
17. Проверка на внутреннюю согласованность теста
Приводится таблица статистик общей надежности и таблица статистик пунктов по отношению к суммарному баллу.
Интерпретируете общие результаты в соответствии со шкалой
Значение альфа Кронбаха
> 0.9 очень хорошее
> 0.8 хорошее
> 0.7 достаточное
> 0.6 сомнительное
> 0.5 плохое
0,5 недостаточное
По второй таблице делайте вывод о том, насколько хорошо вопросы, вошедшие в опросник «работают» и вносят вклад в суммарный балл.
18. Создание ключа. При условии вхождения экспертов в первый фактор с положительным значением: положительный факторный вес вопроса в первом факторе соответствует ответу на данный вопрос «да» (присваивается факторный вес вопроса в первом факторе при ответе «да» и 0 при ответе респондента «нет»); отрицательный факторный вес соответствует ответу «нет» (присваивается 0 при ответе «да» и факторный вес при ответе респондента «нет»). Балл, присваиваемый по вопросу равен его факторному весу в первом факторе по модулю. Если вопрос не «подходит», то возможно автор, проводивший первоначальный опрос перепутал полюса – поменять их местами. При отрицательном факторном весе в первом факторе по экспертам необходимо предварительно умножить каждый факторный вес в первом факторе на -1.
В отчет вносится таблица под заголовком «ключ», где указаны номера вопросов, варианты ответов «да» «нет» и значения присваиваемые в зависимости от того или иного ответа респондента.
19. Данные по первому опросу.
Оформляются в виде таблицы полученных индивидуальных значений по вашему опроснику. Обязательно включение вашего вопроса; значений help2; сумм индивидуальных результатов по опроснику; сумм индивидуальных результатов по четным и отдельно нечетным вопросам; указание уровня вхождения каждого респондента в ту или иную группу в соответствии с доверительным интервалом (заголовок столбца «выраженность свойства»; обозначения напротив каждого респондента: «невыраженное свойство», «норма», «выраженное свойство»).
20. Построение доверительного интервала: все кто ниже доверительного интервала «низкие», все кто выше «высокие» (но теперь уже несколько в ином смысле: лица с невыраженным свойством – норма – лица с выраженным свойством); т.е. создание тестовых норм. В качестве «нормы» берется диапазон стандартного отклонения.
Оформляется через предоставление описательной статистики из программы SPSS и графического оформления доверительного интервала: рисуете кривую нормального распределения и на горизонтальной оси обозначаете интервал «норма» с числовыми значениями границ этого интервала, также подписываете интервалы: «лица с невыраженным свойством», «лица с выраженным свойством».
Ниже располагаете гистограмму, оценку асимметрии и эксцесса, проверку на нормальность и т.д. для сумм индивидуальных значений по составленному вами опроснику.
21. Одномоментная надежность или однородность теста. Оценивается на основе корреляционного анализа между двумя половинами теста – четными и нечетными вопросами. В отчете приводится соответствующий анализ со всеми сопутствующими статистиками из программы SPSS.
22. Эмпирическая валидность – корреляция экспертов с сырыми баллами по соста

Методические рекомендации по выполнению лабораторных работ
Обработка данных в пакете SPSS 13.0
(краткое руководство к учебному курсу «Психологическая диагностика»)
1. Создание массива данных
Начиная работу в SPSS, исследователь должен организовать массив данных, в отношении которого будут применены операции расчета. При запуске программы открывается окно нового файла (Untitled – «без имени») с двумя страницами, соответствующими режимам работы с данными и переменными: Data View («отображение данных») и Variable View («отображение переменных»).
Если данные впервые вносятся в файл SPSS, вначале обычно заполняется страница Variable View.
Форма Variable View предназначена для описания переменных, участвующих в статистической обработке. Её строки соответствуют названиям переменных, а столбцы - их характеристикам, которые необходимо выбрать, щелкнув мышью по серому полю с названием столбца.
В таблице Variable View могут быть указаны следующие параметры переменных:
Name – название переменной. Имена переменных могут содержать буквы латинского алфавита и цифры, причем имя переменной обязательно должно начинаться с буквы. В имени переменной также могут содержаться такие специальные символы как подчеркивание, точка, @ и #. Последний символ в названии переменной не может быть подчеркиванием или точкой. В названии запрещается использовать пробел. Длина названия переменной не должна превышать 8 символов.
Type – тип переменной. В диалоговом окне Type в поле width («ширина») задается максимальное количество знаков, из которых может состоять значение переменной, включая позицию для десятичного разделителя, в поле Decimal Places (число десятичных знаков) вводится соответствующее количество знаков после разделителя;
Возможны типы переменных:
1) numeric («цифровой») – к допустимым значениям переменной этого типа относятся цифры, перед которыми стоит знак плюс или минус и десятичный разделитель. Знак плюс перед числом, в отличие от минуса, не отображается;
2) comma («запятая») – к допустимым значениям относятся цифры, перед которыми стоит знак плюс или минус, точка, как десятичный разделитель и одна или несколько запятых в качестве разделителей групп разрядов. Если запятые опускаются при вводе, они вставляются автоматически. В «ширине» такой переменной учитывается максимальное число знаков, включая десятичный разделитель и запятые между группами разрядов;
3) dot («точка») – к допустимым значениям переменной относятся цифры, перед которыми стоит знак плюс или минус, запятая, как десятичный разделитель и одна или несколько точек в качестве разделителей групп разрядов. Пропущенные при вводе точки вставляются автоматически;
4) scientific notation («научные обозначения»)– переменная может включать все допустимые численные значения, включая экспоненциальное представление, о котором свидетельствует содержащаяся в числе буква Е или D, а также знак плюс или минус;
5) date («дата») – значением переменной являются дата и время;
6) dollar - к допустимым значениям переменной относятся знак доллара, точка, как десятичный разделитель и запятые, как разделители групп разрядов. Если знак доллара или запятые опускаются при вводе, они вставляются автоматически.
7) custom currency («выбранная валюта») – в этом случае могут задаваться произвольные формы валюты, в после Width указывается максимальное число знаков, включая все заданные исследователем. Обозначение денежных единиц при заполнении Data View не указывается т.к. вставляется автоматически;
8) string («упорядоченная последовательность данных») – значения этой переменной представляют собой последовательности данных, строк электронных таблиц. К допустимым значениям переменной относятся буквы, цифры и специальные символы. Короткие строковые переменные могут содержать не более восьми знаков. Применение длинных строковых переменных ограничивается или вообще не допускается в большинстве процедур SPSS.
При вводе данных учитываются особенности:
 В численных форматах десятичным разделителем может быть либо точка, либо запятая. Точное значение переменной хранится в программе, а редактор данных отображает на экране лишь заданное число десятичных разрядов. Значения, которые имеют больше десятичных разрядов, округляются. Для вычислений применяется точное значение.
 В длинных строковых переменных значения дополняются пробелами до максимальной длины.
 В форматах даты в качестве разделителей между значениями дня, месяца и числа могут применяться косая черта, дефис, пробел, запятая или точка. Можно выбрать один из нескольких форматов даты (меню Data/ Define Dates).
 В форматах времени в качестве разделителей между значениями часов, минут и секунд могут использоваться двоеточие, точка или пробел.
 Форматы отображения валюты ССА, ССВ, ССС, CCD и ССЕ задаются с помощью вкладки Currency («валюта»), которая открывается командой меню Edit («правка») Options... («параметры...»).
Width – максимальное количество знаков, из которых состоит значение переменной (то же, что и пункт width в меню Type).
Decimals («десятичные разряды») – максимальное число знаков после разделителя (то же, что и пункт Decimal Places в меню Type).
Label («метка») – данные, служащие для идентификации переменной, например, в это поле может быть введен вопрос анкеты или текстовые примечания к количественным данным. Метка переменной может содержать до 256 символов. Прописные и строчные буквы в метках отражаются в том виде, в каком были введены.
Values – метки значений переменной. В диалоговом окне Value Labels в строке Value указывается значение переменной, а в строке Value Label – его расшифровка, например, значению переменной 1 (Value) соответствует метка «мужчина» (Value Label), а значению 2 – метка «женщина» и т.д. Каждому из возможных значений переменной соответствует только одна метка. Для того, чтобы добавить метку, необходимо нажать на кнопку Add («добавить»), изменить – на кнопку Change («изменить»), удалить - Remove («убрать»).
Missing («пропущенные значения») – выбор способов обозначения и обработки пропущенных значений. Если в массиве данных нет пропусков значений, в меню Missing Values следует выбрать флажок No missing values. При выборе пункта Discrete missing values («отдельные пропущенные значения») в специальных полях необходимо указать числовые обозначения, которые будут присваиваться пропущенным значениям. Их может быть несколько в соответствии с причинами возникновения пропущенных значений: отказ респондента от ответа, незнание ответа, пропуск пункта анкеты по невнимательности заполнявшего или вносившего данные в файл и т.д. В пункте Range plus one optional discrete missing value («диапазон и одно дополнительное пропущенное значение») указываются верхняя и нижняя границы диапазона пропущенных значений и дополнительно одно «точечное» обозначение пропущенных значений. Подобная мера требуется в случае необходимости отсечения заведомо нерелевантных ответов, например, если опрашивались респонденты в возрасте от 18 лет, значение переменной «возраст» не может быть равным 5.
Columns («столбцы») - указывается максимально возможное количество символов в ячейке соответствующей переменной.
Align («выравнивание») – возможно выравнивание данных по левому и правому краю ячейки, по центру.
Measure (вид измерения) – вид шкалы, при помощи которой измерялась переменная: Nominal – номинальная, Ordinal – порядковая (ранговая), Scale – интервальная шкала.
После указания необходимых характеристик всех участвующих в обработке переменных, приступают к созданию непосредственно массива данных.
Страница Data View представляет собой таблицу, столбцы которой соответствуют переменным, а строки – объектам измерения. Строки и столбцы таблицы можно добавлять, копировать, вырезать, очищать, сортировать или удалять как в программе Microsoft Excel, выбрав соответствующее действие при щелчке правой кнопкой мыши по полю их названия. Содержание таблицы может быть представлено числовыми значениями, символами, текстовыми обозначениями.
Если массив данных уже создан в какой-либо другой программе, совместимой с SPSS, например в Microsoft Office Access или Microsoft Office Exсel, нужные данные можно скопировать в Data View обычным способом, однако названия переменных придется указывать в программе заново.
Файл данных SPSS сохраняется при выборе пунктов Save (сохранить) или Save As (сохранить как) в меню File.
2. Расчет показателей описательной статистики
Описательная статистика, как правило, используется для первичной (начальной) характеристики полученных эмпирических данных и традиционно включает:
1) Анализ частот
2) Вычисление и анализ показателей центральной тенденции
3) Оценка разброса выборочных значений
Для построения одномерного частотного распределения необходимо выбрать в меню Analyze пункты Descriptive Statistics («описательные статистики») /Frequencies («частоты»). В диалоговом окне выбираются переменные для анализа. Важно помнить, что для вывода данных должен быть помечен флажок Display frequency tables. При нажатии кнопки ОК на экран монитора выводится общая статистика по переменной и таблица распределения частот.
При необходимости в диалоговом окне Frequencies («частоты») можно указать дополнительные показатели, которые нужно получить в ходе данной операции. Для этого в закладке Statistics следует поставить флажки напротив требующихся показателей:
 Quartiles («квартили»)
 Cut points for…equal groups («указать процент для n равных групп»)
 Percentiles («процентили»)
 Values are group midpoints («средние значения в подгруппах»)
 Central Tendency (Меры центральной тенденции): Mean («среднее арифметическое»), Mode («мода»), Median («медиана»), Sum («сумма всех значений выборки»)
 Dispersion («показатели разброса значений в выборке»): Std. Deviation («стандартное отклонение»), Variance («дисперсия»), Range («диапазон разброса»), Minimum («минимальное значение в выборке»), Maximum («максимальное значение в выборке»), S.E. mean – стандартная ошибка среднего.
 Distribution (дополнительные характеристики распределения значений): Skewness («асимметрия»), Curtosis («эксцесс»).
При осуществлении расчетов необходимо учитывать тип шкалы, с использованием которой была измерена переменная (см. гл. «Виды измерений и психодиагностические шкалы» в настоящем издании). Так, например, для номинальных данных может быть вычислено значение моды, но не значения медианы или среднего и т.д.
Для того, чтобы получить результаты частотной статистики в виде графика, необходимо выбрать закладку Charts («диаграммы») в диалоговом окне Frequencies («частоты») и указать нужный тип диаграммы: Bar Charts («линейная»), Pie Charts («пирог», круговая диаграмма), Histograms («гистограмма») – в том числе, с построением кривой нормального распределения (with normal curve).
Выбирая круговую или линейную диаграмму, следует определиться с тем, будет она построена по частотным (Chart Values Frequencies) или по процентным (Chart Values Percentages) соотношениям.
В закладке Format диалогового окна Frequencies можно указать порядок представления данных (Order by) описательной статистики:
Ascending Values (по возрастанию значений)
Descending Values (по убыванию значений)
Compare Variables (объединить данные по всем переменным в одну таблицу)
Organize output by variables (представить данные отдельно по каждой переменной)
Suppress tables with more than n categories (не выводить таблицы, содержащие более n категорий).
Если анализ частот не представляет интереса для исследователя, он может сразу обратиться к меню Descriptives закладки Descriptive Statistics («описательные статистики»). Чтобы сохранить полученные результаты в виде переменных, следует пометить флажок Save standardized values as variables, тогда вычисленные значения будут добавлены к общему массиву данных на странице Data View. Выбор статистик, которые необходимо получить, производится в закладке Options (опции, «необязательные выбираемые возможности»).
В окне Descriptives: Options можно задать расчет всех основных статистических показателей, перечисленных выше при описании меню Frequencies («частоты»).
3. Проверка распределения на нормальность
Если данные получены с использованием метрических (интервальной, отношений) шкал, перед проверкой статистических гипотез необходимо выяснить, насколько выборочное распределение близко к нормальному. Обычно для решения этой задачи применяют критерии Колмогорова-Смирнова и хи-квадрат Пирсона.
Критерий Колмогорова-Смирнова в программе SPSS 13.0 можно получить двумя способами:
1. Меню Analyze/ Descriptive Statistics/ Explore…(«проверить»). Следует перенести нужную переменную в строку Dependent List («зависимая переменная»); в закладке Statistics («статистики») при необходимости указать нужные показатели описательной статистики; в закладке Plots («графики») в поле Blockplots и Stem-and-Leaf убрать пометки, поставить флажок в поле Histogram и Normality plots with test («кривая нормального распределения и тест»); в закладке Options можно выбрать варианты работы программы с пропущенными значениями; нажать кнопку ОК.
Файл с результатами проверки будет включать:
 Общую характеристику данных (Case Processing Summary): количество действительных и пропущенных значений (N) в выборке, их процент к общему числу (Percent), общее число значений (Total)
 Таблицу показателей описательной статистике (если был поставлен флажок в меню Statistics)
 Тест на нормальность (Tests of Normality)
Тест Шапиро-Уилка проводится при объеме выборки менее 50 человек. Выборочное распределение достоверно не отличается от нормального, если уровень значимости критериев превышает 0,05.
 Гистограмму с указанием общего числа значений, среднего и стандартного отклонения по выборке
 Графики теоретического и эмпирического распределения значений выбранной переменной (Normal Q-Q Plot of…, Detrended Normal Q-Q Plot of…)
 Диаграмму частот значений переменной.
2. Меню Analyze/ Nonparametric Tests («непараметрические критерии»)/ 1-Samle K-S («критерий Колмогорова-Смирнова для одной выборки»). Нужную переменную перенести в окно Test variable List, в разделе Test Distribution («проверка распределения») поставить флажки напротив видов распределений, близость выборочного распределения к которым необходимо оценить (например, Normal – «нормальное»), нажать кнопку ОК.
Страница результатов будет содержать таблицу.
Распределение переменной является нормальным, если показатель значимости превышает 0,05 (в приведенном примере выборочное распределение не соответствует закону нормального распределения).
Чтобы получить показатель хи-квадрат Пирсона, необходимо следовать следующему алгоритму: в меню Analyze выбрать пункты Nonparametric Tests («непараметрические критерии»)/Chi-Square («хи-квадрат»), в диалоговом окне перенести нужную переменную в окно Test variable List. В поле Expected Values («ожидаемые значения»), указать ожидаемые частоты распределения значений переменной: All categories equal («равны для всех категорий») или Values («значения»: задать в соответствии с характером переменной), нажать ОК. Файл Output будет включать две таблицы: таблицу сравнения теоретического и эмпирического распределения значений и собственно таблицу с показателем хи-квадрат.
Если эмпирическое значение хи-квадрата превышает теоретическое (см. специальную таблицу), распределение не является нормальным.
4. Сравнение средних двух выборок с использованием t-критерия Стьюдента (для метрических шкал)
Найти в меню Analyze раздел Compare Means («сравнение средних») и соответственно поставленным задачам выбрать:
 t-тест для независимых выборок (Independent-Samples Т Test),
 t-тест для парных (зависимых) выборок (Paired-Samples Т Test)
Для сравнения двух независимых выборок: выбрать в подменю команду Independent-Samples T Test... (t-тест для независимых выборок). Откроется диалоговое окно Independent-Samples T Test, в списке исходных переменных щелкнуть по исследуемой переменной и перенести ее в список тестируемых переменных (Test Variable(s)). Аналогичным образом перенести другую переменную в поле Grouping Variable («группирующая переменная»). При нажатии кнопки Define Groups... («определить группы») появляется окно, в котором следует ввести значения двух категорий для группирующей переменной. Внести в поле Group 1 (группа 1) значение 1, а в поле Group2 - значение 2. Нажать кнопку Continue (продолжить) и вернуться в основное диалоговое окно. В закладке Options можно изменить настройки, установленные по умолчанию. Вернуться в основное диалоговое окно и нажать кнопку ОК.
На странице результатов будут представлены две таблицы.
Результаты проверки по t-критерию Стьюдента считаются достоверными, если дисперсии по критерию Ливена достоверно не различаются (уровень значимости больше, чем 0,05).
Для сравнения двух зависимых выборок: выбрать в меню Analyze/ Compare Mean пункт Paired-Samples T-Test. В окно Paired Variables перенести переменные, представляющие собой разнесенные во времени измерения одного и того же признака, нажать ОК.
На страницу результатов программа выведет три таблицы.
В вычислениях могут одновременно участвовать несколько пар зависимых переменных.
Различия средних двух выборок считаются достоверными, если уровень значимости Sig. не превышает значения 0,05.
5. Корреляционный анализ
Для выявления линейных взаимосвязей между переменными, измеренными в интервальной шкале, следует выбрать в меню Analyze разделы Correlate («установление корреляций»)/Bivariate («двумерные»). В диалоговом окне Bivariate Correations поставить флажок в графе Pearson (т.к. необходимо обработать интервальные оценки), перенести нужные переменные в поле Variables («переменные»), нажать кнопку ОК.
На страницу результатов программа выводит данные корреляционного анализа в виде таблицы.
Знаком * выделяются коэффициенты корреляции, значимые на уровне 0,05; знаком** - значимые на уровне 0,01.
6. Факторный анализ
Analyze/Data Reduction («редукция данных»)/ Factor. В диалоговом окне Factor Analysis необходимо выбрать переменные, которые будут участвовать в анализе, и переместить их в поле Variables («переменные»).
В закладке Extraction указываются:
 метод выделения факторов (Method, например, метод главных компонент Principal Components),
 исходные данные для вычисления (Analyze) – корреляционная или ковариационная матрица,
 выводимые на экран монитора результаты анализа: факторная структура без вращения (Unrotated factor solution) и кривая собственных значений факторов (Scree Plot)
 минимальный собственный вес (значение) фактора (Eigenvalues over…, – тогда программа выделит максимальное число факторов, собственное значение которых превышает заданную минимальную границу) или заданное число факторов (Number of Factors).
На страницу Output будут выведены результаты.
Кривая собственных значений используется для определения числа факторов, оптимального для описания полученной структуры данных.