第１２回　第七部 　実験の計画と実施、 結果の分析（２） 

    結果の解釈

 

１　一般化をめぐる問題：　実験操作

実験の人工性

非日常性

←　日常的状況とは何か

普遍的な「日常」？

 

生態学的な妥当性

生態学的妥当性の欠如

ギブソン Gibson, J. J.，ナイサー Neisser, U

 

人間が生きている環境

環境のなかの生態学的な関係

 

環境に含まれる重要な変数

 

実験状況の変数の関係　←　環境の構造

　

２　母集団と標本

母集団への一般化可能性

被験者の代表性

「大学生の心理学」？

 

 

実験研究における母集団とは

ヒトという母集団

剰余変数が検討されているか

 

なにが剰余変数か？

←　理論，モデル　に依存

「大学生」であることが剰余変数として結果に影響を与えるか？

例

実験的操作は，生態学的に妥当か

被験者の選択は，剰余変数として影響するか

 

例

Hasegawa & Unuma 201

方法

独立変数

 

被験者

女子大学生３０名

 

構造記述

要素の統合

知覚される表情: 　普遍性

怒り

恐れ

嫌悪

驚き

喜び

悲しみ

 

 

エックマン

Ekman, P.

 

「女子大学性」であることが，代表性を低下させるか？

 

剰余変数として，結果に影響を与えるか？

 

　　「与えると考える根拠はない」

 

Reaction paper 課題

実験の人工性が問題となるのは，どのような時か？

被験者の選択が，母集団への一般化において問題となるのは，どのような時か？

 

 

３　後続研究の重要性

単一の実験から得られた結果

⇒　過度の一般化は危険

 

多くの研究結果が一貫しているか

⇒　科学的知識の精度をあげる

 

統計的に「有意でない」結果

 

検定力は充分か

研究仮説が真　⇒　仮説を受け入れる

⇒　仮説を棄却　（第二の過誤　β）

 

　　 

 

検定力をあげる方法　（p. 310, 表15-1）

被験者を増やす

 

誤差変動を減らす

 

概念的追試

剰余変数の存在

 

追試　⇒　剰余変数の存在の可能性が減少

 

同じ理論的命題を，異なる手続きで検証

⇒　反復ではなく，「概念的」追試

 

 

統計的分析の流れ

ローデータ　Raw Data

 

度数分布表，度数多角形

 

量的変数　⇒　数値要約　（記述統計量）

平均値

標準偏差（SD：　Standard Deviation）

 

 

量的変数間の関係

相関図（散布図）

相関係数　r

 

 

外れ値　（少数の極端な値のデータ）

平均値，相関係数を歪める

 

←　度数分布の確認

 

⇒　剰余変数の影響を検討する

 

 

外れ値に影響されない分析方法

間隔尺度　⇒　順位値　（順序尺度）

ノンパラメトリック検定

t検定　⇒　U 検定

 

外れ値を除外

基準は？

 

 

 

外れ値の処理

課題に応じた値を基準とする

選択反応時間　

単純反応時間

反応の分布から　２SD　あるいは　３SD以上離れた値を除外

 

 

 

外れ値の検定

　

　x1 測定値 μ　平均値　　　σ　標準偏差

２　あるいは　３　を基準とする

 

スミルノフ・グラブス (Smirnov‐Grubbs) 検定

 

 

 

相関係数の解釈

直線相関

Pearson の積率相関係数　：　r

 

曲線相関

相関比　：　η2

 

偏相関係数　

疑似相関をみつける

Pp.337-340

表16-3 

機敏さ X，得点能力 Y，身長 Z

 

相関係数

x 　機敏さ

y　得点能力

 

 

 

何を意味しているか？

 

 

　相関を評価する

偏相関係数

 

　x 　機敏さ

　y　得点能力

   z  　身長

 

 

次回への事前課題

統計的検定における第１種の誤りとは？

 

Reaction paper 課題

X 　勉強時間

Y　　成績

偏相関から何が言えるか

Z　　勉強のスキル