В то время как метрические методы
предполагают наличие линейной зависимости между
факторами и переменными, техники многомерного шка-
лирования предполагают только сохранение монотонно-
сти конечного решения и анализируемой матрицы. Так,
например, в ранговой и оценочной решетках порядко-
вые отношения между конструктами в их связи с
конкретным элементом (то есть по какому конструкту
элемент оценивается наиболее высоко, по какому-
вторым и т. п.) сохраняются в конечном решении,
однако на основе этого решения ничего нельзя сказать
о том, насколько выше элемент был оценен по данному
конструкту, чем по другому. Уилсон отмечает, что в
тех областях, где измерение преимущественно прово-
дится по шкалам порядка или даже шкалам наименова-
ния, меньший акцент на линейные связи становится
преимуществом многомерного анализа неметрического
типа. Но у этого метода есть и недостатки. Наиболее
существенный практический недостаток заключается в
том, что существует слишком мало коммерческих
пакетов программ, доступных пользователям. Хотя
неметрические методы развиваются уже давно (47), они
далеко не так распространены, как метрические
методы.
Наиболее исчерпывающая классификация неметри-
ческих моделей, программ машинной обработки и спо-
собов организации данных приводится в работе Шепар-
да (194). Уилсон, однако, считает, что список Шепарда
далеко не полон, а количество разработок растет <с
устрашающей скоростью>.
В работе Уилсон рассматривается также имплика-
тивная модель Хейза (84), имеющая прямое отношение
к импликативным решеткам. В качестве первичных
данных в ней используются условные вероятности.
Модель позволяет получить матрицу расстояний, кото-
рая затем анализируется неметрическими методами.
Преимущество модели Хейза, по мнению Уилсон, со-
стоит в том, что она дает возможность обрабатывать
асимметричные условные вероятности и определять
веса (или значимости) полюсов конструктов. В соответ-
ствии с этой комбинированной характеристикой кон-
структы, наиболее тесно связанные с измерениями
1 Подробнее об этом см.: Шепард Р. Н. Многомерное шкалиро-
вание и безразмерное представление различий.- Психологический
журнал, 1980, т. 1, №4, с. 72- 83.- Прим. ред.
получаемого решения,-это центральные конструкты,
обладающие наибольшим весом. Они имплицируют
большое число других конструктов, в то время как их
имплицируют очень немногие конструкты. Уилсон под-
черкивает, что определение центральных конструктов
очень близко к представлению Хинкла о суперординат-
ности (88). Она считает, что мера расстояния Хейза
вместе с техникой неметрического многомерного шкали-
рования является, по-видимому, первым валидным
средством для определения размерности импликатив-
ных решеток.
Описание других программ компьютерной обработки
и методов статистического анализа можно найти в
работах Ландфилда (114), Франселлы (66), Уилкокса
(220), Гертина (79).
Сравнение решеток
Сравнение решеток различных типов
Репертуарным решеткам посвящено довольно много
исследований, так как цели их разработок весьма
разнообразны. При этом, однако, лишь немногочислен-
ные работы посвящены сравнению решеток различных
типов. Круг вопросов здесь таков: нацелены ли они на
исследование одних и тех же образований? Насколько
согласуются между собой данные, получаемые с по-
мощью решеток различных типов?
Поиску ответа, например, на последний вопрос
посвящена одна из работ Франселлы (63). При сравне-
нии ранговой и оценочной решеток одного и того же
испытуемого обнаружилось существенное расхождение
результатов в ориентации конструктов в пространствах
двух главных компонент.
В более позднем исследовании (69) коэффициент
корреляции между этими двумя методами оказался
равным 0,76. Эксперименты как в первой, так и во
второй работе проводились на одном испытуемом.
Причем, поскольку один из конструктов обнаружил
межтестовую корреляцию <-0,47>, ясно, что остальные
конструкты, несмотря на различие используемых мето-
дов, должны действительно сильно коррелировать меж-
ду собой.
В 1967 году Мэир и Бойд сравнили результаты,
полученные с помощью ранговой решетки и метода
разбиения пополам (145). Надо сказать, что и до этого
существовали доказательства сходства данных, получа-
емых при помощи этих методов. Так, обследуя больных
с нарушениями мышления, Баннистер показал согласо-
ванность результатов метода разбиения пополам (12) и
обычной ранговой решетки (20).
Мэир и Бойд проводили свое исследование на
24 молодых правонарушителях, которые заполняли ре-
шетки двух типов, одну сразу вслед за другой. Проце-
дура повторялась, через две недели. В качестве элемен-
тов использовались фотографии: 20 штук в методе
разбиения пополам и 10-в ранговой решетке. В
каждом случае проводилось сопоставление конструктов
похож на меня, похож на отца, похож на мать с
остальными 15 конструктами, а также сравнение связей
между конструктами разных решеток. Ниже приводят-
ся средние коэффициенты корреляции для трех кон-
структов (по обоим типам решеток): 0,5 для конструкта
похож на меня (диапазон от -0,76 до 0,82); 0,57 для
конструкта похож на отца (диапазон от -0,64 до 0,91);
0,48 для конструкта похож на мать диапазон от -0,36
до 0,84). Эти средние значения значимы по крайней
мере на уровне р<0,05 (для N=19). Означает ли такой
широкий диапазон значений корреляций, что конструкт
похож на меня имеет для некоторых испытуемых
противоположный смысл при работе с ранговой решет-
кой и при методе разбиения пополам? Если это так, то
в чем субъективная разница этих двух методов? Если
можно было бы показать, что у испытуемых с отрица-
тельным коэффициентом корреляции для конструкта
похож на меня (-0,76) отрицательны и коэффициенты
корреляции по другим конструктам, а у испытуемых с
высоким коэффициентом корреляции по одному кон-
структу высоки коэффициенты корреляций и по другим
конструктам, то это приблизило бы нас к пониманию
воспринимаемых испытуемым различий. Было бы еще
лучше, если бы у этих испытуемых оказались высоки-
ми коэффициенты корреляции и в тест-ритесте для
обоих типов решеток. В результате проведенного иссле-
дования Мэир и Бойд пришли к выводу, что применя-
емые методы не взаимозаменяемы.
Хонесс (93) сравнил ранговую решетку с биполярной
импликативной решеткой. В качестве испытуемых в
эксперименте участвовали дети (средний возраст-
12,8 года), которым предлагались конструкты, получен-
ные при анализе некоторых из составленных ими
рассказов. В качестве элементов снова использовались
фотографии. Первая группа детей сначала заполняла
ранговую решетку, а затем, через неделю,-
импликативную, через 4 недели-вновь ранговую. Вто-
рая группа детей заполняла решетки в следующей
последовательности: импликативная, ранговая, импли-
кативная. Корреляция между двумя методами внутри
групп оказалась равной 0,50. Этот результат очень
похож на результат, полученный Мэиром и Бойдом,
однако статистически гораздо более значим (N=41).
Хонесс приводит и другие данные. Например, для
импликативной решетки корреляция тест-ритест ока-
залась значительно больше, чем для ранговой (0,82 и
0,66).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65
предполагают наличие линейной зависимости между
факторами и переменными, техники многомерного шка-
лирования предполагают только сохранение монотонно-
сти конечного решения и анализируемой матрицы. Так,
например, в ранговой и оценочной решетках порядко-
вые отношения между конструктами в их связи с
конкретным элементом (то есть по какому конструкту
элемент оценивается наиболее высоко, по какому-
вторым и т. п.) сохраняются в конечном решении,
однако на основе этого решения ничего нельзя сказать
о том, насколько выше элемент был оценен по данному
конструкту, чем по другому. Уилсон отмечает, что в
тех областях, где измерение преимущественно прово-
дится по шкалам порядка или даже шкалам наименова-
ния, меньший акцент на линейные связи становится
преимуществом многомерного анализа неметрического
типа. Но у этого метода есть и недостатки. Наиболее
существенный практический недостаток заключается в
том, что существует слишком мало коммерческих
пакетов программ, доступных пользователям. Хотя
неметрические методы развиваются уже давно (47), они
далеко не так распространены, как метрические
методы.
Наиболее исчерпывающая классификация неметри-
ческих моделей, программ машинной обработки и спо-
собов организации данных приводится в работе Шепар-
да (194). Уилсон, однако, считает, что список Шепарда
далеко не полон, а количество разработок растет <с
устрашающей скоростью>.
В работе Уилсон рассматривается также имплика-
тивная модель Хейза (84), имеющая прямое отношение
к импликативным решеткам. В качестве первичных
данных в ней используются условные вероятности.
Модель позволяет получить матрицу расстояний, кото-
рая затем анализируется неметрическими методами.
Преимущество модели Хейза, по мнению Уилсон, со-
стоит в том, что она дает возможность обрабатывать
асимметричные условные вероятности и определять
веса (или значимости) полюсов конструктов. В соответ-
ствии с этой комбинированной характеристикой кон-
структы, наиболее тесно связанные с измерениями
1 Подробнее об этом см.: Шепард Р. Н. Многомерное шкалиро-
вание и безразмерное представление различий.- Психологический
журнал, 1980, т. 1, №4, с. 72- 83.- Прим. ред.
получаемого решения,-это центральные конструкты,
обладающие наибольшим весом. Они имплицируют
большое число других конструктов, в то время как их
имплицируют очень немногие конструкты. Уилсон под-
черкивает, что определение центральных конструктов
очень близко к представлению Хинкла о суперординат-
ности (88). Она считает, что мера расстояния Хейза
вместе с техникой неметрического многомерного шкали-
рования является, по-видимому, первым валидным
средством для определения размерности импликатив-
ных решеток.
Описание других программ компьютерной обработки
и методов статистического анализа можно найти в
работах Ландфилда (114), Франселлы (66), Уилкокса
(220), Гертина (79).
Сравнение решеток
Сравнение решеток различных типов
Репертуарным решеткам посвящено довольно много
исследований, так как цели их разработок весьма
разнообразны. При этом, однако, лишь немногочислен-
ные работы посвящены сравнению решеток различных
типов. Круг вопросов здесь таков: нацелены ли они на
исследование одних и тех же образований? Насколько
согласуются между собой данные, получаемые с по-
мощью решеток различных типов?
Поиску ответа, например, на последний вопрос
посвящена одна из работ Франселлы (63). При сравне-
нии ранговой и оценочной решеток одного и того же
испытуемого обнаружилось существенное расхождение
результатов в ориентации конструктов в пространствах
двух главных компонент.
В более позднем исследовании (69) коэффициент
корреляции между этими двумя методами оказался
равным 0,76. Эксперименты как в первой, так и во
второй работе проводились на одном испытуемом.
Причем, поскольку один из конструктов обнаружил
межтестовую корреляцию <-0,47>, ясно, что остальные
конструкты, несмотря на различие используемых мето-
дов, должны действительно сильно коррелировать меж-
ду собой.
В 1967 году Мэир и Бойд сравнили результаты,
полученные с помощью ранговой решетки и метода
разбиения пополам (145). Надо сказать, что и до этого
существовали доказательства сходства данных, получа-
емых при помощи этих методов. Так, обследуя больных
с нарушениями мышления, Баннистер показал согласо-
ванность результатов метода разбиения пополам (12) и
обычной ранговой решетки (20).
Мэир и Бойд проводили свое исследование на
24 молодых правонарушителях, которые заполняли ре-
шетки двух типов, одну сразу вслед за другой. Проце-
дура повторялась, через две недели. В качестве элемен-
тов использовались фотографии: 20 штук в методе
разбиения пополам и 10-в ранговой решетке. В
каждом случае проводилось сопоставление конструктов
похож на меня, похож на отца, похож на мать с
остальными 15 конструктами, а также сравнение связей
между конструктами разных решеток. Ниже приводят-
ся средние коэффициенты корреляции для трех кон-
структов (по обоим типам решеток): 0,5 для конструкта
похож на меня (диапазон от -0,76 до 0,82); 0,57 для
конструкта похож на отца (диапазон от -0,64 до 0,91);
0,48 для конструкта похож на мать диапазон от -0,36
до 0,84). Эти средние значения значимы по крайней
мере на уровне р<0,05 (для N=19). Означает ли такой
широкий диапазон значений корреляций, что конструкт
похож на меня имеет для некоторых испытуемых
противоположный смысл при работе с ранговой решет-
кой и при методе разбиения пополам? Если это так, то
в чем субъективная разница этих двух методов? Если
можно было бы показать, что у испытуемых с отрица-
тельным коэффициентом корреляции для конструкта
похож на меня (-0,76) отрицательны и коэффициенты
корреляции по другим конструктам, а у испытуемых с
высоким коэффициентом корреляции по одному кон-
структу высоки коэффициенты корреляций и по другим
конструктам, то это приблизило бы нас к пониманию
воспринимаемых испытуемым различий. Было бы еще
лучше, если бы у этих испытуемых оказались высоки-
ми коэффициенты корреляции и в тест-ритесте для
обоих типов решеток. В результате проведенного иссле-
дования Мэир и Бойд пришли к выводу, что применя-
емые методы не взаимозаменяемы.
Хонесс (93) сравнил ранговую решетку с биполярной
импликативной решеткой. В качестве испытуемых в
эксперименте участвовали дети (средний возраст-
12,8 года), которым предлагались конструкты, получен-
ные при анализе некоторых из составленных ими
рассказов. В качестве элементов снова использовались
фотографии. Первая группа детей сначала заполняла
ранговую решетку, а затем, через неделю,-
импликативную, через 4 недели-вновь ранговую. Вто-
рая группа детей заполняла решетки в следующей
последовательности: импликативная, ранговая, импли-
кативная. Корреляция между двумя методами внутри
групп оказалась равной 0,50. Этот результат очень
похож на результат, полученный Мэиром и Бойдом,
однако статистически гораздо более значим (N=41).
Хонесс приводит и другие данные. Например, для
импликативной решетки корреляция тест-ритест ока-
залась значительно больше, чем для ранговой (0,82 и
0,66).
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65