I. Cercetarea stiintifica in psihologie.

Particularitati si obiective

1. Scopurile cursului
Acest curs are doua scopuri:
a) Transformarea studentilor din consumatori de cunoastere
psihologica in producatori ai acesteia – ceea ce necesita
instrumente adecvate, si anume metodele de cercetare;
b) Studiul metodologic stiintific (metode, principii, suportul statistic),
ce ne ofera posibilitatea intelegerii si evaluarii cercetarilor
conduse de altii.
Este necesar sa intelegem specificul acestei cunoasteri psihologice
prin cercetare pentru ca exista si alte forme care incearca sa explice
psihologia omului: arta, literatura, religia, cunoasterea naiva
(cotidiana, empirica).

2. Caracteristicile cunoasterii comune

a) spre deosebire de realitatea fizica sau chimica, de exemplu,
realitatea socio-umana este direct accesibila, de unde iluzia
facilitatii cunoasterii umane;
b) realitatea socio-umana ne este foarte familiara, astfel incat
subiectul naiv poate intelege corect comportamentul celorlalti sau
are iluzia ca il poate intelege.
c) Oamenii formuleaza ipoteze, atribuie cauze, atribuie succesul,
esecul, fac inferente, judecati, unii avand strategii cognitive foarte
complexe, flexibile, subtile. Ei sunt experti sau considera ca sunt
experti in spatiul lor direct de munca si de viata.
d) In spatiul lor de viata, oamenii se comporta ca mici oameni de
stiinta. Astfel, cu greu pot fi gasite constatari si explicatii in
psihologie care sa aiba si corespondente in cunoasterea comuna
(proverbe, zicatori).
e) Cunoasterea comuna este puternic stratificata, de la constatari
simple (stereotipuri, prejudecati) pana la explicatii si interpretari
nuantate.

Concluzii:
Exista o serie de aprecieri intre cunoasterea stiintifica si cea
comuna, dar cunoasterea comuna, desi nu este in mod obligatoriu
lipsita de valabilitate, nu este in mod necesar valida.

Limitele cunosterii comune

a) Subiectivitatea: cunoasterea comuna este puternic personalizata,
tine de cel care emite.

1
 b) Tendinta de a absolutiza pe baza unei situatii particulare.
c) Cunoasterea comuna se bazeaza pe legaturi aparente.
d) In cunoasterea comuna se face confuzie intre familiar si
cunoscut.
e) Cunoaterii comune ii lipseste precizia, nu masoara.
f) Numeroase erori in cunoasterea comuna provin din fenomene
banale. De exemplu, ordinea prezentarii informatiilor, recenta
informatiilor. (Erorile perceptiei interpersonale sunt determinate si
de limitele cunoasterii comune).
g) Nu detine un cod coerent de cunoastere despre comportamentul
uman.
h) Rezultatele cercetarii psihologice uneori sunt diferite de ceea ce
crede omul obisnuit (vezi experimentul lui Milgram).
i) Unii oameni considera ca perspectiva lor este singura corecta
asupra realitatii socio-umane.
j) Uneori, cunoaterea comuna creeaza explicatii post-factum.

3. Cunoasterea psihologica stiintifica

Fiind o stiinta, psihologia utilizeaza metode sistematice pentru a
observa, descrie, explica si a face predictii asupra comportamentelor si
proceselor psihologice.
Ceea ce separa cunoasterea stiintifica de cea comuna este metoda.
Metoda stiintifica este o metoda empirica – adica este activ bazata
pe experienta in raport cu lumea.
In acelasi timp, cunoasterea psihologica trebuie sa se delimiteze de
pseudopsihologie, care este un sistem nonstiintific pentru ca descrierile,
explicatiile si predictiile lor nu pot fi verificate, iar daca sunt verificate, se
dovedesc nefundamentate.

4. Programul cercetarii in psihologie

In psihologie, progresul cercetarii si cunoasterii se realizeaza, in
principal, prin dezvoltarea unei teorii psihologice.
Teoria reprezinta un set coerent de idei care ajuta in explicarea
observatiilor si in elaborarea predictiilor. Ea are ipoteze sau enunturi care
pot fi testate pentru a determina corectitudinea lor. Teoria poate fi definita
si ca o constructie ideala sau conceptuala care incearca sa organizeze si
sa exploreze anumite aspecte ale ambiantei.
O cercetare psihologica poate fi condensa pentru descoperirea a cat
mai multe fapte, dar stiinta moderna avanseaza daca reusim sa descriem
cat mai multe fapte prin cat mai putine teorii (principii fundamentale).
In psihologie, teoria are doua scopuri principale:
a) trebuie sa fie capabila sa explice cat mai multe fapte;

2
 b) sa permita cercetatorilor sa elaboreze predictii asupra a ceea ce
se va intampla in noi situatii.

Scopul multor cercetari este de a testa predictiile utilizand metode

stiintifice. Predictiile sunt adesea prezentate in forma ipotezelor, care sunt
afirmatii despre relatia cauzala dintre fenomene particulare.
Avantajul de a avea o teorie este acela ca stim unde sa cautam
pentru confirmare, pentru explicatie. Progresul stiintific se realizeaza astfel
prin trei modalitati:
1. Prin colectarea unor date care sustin teoria.
2. Prin colectarea unor evidente care o contrazic.
3. Cand supunem teoria la proba si ea ne explica de ce se
intampla, nu numai sa descrie ce se intampla.

5. Scopurile si principiile unei bune cercetari.

a) Scopurile: - descriere;
- predictie;
- control (manipularea factorilor care afecteaza
comportamentele respective);
- explicatie.
b) Principiile unei bune cercetari:
1. Fidelitatea – calitatea unei cercetari prin care un
rezultat empiric poate fi reprodus. Repetand
cercetarea, obtinem acelasi rezultat, deci el nu este
rodul unei intamplari.
2. Validitatea – exprima faptul ca o cercetare arata
ceea ce si-a propus sa arate.
Exista mai multe tipuri de validitate:
• validitate predictiva;
• validitate concenenta (concordanta cu cercetari
similare) – permite diferentierea celor cu rezultate
superioare de cei cu rezultate inferioare.
• validitate de continut – in sensul ca ipoteza
cercetata reflecta aspectele relevante ale
conceptului, teoriei.
• validitate aparenta – cercetarea sa fie credibila.
• validitate de construct (strans legata de
validitatea de continut) – se refera la esenta
conceptului (se masoara realmente ceea ce si-a
propus sa masoare).
3. Sa fie cumulativa – adica sa tina seama de alte
cercetari in domeniu, fie ele bune sau rele.

3
 4. Caracter economic – o buna teorie este aceea care
ofera cea mai simpla, mai economica si mai eficienta
explicatie a evidentei.
5. Caracter public – cercetarea trebuie supusa la o
posibila critica de evaluare de catre comunitatea
stiintifica.

II. Metodologie psihologica. Strategii

si metode de cercetare.

1. Metodologie si metoda
1.1. Ce este metodologia?
Exista doua acceptiuni:
• conceptia generala a cercetatorului cu privire la
principiile teoretico-stiintifice pe care se bazeaza;
• ansamblul metodelor si procedeelor folosite in
psihologie pentru a recolta si interpreta date empirice in
vederea construirii si evaluarii de ipoteze teoretice
despre comportament si psihic.
O metodologie are urmatoarele elemente de clase:
a) enunturile teoretice (sau principiile metodologice sau
teoriile de baza);
b) metodele si tehnicele de culegere a datelor;
c) tehnicile si procedeele de prelucrare a datelor (de
ordonare, de sistematizare);
d) procedeele de analiza, interpretare a datelor empirice in
vederea elaborarii de descrieri, tipologii, explicatii, predictii.

1.2. Metoda
Metoda este calea, itinerariul, structura de ordine, programul dupa
care se regleaza actiunile practice si intelectuale in vederea atingerii unui
scop.

1.3. Tehnica si procedee

Componentele metodei se numesc procedee sau tehnici (unii autori
considera ca tehnica este compusa din procedee). In principiu, tehnica
(sau procedeul) consta intr-un ansamblu de reguli care trebuie strict
aplicate intr-o situatie strict determinata.

4
 2. Clasificarea metodelor
Nu exista un consens al cercetatorilor in ceea ce priveste teoria
metodelor (tipologia, criterii de clasificare).
Tipuri de clasificare:
ZLATE, 1996, p.92, “Fundamentele psihologiei”
dupa: - caracter metode obiective
metode subiective
- scop  metode de recoltare a datelor
metode de diagnoza
metode de prognoza
- specificul relatiilor investigate  metode cantitative
metode calitative
Alti autori, considerand experimentul important prin posibilitatea
controlului variabilelor, impart metodele in experimentale si
nonexperimentale.
De exemplu, in metodologia nonexperimentala, ei incadreaza:
a) Studiul de caz = studiul, in profunzime, al unui individ singular;
Avantaj: tablou detaliat al comportamentului si dezvoltarii
persoanei.
Dezavantaje:
- nu poate fi foarte generalizata;
- poate reflecta tendintele deformatoare ale
observatorului;
b) Observatia naturala = observarea oamenilor in ambientul lor
natural si fara manipularea comportamentului;
Avantaje:
- ofera o buna descriere a comportamentului;
- comportamentul nu este distorsionat pentru ca se
desfasoara in conditii naturale;
- este o sursa pentru ipotezele de cercetare.
Dezavantaje:
- nu poate explica relatii de tip cauza-efect;
- se manifesta tendintele observatorului.
c) Observatia de laborator = observatia in laborator, fara
manipularea comportamentului.
Avantaje:
- descriere mai buna;
- control mai mare decat in ambientul natural;
Dezavantaje:
- artificialitatea;

5
 - nu poate explica relatii de tip cauza-efect;
- se manifesta tendintele observatorului.
d) Interviul  participantii sunt chestionati despre anumite aspecte
ale vietii lor.
Avantaj: grad mai mare de implicare in viata, atitudinile si opiniile
persoanei.
Dezavantaje:
- pierderi de memorie;
- distorsiuni voluntare ale memoriei.
e) Studiile de corelatie = studii care masoara directia si marimea
relatiei intre variabile.
Avantaj: permit predictii despre o variabila plecand de la cealalta
variabila.
Dezavantaj: nu pot determina relatia cauza-efect.

AB A B
BA A B COVARIATIA
A B (variaza impreuna, dar nu exista relatia
A B cauza-efect).

Metodele experimentale – constau in proceduri controlate in care

experimentatorul manipuleaza variabila independenta pentru a determina
efectul asupra variabilei dependente.
Experimentul poate fi condus in laborator, in teren sau poate fi
utilizat evenimentul natural.
Avantaje: - stabileste relatia cauza-efect;
- procedurile sunt puternic controlate, astfel ca ele
pot fi repetate de alt cercetator (grupul de control
este foarte puternic la experimentul de laborator si
mai redus la experimentul natural);
Dezavantaj: rezultatele de laborator pot fi mai greu generalizate in
afara lui  experimentului ii lipseste validitatea ecologica.

Clasificarea metodelor difera de la autor la autor.

Exista si metode statistice. Acestea pot fi clasificate in:

a) Statistici descriptive – masurarea tendintei centrale si
variabilitatea (abaterea standard etc.); rezuma datele de
cercetare.
b) Statistici corelationale – masoara variatia concomitenta a doua
variabile.

6
 c) Statistici inferentiale – utilizate pentru a vedea daca modificarile
variabilei dependente sunt cauzate de variabila independenta.

3. Strategii de cercetare

3.1. Strategii corelationale si strategii experimentale

a) In strategia corelationala scopul este de a descrie intensitatea

relatiei dintre doua sau mai multe caracteristici. Este foarte
utilizata, pentru ca legic, cu cat mai puternic sunt asociate, cu
atat mai eficient putem sa-l prognozam pe unul pornind de la
celalalt.
Exemplu: Hipertensiunea arteriala este asociata puternic cu
lipsa abilitatii de a controla stresul
• inabilitatea de a controla stresul = A;
• hipertensiunea arteriala = B.

A B
B A Deci, in strategia corelationala nu exista relatia
C A cauza-efect.
B

b) In strategia experimentala putem identifica cauzele unui

comportament in experiment (putem manipula unul sau mai multi
factori banuiti ai comportamentului, dar ceilalti sunt mentinuti
constanti).

Un experiment are urmatoarele componente:

1. Grupul experimental = grupul a carui experienta este manipulata.
2. Grupul de control = tratat la fel ca si grupul de control, cu
exceptia factorului de manipulare.
3. Esantionarea aleatoare (randomizare) = distributie aleatoare a
subiectilor in grupul experimental si grupul de control. Reducem
astfel posibilitatea ca rezultatele experimentului (diferenta dintre
grupul experimental si grupul de control) sa fie datorate
diferentelor initiale dintre subiecti.
Toti subiectii trebuie sa aiba aceeasi sansa de a fi alesi intr-un
grup sau altul.


se mai numesc metodologii sau metode.

7
 Nota: atunci cand toate celelalte conditii sunt indeplinite, mai putin
distributia aleatoare in cele doua esantioane, se numeste
QUASIEXPERIMENT.

4. Variabila independenta = factorul manipulat expeimental;

5. Variabila dependenta – este cea care arata efectul.

Subiectii sunt distribuiti aleator in grupul

experimental si grupul de control

Gr. experimental – Gr. de control –

consum de alcool fara alcool

Tip de reactie (= variabila dependenta)

Metoda experimentala este preferabila oricarei alte metode, dar nu

putem recurge intotdeauna la experiment. Astfel, nu putem recurge la
experiment atunci cand:

1. problema este noua si cunoastem putin despre variabilele pe

care le manipulam
exemplu: SIDA

2. este imposibil sa manipulam variabilele

Exemplu: Nu putem studia experimental suicidul.

3. se incalca principii de etica a cercetarii.

8
 Schema principala a unei cercetari

Este necesara cercetarea?  Nu


Da

Cum?

Experiment Quasiexperiment Nonexperiment Studiu de caz


Cum?

• manipularea unei variabile Examinarea relatiilor

• compararea rezultatelor dintre variabile

• Ce ne spun datele despre acest studiu;

• Utilizarea statisticilor descriptive.

• Ce ne spun datele despre realitatea populatiei;

• Utilizarea statisticilor inferentiale.

Cum? Cum?

Analiza diferentelor Analiza corelatiei

dintre medii

3.2. Strategii nomotetice si idiografice

Vezi Zlate.

3.3. Strategii cantitative si strategii calitative

9
 Strategia cantitativa este bazata pe masurari precise, pe
experiment; mai este numita si paradigma ipotetico-deductiva sau
paradigma pozitivista); se confrunta cu abordarea de tip calitativ.

Date cantitative: • timp – secunde;

• scorul la un test psihologic;
• numarul de subiecti.
Date calitative (date nonnumerice): • ce spun oamenii;
• expresii grafice;
• continutul cantecelor etc.
Exista o disputa puternica. De exemplu, abordarii cantitative i se
reproseaza saracirea de semnificatii, reductionismul fata de multitudinea
variabilelor care intervin; se reproseaza eroarea naturalista, unele variabile
fiind in permanenta constructie (exemplu: imaginea de sine).

Abordarile calitative nu permit o estimare; se pierde din precizie.

Aceasta disputa cantitativ-calitativ (numita si abordare clinica –
abordare statistica) prezinta urmatoarea confruntare de idei:

Abordarea calitativa Abordarea cantitativa

(clinica) (statistica)

Clinicienii spun ca este:

- Dinamica - Mecanica
- Globala - Atomista
- Plina de semnificatii - Artificiala
- Holistica - Arbitrara
- Subtila - Fortata
- Simpatetica - Statica
- Profunda - Supersimplificata
- Naturala
- Vie
- Concreta
- Reala

10
 Abordarea calitativa Abordarea cantitativa
(clinica) (statistica)

Statisticienii spun ca este:

- mistica - operationala
- transcendenta - verificabila
- hazardata - fidela
- subiectiva - testabila
- nestiintifica - riguroasa
- nefidela - stiintifica
- neverificabila - precisa
- primitiva - precauta
- verbalista - credibila
- lipsita de control
- intuitiva

3.4. Strategii istorice si strategii anistorice

Stategiile istorice – propun ca predictia sa se faca si din date despre
situatia trecuta a subiectului.
Strategiile anistorice – tin cont doar de informatiile psihometrice si
de situatia prezenta a subiectului.

O strategie unitara presupune situatia trecuta, prezenta si

informatiile psihometrice.

III. Metoda experimentala in psihologie

1. Definitie si componente
Experimentul este un demers provocat asupra realitatii, este o
organizare metodica, rationala si practica prin care cercetatorul provoaca
anumite fenomene in conditii determinate pentru a le dezvalui conexiunile.
In cadrul experimentului noi putem stabili relatii de tip cauza – efect.
Caracteristicile experimentului:
1. Provocabilitatea – experimentul este provocat de individ.

11
 - exista doua tipuri de experiment: provocat
si invocat;
2. Repetabilitatea – experimentul poate fi repetat in aceleasi
conditii.
3. Controlul variabilelor
4. Izolarea variabilelor
Se vorbeste, in acest sens, de modelul experimental; acesta
se refera la factorii caracteristici experimentului respectiv, modul lor
de structurare, comportamentul obisnuit.

• Experiment de laborator
• Experiment natural

• Experiment psihopedagogic
• Experiment functional (vizeaza functii, procese psihice)
• Experiment explorator (grad mai mare de libertate)
• Experiment pilot (pentru a verifica unele variabile).

Elementele componente ale unui experiment sunt:

a) Ipoteza
b) Planul experimental = mersul experientei si se refera la toti
factorii implicati, succesiunea lor, etc.
- planul experimental poate fi redat sintetic intr-un
tabel.

Exemplu:

Plan experimental la memorie

Natura materialului Modalitati Subiecti

Clasa a V-a Clasa a VIII-a Studenti

Imagini 2 stimuli 30 30 30

2+1 stimuli 30 30 30

Cuvinte 2 stimuli 30 30 30

2+1 stimuli 30 30 30

12
 c) Variabila independenta reprezinta orice stimul care poate
avea o influenta relevanta, cauzala asupra unor
comportamente care devin variabila dependenta. In cazul
nostru, natura materialului (verbal-concret) reprezinta VI.
De asemenea, tot o VI sunt si modalitatile de prezentare.
VD = performanta in memorare.
De obicei, variabila independenta (VI) se noteaza cu
literele mari de la inceputul alfabetului (A,B,C), iar
modalitatile (adica cum se prezinta VI) se noteaza cu litere
mici (a,b,c).
De cele mai multe ori, variabilele clasificatorii pot fi
variabile discrete (care pot face parte numai dintr-o
categorie si nu din alta), spre deosebire de cele continui,
care presupun si anumite trepte intermediare.
Planul prezentat este un plan factorial, reunind toti factorii.
Modalitatile VI (imagini/cuvinte) pot fi fixate anticipat. In
acest timp, ele pot fi fixate si aleator.

d) Variabilele dependente (VD) sunt efectele VI. De multe ori,

VD sunt operationalizari ale unor constructe teoretice (de
exemplu: cum se masoara anxietatea)
- O VD trebuie sa fie sensibila la variatiile sau la
manipularile VI;
- VD trebuie sa fie fidela, adica sa dea efecte
statornice in timp.
- VD trebuie sa fie usor de masurat si bine definita.

In afara acestor variabile (VI,VD, variabile clasificatorii), mai exista

variabile intermediare sau variabile moderatoare, care modeleaza influenta
VI asupra VD. Exemple de variabile moderatoare: varsta, profesia sexul,
temperamentul s.a.m.d.
Uneori, asupra unei VD pot actiona mai multe VI si noi nu stim cui sa
atribuim relatia de cauza-efect. Apare confuzia (avem de-a face, in acest
caz, cu variabile confundate).

e) Participantii – de regula avem grupuri experimentale si

grupuri de control.

13
 2. Selectia si repartizarea subiectilor
Esantionul = acea grupare, in sens statistic, de subiecti pe care se
aplica procedura experimentala.
Problema de baza care se ridica este cum alegem acest esantion.
Modalitatea esentiala pentru a asigura un esantion adecvat este selectia
aleatorie (randomizare).
Atunci cand avem un experiment in care sunt respectate toate
conditiile, mai putin selectia aleatoare, se numeste cvasiexpeiment.
Exista urmatoarele tipuri de randomizari:
- simpla (tragerea la sorti);
- stratificata (impartim populatia in straturi);
- multistadiala (randomizarea grupurilor)
- multifazica (alegem initial un esantion de
dimensiuni mai mari si din el extragem un esantion
de dimensiuni mai mici);
Randomizarea este esentiala pentru controlul unor variabile straine,
sau parazite, ce pot deveni variabile confundate. Controlul variabilelelor
nerelevante se poate face prin urmatoarele procedee:

a) Randomizarea.

b) Balansarea – daca vom considera ca o anumita variabila care nu

poate fi eliminata sau controlata prin randomizare va influenta
rezultatele, impartim subiectii in mod egal in ambele grupuri (si in
grupul experimental si in cel de control). Experimentatorul se
roteste pe la ambele grupuri (tehnica pentru a reduce influenta
experimentatorului care poate sa redea consemne implicite este
experimentul dublu-orb).

c) Contrabalansarea sau rotatia – pentru a reduce efectul ordinii de

prezentare, prezentam intai A si apoi B, dar si B intai si apoi A.

d) Izolarea subiectilor

e) Mentinerea constanta a variabilelor straine identificate: atitudinea

constanta a experimentatorului, instructajul, sarcina, succesiunea
stimulilor, intervalul dintre stimuli, locul si momentul desfasurarii
experimentatorului, etc.

f) Putem recurge la controlul variabilelor sau la planuri

experimentale.

14
 Schema de baza a experimentului

I II III
GE X GE unde X = trata-
GC - GC mentul experi-
mental.
GE-GC=D1 GE-GC=D2

D1-D2 = importanta factorului experimental.

Pentru un control mai strict al variabilelor se folosesc 4 grupuri
(planul lui Solomon).

G1 R O1 M O2
G2 R M O3
G3 R O4 O5
G4 R O6

Unde, O = observatie
O1 si O4 = observatie preexperimentala;
O2, O3, O5 si O6 = observatie postexperimentala
M = introducerea factorului experimental.

Utilizarea GE si GC se poate face prin randomizare, sau prin tehnica

grupurilor perechi (prin balansare). Se realizeaza egalizarea celor doua
grupuri dupa echivalenta lor la factorul cunoscut care influenteaza VD. Cu
alte cuvinte, grupurile sunt de putere egala in raport cu respectiva
variabila.
Grupurile perechi sunt, deci, grupuri corelate in care am eliminat
astfel influenta unei variabile straine.
Uneori ne intereseaza sa elaboram planurile experimentale cu una
sau mai multe variabile independente.

15
 3. Planuri experimentale de baza
Planul experimental de baza contine o singura variabila
independenta, cu una sau mai multe modalitati.

G
A GE GC

a1

a2

a3

a4

Cateodata ne intereseaza efectul a doua VI.

Exemplu:
In studiul relatiilor interpersonale, interactiunea dintre fete si baieti in
functie de A = nivelul de autoapreciere al baietilor, cu a1 = ridicat si a2 =
scazut; B = gradul de atractivitate al fetelor, care poate avea 2 modalitati:
b1= atractive si b2 = nonatractive.

B
A b1 b2

a1 a1b1 a1b2 Planul expe-

rimental 2x2
a2 a2b1 a2b2

Exista si planuri mixte, in care variabila manipulata (VI) este pusa in

relatie cu una sau mai multe variabile clasificatorii.

16
 4. Amenintari la adresa validitatii
sau
planuri experimentale defectuoase

• Un experiment are validitate interna daca VI provoaca VD.

• validitate de construct = masura in care rezultatele sustin teoria ce
se afla in spatele cercetarii, ceea ce presupune ca si
operationalizarea conceptelor sa se faca in mod corect de la teorie.
• validitate externa
• validitate de tip statistic – similara cu validitatea interna, dar apare
problema controlului statistic pentru a vedea daca rezultatele nu au
fost obtinute din intamplare.

Apar numeroase amenintari la adresa validitatii:

a) in interiorul grupurilor:
- efectul de maturare;
- efectul testarii repetate;
- degradarea instrumentului de masurare (intre doua
sau mai multe masurari repetate, validitatea
instrumentului de masura scade);
- s-a demonstrat ca relevanta unor teste de
personalitate scade la readministrare;
- regresia statistica (regresia spre medie a scorurilor
extreme);
- diferite elemente externe;
- lipsa unei conexiuni intre teorie si experienta;
- efectul ambiguu al variabilei independente.
b) amenintari sau erori in cadrul comparatiilor intergrupale:
- erorile de selectie;
- moartea (mortalitatea) experimentala – unii subiecti
se retrag, obosesc…
- efectul difuziunii – efectul posibil anticipat se
transfera de la grupul experimental la grupul de
control;
- efectul compensarii – subiectii grupului de control
pot depune un efort compensatoriu datorita
frustratiei ca nu fac parte din grupul experimental;
tot acestia pot manifesta un efect de resemnare
(=la a doua testare, interesul lor este minim).

17
 In acelasi timp, expectantele si ipotezele experimentatorului pot
influenta decisiv corectarea si interpretarea datelor, dupa cum pe timpul
experimentului subiectii isi formeaza propriile lor ipoteze si ei se pot hotari
daca sa-l ajute pe experimentator, sau dimpotriva. In acest sens, vorbim
despre efectul Pygmalion. Poate apare si efectul Hawthorne, care arata
modul in care subiectii s-au implicat in experiment, pe baza propriilor
ipoteze.

Nota: Aceste erori pot avea efecte cumulative!

IV. Organizarea colectiei de date

1. Evaluarea si masurarea in psihologie

Datele obtinute prin diferite forme de investigare psihologica, fie se

prezinta sub forma numerica, fie trebuie aduse, printr-o operatie specifica,
la o forma numerica.
Sub presiunea cerintelor de ordin teoretic si practic, noi trebuie sa
masuram. Masurarea prezinta o anumita gradatie (de la un minim la un
maxim). Aceasta gradatie se numeste, uneori, scala.
O a doua modalitate este atribuirea de ranguri (=pozitia intr-o
ierarhie).
In aceste masuratori se intra cu scoruri, adica cu numarul de puncte
obtinut la un test. Scorul nu indica pozitia individului in grup (al catelea
este).
Tipuri de scale:
a) Scalele nominale (sau calitative) – reprezinta primul nivel al
masuratorii; se folosesc in mod curent, in observatie si in anchete
- se repartizeaza datele dupa o serie de nume sau categorii.
Exemplu:
Sunteti de acord cu …? Da
Nu

Denumim clase de echivalenta, iar in ele avem o distributie,

efective, frecvente. Datele, efectivele brute nu ne spun nimic, de
aceea ele trebuie transformate in frecvente prin regula de 3 simpla.
Aceste date pot fi reprezentate intr-o histograma.

b) Scalele ordinale reprezinta nivelul obisnuit de masurare in

psihologie; intre elementele pe care le masuram se stabilesc

18
 relatii de ordine. Pe baza lor, se stabilesc elemente, ierarhii, in
raport cu un anumit criteriu, cu o anumita caracteristica.
Aici intra:
- distributia dupa rang;
- scalele de apreciere a performantelor;
Exemplu: A = foarte bun
B = bun
C = mediu
D = slab
E = foarte slab
Si aceste scale pot fi reprezentate intr-o histograma.

c) Scalele de intervale – in acest caz avem si marimile exacte ale

intervalelor, a distantelor care separa toate elementele, o unitate de
masura comuna si constanta
Acest tip de scala se realizeaza mai usor in domeniu
psihofiziologiei (de exemplu in masurarea timpului de reactie).
Se mai foloseste si in utilizarea unor performante in domeniul
psihologiei industriale.

d) Scalele hiperordinale (scale de proportii) – in mod real, acestea

pleaca de la “0”, adica de la un punct de geneza.
Acest tip de scale sunt mai greu de realizat in psihologie.

Se lucreaza mai mult cu scalele nominale, ordinale si scalele de

intervale.
!!! De retinut doua concepte:
- domeniul de variatie = registrul de valori posibile.
- Domeniul de definitie = multimea de indivizi
susceptibili de a avea respectiva caracteristica.

2. Colectia de date brute

Exemplu: Starea de tensiune psihica, anxietatea, produce modificari
in rezultatele obtinute la un test de inteligenta?
Intr-un experiment ipotetic, grupul neutru a obtinut urmatoarele
rezultate:
Grupul S1=11; S2=10; S3=16; S4=13;
Neutru S5=11; S6= 9; S7=13; S8=17;

Grupul S 9 = 9; S10=10; S11=16; S12=10;

Anxios S13=10; S14=10; S15=17; S16=14.

19
 Ne intereseaza:
1) daca grupul neutru este diferit de grupul anxios;
2) daca dispersia rezultatelor este mai mare in cadrul grupului
anxios;
3) ce rol joaca diferentele individuale;
4) diferentele constatate pot fi generalizate?

Asadar, colectia de date trebuie organizata!

3. Ordonarea si gruparea datelor

a) Distributii de efective

Intr-un experiment, s-au obtinut urmatoarele rezultate:

S1=5; S2=2; S3=5; S4=3; S5=6; S6=8; S7=5; S8=7; S9=6; S10=4;
S11=3; S12=7; S13=5; S14=5; S15=6; S16=4; S17=7; S18=4;
S19=5; S20=6; S21=6; S22=4; S23=8; S24=5;

Distributie de efective

N = 24
X

X X

X X Protocol siste-
matizat
X X X

X X X X X

X X X X X X

1 2 3 4 5 6 7 8

Sistematizarea, clasificarea unui protocol, constituirea colectiei de

date reprezinta proceduri statistice, liminare (minimale), si ele fac parte din
statisticele descriptive.
Datele pot fi reprezentate in tabele, grafice.

20
 Datele de mai sus pot fi distribuite si dupa rang (ordonare in ordinea
rangurilor).
O a treia modalitate ar fi gruparea datelor in clase.
Notam numarul de clase cu k (intervalul de grupare).

( X max  X min)  1
= k, unde n = numarul de grupe.
n
Exemplul 1:
Avand date ce variaza (intinderea variatiei de la 4 la 24) vrem sa le
grupam in clase. Pentru aceasta trebuie sa stabilim intervalul de grupare.

24  4
k= =4 intervalul de grupare.
5
Atentie: Este de preferat ca numarul grupelor sa fie impar.

In I grupa intra valorile: 4; 5; 6; 7; (4 – 7)

In a II-a grupa intra valorile: 8; 9; 10; 11; (8 – 11)
In a III-a grupa intra valorile; 12; 13; 14; 15; (12 – 15)
In a IV-a grupa intra valorile: 16; 17; 18; 19; (16 – 19)
In a V-a grupa intra valorile: 20; 21; 22; 23.

Exemplul 2:
Avem urmatoarele date:
16 10 10 24 15 13 20 5 13 13 9 12 20 16 13 19
4 14 9 16 13 15 22 11 17 11 15 17 12 13 6 11
15 17 12 13 6 11 12 14 23 14 23 14 11 13 21 8
10 5 14 7 8 18 15 13 14 17 8.

Xmax = 24
( X max  X min)  1
k= = 4.2  5
5
Xmin = 4

4 5 6 7 8
9 10 11 12 13
14 15 16 17 18
19 20 21 22 23
24

In cazul in care nu se precizeaza numarul de intervale se aplica

formula lui STURGES:

21
 X max  X min
k= 1  3.32 lg N , unde N = numarul de cazuri.
Folosirea acestei formule presupune accesul la o tabela de
logaritmi, dar de obicei se lucreaza cu un numar de grupe precizat.

Pe baza datelor mentionate mai sus, se distribuie pe clase, si apoi

se determina efectivele fiecarei clase.
In exemplul ales, daca vom lucra cu 7 clase  21/7 = 3 sau 21/8 =
2.6, care se rotunjeste; limitele claselor indica prima si ultima valoare
intreaga pe care o include. Adica de la 3 la 5. Nu se stabilesc clase de tipul
3-6, 6-8.
Daca in determinarea unor clase avem o valoare care poate sa faca
parte din doua clase consecutive, se incepe de la 0.1.
3  6 :prima clasa
6.01  … : a doua clasa s.a.m.d.
In exemplul dat mai sus stabilim numarul de clase ca fiind 7 sau 8 
k=3;
N = 51 (numarul de subiecti)

X XI Efective n

3–5 4 /// 3 n= numarul de cazuri;

6–8 7 ///// 5

9 – 11 10 ///////// 9

12 – 14 13 /////////////// 16

15 – 17 16 ////////// 10

18 – 20 19 //// 4

21 – 23 22 /// 3

24 – 25 25 / 1

b) Distributie de frecvente - daca ne intereseaza sa vedem

proportia raspunsurilor in multimea de date.
Pe baza formulei unde 51…..100%, se aplica formula pentru a stabili
frecventa in fiecare clasa.

22
 Pe baza acestei distributii se intrunesc tabele, grafice.

4. Condensarea datelor in tabele si grafice

a) Reprezentari tabelare
Pentru intocmirea unui tabel:
- un titlu de prezentare clar si concis;
- in cadrul unei lucrari, tabelele se numeroteaza;
- daca sunt necesare explicatii sau note
suplimentare, acestea vor fi incorporate imediat sub
titlu sau imediat sub tabel.

Exemplu:
Tabel 2.6
Media raspunsurilor la chestionarul X

61 4.6

62 7.2

63 8.5

In tabelele lungi, cu coloane, avand multe date, grupam datele cate

5 (sau 10), lasand intre ele un spatiu mai mare.
De obicei, prima si ultima linie a tabelului se dubleaza.

Exemplu:
Pentru durata retinerii unui material prezentat la 3 grupuri de
cursanti:
N1 = 35 – prin retroproiector
N2 = 30 – film animat
N3 = 40 – expunere.
Dupa expunerea la material, s-a aplicat un test de cunostinte T1 cu
10 intrebari, cu raspunsuri la alegere, si dupa doua luni s-a mai aplicat un
test, T2.
Datele de mai sus pot fi inglobate in urmatorul tabel:

23
 Raspunsuri la testele de cunostinte Tabelul 2.5

Metoda N T1 T2

Retroproiector (A) 35 280 210

Film animat (B) 30 270 225

Expunere ( C) 40 300 100

Rezultatele nu sunt comparabile – ca interpretare – pentru ca

efectivele sunt inegale; pentru a compara datele unui astfel de experiment,
se calculeaza procentul de exactitate, notat cu E.

E= numarul de raspunsuri corecte x100

numarul maxim de puncte
unde numarul maxim de puncte = nr. de subiecti x nr maxim de
puncte al testului.

Calculand, in exemplul nostru de mai sus, obtinem:

280 * 100
A: EA1 = =80
25 * 10

210 * 100
EA2 =  60
250

270 * 100
B: EB1 =  90
300

225 * 100
EB2 =  75
300

300 * 100
C: EC1 =  75
400

160 * 100
EC2 =  40
400

Tabelul devine:

24
 Raspunsurile corecte la testele de cunostinte Tabelul 2.6
(in procentaje de exactitate)

Metoda N T1 T2

A 25 80 60

B 30 90 75

C 40 75 40

Asadar, acum putem afirma ca cea mai buna metoda s-a dovedit a fi
filmul animat.

Plecand de la datele sistematizate, putem reprezenta grafic

ansamblul de date. Pentru aceasta se traseaza histograma.

Exemplu: trasam histograma tabelului de la pagina 22.

Unde, 3 = intervalul 3 – 5;
4 = intervalul 6 – 8;
5 = intervalul 9 – 11;
6 = intervalul 12 – 14;
7 = intervalul 15 – 17;
8 = intervalul 18 – 20;
9 = intervalul 21 – 23;
10 = intervalul 24 – 25.
Se pot obtine mai multe distributii:
- normale (simetrice) – curba lui Gauss
- asimetrice
- in forma de i

25
 Datele mai pot fi reprezentate si sub forma unor diagrame de
structura

sau sub forma unor diagrame de comparatie.

Vom reda, mai jos, diagrama de comparatie a exemplului anterior.

Unde, 1 = metoda A (retroproiector);

2 = metoda B (film animat);
3 = metoda C (expunere);

26
 V. Indici statistici de start
1. Determinarea valorii centrale (a tendintei centrale)
a) Media
- notata cu m sau x

m=  x/N
-cand facem media a doua subgrupuri diferite, se aplica formula
medie ponderate (mp)

m1 * N1  m 2 * N 2
m p= ;
N1  N 2

Exemplu:
m1=6; N1=10; m2=7; N2=20;

60  140
m p=  6.(6) ;
30

Daca grupam datele, obtinem urmatorul tabel:

X XK f f * XK

3–5 4 3 12

6–8 7 5 35

9 – 11 10 9 90

12 – 14 13 16 208

15 – 17 16 10 160

18 – 20 19 4 76

21 – 23 22 3 66

24 – 26 25 1 25

In acest caz, putem calcula media dupa formula

27
 m = T / N;

b) Mediana - cand avem distributie asimetrica si este acea valoare care

imparte sirul ordonat (crescator sau descrescator) in doua parti egale.
- se noteaza cu Med;
- se gaseste exact la mijlocul sirului
- locul sau rangul pe care-l ocupa mediana se
N 1
calculeaza dupa formula: ;
2
Exemplul 1: 4 4 5 6 6 7 7 7 7 8 9
Locul =6  Med = 7.

Exemplul 2: Fie valorile ordonate:

3 4 4 5 6 7 7 8 8 9
Loc = 5.5; Med = 6.5;

Daca vrem sa calculam mediana pe datele grupate din tabelul de

mai sus, aplicam aceeasi formula de calcul, dar se aplica, pentru
calcularea locului, formula N / 2.
In exemplul dat, N / 2 = 51 / 2 = 25.5  se afla in clasa 12 – 14.
Avand in vedere ca variabila se considera continua si nu discreta,
limitele exacte ale intervalului 12 – 14, se considera 11.5 – 14.5, iar
formula de calcul a medianei este:

N / 2  Fs
Med = l+ *i , unde: l = limita inferioara a intervalului;
fi
Fs = totalul frecventelor situate sub l;
Fi = frecventa corespunzatoare
intervalului localizat;
i = intervalul de grupare;
N = numarul de cazuri.
In cazul nostru:
l = 11.5; Fs = 17; i =3;
N/2 = 25.5; fI = 16.

25.5  17
Med = 11.5 + * 3  13.9
16
c)Modulul = valoarea care se repeta cel mai des intr-un sir de rezultate.

2. Variabilitatea, omogenitatea datelor

28
 • Dispersia (2 sau s2) – se mai numeste varianta.

2= s2 = (x-m2) / (N-1), unde x = fiecare valoare;

m = media.

• Abaterea standard ()

 =  
Expresia (x-m)2 se numeste suma produselor si mai poate fi
calculata si prin formula: x2 – T2 / N, in care T = x.

Exemplu:

Note (x) f f*x (f * x)*x

3 2 6 18

4 2 8 32

5 3 15 75

6 7 42 252

7 10 70 490

8 8 64 512

9 4 36 324

10 2 20 200

N=38; T=261; x2= 1903.

T *T
Formula este , pentru acest caz,  = 2  ( x  x)  N  =3.
2

N 1

• Formula computationala:

 ( x  x)   N  ;
( x) * ( x)
=s =
2 2

N 1

29
 Exemplu:
X: 5 4 4 6 6 ;
Y:25 16 16 36 36;

X = 25; (X*X) = 129;

2 = 1.

Prin  si 2 putem aprecia gradul de omogenitate al grupului.

• Exista un coeficient de variatie PIERSON, cu ajutorul caruia nu

facem comparatie intre doua grupuri, ci intre doua fenomene.
100 * 
V= , unde V= coeficientul de variatie (numit si
M
variabilitate).

Cand: V [0%;15%], imprastierea este mica si media este reprezentativa;

V[15%;30%], imprastierea este mijlocie si media este suficient de
reprezentativa;
V>30%,33%, media nu este reprezentativa (din cauza
omogenitatii).

3. Semnificatia abaterii standard

Intr-o distributie normala in intervalul [m  3] sunt dispuse toate

valorile.
Avand , putem afla departarea fata de mesie.

Retine!!!
1)  masoara distanta la care se afla o cota oarecare in raport cu
media;
2)  poate deveni o masura a variabilitatii.

VI. Inferenta statistica

1. Proprietatile distributiei normale

30
  Extragerea din populatie a unui esantion;
 Supunerea esantionului la o anumita experienta;
 Prelucrarea datelor;
 Extrapolarea datelor de la esantion la populatie.

Pentru a vedea in ce masura datele obtinute pe esantion sunt

relevante pentru populatie se recurge la inferenta statistica.
Distributia normala – s-a demonstrat ca  poate sa ne indice
imprastierea datelor in jurul mediei. In acest sens,  1.96  cuprind 95%
din aria de sub curba (asadar raman 2.5 procente in stanga, respectiv in
dreapta).
 2.58   acopera 99% din suprafata.
Atunci cand vrem sa lucram cu o unitate de masura standard,
lucram cu variabile normate z.
xm
z= , unde x = cota, valoarea obtinuta la test;

m = media valorilor obtinute la test.
Pe baza acestei distributii standard, se ajunge – prin calcul – la
urmatoarele formule:

m  1.96   95% p = 0.05 sau p = .05 unde p = grad de

incredere.
m  2.58   99% p = 0.01 sau p = .01

2. Probleme de estimare
Practic, in cele demonstrate mai sus, s-a pus problema intervalului
de incredere.

Semnificatia unei medii

Media este mai semnificativa in functie de:
- volumul esantionului studiat;
- variabilitatea populatiei.
Eroarea standard a mediei (E) se calculeaza dupa formula:

E= ;
N
Pe aceasta baza, se poate evalua greseala pe care o facem, luand
drept baza media esantionului, in loc de media populatiei. Tot pe aceasta
baza se stabilesc si limitele intre care se afla, cu o anumita probabilitate
(grad de incredere), adevarata valoare m a colectivitatii generale.

31
 • (m – 1.96 E, m +1.96 E) se numeste interval de incredere la p=.05
(deci exista numai 5% sanse de a gresi);
• (m – 2.58 E, m+ 2.58E) reprezinta intervalul de incredere la p=.01;

Atunci cand se lucreaza cu frecvente, eroarea (E) este:

f (1  f )
E= .
N
Exemplu: Intr-o statistica a erorilor la casierie s-au constatat 134 de
erori in plus si 289 erori in minus (in total, 423 erori)
134 0.32(1  0.32)
Pentru erorile in plus: f =  0.32  E= = 0.02;
423 N

Limitele de incredere: f  E.
Pentru p = 0.05, avem f  1.96E.
Pentru p = 0.01, avem f  2.58E.

3. Sarcini si probleme de comparatie

Se aplica teste / probe unor esantioane si se calculeaza indicii de
start (de exemplu, media). Care este gradul de semnificatie al diferentelor?
Sau de la ce nivel de incredere diferentele pot fi considerate semnificative?

• Ipoteza specifica (Hs) = ipoteza psihologica sau pedagogica ce

sta la baza experientei respective.
• Ipoteza nula (Ho) nu metoda duce la rezultate mai bune, ci
intamplarea.
Noi va trebui sa calculam un prag de semnificatie care indica, de
fapt, riscul pe care ni-l asumam. Daca probabilitatea obtinerii acestor
rezultate este mai mica de 0.05, de exemplu, respingem ipoteza nula (sau
ipoteza hazardului) si spunem ca rezultatele se datoreaza ipotezei
specifice.
• p < 0.10  ultimul caz acceptat in psihologie;
• p > 0.10  nu mai este de incredere;
Cercetarea este buna daca p = 0.05 si este foarte buna daca p =
0.01.
Ipoteza nula este o ipoteza statistica precisa, pe cand ipoteza
specifica este imprecisa (pentru ca lucram cu o anumite improbabilitati).
Daca ipoteza nula este infirmata, atunci acceptam ipoteza specifica.

32
 Daca ipoteza nula nu este infirmata, se considera suspendarea
deciziei, in sensul ca datele noastre nu sunt suficiente (retestez).
Pentru a vedea daca anumite diferente sunt semnificative, se aplica
o serie de calcule, de formule, care se numesc criterii (z, t, 2, etc) si se
compara cu anumite valori standard existente in tabele. Daca valoarea
calculata de noi este mai mare sau egala cu valoarea critica existenta in
tabele, probabilitatea asociata este mai mica sau egala cu pragul  (0.01;
0.05; 0.1) si se decide respingerea ipotezei nule (Ho).
Daca valoarea calculata de noi este mai mica decat valoarea gasita
in tabele, inseamna ca probabilitatea este mai mare decat 0.10 si
respingem ipoteza specifica.

Esantioane perechi (corelate) – fie acelasi esantion supus unor

testari succesive, fie esantioane stabilite astfel incat pentru variabilele
semnificative asociate cu ipoteza noastra, fiecarui element din esantion
experimental trebui sa-i corespunda un element similar in esantionul de
control.
Esantioane independente – cand comparam doua esantioane
stabilite la intamplare.

4. Semnificatia diferentei intre doua medii in cazul

esantioanelor independente

Sunt doua cazuri:

- N  30  se aplica criteriul z;
- N < 30  se aplica criteriul t;
Se accepta faptul ca de la 30 de subiecti in sus distributia tinde sa
fie normala.
Criteriul z
m1  m 2
z 
 1*  1  2 *  2 ;

N1 N2

Exemplu:
m1 = 7.7; m2 = 6.7;
N1 = 33; N2 = 34;
21 = 3.15; 22 = 3.5;

33
 7.7  6.7
z   2.33;
Aplicam formula si obtinem: 3.15 3.5

 p=0.02
33 34

Daca probabilitatea ce corespunde indicelui z este mai mare decat

1.96, atunci diferenta dintre cele doua medii este semnificativa la p<0.05.
Daca z calculat este mai mare decat 2.58, atunci diferenta este
semnificativa la pragul p < 0.01.
Daca z calculat ste mai mic decat 1.96, respingem ipoteza specifica.

Criteriul t

m1  m2
t 
 * (
1

1 ,
)
unde  2=
N1 N 2
 ( x  m1)( x  m1)   ( x  m2)( x  m2) ;
N1  N 2  2

N1+N2 – 2 = n (numarul gradelor de libertate).

Exemplu:
m1 = 13.3; m2 = 14.2;
N1 = 10; N2 = 10;
(x-m1) = 82.1; (x-m2)2 = 97.6;
2

82.1  97.6
 2=  9.98 ;
18

t  0.63  gradul de libertate = 18;

34
 Semnificatia diferentelor intre medii in cazul
esantioanelor perechi

In cazul esantioanelor perechi, presupunem ca avem aceeasi

subiecti .

Subiecti Note trimestrul I Note trimestrul II d d2

A 8 6 2 4

B 7 5 2 4

C 5 5 0 0

D 6 4 2 4

E 5 6 -1 1

F 6 4 2 4

G 6 5 1 1

H 5 4 1 1

I 4 6 -2 4

J 7 5 2 4

K=10 d=+9 d2=27

d= diferenta
Daca facem raportul  calculam media diferentelor (md)
T 9
md= = =0,9
N 10

Se aplica criteriul pentru esantioane corelate :

35
 md
t 
d
N
2 T2
d 
2 d = N ;    d ;
2 2

N 1

27  81
d  /9=2,1
10

d  2,1  1,4
0,9 1
t  *  2; gradul de libertate este N-1(adica 9 ).
1,4 10
(vezi tabelul ) diferenta este semnificativa
semnificatia diferentei intre frecvente
CRITERIUL  2

Cand lucram cu frecvente , ne intereseaza atat frecventele observate , cat

si cele teoretice .
In general , criteriul  2 
( f 0  ft )2
, unde f0 = frecvente observata
ft
Ft= frecventa teoretica

Exemplu :
Presupunem o instalatie comanda – manuala
Accidente?
-automata

Comanda Comanda total

Manuala automata

Accidentati a 25 b 23 48

Neaccidentati c 183 d 112 295

Total 208 135 343

(ad  bc) 2
In acest caz ,   (a  b)(c  d )(a  c)(b  d )  T
2

(2800  4209) 2
2   343  1.71;
( 25  23)(183  112)(25  183)(23  112 )

36
N= numarul gradelor de libertate=(r-1)(c-1). Unde r= nr. de randuri
C= nr. de coloane
In cazul nostru r=2; c=2 deci n=1;

• In cazul in care avem doua grupe, A si B, si avem masuratori, se

procedeaza in felul urmator:

x y z Total

A a 63.5 b 20 c 16.5 100

B d 33.7 e 18.3 f 48 100

Total 97.2 38.3 64.5 200

Unde: x – inferior; y – mediu; z – superior.

Sau x [0,3]; y[4,6]; z[7,10].

Pentru frecventa teoretica pentru fiecare celula (a,b,…,f) se

inmulteste totalul randului cu totalul coloanei si se imparte la T.
100 * 97.2
Pentru casuta “a”:  48.6
200

VII.
1. Corelatia
Corelatia masoara variatia concomitenta (covariatia) a doi factori. Nu
masoara cauzalitatea.

37
 Se noteaza rxy = corelatia dintre variabilele x si y.
De fiecare dat se iau in calcul variabile perechi.
Exemplu:

Subiecti Note matematica Note fizica x2 y2 xy

x y

A 7 7 49 49 49

B 9 8 81 64 72

C 10 9 100 81 90

D 6 7 36 49 42

E 9 10 81 100 90

F 8 7 64 49 56

G 5 6 25 36 30

H 3 4 9 16 12

I 7 6 49 36 42

J 8 7 64 79 56

K 6 7 36 49 42

L 7 7 49 49 49

M 6 6 36 36 36

N 5 6 25 36 30

n=14; T1=96 T2=97 x2=704;y2=699;

xy=696;

“Norul de puncte”
• daca este orientat spre dreapta - corelatie directa sau pozitiva (creste x,
cretse si y);

38
• daca este orientat spre stanga - corelatie indirecta sau negativa (una
creste, alta scade).
Coeficientul de corelatie variaza, indiferent de formula, intre –1 si 1.
Cu cat este mai aproape de 1, cu atat corelatia este mai puternica. In jurul
lui 0, relatia este de independenta.

2. Coeficienti de corelatie
- se aplica asupra unor siruri de valori
a) Coeficientul BRAVAIS – PIERSON (sau coeficientul de corelatie
prin momentul produselor).
Formula de calcul este urmatoarea:
r 
 ( x  m1)( y  m2)
 ( x  m1)( x  m1) ( y  m2)( y  m2)
b) Coeficientul biserial (intre o variabila continua si una dihotomica).

• N>50

Cote la test 0 1 2 3 4 5 6 7 8 9 10 Total

Rezultate
la examen

Admisi 0 1 0 3 5 10 16 11 6 3 1 59

Respinsi 1 2 4 7 13 22 9 4 2 0 0 54

Total 1 3 4 10 18 32 25 15 8 3 1 113

Se calculeaza proportia celor admisi / respinsi.

59 54
p = Padmisi=  0.52; q = Prespinsi=  048 ;
113 113
m1  m 2 pq
rbis= * ,
 y
unde: m1 = media valorilor x pentru elementele clasei superioare
(variabila continua);
m2 = media valorilor x pentru elementele clasei inferioare;
 = abaterea standard a intregii colectivitati;
pq / y = se citeste intr-un tabel special, in care se ia ca reper
fie p, fie q.

39
 359 241
In exemplul nostru, m1   6.08; m2   4.46 ;  = 1.88;
59 54
pq
 0.6264.
y
Cu cat este mai semnificativ numarul subiectilor (mai mare), cu atat
rbis scade.

c) Coeficientul de corelatie triserial

• avem aceeasi variabila continua, iar variabila discreta este
trihotomica.
m1  m 2 1
*
rtris =  y1 y 2
 ;
p1 p 2
unde, m1 = mediile la testul X pentru cei buni;
m2 = mediile la testul X pentru cei slabi;
 = abaterea standard pentru intreaga populatie;
y1
p1 = proportia de buni;
y2
p2 = proportia de slabi.

d) Coeficientul eneahoric
Exemplu:
Pentru stabilirea relatiei dintre inteligenta si timpul de reactie,
s-au folosit doua probe, obtinandu-se urmatoarele rezultate:

y Slabi Medii Buni

x
(7) (15) (3) D = 10
Buni n4 n1

Medii (9) (14) (7)

Slabi (5) n3 (12) (18) n2 C = 23

B = 12 A = 21

unde, A,B,C,D sunt totaluri pe orizontala si pe verticala, dar

considerand numai colturile.
( A  B)( D  C )
(n1  n2  n2  n4) 
N
r=
( A  B)( A  B ) ( D  C )( D  C )
[A  B  ][C  D  ]
N N

40
 Daca A+B = C+D
A=B formula lui COUMETOU: r = 2, unde
n1  n3  n 2  n 4
C=D = ;
A BC  D

e) Coeficientul de corelatie multipla ( R )

Se calculeaza atunci cand avem mai multi factori, ce concura la un
anumit efect.

3. Coeficienti neparametrici
a)  - se aplica pentru doua distributii dihotomice.
Exemplu:

INITIATIVA

0 1

RAPIDITATE 1 30 50(c)

0 55 9

c  ab
= a (1  a )b(1  b) , unde a = (total ranul 1) / (total general)
b = (total coloana a doua) / (total general)

In exemplul nostru, T = 30+50+55+9=144;

80
a=  0.55
144
59
b=  0.40
144
50
c=  0.34
144

b) Coeficientul de corelatie a rangurilor (Spearman)

6  d *d
= 1  N ( N * N  1)
Exemplu: Clasificarea dupa frecventa controlului si calitate.

41
Subiecti x y d d2

A 1 4 -3 9

B 2 2 0 0

C 3 10 -7 49

D 4 5 -1 1

E 5.5 1 4.5 20.25

F 5.5 3 2.5 6.25

G 7 8.5 -1.5 2.25

H 8 8.5 -0.5 0.25

I 9 7 2 4

J 10 6 4 16

=0.36.

Daca avem mai multi coeficienti de corelatie si vrem sa ne referim la

aceasta colectie, se foloseste mediana.

VIII. Predictia in psihologia aplicata

Problema predictiei consta in estimarea unui rezultat viitor, y,

pornind de la informatia actuala, x.

1. Predictia liniara simpla

Facand o testare care se traduce intr-o cota x, ce predictie putem
face despre succesul in activitatea profesionala?
Exista mai multe tipuri de variabile:
• variabile examen sau diagnostic (x – cota la test)
• variabile criteriu (y).
trebuie sa stabilim ce relatie exista intre variabila examne si variabila
criteriu. Pe aceasta baza se fac ulterior predictii, notate cu y.

42
 y = ax+b – ecuatia unei drepte.

Stabilirea unei ecuatii de regresie

Atunci cand lucram cu cote normate (z), ecuatia dreptei de regresie
este:
zy = rxy zx  ecuatia de regresie a lui y in raport cu x.

Ecuatia de regresie pentru cote brute

y = b (x-mx)+my, unde: y = succesul in activitatea profesionala;
b = valoarea coeficientului de regresie;
x = cota la test;
mx = media cotelor obtinute la test;
my = media la succesul profesional.
x
by*x = rxy* y ;
• Coeficientul de regresie a lui x prin y – avem:
x
bxy = rxy * y .
Exemplu: Facandu-se un studiu de corelatie privind relatia dintre
inteligenta (testul Raven) si notele la limba romana, s-au obtinut
urmatoarele date:
rxy = 0.68;
Q.I. = x byx = 0.112
Note la limba romana = y bxy = 4.124
r (x) = 7.80; y = 0.112(x-47.53)+6.53
(y) = 1.286; x = 4.124(y-6.53)+47.53
mx = 47.53
my = 6.53

r2xy = coeficientul de determinatie – ne spune cat din varianta lui y se

datoreaza lui x.

Exemplu: rxy = 0.80  0.8*0.8 = 0.64  64% din variatia lui y se

datoreaza lui x.

2. Corelatia partiala
Exprima legatura ce exista intre doua variabile, cand influenta
comuna a unei a treia variabile a fost eliminata.
Exemplul 1:
X1 = inteligenta;
X2 = abilitatea psihomotrica;
X3 = varsta.

43
 r12  r13 * r 23
r 12.3 = (1  r138r13)(1  r 2 * r 23)

relatia dintre r1 si r2, considerand r3 constant.

Exemplul 2:
r12=0.55;
0.55  0.60 * 0.50
r13=0.60; r12.3= (1  0.36)(1  0.25)  0.36  aici putem vedea
r23=0.50 cat din variatie se datoreaza si lui r3.

r122 = 0.3025  0.303

r212.3=0.362 = 0.127
0.303-0.127 = 0.176
0.176
* 100  58%
0.303

3. Predictia multivariata si corelatia multipla

x1 = ax2+bx3+c;, unde a si b reprezinta ponderile cu care cele doua
cote vor intra in enuntul predictiei.

• Pentru variabile normate

z1=succesul profesional tinand cont de inteligenta si estetica.
z1 = 2*z2+3*z3; unde  = coeficientul de regresie partita.
r12  r13 * r 23
2 = ;
1  r 238r 23
r13  r12 * r 23
3 = ;
1  r 23 * r 23

Exemplu:
Avem doua teste (x2 si x3) si un criteriu profesional, x1.
r2=0.80;
r13=0.30;
r3=0.50

0.8  0.30 * 0.5

 2 =  0.87
1  0 .5 * 0 .5

0.3  0.8 * 0.5

3=  0.13
0.75

44
 z1= 0.867*z2-0.133*z3

• Pentru cote brute: x1=ax2+bx3;

2
ax2=
2
3
bx3=
3
!!! Coeficientul de corelatie multipla tine cont de coeficientii .

R =  2 * r12   3 * r13
Presupunem ca avem patru teste si un criteriu notat cu O; pentru a
pondera probele unei baterii stabilite, trebuie rezolvate urmatoarele tipuri
de ecuatii:
r01 - 1*2*r12 - 3*r13 - 4* r14 = 0;
r02 - 1*r21 - 2 - 3 * r23 - 4*r24 = 0;
r03 - 1*r31 - 2*r32 - 3 - 4*r34 = 0;
r04 - 1*r41 - 2*r42 - 3 * r43 - 4 = 0;
R =  1 * r 0   2 * r 02   3 * r 03   4 * r 04

Exista doua metode:

a) algoritmul condensarii pivotale AITKEN;
b) algoritmul DOOLITLE.

Ridicand coeficientul de corelatie multipla la patrat, obtinem cat din

varianta criteriului se datoreaza variabilei pe care le diagnosticheaza
bateria noastra de teste.

IX. Metode de calcul neparametrice

- pentru distributii diferite de cele normale.

1. Coeficientul de asociere
Tabel de contingenta

x
+ -

45
 + a b
ad  bc
y Q=
ad  bc
- c d

Exemplu:
Din cei prezenti la curs si seminarii, 32 au trecut la examen, iar 4 nu.
Din cei care nu au avut prezenta, au promovat 4 si nu au promovat 16. Sa
se calculeze asocierea dintre prezenta la cursuri si promovabilitate.

X = prezenta la cursuri;
Y = promovabilitatea.
x
+ -

+ a 32 b 4
y
- c 4 d 16

2. Coeficientul de concordanta
- la baza lui sta lipsa de concordanta a sensurilor abaterilor perechi.

A B
C= , unde A = unitatile ale caror abateri perechi de la medie au
A B
acelasi semn.
B = unitatile ale caror abateri perechi de la medie nu au
acelasi semn.

Subiecti x y Semnul diferentei fata de

x y

1 6 8 - -

2 4 9 - +

3 9 6 + -

46
4 7 8 - -

5 8 10 + +

6 6 7 - -

7 5 6 - -

8 10 10 + +

9 6 8 - -

10 10 9 + +

A = 8; B=2  C=0.60;

3. Coeficientul de corelatie reciproca PEARSON

Se foloseste in cazul cercetarii aspectelor calitative, in care

distributiile cuprind mai mult de doua grupe.

S 1
C
S

Exemplu si algoritm de calcul:

Obtinand urmatoarele relatii intre prezenta la cursuri si rezultatele la

examen, sa se calculeze coeficientul de corelatie reciproca Pearson.

Prezenta Rezultate Total

Slabe Medii Bune

Slaba 16 8 - 24

Medie 4 20 2 26

Buna - 6 18 24

Total 20 34 20 74

47
Algoritmul de calcul:
a) se ridica la patrat numarul (sau frecventa) din fiecare casuta a tabelului;
b) se inmulteste totalul de pe coloana respectiva, cu totalul de pe linia
respectiva (pe care se afla casuta);
c) se imparte a) la b);
d) se calculeaza totalul acestor rezultate (cele de la punctul c)) – pe linie
sau pe coloana;
e) se face suma (S) acestor totaluri;
f) se aplica formula;

4. Coeficientul de corelatie a rangurilor Spearman

• Comparatia:
A. doua esantioane independente – se folosesc probele : proba medianei,
proba secventelor, proba U sau Mann-Whitney;
B. doua esantioane perechi – se folosesc proba semnelor si proba
Wiloxon;
C. mai multe esantioane independente – proba medianei extinsa si proba
U generalizat (Kruskal-Wallis)
D. mai multe esantioane perechi – proba Kochran si proba Freedman.

• Proba medianei

a) nu exista valori egale cu mediana teoretica

Avem 2 grupe: A si B

A: x(=cota) 0 1 2 3 4 5 6 7 8 9 (numarul de erori)

n ( = numarul de subiecti): 3 6 3 1 0 2 3 1 0 1

B: x: 0 1 2 3 4 5 6 7 8 9

n: 2 1 1 1 3 3 1 1 2 1

Pentru a aplica proba medianei, amestecam datele de la grupa A si de

la grupa B,intr-o singura distributie.

 A + B x: 0 1 2 3 4 5 6 7 8 9

48
 n: 5 7 4 2 3 5 4 2 2 2

N = 36.

Pozitia medianei = (N+1)/2 = 37/2=18.5  Mediana este 3.5.

Numarul de erori Total

Inferior medianei Superior medianei

A a 13 b 7 20

B c 5 d 11 16

Total 18 18 36

Se transforma in 2:
(ad  bc)(ad  bc) * T
2= )a  b)(c  d )(a  c)(b  d ) ;

Inlocuind, obtinem:

2= 4.05; valoarea lui 2 trebuie sa fie mai mare sau egala cu
valoarea din tabel.

b) exista valori egale cu mediana teoretica

Grupul de x: 3 4 5 6 7 8 9 10

control n: 2 1 3 3 2 2 1 0

Grupul x: 3 4 5 6 7 8 9 10

experimental n: 1 0 2 1 3 1 3 2

Reunim cele doua grupe  x: 3 4 5 6 7 8 9 10

n: 3 1 5 4 5 3 4 2

Pozitia medianei = 14.

• Atunci cand numarul cazurilor este foarte mare:

Inferior medianei Egal medianei Superior medianei

Grupul experimental 4 3 6

49
Grupul de control 9 2 3

Cazul I:

Inferior sau egal medianei Superior medianei

Grupul experimental a 7 b 6

Grupul de control c 11 d 3

Cazul II:

Inferior medianei Egal sau superior medianei

Grupul experimental a 4 b 9

Grupul de control c 9 d 5

Pentru un numar mic de cazuri, se aplica o varianta, nuita varianta

lui YATES.
T 2
[T ( ad  bc)  ]
=2
2 ;
(a  b)(c  d )(a  c )(b  d )

• Proba secventelor

Exemplu: Doua grupe, A si B, de cate 12 elevi. Grupul A este supus

unui antrenament special. Aplicandu-se apoi un test de control, s-au
obtinut urmatoarele rezultate:

A: 52 56 71 86 95 108 115 120 141 152 165 218

B: 30 45 54 74 75 81 101 104 146 151 170 171

Ipoteza nula: “antrenamentul special nu are nici un efect asupra

subiectilor”.

•se pun datelor celor 2 grupe laolalta in ordine descrescatoare

•inlocuim in fiecare valoare cu initiala grupului din care apartine

 A/ BB/ AA/ BB/ AAAA/ BB/ AA/ BBB/ A/ B/ AA/ BB/; avem,
asadar, 12 secvente (r=12).

50
 2 N1N 2
r (  1)
z  N1  N 2 ;
2 N1N 2(2 N1N 2  N1  N 2)
( N1  N 2) 2 ( N1  N 2  1)

In cazul nostru, z  0.41

Precizare: In grupele a si B, nu apar valori comune. Daca se

intampla acest lucru, luam valorile comune o data apartinand lui A, o data
ca apartinand lui B, si luam z cel mai mic.

• Testul U (Mann-Whitney)

-se preteaza la date numerice, rezultate din atribuirea de puncte;

este una din cele mai importante metode neparametrice, fiind oricand
preferabila probei medianei.

Exemplu: Intr-o experienta de instruire, rezultatele la probele finale

apar exprimate in note de la 0 la 20. In clasa experimentala (Ce) sunt 27
elevi, iar in clasa de control (Cc), tot 27 elevi.

Rezultatele sunt prezentate astfel:

Ce: x: 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

n: 3 2 0 2 2 2 1 0 1 4 1 0 1 1 2 1 1 2 1

Cc: x: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

n: 3 5 3 2 3 1 0 0 1 0 0 0 2 1 1 1 1 2 0 1

Reunim cele doua grupe si acordam ranguri astfel:

Ce+Cc:x:20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
ranguri: 1 3 5 7……………..
-dupa ce se atribuie rangurile, se intocmeste urmatorul tabel:

Ce Cc
Subiecti
(x) Rang f R*f Rang f R*f

20 1 1 1 1 - -

19 3 2 6 3 1 3

51
 18 5 1 5 5 - -

17 7 1 7 7 2 14

…. … … … … … …

Rf=R1=605 Rf=R2=880;
-se face suma si se alege R1 sau R2, in functie de grupa mai putin
numeroasa (in exemplul nostru il putem alege pe oricare, intrucat
N1=N2);
-cu datele obtinute se intra in formula:
N1  N 2  1
R1  N1
z 2 ;
N1  N 2  1
N1N 2
12
Precizare: daca in formula utilizam R2 la numarator, imediat dupa
semnul “-“ apare N2.

X. Analiza de varianta
(ANOVA)
1. Obiectul Anova
Problema esentiala a analizei de varianta este analiza variabilitatii,
dispersiei datelor, avand surse de variatie bine precizate.
In orice cercetare de psihologie ne intereseaza sa desprindem
influenta (actiunea) unor factori relevanti, cuprinsi in continurul ipotezei.
Influenta unui factor se dezvaluie in efectele sau variatiile produse
asupra variabilei studiate. Noi studiem influenta fiecarui factor, suma lor,
cat si efectele datorate interactiunii lor.
De obicei se lucreaza cu mai multe grupuri.
Exemple:
1. Efectul medicamentelor asupra timpului de reactie la soferi.
Se constituie 5 grupe: G1: 10 mg
G2=20 mg
G3=30 mg
G4=40 mg
G5= grupul de control.
VI = medicamentul (administrarea lui), cu mai multe modalitati
(A1,A2,A3,A4 si A0 (pentru grupul de control)).
Problema care se pune in ANOVA este compararea grupurilor intre
ele.
2. Ne propunem sa studiem influenta oboselii asupra rezultatelor
invatarii (A). Avem 3 modalitati: a1:= oboseala usoara; a2 =

52
 oboseala medie; a3 = oboseala accentuata. Dar conteaza si
natura materialului (B) cu doua modalitati: b1=material figural
concret si b2= material pur verbal.
Pe baza acestui tip de analiza, putem observa cat din variatia unei
variabile se datoreaza variatiei altei variabile si cat se datoreaza unor
factori intamplatori.
De exemplu, rezultatele la invatatura se datoreaza inteligentei, dar si
altor factori, cum ar fi motivatia de exemplu. Elevi cu nivelul inteligentei
egal, obtin note diferite. Se impune asadar separarea influentei factorilor
intamplatori de factorii esentiali.
Este evident ca trebuie luata in considerare dispersia. De exemplu
daca elevii cu acelasi nivel masurat de inteligenta ar obtine toti aceeasi
nota, atunci dispersia este 0.
Mai mult, daca elevii cu acelasi nivel de inteligenta obtin note intre 7
si 10, atunci inteligenta este un factor important. Daca au note intre 4 si 6,
celalalt factor are mai mare influenta decat acesta.

O variabila independenta cu mai multe modalitati da doua tipuri de

variatii: una intragrupala si una intergrupala. Daca variabila intragrupala
este mica si variabila intergrupala este mare, atunci putem presupune ca
nu apar alti factori intamplatori si abaterea fata de media generala a unui
rezultat din colectia totala de date, se compune din abaterea sa fata de
media grupului respectiv, la care se adauga diferenta dinte media grupului
si media generala.
Ecuatia fundamentala a variabilitatii datelor etse exprimata prin
suma patratelor  ( x  m) 2  variabilitatea totala =
S  totale  S  int ra  S  int er . Aceste formule de variabilitate se mai
noteaza cu SPtotala.
SPtotala = SPintra+SPinter.
Pentru a calcula:
T2
SPtotala= S  x 2  ;
N
Tg 2 T 2
SPinter= S  ;
ng N
SP int ra
 PM int ra  V , unde N = numarul total de subiecti din cele K
N K
grupuri.
SPtotal
 P int er  Vg ; cu PMintra si cu PMinter se calculeaza coeficientul
k 1
lui SNEDECOR.

53
2. Moduri de calcul
• pentru o distributie bidimensionala
La o clasa s-au efectuat un numar de exercitii, dupa care s-a dat proba
de control si s-au obtinut urmatoarele note:

Nota obtinuta 4 5 6 7 8 9 10 Total

Grupul Numarul de exercitii

G1 40 6 4 2 12

G2 41-80 3 3 7 1 14

G3 81-120 2 5 8 6 21

G4 121-160 2 2 18 8 4 34

G5 161 2 10 18 30

Total 9 9 16 11 26 18 22 111

Algoritmul:
1. Se calculeaza mediile notelor obtinute la nivelul intregului esantion si
apoi, pe cele 5 grupe, tinand cont ca cele 5 grupe sunt alcatuite pe
baza numarului de exercitii.
Pentru intreg esantionul media notelor este:
4 * 9  5 * 6 * 16  7 * 11  826  9 *18  10 * 22
X0 =  7.60
111

4*6  5*4  6*2

Calculam mediile: x1   4.67
12
4 * 3  5 * 3  6 * 7 *1
x2   5.43;
14

5* 2  6*5  7 *8  8*6
x3   6.86;
21

6 * 2  7 * 2  8 * 18  9 * 8  10 * 4
x4   8.35;
34

8 * 2  9 *10  10 * 18
x5   9.53;
30

54
 2. Se calculeaza dispersiile de grupe (D2k), tot pentru aceste note,
dupa formula:
( x  xk ) 2 * f
D2 k = ;
 fk
In exemplul nostru,
(4  4.67) 2 * 6  (5  4.67) 2 * 4  (6  4.67) 2 * 2
D1 2 =  0.55;
12
D22=0.816;
D32=0.884;
D24= 0.336;
D52=0.382.
Aceste dispersii de grup ne arata variatia caracteristicilor
dependente de natura factorilor intamplatori asupra subiectilor din cadrul
fiecarei grupe.

3. Se calculeaza media dispersiilor de grup ( D 2 ), calculata ca o medie

ponderata a dospersiilor de grupa:
D2 =
 Dk 2 * fk 0.55 * 12  0.816 *14  0.884 * 21  0.336 * 34  0.382 * 30
  0.716 
f 111
reprezinta variatia variabilei dependente pe ansamblul grupei, ca urmare a
actiunii factorilor intamplatori.

4. Se calculeaza dispersia mediilor de grup fata de media generala

2
( ):
( xk  x 0) 2 * fk
=2 ;  reflecta variatia caracteristicii dependente pe
f
ansamblul grupelor, determinata de natura factorilor esentiali (VI).
Cunoscand ca mediile de grup, xk,releva ce este esential la nivelul
grupului, iar media generala (x0) reflecta ceea ce este esential la nivelul
colectivitatii generale, atunci deosebirile dintre grupe sunt concretizate de
abaterile xk-x0.
2 reprezinta dispersia dintre grupe, sintetizeaza variatia generata
de aceste deosebiri.

5. Dispersia generala (Do2) reflecta variatia caracteristicilor variabilei

dependente, generata de actiunea conjugata a celor doua grupe de factori
(intamplatori si esentiali) si se aplica regula adunarii dispersiilor.
Do2=D2+2 (=3.5206)

55
 6. Acum putem determina ponderea intensitatii variatiei aferente
fiecarei grupe de factori.
• factorii intamplatori
D2 0.714
F 1= 2
* 100  * 100  20.28%
Do 3.5206

• factorii esentiali
2 2.8066
F 2= * 100  * 100  79.72%
Do 3.5206

Un caz mai complicat de ANOVA presupune variabile continue in

mai multe grupuri.
Exemplu: La incheierea unei experiente efectuate cu 5 clase paralele
(A,B,C,D + E=clasa de control). S-a dat aceeasi proba finala pentru a
vedea in ce masura factorul studiat influenteaza rezultatele.
Rezultatele finale sunt prezentate in urmatorul tabel de comparatie:

Clase A B C D E Total

Numarul 33 38 31 34 31 N=157
de elevi (ng)

Totalul 928 760 1013 1335 748 T=4784

datelor (Tg)

Totalul
patratelor (x2) 28030 22750 35287 56637 21336 Sx2=164 040

Tg 2 T2 9282 760 2 10132 13352 7482 4784 2

SPinter= S( ) (     ) =
ng N 33 28 31 34 31 157
=4519.30;

T2
SPtotala=x2   18256.12 ;
N
SPintra= SPtotala-SPinter= 18256.12-4519.30= 13745.82;
Se calculeaza patratul mediu (PM) inter si intra.
SP int er
PMinter=  1129 .83
k 1
13745
PMintra=
157  5
PM int er 1129 .83
  12.49
PM int ra 90.45

56
 raportul Snedecor; cu acest raport se intra in tabel. Veem astfel ca
ipoteza noastra nula este infirmata; factorul de diferentiere este puternic
semnificativ.

Pana aici a fost vorba de o analiza globala (etapa F omnibus). Daca

raportul Snedecor era mai mic decat p=0.05, nu acceptam ipoteza nula.
Nu ni se spune intre ce grupe diferentele sunt semnificative. De
asemenea, variabila independenta poate avea mai multe modalitati. Nu ni
s-a spus, pana acum, care dintre modalitatile variabilei independente are
efecte mari si care are consecinte minore.
Studiul continua daca raportul Snedecor este semnificativ.
Analiza continua in doua strategii:
- in functie de categoriile de situatii
- in functie de problemele ce trebuie rezolvate.

XI.
Problemele de tip a sau probleme pentru estimarea diferentierii sau
omogenitatii, obtinute intr-o masurare – cu ajutorul coeficientului de
corelatie intraclasa r.
Exemplu: In cautarea unui criteriu profesional s-au ales la intamplare
dintr-un atelier 7 operatori. Acestia au fost cronometrati asupra unei
operatii in momente luate la intamplare, fiecare de 28 de ori.
Prin aceasta masuratore, diferentiem sau nu operatorii intre ei?
Daca intre operatori exista diferente de randament profesional,
atunci masuratoarea trebuie sa dea diferente intre ei. Vrem sa vedem, prin
urmare, daca masuratoarea este valida.

Pasi:
1. Se calculeaza testul global de varianta F.
2. Se calculeaza coeficientul de varianta intragrupala (v)
SP int ra
v =  PM int ra ;
N k
Se calculeaza varianta intergrupe, vg.
SPtotal
vg =
k 1
Daca datele referitoare la un operator vor fi compacte (v  este mic, iar vg
este destul de mare), atunci masuratoarea noastra a diferentiat bine
muncitorii.

3. Se pot folosi urmatorii doi indicatori:

57
 vg
q = ; daca q este ridicat, atunci avem diferentiere buna intre
v
muncitori; daca q este scazut  omogenitatea este foarte ridicata.

vg
r= vg  v ; r variaza intre 0 si 1. Pentru ca masuratoarea sa fie fidela, r
trebuie sa fie mai mare decat 0.70.
In probleme de omogenitate se cere ca ipoteza nula sa nu fie infirmata,
iar r sa fie destul de mic.

Probleme de tip b – cand avem o colectie sistematica de grupe

independente si se pune problema unor comparatii multiple.
Pentru testele de comparatie multipla:
1. Alcatuirea tabelului pentru stabilirea semnului coeficientilor.

Comparatii intre medii Coeficientii

(grupe) a1 a2 a3

m1 cu m2 +1 -1 0
m1 cu m3 +1 0 -1
m2 cu m3 0 +1 -1
m1 cu m2+m3 +2 -1 -1
m2 cu m1+m3 -1 +2 -1

Efectivele trebuie sa fie egale; grupa pe care o comparam primeste

coeficienti pozitivi, iar grupa cu care comparam – coeficienti negativi.

2. Se trece la algoritmul de calcul:

a) utilizand totalurile
Se pleaca de la urmatorul tabel:

n=10

Grup A B C D

Total erori 92 81 64 108

(Tg)

Totalul
patratelor 897 965 780 862
((x2))

58
• Se intocmeste tabelul cu datele de baza pentru analiza de varianta:

SURSA v’/v Suma patratelor PM F

Intergrupe 3 102.27 34.3 ?

Intragrupe 36 425.50 11.8 ?
Total 39 528.37 46.1 ?

Unde v=k-1; v’ = N-k.

• Se trece la efectuarea comparatiilor. De exemplu, vom compara grupele

A+D cu B+C. in acest sens, trebuie calculat indicatorul D.
ag
D =  k Tg
D1 = 92*(+1)+81*(-1)+64*(-1)+108*(+1)=55;
D2
Se calculeaza PMinter = n  75.6;
 a2
PM int er ( D1)
F=  6.4  semnificativ la p=0.05;
PM int ra

b) utilizand mediile
d2
PMinter (d) = 1
n
a 2

Se pleaca de la medii; in rest, se calculeaza la fel ca mai sus.

Plan bifactorial
In planurile bifactoriale ne intereseaza analiza pe linii si pe coloane.
Exemplu: S-a studiat influenta unor metode de instruire asupra
coeficientului de inteligenta (C.I.)

I II III Total
Grupul I 114 96 74 284
(C.I. peste medie) 1116 814 542 2742

59
 Grupul II 88 70 47 205
(C.I. sub medie) 700 462 237 1399

Total 202 166 121 489 (T)

1816 1276 779 3871 (Sx2)

In fiecare casuta din tabel pe prima linie este reprezentat Tg, iar pe cea
de-a doua, x2.
Intr-un astfel de experiment bifactorial, o studiere globala a
variabilitatii intergrupe nu prezinta interes. Ne intereseaza comparatiile
intre coloane pentru a desprinde efectele modalitatilor variabilei A,
comparatiile intre linii pentru a releva efectul variabilei B, studiul
interactiunii dinte A si B.
T2 480
SPtotala = Sx2 -  3871   549.88;
N 72
Tg 2 T 2
SPinter = S   224.19;
ng N
SPintra = SP totala – SPinter = 325.69;
• Variabilitatea intergrupe se desface intre componentele principale:
- Prima componenta: pe coloane pentru variabila A;
- A doua componenta: pe linii pentru variabila B;
- A treia componenta: efectul combinatiei AxB.
TAI2  TAII
2
 TAIII
2
T2
• SPA=  = 137.23;
n N
• SPB= 86.68;
• Efectul interactiunii: SPAxB = SP inter- SPA - SPB=0.28.
Pasul urmator: Se calculeaza mediile:
SPA
PMA= = 68.62, unde c= numarul de coloane.
c 1
SP
PMB= B  86.68 , unde r = numarul de linii;
r 1
SP
PMAxB= (c  1)(r )  0.14
AxB

SP int ra
• Se calculeaza PMintra =  4.93
N k
• Calculam rapoartele Snedecor (F)
PM A
F A=  13.9 , p=0.01
PM int ra
PM B
F B=  17.58 , p=0.01
PM int ra
PM AxB
FAxB=  0.028 , nesemnificativ.
PM int ra

60
 ANOVA se poate aplica si pentru colectivitati de k esantioane
perechi. Si aici se aplica un procedeu algoritmizat, numit procedura lui
Abdi.
Exemplu: Efectul medicamemtelor asupra timpului de reactie.

Conditii experimentale Total

Subiecti Drog A Placebo Drog B
S1 165 231 217 613
S2 172 219 217 608
S3 109 199 243 591
S4 197 219 160 576
S5 199 247 162 608
S6 193 245 191 629
Total: 1035 1360 1190 3585

Procedeul lui Abdi presupune urmatorii pasi:

1. Calcularea lui T.
2. Calcularea x2 = 735 819 . Notam cu AS

Tg 2
3. Se calculeaza n
=762 820.8. Se noteaza cu A
Ti 2
4. Se calculeaza  =715 371.7 Notam cu S
k
T2
5. Se calculeaza = 714 012.5. Notam cu 1.
n*k
6. SPtotala= AS - 1 = 21 806.5;
7. SPintercoloane= A - 1= 8808.3;
8. SPinterlinii= S - 1 = 1359.2;

9. SPintra=AS – S – A + 1 = 11739;

Cu aceste date se intocmeste tabelul ANOVA:

SURSA v SP PM F

Coloane 2 8808.3 4404.15 ?

(medicamentele)

Linii 5 1359.2 271.84 ?

(subiectii)

Reziduu 10 11639 1163.90 ?

61
Total 17 21806.5 5839.89

Unde, Vcoloane= numarul de coloane – 1 = 2

Vlinii = numarul de linii – 1 = 6-1 = 5
Reziduu = Vliniix Vcoloane = 10.

Pentru a obtine PM, se imparte SP la v.

Se trece la diferite tipuri de comparatii. Comparam Placebo cu
medicamentele  D1 = 1035*(-1)+1360*(+2)+1190*(-1)=495;
D2
PMinter(D) =  6806.2;
N  a2
PM int ra( D )
F =  5.84  medicamentele au efect asupra timpului
Re ziduuPM
de reactie.

XII. Probleme de corespondenta

1. Tabelul de corespondenta
Intr-un tabel de corespondenta se trec datele obtinute intr-o cercetare,
indeobste impartite in doua categorii; pe ultima coloana se trec datele
conform variabilei criteriu (exemplu: reusita profesionala, etc.). pe prima
coloana se trec subiectii; pe coloanele intermediare se trec variabilele
explicative (exemplu; rezultatele la un test de inteligenta), care se
presupune ca reprezinta insusirile ce duc la respectivele rezultate.
Exista o serie de probleme in osihologie care cer sa grupam
persoanele in grupe avand o anumita omogenitate, sa stabilim anumite
tipologii.
Exista doua tipuri de tipologii:
a) stabilirea unor analogii (analiza de clusteri);
b) prin probleme de segmentare.
Analiza de clusteri
Pleaca de la premisa ca exista persoane asemanatoare din punct de
vedere al unor caracteristici.
“Cluster” = categorie, a strange in grupe, a clasifica.
Analiza de clusteri reprezinta atat o metoda de investigare, cat si de
confirmare a unei ipoteze.

62
 Intram in calcul cu valori ale unor relatii dintre variabile (coeficienti
de corelatie, diferente intre medii, s.a.m.d).
Exista mai multe metode de calcul in analiza de clusteri:
- metoda prin legatura simpla
- metoda prin legatura completa
- metoda prin media clusterilor.
Intre aceste metode nu se obtin diferente semnificative, dar
intotdeauna se alege metoda care ne va da un coeficient de corelatie cat
mai ridicat.

Proceduri (indicatii) pentru analiza de clusteri

1. Analiza se desfasoara secvential, de la stadiul in care fiecare
variabila este un cluster, pana la stadiul in care un singur cluster
cuprinde toate cele n variabile.
2. Deoarece clusterii fiecarui stadiu se obtin prin fuziunea a 2
clusteri anteriori, care sunt cei mai asemanatori, aceste tehnici
duc la o structurare ierarhica a datelor, respectiv a variabilelor.
Chiar daca sunt variabile diferite, exista o anumita apropiere intre
o serie de variabile.
3. Rezultatele se vizualizeaza intr-o dendograma.

Metodica de calcul (exemplu)

• metoda legaturii simple  se intra in calcul cu o matrice ce contine
diferente minime intre medii.

1 2 3 4 5
1 0.0

2 2.0 0.0

3 5.0 7.0 0.0

4 8.0 6.0 4.0 0.0

5 10.0 9.0 6.0 3.0 0.0

Stadiul I:
Se formeaza clusterul d(12), pentru ca distributia d1-d2 este cea mai
mica inregistrata in tabelul respectiv.
Distanta dintre d(12) si celelalte este: d(12)3=min {d13, d23}
d(12)4=min {d14,d24}

63
 d(12)5=min {d15, d25}
Stadiul II:
Se alcatuieste din nou tabelul, numai ca in loc de variabila 1 si 2,
trecem clusterul (12).

(12) 3 4 5
(12) 0.0

3 5.0 0.0

4 6.0 4.0 0.0

5 9.0 6.0 3.0 0.0

 cea mai mica valoare este clusterul d(45).

d(12),3 = 5; d(12),4 = 6; d(12),5 = 9.

d(45)(12) = min {d41,d42,d51,d52} = min{6,6,9,9} = 6;

d(45)3 = min {d43,d53}=4;

Stadiul III:
(12) 3 (45)
(12) 0.0

3 5.0 0.0

(45) 6.0 4.0 0.0

Stadiul IV: formam clusterul (453).

d(453)(12)= min {d41,d42,d51, d52, d31, d32}= min {6,6,6,5,5,5}=5.
Se construieste dendograma. Pentru calculul dendogramei, valorile
nu se pun in ordinea 1, 2, 3, 4, 5, ci in ordinea apropierii.

5
3
4 4

64
 5
2
2
1

Semnificatia acestei dendograme: variabilele 1 si 2 formeaza o

categorie, nu diferentiaza subiectii.
Putem sa presupunem ca in spatele acestei apropieri sta un alt
factor.
Daca vedem ca distantele sunt foarte, putem imbunatati, in functie
de o imbunatatire a esantionului de subiecti.
In cercetare alegem metoda ce ne da coeficientul cel mai ridicat
intre matricea initiala de disimilaritati si matricea construita pe baza
dendogramei.

2. Probleme de segmentare
In problemele de segmentare, avand un ansamblu de date referitoare la
variabila criteriu (exemplu: succesul profesional) si variabilele explicative
(inteligenta, motivatie, trasaturi de personalitate,…) urmeaza sa facem o
taietura in variabila explicativa, astfel incat sa impartim esantionul in 2, iar
segmentele obtinute sa fie cat mai contrastante in raport cu criteriul.
Segmentam populatia grafic; metoda segmentarii se infatiseaza ca o
arborescenta in care apare o suita de noduri, respectiv bifurcatii, urmarind
variabilele relevante.
!!! Atentie! Reperul sau pragul se poate alege arbitrar (de exemplu,
media), dar cel mai bine se alege prin tatonare, considerand toate
pragurile posibile pentru fiecare variabila, si alegand pragul si variabila
care ne dau segmentele cele mai contrastante.

Formula de calcul:

• daca variabila criteriu este o variabila continua, criteriu de diferentiere

este:

n1  ( y1  y ) 2  n 2( y 2  Tg ) 2
2  ,
( y '  y ) 2

unde y = media valorilor y pe tot esantionul

y’ = variabila criteriu pe tot esantionul
n1,n2 = efectivele celor doua subgrupuri;
y1,y2 = mediile valorilor y in cele doua exemple.

65
 2 se calculeaza la fiecare stadiu sau nod pentru toate pragurile fixate,
pentru toate variabilele explicative si se retin variabila si pragul, care dau
valoarea maxima pentru 2.

Exemplu si metodica de calcul:

Un lot de 61 ingineri; avem o masura a succesului profesional (variabila

criteriu) – de la 1 la 10. Se aplica probele Raven, un test de flexibilitate
mentala, o proba de motivatie, una de memoriew si inventarul C.P.I. cu
scarile Re, Cs, Do si So.
Pasii:
• stabilim, pentru fiecare variabila explicativa, un prag. De exemplu,
pentru testul Raven: 0 – 39;
40 – 44;
45 – 50;
51 – 55;
56 – 60.

Presupunem ca cea mai buna diferentiere s-a obtinut pentru inteligenta:

19
+
7.9
39
+ Motivatie (7)
7.4
Subiecti 61
Inteligenta (50) - 20
Media 4.6
7.2
- 22

3.2

• Se calculeaza pana cand segmentul de divizat are un reper mai

mult decat cel vizat, sau cand prin o noua divizare nu mai obtinem nimic.
• Urmarind casetele in care apare cel mai mare numar de subiecti
din grup  “portretul robot”.

66
 In cazul nostru, inginerii cu succes profesional au o inteligenta mai
mare decat media.

Daca variabila continua este dihotomica, dihotomizam si variabila

explicativa si aplicam formula:
c  ab
2  ( )2
a (1  a )b(1  b)

XIII. Evaluarea cercetarilor clinice

Cercetarile de psihologie clinica, indeosebi cele de evaluare ale

psihoterapiei, ridica probleme specifice:
- inmultirea categoriilor gnoseologice in
psihodiagnostic;
- proliferarea exploziva a metodelor psihoterapeutice;
- probleme de etica a cercetarii.
Problema principala a cercetarii clinice vizeaza evaluarea eficacitatii
unui tratament terapeutic (ce tratament? Aplicat de catre cine? Este cel
mai eficace pentru un anumi pacient, cu anumite probleme, in anumite
conditii).

1. Strategii de cercetare
a) Strategia evaluarii globale a tratamentului
Ne intereseaza eficacitatea tratamentului ca intreg; in acest sens, se
recurge la un plan experimental de baza, si anume: grupul supus
tratamentului integral (GE) este comparat cu grupul de control (GC).
Facem masuratorile pre si post test (vezi planul lui Solomon).
In terapiile care considera ca reactivitatea subiectului poate
deteriora rezultatele (in psihoterapiile sugestive) se aplica doar metoda
posttest.

b) Strategia descompunerii tratamentului

Fata de a), acum se verifica eficacitatea unei anumite componente a
tratamentului psihologic, si anume vom descompune tratamentul in
componentele sale, vom avea un lot de subiecti caruia I se aplica
tratamentul in intregime, un al doilea lot caruia I se aplica acelasi tratament
– prima componenta. Diferentele vor reflecta ponderea componentei
respective. Astfel putem identifica numarul componentelor de tratament.
Exemplu: Efectele unui tratament psihoterapeutic pentru tinerii

67
casatoriti 2 componente:
1) modificarea comportamentelor
2) dezvoltarea unor abilitati in rezolvarea problemelor
interpersonale.
Subiectii au fost impartiti in 3 grupuri experimentale:
Grupul A – caruia i se aplica tot tratamentul (1) + 2) )
Grupul B – i se aplica doar 1) (modificarea comportamentelor).
Grupul C – i se aplica 2) (dezvoltarea abilitatilor).
Dupa 16 sedinte de psihoterapie s-a constatat ca in toate cele 3
grupuri experimentale s-a imbunatatit situatia fata de grupul de control. S-a
mai constatat ca metoda terapiei globale nu este mai eficace decat fiecare
din cele doua componente. Dintre cele 2 componente, cea mai eficienta s-
a dovedit a fi prima (modificarea comportamentelor).
Astfel de cercetari pot servi si la stabilirea combinatiilor de
“ingrediente” (cat sa punem din fiecare pentru o reusita).

c) Strategia terapiei constructive

Este opusa lui b); la o anumita terapie se adauga o componenta.
Exemplu: S-a studiat eficacitatea psihoterapiei individuale cu
medicatia in cazul depresiei. S-au folosit 4 grupuri de adulti: la primul grup
– psihoterapie; la al doilea – medicatie; la al treilea – medicatie si
psihoterapie; cel de-al patrulea grul = grupul de control. Tratamentul a
durat 16 saptamani. Rezultatele: grupurile experimentale si-au imbunatatit
situatia fata de grupul de control. Psihoterapia asociata cu medicatia a dat
cele mai bune rezultate.

d) Strategii parametrice de tratament

Ponderea pe care o are un tratament, constituie un parametru.
Trebuie sa stabilim parametrul optim pe care trebuie sa-l atinga un
tratament pentru cele mai bune rezultate. Variatiile sunt facute pe
dimensiunea cantitativa.
Exista o terapie prin flooding – expunerea la stimuli anxiogeni, pana
la stingerea reactiei adverse pentru recuperarea pacientilor cu agorafobie
sau nevroza obsesiva fobica.
Se ridica intrebarea: “cat de mult putem expune pacientii la stimulii
anxiogeni?” .Raspunsul: pana se stinge reactia.
S-a constatat ca expunerea prelungita este mai eficace decat cea de
scurta durata, iar expunerile reale sunt mai eficace decat cele imaginare.

e) Strategia compararii tratamentelor

S-a studiat eficacitatea psihoterapiei cognitive si a chimioterapiei in
cazul pacientilor cu depresie.dupa 12 saptamani, s-a constatat ca ambele

68
tratamente au contribuit considerabil la imbunatatirea starii pacientilor.
Dupa 12 luni s-a constatat superioritatea terapiei cognitive.
Aceasta strategie este utila pentru alegerea tratamentului adecvat,
pentru ca studiile de metaanaliza (compararea a doua cercetari
independente intre ele si, eventual, cumularea rezultatelor) au aratat ca
scepticii nu pot fi niciodata convinsi de eficacitatea unui anumit tratament.
De obicei, tratamentul in care psihoterapeutii auu incredere produce
mai multe schimbari decat alte metode alternative, in care nu au incredere.

f) Strategia schimbarii pacientilor si a terapeutilor

Aceasta strategie este folosita pentru a se pune in evidenta rolul
terapeutului.
Au fost variate categoriile de pacienti sau terapeuti (cognitivist,
psihanalist, ani de experineta, varsta, empatie).
Cercetarile de acest gen au evidentiat impactul deosebit al
caracteristicilor terapeutului asupra rezultatelor tratamentului.
Intr-un studiu asupra familiilor delincventilor juvenili 60% din
rezultatele obtinute s-au dovedit a se datora personalitatii terapeutului.

2. Conditiile cercetarii
a) Investigatii analogice
Rigorile impuse de metodologia experimentala pe de o parte, iar pe
de alta parte anumite consideratii de ordin etic, fac uneori imposibile
cercetari de psihologie clinica pe subiecti internati.
Se recurge la cercetari analoge facute pe subiecti infraumani sau pe
subiecti voluntari.
Problema care se pune: daca similitudinile sunt suficient de
pronuntate pentru a permite extrapolarea rezultatelor la clinica.

b) Experimentul clinic
Subiectii sunt pacienti care au nevoie de tratament.
Pot interveni problemele semnalate mai sus, dupa cum se pot face
compromisuri metodologice pentru a putea rezolva situatiile respective.

3. Evaluarea in practica de tip clinic

a) Studiul de caz.
Este o alternativa la distanta ce apare intre practica de tip clinic si
cercetarea stiintifica.
Modalitatile de studiu ale cazului individual cuprind de la observarea
sistematica pana la demonstratia clinica si experiment.
Poate fi eficient in:

69
 - ilustrarea unei forme de comportament printr-un
exemplu prototip;
- demonstrarea eficacitatii unei metode sau tehnici
terapeutice;
- oferirea unor informatii detaliate asupra unui
fenomen psihic rar intalnit;
- ca sursa de ipoteze.
Masura in care un caz are valoare de prototip depinde de inteligenta
si experienta cercetatorului.
Adesea, eficacitatea unei metode terapeutice poate fi semnalata prin
studierea rezultatelor dintr-un singur caz.
Data fiind raritatea unor manifestari psihocomportamentale, singura
alternativa la ignoranta absoluta in domeniu este studiul de caz.
Exemplu: personalitatea multipla este extrem de rar intalnita.
Orice studiu de caz este o sursa de ipoteze.

b) Cvasiexperimentul
Vorbim de cvasiexperiment cand totalitatea conditiilor experimentale
nu poate fi realizata.

c) Experimentul propriu-zis
Acopera toate exigentele metodologice ale experimentului. In aceste
conditii, exista cateva reguli ce trebuie respectate:
- schitarea esantionului de pacienti (descrierea
caracteristicilor de baza);
- evaluarea statutului clinic (diagnosticul clinic precis
– RMS);
- recrutarea si selectarea subiectilor;
- schitarea si specificarea tratamentului;
- atentia la factorii specifici si nespecifici (cum ar fi
sugestibilitatea pacientilor, de exemplu).

Concluzii:
Uneori, pentru evaluarea unor proceduri psihoterapeutice se poate
recurge la procedurile metaanalitice, dupa cum se incearca – la ora
actuala – simularea pe calculator a comportamentului tipic unei anumite
tulburari.

XIII. Metaanaliza

70
 1. Problematica metaanalizei
Metaanaliza se refera la:
- metoda de analiza statistica a rezultatelor continute
in mai multe studii referitoare la aceasta problema;
- analiza calitativa (trecerea in revista) a rezultatelor
obtinute pana la un moment dat;
- cele doua domensiuni (calitate si cantitate) sunt
complementare, asadar metaanaliza este dictata de
dezvoltarea cumulativa a cercetarilor psihologice.
Etapele metaanalizei
a) Orice metaanaliza incepe cu punerea unei probleme concrete.
(Exemplu: ce relatie exista intre anxietate si nivelul
performantelor scolare);
b) Clarificarea punctelor de vedere intr-o serie de chestiuni
teoretico-metodologice (modul de definire a variabilelor;
operationalizarea variabilelor; instrumentele folosite; clarificarea
notiunilor; alte operationalizari posibile).
c) Reperarea studiilor ce vor fi analizate;
d) Stabilirea valorii studiilor.
e) Retinerea informatiilor despre caracterul general al studiilor;
informatii privind metodolgia cercetarilorl caracteristicile
subiectilor (sex, varsta, …)

2. Proceduri de calcul
Obiective: compararea rezultatelor pentru a evidentia semnificatia
diferentelor existente si combinarea rezultatelor.

2.1. Procesul de comparare

2.1.1. Compararea pragurilor de semnificatie

Exemplu: 2 studii, A si B, pun in evidenta relatia de corelatie de sens
opus
r1=0.60; N1=15; p1=.06
r2=-0.20; N2=100; p2=.12
Este semnificativa diferenta dintre p1 si p2?
Cautam valoarea lui z in anexa (pragurile de semn sunt bilaterale,
prezinta ambele extreme ale curbei lui Gauss).

2.1.2. Compararea marimii efectului

Este folosita atunci cand rezultatele se dau prin coeficienti de
corelatie.

71
 2.2. Proceduri de combinare
• Combinarea pragurilor – se face in mod analog ca la comparare,
z1  z 2
exceptand faptul ca z=
2
• Combinarea marimii efectului – dupa formula:
zr1  zr 2
zr= .
2
Daca esantioanele sunt diferite din punct de vedere numeric, se
aplica media ponderata.
 1 zr1   2 z r 2
Zr ponderat = .
1   2

XV. Analiza factoriala

1. Problematica analizei factoriale
Cunoasterea complexului de factori in conexiunea lor are atat o
importanta teoretica (vezi Big 5), cat si una practica (cunoscand realmente
care sunt factorii, putem face o predictie valida in comportamentul uman).
Asa cum se stie, orice fenomen rezultativ, variabila dependenta,
efect, s.a.m.d. poate fi determint de un numar mare de cauze.
Prin diferite strategii, se incearca izolarea unui numar redus de
factori, lucru care s-a vazut in analiza de clusteri, in tabelul de asociere, in
definirea legaturii de cauzalitate ne intereseaza nu numai cunoasterea
factorilor, ci si sensul, intensitatea actiunii si marimea efectului, a partii ce
revine actiunii fiecarui factor. De aceea, experimentul constituie metoda
prin care putem izola cel mai bine factorii cauzali, ii putem manipula dupa
cum dorim.
Dependenta statistica nu este intotdeauna echivalenta cu legatura
cauzala, ci analiza logica a relatiei dintre variabile. O data admisa prezenta
semnificativa a factorilor de influenta (VI), trebuie cuantificata contributia
directa, cat si contributia interactiunii dintre factorii respectivi asupra
variatiei VD.
De exemplu, am vazut acest lucru la dreapta de regresie.
Analiza factoriala a fost formulata in 1904 de Spearman pentru un
model cu un singur factor comun si un factor specific (s). Thurstone, 1930,
generalizeaza pentru un numar mai mare de factori.
Analiza factoriala are rolul de a arata ca un numar oricare de
variabile dependete depind de o serie de factori nemasurati direct.

72
 2. Principii ale analizei factoriale.Metode
Analiza factoriala este o metoda statistico-matematica de cercetare
a relatiilor functionale ale unor rezultate.
Analiza factoriala cuprinde toate metodele de analiza si porneste de
la intercorelatiile, covarianta unui ansamblu de variabile in functie de acesti
factori.
Cunoscand relatiile ce exista intre testele unei baterii, analiza
factoriala incearca sa izoleze si sa defineasca aptitudinile componente ale
acestor teste, numite factori, precum si gradul de legatura dintre factor si
testul respectiv.
Exista doua metode de analiza factoriala:
• metoda analizei componentelor principale (HOTTELING);
• metoda analizei centroide (THURSTONE)

Metoda analizei componentelor principale

Exemplu: presupunem ca am aplicat o baterie de 4 teste, iar
intercorelatiile dintre ele se prezinta astfel:

Teste A B C D

A 1.00 0.20 0.26 0.31

B 1.00 0.16 0.17

C 1.00 0.22

D 1.00

Aceste date se introduc in calculator, obtinandu-se, in final,

urmatorul tabel:

Teste Factorii componenti Suma patratelor

I II III IV
A 0.71 -0.30 … …
B 0.56 0.82 … …
C 0.64 -0.30 … …
D 0.75 … … …
Suma patratelor 1.65 …
Proportii 0.41 0.22 0.21 0.16
Procente 41% 22% 21% 16% 100%

73
 In spatele acestor teste aplicate exista 4 factori: primul fcator
acopera 41% din varianta; daca factorul acopera 50% (unii spun 70%),
atunci vorbim despre un factor general; daca nu – factor comun.
De asemenea, printr-un calcul specific se determina comunalitatea
(cu cat contribuie factorul comun la test); coeficient de saturatie, valoarea
de saturatie a unui test in factorul respectiv; se maicalculeaza
specificitatea (ponderea atribuita unui anumit test); se calculeaza factorul
specific.
Exemplu:
3 teste: - A = proba de desen;
B = proba verbala;
C = o proba de calcul numeric.

Teste Comunalitate Specificitate Factori specifici

A 0.36 0.64 0.80
B 0.45 0.55 0.74
C 0.31 0.69 0.83

Specificitatea = 1- Comunalitatea;
Factorul specific = Specificitate;

74