見出し画像

心理学検定キーワード第1章【原理・研究法・歴史】1.5-(仮説検定法)

統計は嫌いになっても、心理学だけは嫌いにならないでくだしゃい!

本日は統計の超基礎部分を紹介します。

文系人間の私からすると、統計は本当に鬼門です。

しかし、今後の大学への進学と研究を考えると避けては通れないですし、寧ろ使いこなせるくらいじゃないと研究者の卵にすらなれないでしょうw

まだまだ、理解が浅い部分もありますが、しっかりアウトプットしならが読んで頂ける方と一緒に勉強して行きたいと思います!

それでは本日もまとめの方はーじめていくーーー!!

→まとめ1.5(仮説検定法)

いきなり仮説検定法!どやぁ!いわれましてもw

もーっと前提から話してよってなるんです私は。

心理学の研究では仮説(こうなるんじゃね?)を統計学をつかって検証(確かにそうなるわな)します。

統計学ってなんでしょう?数学じゃないの?

べてかる」とあるように、対象となる人(集団)や現象からデータを取り出して(様々な方法で)、目的に合わせて整理して表現します。

具体的な例として、身近なものはテストの平均点や、模試の偏差値、テレビの視聴率や、野球選手の打率などがあります。

また、国が発表する公的な統計指標として

国勢調査がありますね。全て統計の結果です。

再度確認すると

心理学の研究では仮説(こうなるんじゃね?)を統計学をつかって検証(確かにそうなるわな)します。

これを統計的仮説検定と呼び、このときに使う統計学推測統計学(推計学)と呼びます。

推測というのがポイントですね。

小規模な集団のデータに基づいて、より大規模な集団の特徴を推測します。

得られるデータは少ないですが、より大規模な集団からデータが得られたものと仮定して仮説検定を行います。

例えば日本人の平均年収を調査する!となったときに。

確実なのは、働いている全ての日本人、一人一人に年収を聞く事ですが

全て聞き終わるまでに対象者が死んでる場合もあるし、年収大幅に変わりましたーとかあるかもしれませんw

現実的に不可能ですよね。そんなこと普通はしません。

よって、実際に得られるデータは調査対象となった日本人から出たデータであり、全ての働く日本人のデータではありません。

ここで、調査対象となった日本人からデータの事を標本(サンプル)といいます。

また、それが得られた元となる全ての働く日本人の事を母集団といいます。

そして、母集団から標本を取り出す事を標本抽出(サンプリング)といいます。

なるほど、じゃあ私が対象者を好きに選んで良いんですね?

え、あかんって?なんでw

まあ、そりゃそうですよ。

好きに対象を選ぶ標本抽出(サンプリング)事が出来るなら

私は、プロ野球選手(メジャー含む)とサッカー選手(ヨーロッパ組含む)

後は、、、経団連に所属している会社の役員とかを中心に入れちゃいますねw

平均年収爆上がりみたいなw

こんなことしても全く調査の意味がないですよね。

標本抽出(サンプリング)の際は母集団の特徴が良く反映されるように偏りの無い方法で抽出しなければなりません。

この偏りのない方法の事を無作為抽出(ランダムサンプリング)といいます。

ただ、実際には完全に無作為に標本を抽出する事は難しいとされています。

ですので、段階的に抽出される事が多いようです。まず都道府県別にランダムに選ぶとか。そこからさらに年齢に分けて選ぶとか。

何となくでもイメージできましたか?


→パラメトリック検定とノンパラメトリック検定

まとめ1.3-(質的研究と量的研究)でワードだけ紹介したのですが、しっかりめに説明して行きたいと思います。

パラメトリック=parametric

パラメーター=parameterが元になっています。英語の話か?

日本語の統計的な意味として母数(母集団)を表すらしいです。

てことは

母数(母集団)検定と、母数(母集団)じゃない(non)検定って事か。んーわからん。

ちょっと、前の話に戻して

統計的仮説検定母集団から標本抽出(サンプリング)して標本を得るという事でした。

で、標本抽出は偏りが無いように無作為でやろうねって話でした。

抽出の話はしてますが、じゃあ母集団は何でも良いんですか?

条件とか性質とか一切無いんでしょうか?

そもそも抽出する元(母集団)性質を把握していないと抽出した標本もどういった性質か解らないですよね。

また、抽出した標本に対する分析方法も選ぶ事が出来ません。

そこで、抽出する元の母集団の分布(散らばり方)の前提で大きく2つに分ける事にしました。

正規分布正規分布じゃないか!です。

これもワードは1.3-(質的研究と量的研究)で話してるのでまた読んでみてください。

やっとまとめられる。

つまり母数(母集団)検定と、母数(母集団)じゃない(non)検定とは

パラメトリック 母数(母集団)が正規分布である事を仮定している検定

ノンパラメトリック 母数(母集団)が正規分布である事を仮定していない検定

ということになります。


→帰無仮説と対立仮説の説明

初見で理解できた人いるんかな?結構すごいと思う。

当然私は一回では全く理解できずw

問題の解説を読んだり、他の方のブログや統計学のテキストを読んだりしてようやく理解できるようになりました(問題が解けるとは言っていないw)。

そもそも、理解に苦しむ表現をなさるからです。

統計的仮説検定

差が無いという事(仮説)否定(棄却)する事によって差があるという事(仮説)を証明します。

ね、回りくどいでしょw

先にワードの確認をすると

差が無い=望ましくない仮説・証明しない仮説=帰無仮説 

差がある=証明したい仮説=対立仮説 

といいます。

よくある例は人間とその他の動物が違う事を証明するみたいな事ですね。

じゃあ、「我々人間と象(パオーン)の違い」を証明しましょう。

象と人間 2

画像の内容は気にしないでw

手順としては

①人間と象は同じであると仮説を立てます

違う事を証明する為に、まず同じである事の仮説を立てる

うーん回りくどいw

②同じである仮説を覆す矛盾点を出していきます

・2足歩行と4足歩行

・短い鼻と超長い鼻

・しっぽがある、無い

・成人の体重数十kg、大人の象の体重数t

・牙がある、無い

等々あげたら切りないと思いますが

③矛盾点が非常に多いので、「人間と象が同じ」という仮説は間違ってるのではないかと結論づけます。

矛盾点が多ければ多い程、この仮説を立てた事は違うんじゃないかと思ってきた訳ですw

④以上の事から「人間と象が同じ」という仮説を捨て(棄却するという)、「やっぱり人間と象は違う」という仮説を採択します。

目的が達成されましたね。

これが心理学の専門用語で

「帰無仮説を棄却して、対立仮説を採択する」ということになります。

そして、この一連の流れは

起こりうる(帰無仮説を採択する)確率指定された限界値の比較で決定されます。

起こりうる(人間と象が同じである)確率の事を有意確率=P

指定された限界値の事を有意水準

といいます。

上の例でいうと

有意水準として「人間と象が同じである」確率が5%未満であれば「人間と象は違う」と証明できる

と設定したとしましょう。

そして、実際色々と矛盾点を見つけ出し

有意確率=Pを計算したら2%でした。

このことから

「人間と象が同じ」である確率が2%で、有意水準未満である為

「人間と象が同じ」という帰無仮説棄却して、「人間と象は違う」という対立仮説採択する。

となるのです。

以上が統計的仮説検定における帰無仮説対立仮説の説明になります。

ここからは余談ですのでさらっと流してもらっても大丈夫ですが

もし、上記の例で

有意確率=Pを計算したら6%だった場合、有意水準以上である為

帰無仮説棄却できなくなります。

では、結論としては

「人間と象は同じ」である!と言えるのかというと

実はそうではありません。

この場合「人間と象は違うという程の差はみられなかった」と判断します。

同じである!とは判断できないのがポイントですねw

以上!

1.5(仮説的検定法)のまとめでした。

まとめノートは後日アップします。

少しでも理解できるよう、興味を持ってもらえるように工夫しながらこれからもまとめ頑張りますので

目に留まった方は是非、スキ!お願いします!!

長文にお付き合いありがとうございました。では次の単元で!























この記事が気に入ったらサポートをしてみませんか?