п., основное значение придается дис-
криминативности. Важен тот факт, что
44Й
тест является дискриминативным, а не причина, по которой это происходит. В связи с
использованием К.-к. п. конструирования тестов возникает ряд проблем, которые должен
решать разработчик. К их числу в первую очередь следует отнести трудности в отборе
критериальных групп. ММР1, например, разрабатывался, как указывалось выше, путем
сопоставления больных и здоровых, однако разработка шкалы шизофрении (S;.) или
паранойи (Р) с большим успехом могла бы опираться на сопоставление группы больных с
выраженными шизоидными или паранойяльными тенденциями с группой пациентов, у
которых отмечаются противоположные патологические особенности, но это практически
нереально. Комплектование критериальной группы больных опиралось на врачебный
диагноз, который разными специалистами может восприниматься по-разному. Сложность в
отборе <чистых> групп для сравнения ведет в конечном итоге к снижению надежности и
валид-ности теста. (См. также Контрастные группы.)
Другая проблема связана со значительными трудностями, а иногда и невозможностью
психологической интерпретации показателей тестов, созданных в соответствии с К.-к. п.
Наиболее вероятным является то, что одна критериальная группа отличается от
релевантной ей не одним, а несколькими (иногда многими) переменными. Полученные
шкалы являются, таким образом, не однозначными, а мультивариантными.
Следовательно, два идентичных показателя могут иметь различную интерпретацию, и не
существует определенного способа по виду показателя установить, что измеряет данная
шкала. Факт, что тест может дискриминировать группу Х от группы У, не говорит ничего о
природе переменной, измеряемой тестом, если только мы не располагаем
доказательством, что группы отличаются одна от другой лишь по одной переменной.
Результатам тестов, разработанных на основе К.-к. п., присуща известная специфичность,
что также является серьезным ограничением. Например, если такой тест используется для
отбора сборщиков электронной аппаратуры, он будет разрабатываться на основе
конкретного критерия, связанного с выполнением работы определенного характера. Если
содержание работы изменится, разработанный на основе неадекватных критериальных
признаков тест станет бесполезен. В противовес этому тесты, ориентированные на ба-
зовые способности, по-прежнему могут быть использованы.
Факторный тест, относительно <чистый> по исследуемым переменным и опирающийся на
теорию измеряемого конструкта, как можно ожидать, будет предпочтительней страдающих
эмпиричностью тестов, созданных в соответствии с К.-к. п. Однако разработка факторно-
аналитического теста является технически более сложной, трудоемкой задачей.
Не нужно противопоставлять К.-к. п. конструирования тестов факторно-аналитическому
принципу; следует помнить, что при подборе первичного банка заданий разработчики
исходят, как правило, из описания некоего свойства, конструкта, являющегося объектом
измерения. С Другой стороны, разработанный по К.-к. п. тест в последующем может пройти
процедуру факторизации.
<Эмпиричность> таких тестов в значительной степени сглаживается и последующей
процедурой определения валиднос-ти конструктной.
Для методик, созданных в соответствии с К.-к. п., наибольшее значение имеют
эмпирические модели определения надежности (см. Надежность ретестовая, Надежность
параллельных форм. Надежность частей теста).
----------------- КРИ
КРИТЕРИЙ V- (критерий согласия Пирсона) - характеристика распределения,
используемая для проверки статистических гипотез. Под статистическим критерием
подразумевается правило, обеспечивающее с определенной вероятностью принятие
истинной или отклонение ложной гипотезы. В качестве критериев в математической
статистике применяют определенные случайные величины, являющиеся функциями
изучаемых случайных величин и чисел степеней свободы..
Одним из наиболее часто применяемых является К. X2, представляющий собой сумму
квадратов отклонений эмпирических частот (р) от теоретических или ожидаемых (р),
отнесенную к теоретическим частотам:
<-?
(P-PY Р
При полном совпадении эмпирических и ожидаемых частот S (р - р) = 0. При несовпадении
производится сравнение эмпирической величины X2 с его критическим значением,
определенным по таблицам (см. Приложение III, табл. 3). Нулевая гипотеза, которая
предполагает, что расхождение между эмпирическими частотами и математическим
ожиданием носит случайный характер и между вычисленными и эмпирическими частотами
разницы нет, опровергается, если X2 > X2 для принятого уровня значимости (а) и числа
степеней свободы (df). В качестве примера проанализируем с помощью К. X2
распределение частот выбора ответа на закрытый пункт теста (см. Задачи закрытого типа).
Предлагаемые варианты неправильных ответов должны быть примерно равновероятны.
При обследовании 100 человек, отвечающих на проверяемый пункт неверно, результаты
распределились следующим образом (табл. 14).
149
КРИ
Таблица 14
Распределение ошибочных ответов на репертуар закрытого задания теста у 100
обследованных
Показатель
Выбор ответа
а
Ь
с
d
е
Частота в опыте (р) 22 18 29 21 10
Ожидаемая частота при равновероятном
выборе (р) 20 20 20 20 20 Отклонение-/?) 4 4 81 1 100
190
Вычисление -/. =--=9,5.
Степень свободы для данного случая df = п - 1 = 4 (где п - число вариантов ответа). По
табл. 3 Приложения III для а = 0,01 и df = 4 находим X" = 3,28. Полученное значение X2 =
9,5 меньше табличного. Следовательно, при решении задачи может быть принята гипотеза
о примерно равновероятном распределении выбора ответов а, Ь, с, d, е. При повторных
случайных выборках вероятность ложного вывода составит 1%.
В качестве другого примера рассмотрим проверку нормальности распределения тестовых
оценок (см. Оценка типа распределения). Исходные данные приведены в табл.15,16,
Число степеней свободы определяется в данном случае исходя из свойств нормального
распределения df = k - 3 (ограничения свободы вариации ~х , S,, п). В результате
объединения частот в крайних классах (см. ниже) число классов сократилось с 9 до 7.
тогда df = 4. По таблице критических значений X2 для а = 0,05 находим X2 = 9,49, X2 < X2
следовательно, распределение тестовых оценок идет по нормальному закону,
расхождения между эмпирическим и нормальным распределением случайны и
несущественны.
Как видно из данного примера, для проверки гипотезы о законе распределе-
150
Таблица 15
Распределение частот первичных оценок по тесту
Чзстотз
к
я
3:
? а
1 ?
ЗГ
И
|i
С у -
s
3:
t- СС
OJ та
CL. it:
,-,
о u
п.
о.
0.
1
0.
С.
о
Е cu
Q. ffi г
s--
ш г О.
h- У \-
0-
0.
11 3 1,61 g 0,4 0,16 0,C
31
12 9 10.0J
13 31 34,3 3,3 10,89 0,3
52
14 71 67,8 3,2 10,24 0,15
15 82 77,6 4,4 19,36 0,25
16 46 51,2 5,2 27,04 0,53
17 19 19,5 0,5 0,25 0,0
1
18 51 4,41 1,0 1,0 0,2 19 1J 0,6
0
- ?p=267 Zp=267 - - x2 =
1,
47
Таблица 16 Расчет теоретических частот, соответствующих нормальному распределению
первичных тестовых оце-
та
t"
0: Я
/-
Теорет
ичес
( Q
CU s3
кая
частот
а
?
а:
3:
7
S TO
0. !-
.lj- X
x,-x
f(z)
р = /(г)
х
ГЦ
Si
у
I2
б
?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147
криминативности. Важен тот факт, что
44Й
тест является дискриминативным, а не причина, по которой это происходит. В связи с
использованием К.-к. п. конструирования тестов возникает ряд проблем, которые должен
решать разработчик. К их числу в первую очередь следует отнести трудности в отборе
критериальных групп. ММР1, например, разрабатывался, как указывалось выше, путем
сопоставления больных и здоровых, однако разработка шкалы шизофрении (S;.) или
паранойи (Р) с большим успехом могла бы опираться на сопоставление группы больных с
выраженными шизоидными или паранойяльными тенденциями с группой пациентов, у
которых отмечаются противоположные патологические особенности, но это практически
нереально. Комплектование критериальной группы больных опиралось на врачебный
диагноз, который разными специалистами может восприниматься по-разному. Сложность в
отборе <чистых> групп для сравнения ведет в конечном итоге к снижению надежности и
валид-ности теста. (См. также Контрастные группы.)
Другая проблема связана со значительными трудностями, а иногда и невозможностью
психологической интерпретации показателей тестов, созданных в соответствии с К.-к. п.
Наиболее вероятным является то, что одна критериальная группа отличается от
релевантной ей не одним, а несколькими (иногда многими) переменными. Полученные
шкалы являются, таким образом, не однозначными, а мультивариантными.
Следовательно, два идентичных показателя могут иметь различную интерпретацию, и не
существует определенного способа по виду показателя установить, что измеряет данная
шкала. Факт, что тест может дискриминировать группу Х от группы У, не говорит ничего о
природе переменной, измеряемой тестом, если только мы не располагаем
доказательством, что группы отличаются одна от другой лишь по одной переменной.
Результатам тестов, разработанных на основе К.-к. п., присуща известная специфичность,
что также является серьезным ограничением. Например, если такой тест используется для
отбора сборщиков электронной аппаратуры, он будет разрабатываться на основе
конкретного критерия, связанного с выполнением работы определенного характера. Если
содержание работы изменится, разработанный на основе неадекватных критериальных
признаков тест станет бесполезен. В противовес этому тесты, ориентированные на ба-
зовые способности, по-прежнему могут быть использованы.
Факторный тест, относительно <чистый> по исследуемым переменным и опирающийся на
теорию измеряемого конструкта, как можно ожидать, будет предпочтительней страдающих
эмпиричностью тестов, созданных в соответствии с К.-к. п. Однако разработка факторно-
аналитического теста является технически более сложной, трудоемкой задачей.
Не нужно противопоставлять К.-к. п. конструирования тестов факторно-аналитическому
принципу; следует помнить, что при подборе первичного банка заданий разработчики
исходят, как правило, из описания некоего свойства, конструкта, являющегося объектом
измерения. С Другой стороны, разработанный по К.-к. п. тест в последующем может пройти
процедуру факторизации.
<Эмпиричность> таких тестов в значительной степени сглаживается и последующей
процедурой определения валиднос-ти конструктной.
Для методик, созданных в соответствии с К.-к. п., наибольшее значение имеют
эмпирические модели определения надежности (см. Надежность ретестовая, Надежность
параллельных форм. Надежность частей теста).
----------------- КРИ
КРИТЕРИЙ V- (критерий согласия Пирсона) - характеристика распределения,
используемая для проверки статистических гипотез. Под статистическим критерием
подразумевается правило, обеспечивающее с определенной вероятностью принятие
истинной или отклонение ложной гипотезы. В качестве критериев в математической
статистике применяют определенные случайные величины, являющиеся функциями
изучаемых случайных величин и чисел степеней свободы..
Одним из наиболее часто применяемых является К. X2, представляющий собой сумму
квадратов отклонений эмпирических частот (р) от теоретических или ожидаемых (р),
отнесенную к теоретическим частотам:
<-?
(P-PY Р
При полном совпадении эмпирических и ожидаемых частот S (р - р) = 0. При несовпадении
производится сравнение эмпирической величины X2 с его критическим значением,
определенным по таблицам (см. Приложение III, табл. 3). Нулевая гипотеза, которая
предполагает, что расхождение между эмпирическими частотами и математическим
ожиданием носит случайный характер и между вычисленными и эмпирическими частотами
разницы нет, опровергается, если X2 > X2 для принятого уровня значимости (а) и числа
степеней свободы (df). В качестве примера проанализируем с помощью К. X2
распределение частот выбора ответа на закрытый пункт теста (см. Задачи закрытого типа).
Предлагаемые варианты неправильных ответов должны быть примерно равновероятны.
При обследовании 100 человек, отвечающих на проверяемый пункт неверно, результаты
распределились следующим образом (табл. 14).
149
КРИ
Таблица 14
Распределение ошибочных ответов на репертуар закрытого задания теста у 100
обследованных
Показатель
Выбор ответа
а
Ь
с
d
е
Частота в опыте (р) 22 18 29 21 10
Ожидаемая частота при равновероятном
выборе (р) 20 20 20 20 20 Отклонение-/?) 4 4 81 1 100
190
Вычисление -/. =--=9,5.
Степень свободы для данного случая df = п - 1 = 4 (где п - число вариантов ответа). По
табл. 3 Приложения III для а = 0,01 и df = 4 находим X" = 3,28. Полученное значение X2 =
9,5 меньше табличного. Следовательно, при решении задачи может быть принята гипотеза
о примерно равновероятном распределении выбора ответов а, Ь, с, d, е. При повторных
случайных выборках вероятность ложного вывода составит 1%.
В качестве другого примера рассмотрим проверку нормальности распределения тестовых
оценок (см. Оценка типа распределения). Исходные данные приведены в табл.15,16,
Число степеней свободы определяется в данном случае исходя из свойств нормального
распределения df = k - 3 (ограничения свободы вариации ~х , S,, п). В результате
объединения частот в крайних классах (см. ниже) число классов сократилось с 9 до 7.
тогда df = 4. По таблице критических значений X2 для а = 0,05 находим X2 = 9,49, X2 < X2
следовательно, распределение тестовых оценок идет по нормальному закону,
расхождения между эмпирическим и нормальным распределением случайны и
несущественны.
Как видно из данного примера, для проверки гипотезы о законе распределе-
150
Таблица 15
Распределение частот первичных оценок по тесту
Чзстотз
к
я
3:
? а
1 ?
ЗГ
И
|i
С у -
s
3:
t- СС
OJ та
CL. it:
,-,
о u
п.
о.
0.
1
0.
С.
о
Е cu
Q. ffi г
s--
ш г О.
h- У \-
0-
0.
11 3 1,61 g 0,4 0,16 0,C
31
12 9 10.0J
13 31 34,3 3,3 10,89 0,3
52
14 71 67,8 3,2 10,24 0,15
15 82 77,6 4,4 19,36 0,25
16 46 51,2 5,2 27,04 0,53
17 19 19,5 0,5 0,25 0,0
1
18 51 4,41 1,0 1,0 0,2 19 1J 0,6
0
- ?p=267 Zp=267 - - x2 =
1,
47
Таблица 16 Расчет теоретических частот, соответствующих нормальному распределению
первичных тестовых оце-
та
t"
0: Я
/-
Теорет
ичес
( Q
CU s3
кая
частот
а
?
а:
3:
7
S TO
0. !-
.lj- X
x,-x
f(z)
р = /(г)
х
ГЦ
Si
у
I2
б
?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147