Оценка эффектов взаимодействия экспериментальных факторов

Указанный в разделе 10.1.3 способ подсчета ОРД факторов предлагается Р. Готтсданкером в качестве универсального. Экскурс 10.5 показывает, насколько трудно согласиться с тем, что именно подсчитанные величины отражают силу экспериментального эффекта. Для факторных экспериментов графическое изображение полученных данных обычно сочетается с оценкой значимости основных результатов действия переменных и эффектов взаимодействий согласно процедурам дисперсионного анализа. Основные преимущества этого типа статистических решений – сравнение нескольких рядов средних (а не двух, как при обычном использовании статистических критериев проверки нуль-гипотез для оценки различий выборочных средних ЗП в экспериментальном и контрольном условиях) и определение значимости эффектов взаимодействий экспериментальных факторов.

Выпущен ряд пособий для знакомства психологов с основами реализации этих процедур [15, 66]. Они помогают понять принципы формулирования нуль-гипотез при использовании этого метода обработки данных. Однако в этих пособиях не обсуждаются особенности планирования экспериментов с точки зрения адекватности перехода от психологических гипотез к статистическим, как и те специальные допущения, которые учитываются исследователем при принятии решения об использовании таких схем обработки данных (например, дисперсионный анализ), без рассмотрения которых интерпретация результата действия НП как эффекта воздействия оказывается недостаточно обоснованной.

Так, уровни качественной НП, отличающей подобранные группы испытуемых, часто не могут выглядеть как уровни воздействий. Например, речь идет о различных возрастах или разных уровнях мотивации, измеренной в качестве латентных диспозиций. По существу, имеются в виду квазиэкспериментальные исследования, для которых осуществлен подбор групп, отличающихся по какому-то фактору индивидуальных различий. Однако квазиэксперимент как эксперимент с ограниченными формами контроля экспериментальных факторов предполагал бы другие схемы обработки данных. Это в первую очередь схемы, направленные на выделение интересующего – основного согласно гипотезе – базисного процесса, из группы сопутствующих переменных, всегда имеющих место, если базисная переменная отражает интеллектуальные или личностные особенности испытуемых. Традиционно на эти психологические данные налагаются схемы обработки, исходящие из так называемой фишеровской статистики, основанной на принципе изолированных условий.

Дисперсионный анализ, проведенный для представленных в табл. 10.1 результатов, показал статистически значимое влияние для ОРД переменной «источник сообщения» и для эффекта взаимодействия двух варьируемых факторов. ОРД второй переменной в силу указанного перекреста данных по ее условиям не оказался статистически значимым, т.е. без графического представления этот результат действия (переменная «характер сообщения») мог бы быть 'упущен.

Следует отметить, что оценка эффектов взаимодействия переменных – основное преимущество использования факторных схем. Последовательное проведение двух экспериментов с целями проверки по отдельности двух гипотез с одним отношением – о влиянии каждой НП на ЗП – не может дать оценку суммарного эффекта как эффекта взаимодействия сразу двух НП, влияющих на ЗП именно в их сочетании.

Аналитический подсчет взаимодействия факторов по табличным данным строится как разность двух разностей. Для ее вычисления необходимо использовать не средние, расположенные по краям таблицы значения, а значения ЗП внутри клеток. Сначала определим (для того же примера), чьи сообщения – меньшинства или большинства – больше влияли на ПР респондентами при первом условии – непредвзятых сообщений: 0,33 – 0,19 = 0,14. Затем подсчитаем тот же эффект влияния 1-й переменной при втором условии 2-й переменной – предвзятых сообщений: 0,17 – 0,25 = –0,8. После этого можно подсчитать разницу этих вычисленных значений, которая и будет численно представлять величину эффекта взаимодействия экспериментальных факторов.

Взаимодействие экспериментальных факторов обозначается знаком умножения «х», который читается как «помноженное». Итак, взаимодействие «источник сообщений» х «характер сообщений» будет означать разность двух полученных выше разностей: (0,33 – 0,19) – (0,17 – - 0,25) = 0,22.

Этот эффект влияния взаимодействия при графическом изображении выглядит достаточно сильным: для условий «большинства» и «меньшинства» «предвзятые» и «непредвзятые» сообщения меняются местами в порядке их влияния на когнитивные искажения, представленные в умозаключениях испытуемых.

Вместе с тем согласиться с таблично или графически представленными эффектами как достоверными можно только при условии высокой оценки внутренней валидности эксперимента и статистической оценке их значимости.

В случае многоуровневого эксперимента экспериментальный эффект (или ОРД) может быть более очевиден именно с точки зрения описания функциональной зависимости, представленной в виде кривой, соединяющей значения ЗП в точках разных уровней основной НП (если эффект последовательности проконтролирован путем усреднения ЗП по подгруппам испытуемых, то на графике тем самым представлена только одна кривая). Если исследователю важно продемонстрировать влияние введения второго фактора, то на графике будет представлено столько отрезков или кривых, сколько уровней имела первая НП. Таким образом, значения ЗП на оси ординат будут представлять изменения ее в соответствии со значениями второй НП на оси абсцисс отдельно для каждого уровня первой переменной.

В одних случаях независимые переменные «равноправны», поскольку определение, какая из них является первой, а какая второй, не меняет сути гипотезы. В других случаях, например при введении контрольной независимой переменной для приближения эксперимента к идеальному (с точки зрения выделения чистой базисной переменной, отделяемой от сопутствующей базисной переменной с помощью введения контрольной НП), именно первичная НП рассматривается в гипотезе как основное причинно-действующее условие.