Моделирующий подход и группировки переменных

Проблема контроля эффектов группировки данных

Многие современные исследования в психологии характеризуются иерархической структурой собираемых в них данных. Нестинг выступает одним из вариантов такого планирования эксперимента, где уровни одного фактора заданы «гнездами», или «группировками», соответствующими уровням другого фактора. В приведенном ранее примере вторым фактором выступает пол учителя. Если учитывать индивидуальные различия по психологическим свойствам, то несколько учителей-мужчин и учителей-женщин (их было по 5 человек в приведенном примере) будут задавать новый уровень группировки данных учеников: можно будет оценивать эффекты и отдельных учителей (наряду с основным эффектом влияния метода обучения). Чтобы проконтролировать смешение переменной «метод» с переменной «индивидуальные различия учителей», нужно было построить исследование так, чтобы каждый провел две группы учеников (для двух уровней ПП). По уже было сказано, что это введет смешение с переменной предпочтения метода. Для других сочетаний группировок испытуемых по факторам возможны планы, когда на более высоком уровне иерархически заданных переменных присутствуют все уровни низлежащего фактора.

Эффект влияния соподчиненных (или вложенных) факторов может устанавливаться путем построения иерархических моделей, или иерархического моделирования. Для таких планов (исследования или обработки данных) анализ проводится па нескольких уровнях.

Продолжим пример из педагогической психологии. В качестве типичной (базовой) единицы анализа выступает отдельный ученик. Однако ученики включены в классы, а классы — в школы. При достаточно широкой постановке проблемы психолог может также посчитать нужным учесть тот факт, что школы объединяются в группы на основе их подчинения отделам районного образования. Глобальное исследование может учитывать группировку школ по городам, регионам и странам. Анализ данных в таком исследовании должен осуществляться на нескольких иерархически организованных уровнях: ученик — класс — школа — район — город — регион — страна.

Подобная иерархическая группировка единиц анализа встречается в психологических исследованиях достаточно часто. Например, в дневниковых исследованиях отдельные записи сгруппированы по дням, а дни сгруппированы по испытуемым. В лонгитюдных исследованиях отдельные наблюдения сгруппированы по испытуемым. В кросскультурных исследованиях испытуемые сгруппированы по своей принадлежности к той или иной культуре. Аналогичная ситуация характерна и для лабораторных экспериментов, когда отдельные многочисленные наблюдения сгруппированы по испытуемым (в этом случае обычно речь идет об анализе суммы, совокупности интраиндивидуальных экспериментов).

Таким образом, иерархическая организация единиц анализа проявляется в возможности их объединения во вложенные группы таким образом, что на каждом уровне вложения каждая единица анализа относится только к одной группе. При этом часто характерной особенностью таких группированных данных, собираемых, в частности, в естественных условиях, является высокая степень их неоднородности, которая заключается, например, в высокой вероятности пропущенных наблюдений, а также в исходно неравном объеме различных групп.

Интерес к сбору и анализу данных, относящихся к различным иерархическим уровням, объясняется повышенным интересом исследователей в психологии и смежных науках к оценке влияния эффектов контекста. Факторы, представленные на вышележащих уровнях, могут рассматриваться как задаваемые уровни контекста, по отношению к которому варьируют факторы нижележащих уровней.

Например, школьная успеваемость конкретного ученика, безусловно, зависит от многочисленных факторов, относящихся к индивидуальному уровню анализа, — его способностей, темперамента, самоконтроля и др. Однако на успеваемость также влияют факторы, относящиеся к групповому уровню анализа: личность учителя. Групповые факторы одинаковы внутри каждой группы (класса), но различаются между группами. Постановка вопроса о влиянии факторов межгрупповых различий (связанных с группировкой «личность учителя») на ЗП (успеваемость отдельных учеников) вполне закономерна. Кроме того, факторы, относящиеся к одному уровню анализа, могут влиять на действие факторов другого (обычно нижележащего) уровня. Например, влияние личностно-привлекательного и эрудированного учителя может компенсировать негативный эффект, который исходно низкая учебная мотивация учеников оказывает на их успеваемость. Наличие таких межуровневых взаимодействий представляет собой значительный интерес при описании многих сложных феноменов.

Подавляющее большинство психологических переменных испытывают влияние многочисленных иерархически организованных контекстов. Так, социализация подростка обусловлена не только его индивидуальными особенностями, по и особенностями узкого и широкого круга общения, а также глобальными особенностями общества, членом которого он является. Другим примером переменной, испытывающей разноуровневые влияния, является склонность к формированию зависимости от психоактивных веществ: она определяется генетическими, индивидуально-психологическими, социальными (социальное одобрение, наличие превентивных программ), историческими и даже экономическими причинами (ценовая доступность психоактивных веществ). Комплексное изучение всех этих факторов, конечно, представляет собой важную цель для исследователя, стремящегося изучить механизмы формирования зависимостей и найти эффективные методы их предупреждения и излечения. Однако реализация комплексного анализа влияния факторов группировок требует использования иных методов обработки данных, которые должны учитывать различия между уровнями анализа эффектов иерархически соподчиненных переменных.

Неспособность различать разные уровни анализа может приводить к существенным ошибкам при интерпретации результатов. Так, исходя из групповых показателей, исследователь может делать неправомерные индивидуальные выводы. С другой стороны, исследователь может сделать неправомерный вывод о связях между переменными на групповом уровне, суммируя индивидуальные данные без учета их групповой структуры. В целом для исследователей характерна тенденция анализировать иерархически организованные данные как относящиеся к одному (самому низкому) уровню с применением стандартных средств анализа данных. К сожалению, эти средства, сводящиеся к использованию линейных регрессионных моделей, обладают существенными недостатками при обработке группированных данных. В частности, важной предпосылкой использования регрессионных методов (основанных на применении метода наименьших квадратов) является требование независимости наблюдений, т. е. невозможности улучшения точности предсказания значения одного наблюдения на основе знания о значении другого наблюдения. Очевидно, что группированные данные часто не являются независимыми, так как в пределах одной группы наблюдения с большой вероятностью определенным образом связаны друг с другом.

Для компенсации этого и других недостатков при анализе группированных данных (которые возникают, например, в экспериментах при использовании интраиндивидуальных схем) исследователи используют варианты стандартных методов обработки данных, в которых факторы группового уровня эксплицитно вводятся в модельное уравнение (например, дисперсионный анализ с повторными измерениями). Такой подход является правомерным при небольшом количестве групповых факторов, при небольшом количестве факторных уровней и при хорошо сбалансированном объеме групп (т.е. при примерно одинаковом количестве наблюдений в каждой группе). В исследованиях описанного выше типа эти условия редко выполняются. В силу этого при анализе результатов таких исследований следует использовать метод иерархического моделирования.