Мы по-прежнему помним разницу между квадратом суммы исуммой квадратов!

Последовательность расчетов приведена в Табл. 7.

Таблица. 7 Последовательность операций в однофакторной модели дисперсионного анализа для связанных выборок

Вывод: H0(A) отклоняется. Различия в объеме воспроизведения слов в разных условиях являются более выраженными, чем различия, обусловленные случайными причинами (ρ<0,05).

H0(Б) принимается: Индивидуальные различия между испытуе­мыми являются не более выраженными, чем различия, обусловленные случайными причинами.

Однако, судя по Рис. 3, мы не можем утверждать, что сраба­тывает фактор длины анаграммы. Более значимыми оказываются каче­ственные, а не количественные различия между анаграммами. Как мы уже имели возможность убедиться (см. параграфы 3.4 и 3.5), непара­метрический L — критерий Пейджа подтверждает тенденцию увеличения индивидуальных показателей при переходе от анаграммы КРУА к анаграмме ИНААМШ, а затем к анаграмме АЛСТЬ (р<0,01). Зна­чимые различия были получены и с помощью критерия Фридмана χ2r (ρ=0,0085).

Итак, непараметрические критерии позволяют нам констатировать более высокий уровень значимости различий между условиями!

Зачем же тогда использовать достаточно сложный дисперсион­ный анализ? Для того, чтобы подобрать существенные факторы, кото­рые могут стать основой для формирования двух-, трех- и более фак­торных дисперсионных комплексов, позволяющих оценить не только влияние каждого из факторов в отдельности, но и их взаимодействие.

[1] Критерии F Фишера и метод углового преобразования Фишера, дающий нам критерий φ*, — это совершенно различные методы, имеющие разное предназначение и разные способы вычисления.

[2] Градаций может быть и две, но в этом случае мы не сможем установить нели­нейных зависимостей и более разумным представляется использование более про­стых критериев (см. главы 2 и 3).

[3] Г.В. Суходольским (1972) предложена формула расчета дисперсионного отноше­ния, которая позволяет получить более строгий результат:

где п - среднее количество наблюдений в каждой градации.

В данном случае Fэмп = 6,942 (ρ<0,01). Эта величина действительно ниже, чем в цитируемом примере. Однако для первого знакомства с дисперсионным анализом исследователям, обрабатывающим свои данные самостоятельно, в практических целях достаточно использовать приведенный алгоритм расчетов, используемый и в большинстве других руководств (Плохинский Н. А., 1960; Венецкий И. Г., Кильдишев Г.С., 1968; Ивантер Э.В., Коросов А.В.; 1992, Kurtz A.K., Mayo S.T, 1979 и др.).