inppdИнновационная наука: Психология. Педагогика. ДефектологияInnovative science: psychology, pedagogy, defectology2658-7165Don State Technical University - DSTU, Rostov-on-Don, Russiainppd-68Research ArticleПСИХОЛОГИЯPSYCHOLOGYПсихология и математическая статистика: перспективы ХХI векаPsychology and mathematical statistics: prospects for the twenty-first centuryДятловА. В.DyatlovA. V.

Александр В. Дятлов

г. Ростов-на-Дону

Aleksandr V. Dyatlov

Rostov-on-Don

avdyatlov@sfedu.ruАбакумоваИ. В.AbakumovaI. V.

Ирина В. Абакумова

г. Ростов-на-Дону

Irina V. Abakumova

Rostov-on-Don

Южный федеральный университетРоссияSouthern Federal UniversityRussian FederationДонской государственный технический университетРоссияDon State Technical UniversityRussian Federation202010082023314758Copyright © Дятлов А.В., Абакумова И.В., 20202020Дятлов А.В., Абакумова И.В.Dyatlov A.V., Abakumova I.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.inov-ppd.ru/jour/article/view/68

Массовое применение компьютеров в анализе данных результатов психологических исследований и простой доступ к программному обеспечению с мощными вычислительными возможностями (SPSS, Statistica и аналогичные) – главная особенность применения методов математической статистики в психологии. Особенно интенсивно в последнее время стали применяться многомерные методы анализа психологических данных, которые из-за сложности расчетов до недавнего времени рассматривались только как теоретические. Взаимное проникновение математической статистики и психологии привело к развитию новых методов моделирования и объяснения различных типов психологических данных.Однако этот процесс, по сути, как «палка о двух концах». Многомерные статистические методы (далее МСМ) предполагают четкое построение модели и жесткие требования к дизайну психологического эксперимента. Но популярность МСМ совершенно не делает их проще как в применении, так и последующей интерпретации результатов. Предлагаемая статья – своеобразный обзор современного состояния использования и принципов применения МСМ в психологических исследованиях. Описаны этапы использования методов математической статистически в психологических исследованиях в соответствии с глубиной и сложностью рассматриваемых моделей, а также типов данных с которыми они работают. Рассмотрены важные принципы, которые лежат в основе применения методов МСА, сформирована дефиниция, определяющая содержание понятия многомерная статистика (многомерный статистический анализ).В данной статье представлена классификация по различным критериям методов математическая статистики, наиболее часто применяемых в психологии. Кроме того, была предпринята попытка описать кратко будущее статистических методов в психологических исследованиях.

The mass use of computers in the analysis of data from psychological research results and easy access to software with powerful computing capabilities (SPSS, Statistica, and similar) is the main feature of applying mathematical statistics methods in psychology. Multidimensional methods of analysis of psychological data, which were considered only theoretical until recently due to the complexity of calculations, have been used especially intensively in recent years. The mutual penetration of mathematical statistics and psychology has led to the development of new methods for modeling and explaining various types of psychological data. However, this process is essentially a "double-edged sword". Multidimensional statistical methods (hereinafter MSM) assume a clear construction of the model and strict requirements for the design of a psychological experiment. But the popularity of MSM does not make them easier to apply or interpret the results. This article is a kind of review of the current state of use and principles of MSM application in psychological research. The stages of using mathematical statistical methods in psychological research are described in accordance with the depth and complexity of the models under consideration, as well as the types of data they work with. The important principles that underlie the application of ISA methods are considered, and the definition that defines the content of the concept of multidimensional statistics (multidimensional statistical analysis) is formed.This article presents a classification by various criteria of mathematical statistics methods that are most often used in psychology. In addition, an attempt was made to briefly describe the future of statistical methods in psychological research.

психологические исследованиямоделированиеанализ данныхмногомерные методы математической статистикиpsychological researchmodelingdata analysismultidimensional methods of mathematical statisticsReferencesГнеденко Б. В. Математические методы в теории надежности: Основные характеристики надежности и их статистический анализ. М.: КД Либроком, 2019. 584 c.Dyatlov, A. V., Gugueva, D. A. (2018). Data Analysis in sociology. Rostov-on-don: Southern Federal University Press. (in Russ.).Дятлов А. В, Гугуева Д. А. Анализ данных в социологии. Ростов-на-Дону: Издательство Южного федерального университета, 2018. 205 с.Dyatlov, A.V., Sazhin, P. V., Anistratenko, T. G. (2015). Behavioral Sciences: application of statistical methods. Rostov-on-don: Foundation for science and education. (in Russ.).Дятлов А. В., Сажин П. В., Анистратенко Т. Г. Поведенческие науки: применение статистических методов. Ростов-на-Дону: Фонд науки и образования, 2015. 242 с.Gnedenko, B. V. (2019). Mathematical methods in the theory of reliability: the Main characteristics of reliability and their statistical analysis. Moscow: Librokom KD. (in Russ.).Кляцкин В. И. Статистический анализ когерентных явлений в стохастических динамических системах. М.: Красанд, 2015. 776 c.Jacq, J. (1998). Multivariate analysis techniques in social science research from problem to analysis. London: Sage Publications.Козлов А. Ю. Статистический анализ данных в MS Excel: Учебное пособие. М.: Инфра-М, 2018. 80 c.Johnson, R.A., Wichern, D.W. (2007). Applied multivariate analysis (6th ed.). New Jersey: Pearson Education.Куликов Е. И. Прикладной статистический анализ. М.: ГЛТ, 2018. 464 c.Klyatskin, V. I. (2015). Statistical analysis of coherent phenomena in stochastic dynamic systems. M.: Krasang. (in Russ.).Наследов А. Д. IMB SPSS Statistics 20 и AMOS: профессиональный статистический анализ данных. СПб.: Питер, 2016. 416 c.Kozlov, A. Yu. (2018). Statistical data analysis in MS Excel: textbook. Moscow: Infra-M. (in Russ.).Романко В. К. Статистический анализ данных в психологии: Учебное пособие. М.: БИНОМ. ЛЗ, 2017. 312 c.Kulikov, E. I. (2018). Applied statistical analysis. M.: GLT. (in Russ.).Сошникова Л. А., Томашевич В. Н., Учебе Г., Шефер М. Многомерный статистический анализ в экономике. М.: Юнити, 1999. 598 с.Legacies, A.D. (2016). IMB SPSS Statistics 20 and AMOS: professional statistical data analysis. SPb.: Piter. (in Russ.).Симушкин С. В. Многомерный статистический анализ. Казань: Казанский государственный университет, 2009. 114 с.Neter, J., Wasserman, W., Kutner, M. H. (2004). Applied linear statistical models (2nd ed.). Homewood, Illinois: McGraw-Hill Irwin.Терещенко О. В. Многомерный статистический анализ данных в социальных науках. Минск: БГУ, 2012. 239 с.Romanko, V. K. (2017). Statistical data analysis in psychology: textbook. M.: BINOM. LZ. (in Russ.).Johnson R. A., Wichern D.W. Applied multivariate analysis (6th ed.), New Jersey: Pearson Education, 2007. 769 p.Schafer, J. L. (1997). Analysis of incomplete multivariate data. Taylor & Francis.Neter J., Wasserman W., Kutner M.H. Applied linear statistical models (2nd ed.), Homewood, Illinois: McGraw-Hill Irwin, 2004. 1424 p.Simushkin, S. V. (2009). Multivariate statistical analysis. Kazan: Kazan state University. (in Russ.).Schafer J. L. Analysis of incomplete multivariate data // Monographs on statistics and applied probability. Taylor & Francis, 1997. 430 p.Soshnikova, L. A., Tomashevich, V. N., Uchebe G., Schaefer M. (1999). Multivariate statistical analysis in Economics. M.: Unity.Stevens J. Applied multivariate statistics for the social sciences (4rd ed.). New Jersey: LEA, 2002. 699 p.Stevens J. (2002). Applied multivariate statistics for the social sciences (4rd ed.). New Jersey: LEA.Tabachnik B. G., Fidel L. S. Using multivariate statistics (6th ed.). Boston: Allyn and Bacon, 2012. 983 p.Tabachnik, B. G., Fidel L.S. (2012). Using multivariate statistics (6th ed.). Boston: Allyn and Bacon.Jacq J. Multivariate analysis techniques in social science research from problem to analysis. London: Sage Publications, 1998. 432 p.Telesena, O. V. (2012). Multivariate statistical analysis in the social sciences. Minsk: BSU. (in Russ.).

The authors declare that there are no conflicts of interest present.