Пирсон, мощность и визуализация

Тридцать человек - это "магическое" число.
Многие "простые" статистические методы выводятся из допущения нормальности распределения, а 30 случаев - достаточно, чтобы в некоторых случаях применить закон больших чисел и использовать это допущение нормальности. Некоторые случаи - это проверка гипотез "простыми" критериями, например. Однако для "сложных" методов - множественная регрессия, метод главных компонент, структурное моделирование и др. - выборка должна быть гораздо больше.

Верно! Возьму себе на заметку.
Если метод.рекомендации все же найдешь, то поделись (по почте или через сообщество).

Единственное более-менее внятное объяснение цифр выборки в 30-50 человек я находил здесь: http://lib.znate.ru/docs/index-129231.html?page=5 (увы не первоисточник, но ссылки на работы там есть). Поэтому просто есть устойчивые социальные представления о том, как нужно использовать статистику в исследованиях, использовать ее при этом корректно уже необязательно. А самые продвинутые, не разобравшись, ставят даже "острые" вопросы: http://rl-online.ru/articles/2-03/112.html

Юра, спасибо за файл. Жаль, что других частей не осталось: очень внятно написано.

Кирилл, спасибо за ссылки!
А такие "устойчивые социальные представления" - это прям тема для исследования.

Не за что!
Тема действительно интересная. Работая с рядом студентов сталкивался с ситуацией, когда их преподавателей получалось переубедить и предложить более корректную обработку. А бывали ситуации, когда студентам просто объясняли, что "так не принято" и тогда их на защите не поддержат.

Не совсем согласна. Я про "сгущение факторов. Вот оно-то мне и не нравится.

нам это объяснялось, что вот в пределах 30 человек - это можно говорить об особенностях внутри выборки. а побольше - уже можно обобщать на уровне "многие психологи не понимают математики", а не "избранная группа этих гуманитариев". речь не о ФА, конечно. и да, я же видела у Наследова, он многофакторный ANOVA делал на небольших выборках. он ведь это не только для наглядности, наверное? R мне кажется сложным для понимания, кажется, там есть элементы программирования, а мне это сложно. кажется.

В пределах 30 человек нам ничего не нужно в выборке определять. Если наша задача изучить 30 конкретных человек, то мы можем совершенно точно определить среди них истинное значение пропорции, среднего и т. д. Применение статистических тестов имеет смысл в том случае, если перед нами стоит задача по выборке оценить значительно более численную генеральную совокупность.
Что касается R, то там есть несколько уровней изучения. Большинство задач, которые описаны в книге А. Д. Наследова в R выполняются в 1-5 команд.

как это не надо ничего? у клиников бывают труднодоступные группы, когда 10 человек собрал и уже хорошо. Наследов писал про АМОС, про R не нахожу что-то. кстати, про структурное моделирование - отдельная боль. нам это еще не преподавали, когда я училась, и я не захлестнулась потоком, когда это уже более-менее распространенный способ. у меня, например, есть сейчас данные, но совершенно не хватает ресурсов для обработки. я не уверена, что мои проблемы можно решить в 5 команд.

Что касается моделирования, то там есть разные подходы. Р. Б. Кляйн, ссылаясь на Джексона (2003), указывает, что так как наиболее часто применяющимся методом оценки модели является максимальное правдоподобие, то следует использовать правила N:q = 20:1, где N - размер выборки, а q - параметр модели. Гастон Санчез, описывая путевые модели, оцениваемые методом наименьших квадратов, указывает в качестве правила 10:1. Но опять же все упирается в точность и устойчивость модели.

С другой стороны, я бы не относился плохо к малым выборкам. Если исследование проведено качественно, то есть же, в конце концов, метод мета-анализа. Полезная работа сделана и отбрасывать ее не следует, ИМХО.

Ксения Анатольевна, речь идет о том, что в вашей выборки из 10 человек Вы и так по результатам тестов можете определить, что в ней есть 2 интроверта и 8 экстравертов. Но наша задача обычно шире, по этим результатам определить, действительно ли в любой другой группе с тем же самым заболеванием количество интровертов будет составлять 20%.

В R есть три-четыре пакета для структурного моделирования. Например, SEM, PLS-PM и другие.

не очень поняла, при чем тут мета-анализ

Мета-анализ позволяет обобщить результаты ряда однотипных исследований. В этом плане, если у нас есть 10 исследований одного и того же феномена, пусть даже с разными выборками, их результаты можно соответствующим образом обобщить.