心理学における統計の重要性 (例付き)

統計の分野は、データの収集、分析、解釈、表示に関係します。

心理学の分野では、次の理由から統計が重要です。

理由 1 : 記述統計により、心理学者は人間のパフォーマンス、幸福度、その他の尺度に関連するデータを要約することができます。

理由 2 : 回帰モデルを使用すると、心理学者は人間のパフォーマンス、幸福度、その他の尺度に関連する変数間の関係を定量化できます。

理由 3 : 仮説検定により、心理学者は人間のパフォーマンス、幸福度、その他の尺度に対するさまざまな方法、テクニック、手順の有効性を比較できます。

この記事の残りの部分では、これらのそれぞれの理由を説明します。

理由 1: 記述統計を使用してデータを要約する

記述統計はデータを説明するために使用されます。

心理学者は、個人に関するデータを要約するために記述統計をよく使用します。

たとえば、産業心理学者および組織心理学者は、特定の会社で働く人々について次の記述統計を計算するとします。

• 給与に対する全体的な満足度 (例: 1 から 7 のスケール)
• 職場文化に対する全体的な満足度
• 労働時間に対する全体的な満足度

I/O 心理学者は、これらの測定値を使用して、社内の従業員の満足度のレベルをより深く理解できます。

次に、これらの指標を使用して、職場を従業員にとってより快適な環境にするために改善できる領域について組織に通知できます。

理由 2: 回帰モデルを使用して変数間の関係を定量化する

統計は心理学でも回帰モデルの形で使用されます。

これらは、心理学者が 1 つ以上の予測変数と応答変数の間の関係を定量化できるようにするモデルです。

たとえば、心理学者は、1 日あたりの運動に費やした合計時間、1 日あたりの労働に費やした合計時間、および個人の全体的な幸福度 (たとえば、0 から 100 のスケール) に関するデータにアクセスできる場合があります。

次に、次の重線形回帰モデルを構築できます。

幸福度 = 76.4 + 9.3 (1 日あたりの運動に費やす時間) – 0.4 (1 日あたりの労働時間)

このモデルの回帰係数を解釈する方法は次のとおりです。

• 1 日に運動に費やす時間が 1 時間増えるごとに、全体的な幸福度は平均 9.3 ポイント増加します (労働時間は一定と仮定)。
• 1 日の労働時間が 1 時間増えるごとに、全体的な幸福度は平均 0.4 ポイント減少します (運動に費やす時間が一定であると仮定します)。

このモデルを使用すると、心理学者は、運動に費やす時間が増えると全体的な幸福度が増加し、仕事に費やす時間が増えると全体的な幸福度が下がるということをすぐに理解できます。

また、運動や仕事の量が全体的な幸福度にどの程度影響するかを正確に定量化することもできます。

理由 3: 仮説検定を使用して手法を比較する

統計は心理学でも仮説検定の形で使用されます。

これらは、心理学者がさまざまな方法、技術、または手順の間に統計的有意性があるかどうかを判断するために使用できるテストです。

たとえば、スポーツ心理学者が、新しいトレーニング方法により大学のバスケットボール選手の精神的健康を向上させることができると信じているとします。これをテストするために、新しいトレーニング方法を 1 か月間実施する前と後の 40 人の選手の健康状態 (たとえば、1 から 7 のスケールで) を測定できます。

次に、次の仮説を使用して、対応のあるサンプルの t 検定を実行できます。

• H ₀ : μ _after = μ _before (平均幸福度は、この方法を使用する前後で同じです)
• H _A : μ _after > μ _before (この方法を使用した後、平均幸福度が高くなります)

検定のp 値が特定の有意水準 (例: α = 0.05) を下回る場合、帰無仮説は棄却され、新しい方法がプレーヤーの福祉の向上につながると結論付けることができます。

注: これは心理学で使用される仮説検定の一例にすぎません。その他の一般的な検定には、 1 サンプル t 検定、 2 サンプル t 検定、一元配置分散分析、二元配置分散分析などがあります。

追加リソース

次の記事では、他の分野における統計の重要性について説明しています。

研究における統計の重要性
医療における統計の重要性
ビジネスにおける統計の重要性
経済学における統計の重要性
教育における統計の重要性