1. С ЧЕГО НАЧИНАЕТСЯ АНАЛИЗ?

Восходящая стратегия анализа и нисходящая стратегия анализа. Различие понятий «анализ данных» и «логика анализа» (логическая схема анализа). Первичный анализ как составная часть любой стратегии.

Признак. Анализ «поведения» отдельно взятого признака. Вариационный ряд. Одномерное распределение. Показатели распределения. Абсолютная, относительная и накопленная частоты. Деление на интервалы. Цели первичного анализа данных. «Язык» анализа распределений.

Следует напомнить, что в качестве третьего структурного элемента области эмпирической социологии, обозначенной нами как методология анализа данных, выделена:

восходящая стратегия анализа (проверки описательных гипотез; поиск эмпирических закономерностей, начиная с простых и заканчивая сложными для формирования новых гипотез).

Следует особо остановиться на использовании пары понятий: восходящая стратегия анализа — нисходящая стратегии анализа. Что касается просто пары понятий «восходящая стратегия — нисходящая стратегия», то она используется в эмпирической социологии в разных контекстах. Например, для обозначения выборочной стратегии в исследовании. Если сбор информации осуществляется по так называемому методу «снежного кома», то это пример восходящей выборочной стратегии. Такая стратегия используется обычно для изучения латентных социальных групп (наркоманов, скрыты алкоголиков и т. д.). С нис одящей выборочной стратегией мы сталкиваемся при формировании выборки, исходя из структуры генеральной совокупности. Это является типичным для изучения общественного мнения. Разумеется, в рамках одного и того же исследования одновременно могут использоваться как нисходящая, так и восходящая стратегии формирования выборки.

Такую пару терминов можно использовать и для характеристики логики исследовательского процесса в целом, а именно для обозначения двух подходов к изучению социальной реальности. Мы их обозначили как статистическую и гуманитарную традиции (подходы, парадигмы) в эмпирической социологии. Известно, что латентные социальные группы, в отличие от других, целесообразнее изучать по восходящей стратегии [6], т. е. не только стратегия формирования выборки носит восходящий характер, но и все исследование в целом построено по восходящей стратегии изучения таких групп.

Эта пара терминов применяется и в достаточно узком смысле в так называемых методах многомерной классификации для обозначения процедуры деления эмпирических объектов на группы. О понятии «классификация» пойдет речь в последней части книги. Это пока ремарка для «всезнаек». Пара «восходящая стратегия анализа данных — нисходящая стратегия анализа данных» составляет основу для формирования в социологическом исследовании логики анализа данныгх, логической схемы анализа. Социолог выбирает стратегию анализа данных исходя из специфики своего исследования (цели, задачи, гипотезы). Рассмотрим несколько исследовательских ситуаций.

Первая ситуация

Предположим, у социолога нет четко обозначенных гипотез ни описательного, ни объяснительного характера. Разумеется, в расплывчатой форме они всегда существуют. Ведь социолог, желая «взглянуть» на социальную реальность через призму какого-то подхода, отвечает на вопросы «Что изучать?» и «Зачем и для достижения каких целей изучать ?». Отсутствие четкости в гипотезах требует определенной стратегии при работе с эмпирическим материалом. Сначала социолог в «мешке» с информацией наводит «косметический» порядок — ищет простые эмпирические закономерности. Их можно назвать и регулярностями. Прежде всего он выделяет сами эмпирические индикаторы, если их нет. С этой ситуацией мы сталкиваемся при работе с текстовой информацией. Мы с вами выделяли элементарные обоснования и элементы в контексте применения метода неоконченных предложений. Первые из них и являлись эмпирическими индикаторами.

При работе с биографиями людей, с текстами полуформализованных и свободных интервью естественным образом появляется необходимость в анализе, условно говоря, «поведения» отдельно взятого эмпирического индикатора. Затем возникает потребность в анализе совместного «поведения» двух эмпирических индикаторов, в анализе их взаимосвязей. Таким образом, логика анализа эмпирии строится по восходящей (от частного к общему) стратегии. Начальный этап такой стратегии — первичный анализ / первичная обработка данных.

Социолог, исходя из восходящей стратегии, последовательно ищет ответы

на вопросы, такие как: не объединяются ли эмпирические индикаторы в какие-то группы, а объекты — в классы. К примеру, похожие в определенном смысле объекты представляют собой некий класс, а взаимосвязанные между собой эмпирические индикаторы могут образовать некую группу. Вполне возможно, что объекты, отнесенные к одному и тому же формальному классу, являются однотипными. А группа эмпирических индикаторов может интерпретироваться как некий специфический социальный фактор. О содержании понятий «тип» и «фактор» пойдет речь в последней главе. Главная задача в таких исследовательских сюжетах — проблема интерпретации разного рода эмпирических закономерностей, ибо они выражают какие-то тенденции, синдромы.

Вторая ситуация

У социолога могут быть четко обозначены гипотезы исследования. В этом случае логика анализа может строиться как в рамках восходящей, так и нисходящей стратегий. Выбор стратегии зависит от характера гипотез и от того, какими априорными знаниями (знания, имевшиеся до проведения исследования) располагает исследователь. Допустим, что источником эмпирической информации является индивид; техника сбора данных жестко структурирована; в исследовании проверяются только описательные гипотезы. Тогда также необходимы восходящие, от частного к общему, стратегии анализа. Вспомним из предыдущего материала, что в процессе прямого ранжирования для принятия решения о присвоении рангов нам непременно требовалось изучить степень единодушия респондентов в оценке объектов ранжирования. Для этих целей в процессе анализа опять же требуется движение по восходящей стратегии.

Пусть гипотеза звучит следующим образом: политические пристрастия населения в основном определяются возрастом и происхождением. Для проверки этой гипотезы социолог определяет всевозможные связи этих «пристрастий» с огромной совокупностью различны эмпирически индикаторов. Если из все связей оказываются самыми сильными связь с возрастом и с происхождением, то считается, что гипотеза подтвердилась. К примеру, сформулируем другую гипотезу: в России существуют типы электорального поведения областей, интерпретируемые как объекты социального управления. В том смысле, что ме анизм воздействия на отдельные области одинаков, если они отнесены к одному и тому же типу. Для проверки такой сложной гипотезы необходимую основу для логики анализа составляет нисходящая стратегия анализа (от общего к частному). Такой пример будет приведен в последней главе.

Ясно одно: проверка такого рода гипотез предполагает «продумывание» всей логики анализа априори (до сбора эмпирической информации). Это очень не просто. Вместе с тем такое «продумывание» нужно и важно даже в описательных исследованиях. А в серьезных аналитических исследованиях для проверки сложных гипотез тем более. Вспомним, что мы с вами рассматривали несложные модели изучения отдельных свойств социальных объектов для перехода с теоретического уровня на эмпирический. При этом совершенно не затрагивали вопросы обратного перехода, для которого крайне важно понятие логической схемы анализа.

Если вернуться к модели изучения свойства социального объекта, то в контексте наших рассуждений, логика анализа позволяет уточнить не только

саму такую модель, но и предполагает продумывание заранее логики получения эмпирически закономерностей и, соответственно, пере од от ни к теоретическим обобщениям. Разумеется, речь идет уже о сложны эмпиричеси закономерностя , получаемы на основе всей системы изучаемых в исследовании свойств. В зависимости от логической схемы анализа социолог определяет и то. Какого рода эмпирический материал ему нужен, и то, какие приемы «обработки» информации необ одимы, и то, в какой последовательности будет строиться логика изучения и объяснения того или иного социального феномена. В таки исследовательски сюжета главным является концептуальная с ема, теория «видения» социальной реальности, так как идет поиск ответа на вопрос «Почему это?». Для такого случая необ одима нис одящая (от общего к частному) стратегия анализа. Поиск ответа на вопрос «Почему это?», проверка объяснительны гипотез социологического исследования возможны только в рамка нис одящей стратегии анализа. Все, что с этим связано, будет обсуждаться в последней части книги.

В отдельно взятом социологическом исследовании возможно сочетание вос одящей и нис одящей стратегий анализа. Та и другая стратегии могут быть реализованы на практике с помощью одни и те же методов, приемов, способов «обработки» информации. Например, к таковым относятся так называемые методы математической статистики (это такая область математической науки, которая в определенной мере как бы обслуживает науки, работающие с эмпирическим материалом) и методы многомерного анализа. Сюда включаются и такие методы, применение которы теоретически может быть необоснованно. В том смысле, что закономерности, полученные для выборки, нельзя распространить (перенести) на всю генеральную совокупность. Однако эти методы « орошо» работают на практике и и принято называть эвристическими в отличие от статистически . К различию понятий «статистика» и «эвристика» мы еще вернемся. Вся совокупность те нически приемов (по сути, это использование математического формализма или математически методов в социологии) называется методами анализа данных.

К этому разделу мы подошли с пониманием того, что социологу, изучающему различные социальные феномены, приходится строить модели изучения их свойств, пользоваться различными типами информации, применять совокупность приемов измерения латентных, непосредственно не наблюдаемых признаков, выбирать стратегию анализа. Это и есть начало начал анализа данных.

Наблюдаемые признаки мы называли эмпирическими индикаторами. В предыдущих разделах они были нашими главными понятиями. Здесь и далее таковыми будут признаки. Признаком может быть и отдельно взятый эмпирический индикатор, и производный от них показатель. Например, признаком будем называть любые показатели, индексы, коэффициенты, возникающие в рамках работы с данными типа «государственная статистика», «бюджет времени». Признак, как и любой эмпирический индикатор, имеет для нас те же три уровня измерения: номинальный, порядковый, «метрический». Как минимум, мы должны научиться изучать «поведение» всех трех типов признаков, измеренных по трем типам шкал. Представляется важным еще раз повторить следующее. Несмотря на многообразие шкал (в данном случае как линеек для измерения чего-то) в социологии, мы рассматриваем только три типа шкал и к «метрическим» относим все шкалы, уровень измерения по которым выше порядкового, т.е. то, что очень похоже на числа, на «количества».

С чего же начинается анализ «поведения» отдельно взятого признака тогда, когда информация «лежит» на столе социолога? Такой анализ необходим практически всегда независимо от исследовательских задач, типов информации, выбора стратегии анализа. Речь идет как бы о «социальной бухгалтерии», азы которой вы должны освоить. Практически в любой книге, в название которой входят слова «,,,статистические методы в,,,», вы найдете определенный материал по освоению этих азов [2, 3, 7, 8, 9,

11].

Несмотря на то что ниже рассматривается пример, имеющий отношение к данным анкетирования, все выводы относятся к анализу любых вариационных и динамических рядов. К сожалению, объем книги не позволяет привести другие примеры. На протяжении всей этой главы в основном будем приводить фрагменты из некоторого исследования на тему «Структура времяпрепровождения студентов: сравнительный анализ вузов», придуманного (модельного) нами в качестве примера. Сбор данных осуществлялся в нем как по использованию бюджета времени, так и по вопроснику «сложной структуры»; генеральная совокупность - студенты вузов России. Нас в этом исследовании будут интересовать только студенты-гуманитарии, т. е. некоторая подвыборка.

Рассмотрим всего три признака из этого исследования: будущую профессию студента-гуманитария, его удовлетворенность учебой и продолжительность времени на учебу. Относительно третьего признака нужно подчеркнуть следующее. Продолжительность в данном случае представляет собой сумму затрат времени на прослушивание лекций, на участие в семинарских занятиях, на дополнительные самостоятельные занятия, а также на перерывы между аудиторными занятиями. В качестве примера будем рассматривать среднесуточную, например за неделю, продолжительность. «Продолжительность» имеет метрический уровень измерения. «Будущая профессия» как признак имеет номинальный уровень измерения. «Удовлетворенност ь учебой» может быть измерена

посредством логического квадрата по пятибалльной порядковой шкале. Тогда она понимается только как удовлетворенность учебой в «родном» вузе (вернитесь к тому разделу, где обсуждается логический квадрат). Вместо этих признаков можно было бы выбрать и любые другие.

Что означает анализ «поведения» профессии на совокупности объектов? Это означает, что мы должны обработать эмпирические данные, чтобы получить распределение изучаемых объектов (в нашем случае студентов-гуманитариев) по профессиональным группам и по характеру этого распределения судить о профессиональной структуре опрошенных студентов. Для простоты изложения буду приводить цифры модельного характера, т. е. в реальном исследовании они не были получены. Предположим, что нас интересует восемь профессий, все они закодированы цифрами от 1 до 8, а число студентов-гуманитариев среди всех опрошенных равно 1000. Таким образом, исходно мы имеем матрицу данных типа «объект — признак». Из нее выделяем для анализа столбец матрицы в соответствии с анализируемым признаком. Подсчитываем в этом ряду число респондентов, которые в недалеком будущем будут иметь ту или иную профессию. Тем самым получаем частоту встречаемости в выборке студента той или иной будущей профессии.

Распределение опрошенных по профессиям представлено в таблице 3.1.1.

Это результаты самого первого этапа систематизации эмпирических данных. Распределение может быть представлено и описано на «языке» четырех показателей. Первый — абсолютная частота, т. е. число студентов с определенной «будущей» профессией. Среди опрошенных студентов оказалось 100 будущих политологов (профессия I), 200

социологов (профессия 2), 300 культурологов (профессий 3), 100 филологов (профессия 4), 50 психологов, (профессия 7) и 250 историков (профессия 8). Студенты с будущими профессиями, обозначенными как 5 и 6, в выборку не попали. В этом нет ничего удивительного, если при формировании выборочной совокупности не учитывалась будущая профессия студента. Эти шесть обозначенных и встречающихся в выборке профессий, будем использовать в процессе дальнейшего анализа.

Таблица 3. 1.1

Распределение студентов по их будущей профессии ПОКАЗАТЕЛИ БУДУЩАЯ ПРОФЕССИЯ СТУДЕНТА Итого 1 2 3 4 5 6 7 Я 1. Абсолютная частота к» 200 300 too - - J0 250 1000 2. Относительная чистота в долях (частость) 0.1 0.2 0.3 0.1 0.05 0.2 S 1 Ї. Относительная частота в процентах 10 20 30 10 * - 3 23 100 4. Накопленная частота в процентах не имеет смысла Второй показатель в таблице — относительная частота в долях или частость, т. е. это доля респондентов определенной профессии среди всех опрошенных студентов-гуманитариев. Очень часто в социологических исследованиях наряду или вместо числа опрошенных используется число ответивших. Для нашего примера не имеет значения, по отношению к какому «числу» считается доля, ибо число ответивших совпадает с числом опрошенных. В массовых опросах различение этих величин носит принципиальный характер, так как число неответивших бывает достаточно большим. Сама же проблема неответивших является серьезной проблемой в массовых опросах. Мы касались этой проблемы при обсуждении так называемой (нами) проблемы социологического нуля. Относительная частота в долях — это важный показатель для последующих этапов работы с данными.

Доля интерпретируется как оценка вероятности обладать определенной профессией. Последняя фраза только для тех, кто случайно прослушал курс по теории вероятности.

Третий показатель — относительная частота в процентах — определяет, какой процент респондентов будет иметь ту или иную профессию. Это самый любимый показатель социолога, и вы в этом могли убедиться, если уже успели принять участие в каком-нибудь социологическом исследовании. Процент и частость — составные элементы языка анализа социолога.

И наконец, четвертый показатель — накопленная частота в процентах.

С такой частотой мы сталкивались при построении шкалы Терстоуна. Для номинального уровня измерения она почти никогда не имеет смысла. Чисто технически ее можно подсчитать для нашей таблицы. Это и будет маленьким примером неадекватности математики. Прямо говоря — чушь. Отсюда и вывод, что, живя в век потрясающих компьютеров, слепо нажимать на кнопки для запуска «модерновых» математических методов недопустимо. Компьютер может подсчитать все, только есть ли в этом смысл. Вот в чем вопрос.

Накопленная частота имеет «прозрачный» содержательный смысл только для шкал начиная с порядковых. Рассмотрим распределение студентов по степени их удовлетворенности учебой, полученной с помощью применения логического квадрата. В таблице 3.1.2 представлено распределение респондентов по степени «удовлетворенности» по тем же четырем показателям (и в этом случае цифры не реальные, а модельные). Все показатели имеют смысл. Число опрошенных так же, как и в случае первого признака, совпадает с числом ответивших. Степени удовлетворенности обозначены цифрами от 1 до 5. При этом 1 соответствует минимальному уровню удовлетворенности, а 5 — максимальному.

Таблица 3.1.2

Распределение студентов по степени удовлетворенностью учебой ПОКАЗАТЕЛИ СТЕПЕНЬ УДОВЛЕТВОРЕННОСТИ УЧЕБОЙ Итого 1 2 3 4 5 1. Абсолютная частота 200 300 200 250 50 1000 2. Относительная частота в долях (частость) 0.2 0.3 0.2 0,25 0.05 1 Э. Относительные частоты в процентах 20 30 20 25 5 100 4. Накопленная частоти ? 20 50 70 95 100 Напомним, какой смысл имеет накопленная частота. Например, в таблице 3.1.2 частота, равная 70%, означает, что число студентов с уровнем удовлетворенности меньше четырех составляет 70% от числа опрошенных, а меньше трех — 50%. Перейдем к случаю метрической шкалы. Для табличного представления распределения «продолжительности»

необходимо разбить диапазон ее изменения на отдельные интервалы. Важно

отметить, что распределение не всегда имеет смысл представлять в табличной форме, так как деление на интервалы не всегда имеет смысл, например, для динамических рядов или для продолжительности затрат времени в исследованиях бюджета времени. Это происходит потому, что можно сразу переходить к изучению характеристик, описывающих характер распределения. Необходимо иметь также в виду, что признак может носить дискретный характер (встречаются только целые числа) или непрерывный характер (встречаются числа, имеющие целую часть и дробную). С непрерывностью встречаемся в основном при работе с аналитическими индексами на этапе анализа эмпирий.

Наш третий признак — продолжительность затрат времени на учебу — может носить дискретный характер, если выражен в минутах, и непрерывный характер — если выражен в часах. Остановимся на последнем случае. Для каждого студента этот производный показатель равен его среднесуточным (в часах) затратам времени на учебу. Введем интервалы и подсчитаем число студентов, внесенных в каждый интервал. В социологии в отличие от многих других наук, работающих с эмпирией, разбиение на интервалы не может носить формального характера. Такое разбиение всегда происходит в зависимости от исследовательских задач, а точнее, от того, как и для чего будет использоваться признак в процессе дальнейшего анализа. Поэтому социолог пользуется при этом понятиями «группировка данных», «типологическая группировка данных».

При выделении интервалов изменения продолжительности затрат времени на учебу исходим из значений максимальной и минимальной продолжительности, встретившихся в нашей выборке. Разница между этими величинами называется вариационным размахом. Без знания минимальной продолжительности нельзя определить нижнюю границу первого интервала, а без знания максимальной — верхнюю границу последнего интервала. Допустим, в нашем случае максимум (max) равен 9-ти часам, а минимум (min) — 0 часам. Последний факт можно объяснить тем, что в выборку попали студенты, которые были больны: никаких занятий, входящих в «продолжительность учебы», в недельном бюджете времени у них не было. Чтобы сей факт не вызвал недоумения, заметим, что сбор информации о бюджете времени студента происходит за неделю, предшествующую опросу.

Тогда наши интервалы (всего их шесть) могут выглядеть следующим образом: 1.

0—1 часов; 2.

1—2,5 часов; 3.

2,5—4 часов; 4.

4—7 часов; 5.

7—8 часов; 6.

8—9 часов.

Нетрудно догадаться, из чего мы исходили при выборе именно таких интервалов. К примеру, в последний интервал попадут студенты — «трудяги», в первый — те, кто по какой-то причине был «выключен» из учебного процесса, а в четвертый — модальная (самая распространенная) группа студентов. Кстати, это не факт, а гипотеза, и, соответственно, она может не подтвердиться в реальном исследовании. Для наглядности на рис 3.1.1

изображены эти интервалы в виде делений на линейке.

О 1 2.5 4 7 8 9

? « ? , 1 I I L

Рис 3.1.1

При отнесении респондента к конкретному интервалу по продолжительности учебы возникает такой вопрос. Куда входят нижняя и верхняя границы интервала? Другими словами, к какому интервалу отнести, например, студента, у которого продолжительность учебы равна четырем часам. Ведь его можно отнести и к первому, и ко второму интервалу. Эта проблема решается просто. Например, социолог принимает решение, что все верхние границы интервалов относятся к интервалу. Тогда студент, у которого продолжительность учебы равна 4-м часам, будет отнесен к третьему интервалу. Студент, у которого продолжительность учебы равна 8ми часам, — к пятому и т. д.

Эти же интервалы могут быть заданы и в другой форме: 1.

0—1 часов; 2.

1,1—2,5 часов; 3.

2,6—4 часов; 4.

4,1—7 часов; 5.

7,1—8 часов; 6.

8,1—9 часов.

В этом случае при вычислениях возникает другая проблема, если продолжительность учебы некоторого студента, например, равна 1,09 часов. Опять же принятие решения в руках социолога. Он может отнести к интервалу не только верхнюю границу, но и то, что ниже нижней границы следующего интервала, т.е. респондент, у которого продолжительность учебы равна 1,09 часам будет отнесен к первому интервалу.

Используя первые введенные интервалы, подсчитаем по ним распределение респондентов (таблица 3.1.3.)

Обратите внимание, что каждая из приведенны таблиц имеет заголовок, итоговый столбец. Эти таблицы — пример оформления как бы первичных результатов социологического исследования. Разумеется, за исключением того, что реальные таблицы содержат только один показатель из четыре приведенны . Такого рода таблицы служат и для представления результатов исследования. Эта ситуация типична для исследований общественного мнения.

Социолог называет распределение признака «линейкой», простым распределением, линейным распределением, частотным распределением, простой группировкой, потому что речь в самом деле идет о самы просты , одномерных распределениях в отличие от условны и многомерны . Последние получаются тогда, когда одновременно строится распределение по нескольким признакам. К случаю двумерны распределений перейдем чуть позже.

Таблица 3.1.3

Распределение студентов по продолжительности учебы ПОКАЗАТЕЛИ 0-1 1-2,5 2,5-4 4-7 7-8 8-9 Итого 1 .Абсолютная частота ' 57 75 150 34 Н 250 150 )000 2. Относительная частота в долях (частость) 0,027 0,075 0,15 0,348 0,25 0,15 1 3.Относительная частота в процентах 2,7 7,5 15 34,8 25 15 100 4. Накопленная частота в процентах 2,7 10Д 25,2 60 85 100 Одномерное распределение может быть получено как для всей выборочной совокупности, так и для отдельной подвыборки. В нашем случае подвыборкой являются студенты-гуманитарии, выделенные из всей совокупности опрошенных студентов. Тогда точнее называть распределения, полученные нами по трем признакам, условными, Такого рода условные распределения позволяют уже на этом первом этапе работы с эмпирическими данными решать задачи сравнительного анализа. Например, можно сравнивать структуру удовлетворенностью учебой студентов- гуманитариев и студентов-естественников, структуру продолжительности учебы для социологов и историков и т. д. В любом случае мы сравниваем структуру распределений для различных групп обследованных / опрошенным.

Кроме такого сравнительного анализа, одномерные распределения необходимы социологу ради достижения следующих целей, Во-первых, для проверки качества выборки, если речь идет о массовых опросах. Даже тогда, когда выборка «хорошо» планируется, в реальных данных могут возникнуть перекосы. Признаки, по которым формируется выборка, включаются в инструментарии, и по их распределениям осуществляется соответствующий контроль. Это только один аспект. Другой связан с тем, что число признаков, по которым планируется выборка, не может быть большим. В этой связи ряд признаков, интересующих социолога с точки зрения репрезентативности выборки, выпадают из рассмотрения при ее формировании. Тогда социолог может проверить репрезентативность по этим признакам на основе анализа их распределений.

Во-вторых, по одномерным распределениям определяется дифференцирующая сила признаков. Возвращаясь к таблице 3.1.1, видим, что две профессии не встречаются в наших данных. Соответственно, они исключаются из дальнейшего анализа. Некоторая группа (по уровню удовлетворенности, профессиональная) респондентов может быть по численности небольшой (что есть «много» и «мало», определяет социолог, исходя их своих исследовательских задач). Небольшая группа исключает возможность сравнения ее с другими, большими группами. В этом случае, опираясь на простые распределения, принимается решение и об. объединении отдельных групп. Тем самым могут уточняться задачи и гипотезы исследования.

В-третьих, по простым распределениям определяем характер этого распределения и устанавливаем эмпирические закономерности «поведения» признака в отношении изучаемы объектов (в нашем случае студенты- гуманитарии). Термин «поведение» будем употреблять исключительно для наглядности и образности. На наш взгляд, он полезнее, чем математические термины.

Прежде всего по распределениям выделяются модальные (часто встречающиеся) и антимодальные (редко встречающиеся) тенденции. Не только первые, но и вторые могут быть социально значимыми. «Мало» для социолога имеет два значения. Первое — выборка была мала по объему, и представители какой-то группы в нее не попали случайно. Второе — «редкая» группа, но социально значимая. Например, случай латентных социальных групп. Из этого вывод — нельзя выкидывать из анализа феномен «антимодальности» без достаточного обоснования.

И наконец, представляется важным следующее. Одномерное распределение можно анализировать на разных «языках». Первый основной —

язык математической статистики, статистического анализа. Огромное количество литературы описывает именно этот аспект. Основной постулат статистического подхода: одномерное распределение — результат только одного наблюдения генеральной совокупности и, соответственно, подвержено влиянию случайных, неконтролируемых, факторов. Если выборка была «хорошей», то по ней можно с определенной точностью вычислить характеристики генеральной совокупности. Отсюда и возникает понятие доверительного интервала, интервала, в котором находится истинное (для генеральной совокупности) значение такого рода характеристики. На языке статистического анализа возможные значения признака называют вариантами, а их совокупность и соответствующие им частоты — вариационным рядом. Этими терминами социологи практически не пользуются.

Второй «язык» опирается на информационный подход или понятия теории информации. Существует понятие единицы информации. Таковой является бит (от английского binary digit — двоичная цифра). Любой поток информации (числа, буквы, фразы) можно закодировать нулями и единицами. Число нулей и единиц, необходимых для оптимального (самого короткого) кодирования этого потока, называется количеством информации.

Представим теперь ситуацию, когда нам надо что-то узнать. Например, кто- то из вас загадал кого-то из присутствующих. Какое число вопросов надо мне задать ему, чтобы узнать, «кого» он загадал. При этом только вопросы с вариантами ответа «да» и «нет». Для этого я составлю список из всех, например, 32 присутствующих студентов. Затем поделю этот список на две части и спрошу, указывая на первую часть списка, «есть ли загаданный в этой части». Тем самым определю 16 студентов, среди которых есть и загаданный. Повторю процедуру деления на две части и получу список из 8ми студентов, среди которых есть и загаданный. Продолжение такой процедуры деления приводит к результату. Мне надо было задать всего пять вопросов. Пять и есть количество информации. Это количество можно было определить и по-другому. Каждому порядковому номеру студента поставлю в соответствие пятизначное двоичное число от 00000 до 11111 и спрошу, верно ли, что у задуманного студента первая, вторая, третья, четвертая и пятая цифры равны единице?

Количество информации, необ одимое для отгадывания задуманного студента, равно пяти или tog232. В качестве упражнения подсчитайте количество информации в номере паспорта.

Одномерное распределение может интерпретироваться как некое сообщение, несущее в себе определенное количество информации. Это количество можно оценить некоторой мерой, и значение ее будет разным для разных распределений. Такая мера называется также энтропией. Если кого-то из вас заинтересует эта проблематика, то загляните в интересную книгу (10) венгерского математика, где есть раздел «Записки студента по теории информации».

Третий «язык» — просто поиск регулярности, значимость которых может описываться и без всякой математической статистики. Существуют «языки» анализа распределений, когда анализируются упорядоченности и соотношения между частотами, например, для поиска социальных констант. Но эти проблемы уже для следующего этапа изучения методологии анализа информации. «Языков» анализа распределений может быть много, поэтому это еще одна причина, по которой мы пользуемся понятием «поведение» признака, а не термином статистический анализ.

Задание на семинар или для самостоятельного выполнения

Каждому студенту необходимо придумать данные для модельной задачи. По возможности используйте фрагмент из реального исследования. Цель задания — подготовка к освоению приемов первичного анализа, т. е. изучение «поведения» отдельно взятых признаков, в том числе и эмпирических индикаторов. На этом же материале будем осваивать и анализ взаимосвязей между признаками.

Требования к задаче, а значит к эмпирическим данным, таковы: 1.

Число объектов 45—50. В роли объектов могут выступать: респонденты, семьи, студенческие группы и т. д. Скорее всего, это будут респонденты, ибо объектов нужно около 50-ти. Предупреждение к «всезнайкам» — на данном этапе все делается без компьютера. Рекомендуется сначала выполнить вручную все приведенные в «Лекциях» задания и только потом воспользоваться компьютером. 2.

Число признаков как минимум равно трем. Первый из них измерен по номинальной шкале с числом градаций, равным 6—9. Второй — по порядковой шкале с числом градаций, равным 5—7. И наконец, третий признак измерен по метрической шкале (числа, количества). При этом для упрощения вычислений в качестве значений признака рекомендуется использовать двузначные целые числа. 3.

Для этих трех признаков должен иметь содержательный смысл

анализ взаимосвязей между ними. Например, можно изучить «поведение» таких признаков, как «социальное происхождение студента», «его

уверенность в трудоустройстве по специальности после окончания вуза» и «отношение к учебе». При этом первый из них имеет номинальный уровень измерения и представляет собой прямой вопрос анкеты о социальном происхождении. Второй может быть измерен посредством логического квадрата по пятибалльной порядковой шкале. Третий измерен по шкале Терстоуна и тем самым имеет метрический уровень измерения. 4.

Для выбранных признаков должны быть правомерны, например, такие вопросы: «3ависит ли уверенность в трудоустройстве от социального проис ождения студента?», «Зависит ли отношение к учебе от уверенности в трудоустройстве?». 5.

После выбора исходных для анализа признаков следует сочинить ответы, если задача модельная. Таким образом получается матрица исходных данных вида «объект — признак», на основе которой будут выполняться задания к нескольким последующим разделам этой главы. 6.

По всем трем признакам необходимо вычислить абсолютные, относительные (в долях и процентах) и накопленные частоты. Оформить результаты в виде таблиц типа 3.1.1; 3.1.2; 3.1.3. 2.

<< | >>
Источник: Г. Г. Татарова. Методология анализа данных в социологии (введение). 1999

Еще по теме 1. С ЧЕГО НАЧИНАЕТСЯ АНАЛИЗ?:

  1. Батышев А.С.. Практическая педагогика для начинающего преподавателя., 2003
  2. Горбунова Е.М., Ларионова М.В.. АНАЛИЗ РИСКОВ И ПОТЕНЦИАЛЬНЫХ ВОЗМОЖНОСТЕЙРОССИЙСКОГО ОБРАЗОВАНИЯВ УСЛОВИЯХПРИСОЕДИНЕНИЯК ВТО, 2007
  3. Д.В. Меланьин. «Самоучитель практического гипноза», 2010
  4. Д. В. Калюжный, Я. А. Кеслер. Другая история Российской империи, 2004
  5. Момджян К.Х.. Введение в социальную философию, 1997
  6. Ломтева Т. А.. Большие игры маленьких детей. Учимся понимать своего ребенка (от 0 до 14 лет)., 2005
  7. В. О. Ключевский. Курс русской истории, 1902
  8. Аверьянов А. П. и др.. Методическое пособие по новой истории, 1640—1870: 9 кл., 1991
  9. Лейдерман Н.Л. н Лнповецкнй М.Н.. Современная русская литература: 1950— 1990-е годы. В 2 т. — Т. 2, 2003
  10. Т. В. Карадже. Методология моделирования и прогнозирования современного мира: Коллективная монография, 2012
  11. Торосян В.Г.. История и философия науки : учеб, для вузов, 2012
  12. Кривцова С.В.. Учитель и проблемы дисциплины, 2004
  13. Язьков Е.Ф.. История стран Европы и Америки в новейшее время (1918—1945 гг.). Курс лекций., 2001
  14. Мухаев, Рашид Тазитдинович. Правовые основы Российского государства: учебник для студентов вузов, обучающихся по специальности «Государственное и муниципальное управление», 2007
  15. Лейдерман Н.Л. и Липовецкий М.Н.. Современная русская литература: 1950— 1990-е годы, В 2 т. — Т. 1968. — М., 2003