Пиши Дома Нужные Работы

Обратная связь

Социальная деятельность и социальные показатели 9 глава

Тип поведения объекта можно отождествить и с тем, что для этого объ­екта у принимает определенное значение. Подчеркнем, что в любом случав упомянутая выше гипотеза о детерминации не может означать предположе­ния о «жестком» определении значения по сочетанию значений х.

В соответствии с выдвинутой гипотезой исследователь ставит перед собой задачу выяснить, какие именно сочетания значений независимых признаков являются в интересующем его смысле детерминирующими (определяющими тип поведения объектов). Иногда к этому добавляется и задача выделения из числа независимых переменных подсовокупности признаков, наиболее инфор­мативных в том смысле, что по сочетанию именно их значений с наибольшей степенью уверенности можно судить о типе поведения объектов. В едином комплексе с этими задачами может решаться и задача выявления самих ти­пов поведения, свойственных объектам изучаемой совокупности. Именно соче­тание названных трех задач (может быть, без второй или третьей) и называ­ется задачей поиска детерминирующих комбинаций значений переменных.

В соответствии с тем, как понимается тип поведения объектов, должен формироваться критерий, является ли тот или иной набор сочетаний значений х детерминирующим это поведение. Многообразие методов поиска детермини­рующих характеристик и объясняется в основном различием таких критериев.

Например, первому описанному выше пониманию типа поведения отвечает поиск такого разбиения исходной совокупности объектов (соответствующего определенному набору сочетаний значений х), что каждой выделенной подсо­вокупности будет соответствовать свое распределение значении у (степень различия распределений определяется в соответствии с известными статисти­ческими критериями). Искомые детерминирующие комбинации — это те на­боры сочетаний значений с, которые соответствуют выделенным подсовокуп­ностям[101].



Второму пониманию типа поведения отвечает поиск такого разбиения исход­ной совокупности объектов, при котором каждая подсовокупность будет иметь свое среднее арифметическое значение у (т. с. разница между соответствующими средними значениями будет статистически значима)[102]. Отметим тесную связь такого подхода с методами дисперсионного анализа. С помощью которого мож­но изучать влияние совокупности качественных признаков па некоторый ко­личественный признак[103]. Однако дисперсионный анализ предназначен для изучения интегральных связей. Он исходит из априори заданных групп объектов — каждая группа соответствует одному возможному сочетанию зна­чений независимых переменных и позволяет проверить гипотезу о совпадении типов поведения этих групп (тип поведения в дисперсионном анализе пони­мается именно рассматриваемым образом). Описываемые же нами методы решают более широкую задачу — они позволяют проанализировать с той же точки зрения все возможные группы объектов, соответствующие тому или иному набору сочетаний значений независимых переменных.

Подчеркнем, что при использовании описанных подходов ищутся не только сочетания значений независимых переменных, определяющих некоторые типы поведений, но и сами эти типы.

Для иллюстрации одного из возможных подходов к поиску детерминирую­щих комбинаций значений переменных при третьем упомянутом выше пони­мании типа поведения дадим некоторые определения, введенные С. В. Чесноковым[104], и приведем пример из его же работы. Привлекательность методики поиска детерминирующих характеристик, предложенной этим автором, в том, что она по существу является формализацией рассуждений, наиболее часто использующихся социологом при практическом решении задач о статистиче­ской зависимости.

Рассмотрим случай, когда данные представлены таблицей 2×2, изучае­мые объект —респонденты, признак х принимает значения а и b, а признак у — значения с и d. Назовем типом поведения респондента соответствующее ему значение у и ниже будем говорить о детерминации значением а типа по­ведения с. Очевидно, считать, что такая детерминация действительно имеет место, можно только в том случае, если достаточно велика степень уверен­ности в реализации поведения с для объекта, со значением а независимой переменной. Уточним смысл такой уверенности.

Назовем интенсивностью детерминации а®с величину I(а®с), равную доле респондентов, для которых у = с в группе респондентов, удовлетво­ряющих условию: х = а. Интенсивность детерминации означает точность вы­сказывания «если а, то с». Назовем емкостью детерминации а®с величину c(а®с), равную доле респондентов, для которых х = а, в группе респондентов, удовлетворяющих условию у = с. Емкость детерминации измеряет долю случаев реализации поведения с, которая объясняется высказыванием из в следует. Емкость c(а®с) отражает, насколько всеобъемлюще объяснение, по­строенное на детерминации (а®с), т. е. полноту этой детерминации.

Для обоснованности выводов о том, что «а влечет с», недостаточно знать I, необходимо оценить и С.

Пример. Пусть х — пол (а — мужчина, b — женщина), а у — величина зарплаты (с—высокая, d — низкая). Предположим, что частотная таблица имеет вид

 

y x
мужчины (a) женщины (b)
Высокая зарплата (c) Низкая зарплата (d)

 

Тогда очевидно, что

На основании того, что 70% мужчин имеют высокую зарплату, мы не можем говорить, что пол детерминирует величину зарплаты. Для этого выво­да необходимо еще оценить, какова доля мужчин среди лиц с высокой зарплатой. Например, если этот процент равен I, то сформулированный вывод вряд ли можно считать справедливым. Полученные же в рассматриваемом примере 40% могут способствовать обоснованию этого вывода; если исследо­ватель сочтёт этот процент достаточно высоким.

Показатели, аналогичные введенным величинам I и С, легко можно оп­ределить и для того случая, когда количество независимых признаков более одного.

Очевидно, в отличие от тех ситуаций, когда тип понимается одним из двух описанных выше способов, в данном случае мы не выявляем типы по­ведения в процессе нахождения детерминирующих сочетаний. Такая задача решается отдельно для каждого значения зависимой переменной: фиксируя это значение (т. е. тип поведения), мы ищем такие сочетания значений не­зависимых переменных, которые определяют его с достаточно высокими зна­чениями I и С (смысл выражения достаточно высокие определяется иссле­дователем).

Наряду с методами поиска детерминирующих комбинаций значений пе­ременных разработаны подходы к выявлению связей между номинальными признаками, аналогичные методам регрессионного анализа. В последнее деся­тилетие был предложен ряд подходов к решению этого вопроса[105]. Опишем один из них.

Прежде всего заметим, что если все рассматриваемые переменные дихотомические, то, применяя к исходным данным технику обычного регрес­сионного анализа, будем получать содержательно интерпретируемые резуль­таты[106]. Это связано с тем, что дихотомическую шкалу можно считать частным случаем интервальной. Приведем пример вычисления регрессионной за­висимости между номинальными переменными, в котором реализуется метод, основанный на сделанном замечании.

Сначала каждая переменная, принимающая I значений, заменяется на I фиктивных дихотомических переменных: каждому исходному значению соот­ветствует своя дихотомическая переменная.

Пусть и — исходные независимые номинальные переменные, при­нимающие каждая три значения — 1, 2, 3. Через , , , , , обозначим вводимые фиктивные переменные ( , , соответствуют переменной , , ). Значения, принимаемые фиктивными переменными, можно понять из следующей таблицы, где приведены значения и для некото­рых трех объектов.

 

№ объекта Значение исходных переменных Значение фиктивных переменных
0 1 0 1 0 0 1 0 0 0 0 1 0 0 1 0 1 0
       

 

К полученным фиктивным переменным применяется обычная техника регрессионного анализа. Причем, поскольку зависимая переменная также заменена на k фиктивных переменных (если она принимает k значений), вме­сто одного уравнения рассчитывается k уравнений: для каждой упомянутой фиктивной переменной строится свое уравнение регрессии. Для оценивания влияния независимых переменных на зависимую в целом (а не на отдельные соответствующие ей фиктивные переменные) служит комплекс различных коэффициентов.

Аналогичный подход можно использовать и в случае, если зависимая переменная получена по интервальной шкале[107].

Как уже отмечалось, помимо задачи анализа связей между переменными, довольно актуальными для социологии являются также задачи нахождения латентных переменных и классификации объектов. Правда, эти задачи очень часто можно рассматривать как частный случай задачи изучения связей: ла­тентные факторы обычно находятся именно на основе анализа связей между наблюдаемыми признаками, а для осуществления классификации, как пра­вило, анализируются связи между объектами. Но тем не менее названные задачи -имеют и свою специфику, обусловленную их ролью в изучении инте­ресующих социолога вопросов. Это обусловливает и определенную специфику соответствующих математических методов. Поэтому имеет смысл сказать несколько слов о путях решения обеих задач, когда изучаемые объекты характеризуются значениями номинальных или порядковых признаков[108].

Поиск латентных переменных может осуществляться с помощью методов латентно-структурного анализа. Кроме того, возможны различные подходы к использованию традиционных методов факторного анализа для анализа данных, полученных по порядковой и номинальной шкалам[109].

Основная проблема, встающая перед исследователем, желающим приме­нить математические методы классификации к объектам, заданным значения­ми номинальных и порядковых признаков, — это проблема выбора меры бли­зости между этими объектами. Большинство традиционных мер рассчитано на признаки, измеренные по интервальной шкале. Однако известны и такие меры, которые могут быть применены в интересующем нас случае. Выбор подходящей меры близости обеспечивает возможность использования многих методов классификации[110].

Далее рассмотрим несколько разработанных советскими авторами общих подходов к задаче анализа качественных данных.

Первый подход предложен Г. С. Лбовым[111]. Автор предполагает, что ис­ходные признаки могут быть измерены по любой шкале, и следующим обра­зом вводит понятие логического, высказывания, являющегося основным во всех предложенных им алгоритмах.

Если признак , измерен по номинальной шкале и его значения, то назовем элементарным высказыванием выражение вида . Если признак , измерен по шкале, тип которой не ниже порядковой шкалы, b и с — произвольные его возможные значения и b<с, то назовем элементарным высказыванием выражение вида b< <c. Логи­ческим высказыванием назовем выражение вида , где произвольное элементарное высказывание, а — знак конъюнкции (логический символ: высказывание, являющееся конъюнкцией двух предложений, истинно в том случае, если истинны оба входящие в него предложения).

Приведем пример логической закономерности. Пусть пол, принимаю­щий два значения: 0 (мужчина) и 1 (женщина); — удовлетворенность респондента своей работой, измеренная по порядковой шкале с градациями 1, ..., 5; зарплата респондента, измеренная по шкале отношений (в руб.). Примером логического высказывания может служить выражение . Ясно, что каждое логическое вы­сказывание задает определенную область рассматриваемого признакового про­странства.

Разработанный Г. С. Лбовым подход к анализу исходных данных, полу­ченных по разным шкалам, с успехом позволяет решать задачи, подобные описанным выше задачам поиска детерминирующих комбинаций значений признаков. А именно автор предлагает алгоритм, согласно которому при лю­бом разбиении исходной совокупности объектов на классы (это разбиение может быть осуществлено, в частности, в соответствии со значениями не­которого зависимого, признака) для каждого такого класса может быть осу­ществлен поиск логических высказываний, выполняющихся (т.е. истинных) на принадлежащих ему объектах. (Выполнение понимается в некотором ста­тистическом смысле. Грубо говоря, выполнение, высказывания для объектов какого-либо класса означает, что это высказывание истинно для большинства объектов этого класса.)

Но тот же подход позволяет решать и гораздо более широкий круг встаю­щих перед социологом задач: задачу автоматической классификации исход­ных объектов (грубо говоря, в разные классы попадают объекты, для кото­рых выполняются разные логические высказывания); задачу построения ло­гических решающих правил, т. е. границ между классами, если задано, в какой класс каждый объект входит (такие правила также определяются в терминах логических высказываний); задачу динамического прогнозирования (алгоритм использует логические решающие правила.) и т. д.

Второй подход разработан группой исследователей под руководством Б. Г. Миркина[112]. Авторы этого подхода предлагают рассматривать каждый признак как некоторое отношение на множестве изучаемых объектов и зада­ватьего в виде булевой матрицы, т. е. матрицы, элементы которой могут принимать только два значения, например 0 и 1. Приведем пример.

Пусть для некоторых четырех респондентов заданы значения признаков: пол (0 — мужчина, 1 — женщина) и профессия {принимающая значения 1, 2, 3, 4) и пусть соответствующая матрица объект — признак имеет вид

№ респондента Признак
пол профессия

 

Тогда рассматриваемым признакам будут соответствовать следующие булевы матрицы:

 

№ респондента 1 2 3 4   № респондента 1 2 3 4
1 1 0 1 1 1 0 1 0 0 1 0 1 1 0 1   1 0 0 0 0 1 0 0 0 0 1 1 0 0 1 0

 

На пересечении i-го столбца и j-й строки стоит единица, если значения рассматриваемых признаков для i-го и j-го объектов совпадают, и 0 — в проти­воположном случае.

Авторы рассматриваемого подхода предлагают основанные на использо­вании описанного способа представления исходных данных методы решения широкого круга задач, в том числе и социологических: классификация объ­ектов, изучение связей между признаками, выявление латентных перемен­ных и т. д. Например, в качестве латентного фактора, объясняющего связи между несколькими исходными признаками, заданными матрицами, подобны ми описанным выше, будет выступать признак, заданный матрицей, в опре­деленном смысле близкой ко всем исходным матрицам одновременно (пер­вым шагом решения соответствующей задачи будет поиск таких групп ис­ходных матриц, для каждой из которых подобную среднюю матрицу мож­но найти).

Интересный подход к анализу структуры связей между рассматривае­мыми переменными в тех случаях, когда эти переменные измерены по произ­вольным шкалам, предложен Ю. Н. Гаврильцом[113]. Этот подход позволяет учи­тывать, что связь может быть прямой и опосредованной, тесной и слабой и т. д., что изменение значений части признаков может менять характер распределения у другой части признаков, в то время как распределение третьей части признаков остается прежним. Основные принципы представле­ния исходной информации, лежащие в основе этого подхода, являются слиш­ком сложными для того, чтобы их можно было сформулировать в настоя­щем параграфе.

Последний подход к анализу информации, полученной по поминальной или порядковой шкале, о котором нам хотелось бы упомянуть,— это так называемая метризация используемых шкал (оцифровка значений призна­ков). Это — приписывание исходным шкальным значениям таких меток, чисел, что отношения между получающимися интервалами начинают иметь содержательный смысл. К настоящему времени разработано довольно много способов такого превращения номинальной либо порядковой шкалы в интер­вальную[114]. Однако использовать их надо с большой осторожностью, по­скольку каждый из этих способов предполагает довольно сильные и часто трудно проверяемые свойства исходных шкальных значений (эти предполо­жения могут быть как содержательными, таки формальными).

В заключение настоящего раздела отметим, что большинство описанных в этой главе методов реализовано в имеющихся в различных научных цен­трах нашей страны комплексах программ для ЕС ЭВМ. Методы дискриптивной статистики, вычисления, всевозможных мер связи, методы регрессионного анализа и другие методы многомерного статистического анализа, в том числе методы поиска детерминирующих характеристик значений независимых При­маков, реализованы в системе Социолог, применяемой в ИСИ АН СССР. Алгоритм поиска детерминационных характеристик, основанный на методе С. В. Чеснокова, представлен в системе, разработанной во ВНИИ системных исследований ГКНТ и АН СССР. Упомянутые выше алгоритмы, предложен­ные Г. С. Лбовым, реализованы- в пакете программ ОТЕКС Института мате­матики СО АН СССР.

 

Литература для дополнительного чтения

1. Вайнберг Дж., Шумекер Дж. Статистика. М.: Статистика, 197?. 389 с.

2. Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии М.: Прогресс, 1976. 495 с.

3. Крамер Г. Математические методы статистики. М.: Мир, 1975. 648 с.

4. Лбов Г. С. Методы обработки разнотипных экспериментальных данных Но­восибирск: Наука, 1981. 160 с.

5. Математические методы в социологическом исследовании/Отв. ред. Т. В. Рябушкин и др. М.: Наука, 1981. 332 с.

6. Миркин В. Г. Анализ качественных признаков и структур. М.: Статистика, 1980. 166 с.

7. Елисеева Ц. И., Рукавишников В. О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977. 144 с.

8. Рунион Р. Справочник по непараметрической статистике, М.: Финансы и ста­тистика, 1982. 198 с.

9. Рябушкин Т. В. Теория и методы экономической статистики. М.: Наука, 1977. 511 с.

10. Статистические методы анализа информации в социологических исследованиях/Отв. ред. Г. В. Осипов и др. М.: Наука, 1979. 319 с.

11. Типология и классификация в социологических исследованиях/Отв. ред. В. Г. Андреенков, Ю. Н. Толстова, М.: Наука, 1982. 296 с.

12. Тюрин Ю. Н. Непараметрические методы статистики. М.: Знание, 1978. 62 с.


ГЛАВА ШЕСТАЯ

ВЫБОРОЧНЫЙ МЕТОД В СОЦИОЛОГИЧЕСКОМ ИССЛЕДОВАНИИ

В марксистской социологии имеются давние традиции по приме­нению методов статистического наблюдения. В настоящее время без них практически немыслимо проведение эмпирических социоло­гических исследований.

В целом эти методы могут быть разделены на сплошные и не-сплошные. Сплошное статистическое наблюдение требует полного охвата объекта исследования, всех его элементов без исключения.

Сплошное исследование некоторых социальных объектов по мно­гим причинам может оказаться или очень трудоемким, или требую­щим больших денежных затрат, или просто невозможным. В этих случаях используются методы несплошного наблюдения, которые очень хорошо себя зарекомендовали в различных областях науки и техники.

Строгому научно обоснованному выбору части социальных объ­ектов как методу исследования всей совокупности большое значе­ние .придавал В. И. Ленин. Он предлагал провести выборку для изучения небольшого числа типичных предприятий (фабрик, совхо­зов) и учреждений (a) наилучших, образцовых; (b) средних и ( ) наихудших[115].

Наиболее часто в социологии используются три метода несплош­ного наблюдения: 1. Монографический, 2. Метод основного массива, 3. Выборочный.

Монографический метод, строго говоря, выходит за рамки чисто статистического наблюдения, ибо наряду с фиксацией статистиче­ских данных предполагает детальное качественное описание массовых явлений. Выбираемая для монографического исследования часть объекта очень часто является типичной, в определенном смысле, для всего объекта или для важнейших его элементов.

Именно эта особенность, дающая возможность глубокого проник­новения в сущность изучаемых массовых явлений, представляет важ­нейшее достоинство монографического метода, который, как прави­ло, применяется в социологии в комбинации со сплошным или раз­личными видами несплошного исследования.

Известно, например, какую роль В. И. Ленин отводил монографи­ческому методу наблюдения за состоянием сельского хозяйства в нашей стране в целях его скорейшего подъема. В. И. Ленин выде­лял три группы крестьянских хозяйств по уровню их развития: «...поставленные заведомо хорошо, сносно и неудовлетворительно. Одно типичное хозяйство каждой из этих последних трех групп долж­но быть не менее двух раз в год описываемо подробно с точным указанием всех данных об описываемом хозяйстве»[116].

Значение монографического метода не ограничивается примене­нием лишь к типичным объектам социологического исследования. Он оказывается весьма полезным при изучении объектов в социаль­ном эксперименте, когда зарождается передовой опыт, намечаются ростки прогрессивных явлений.

Методом основного массива, как правило, изучается большая часть объекта социологического исследования или его важнейшие элементы. Этот метод находит применение, например, в некоторых социологических исследованиях, проводимых с помощью контент-аналиэа.

Разновидностью метода основного массива являются экспертные опросы, так как при организации таких опросов стараются привлечь большую часть наиболее компетентных экспертов.

Наиболее широкое распространение в социологических исследо­ваниях получил выборочный метод. В этой главе подробно рас­сматривается суть этого метода и основные процедуры его примене­ния в социологии.

1. Основные понятия выборочного метода

Генеральная и выборочная совокупности. Множество социальных объектов, которые являются предметом изучения в пределах, очер­ченных программой социологического исследования и территориаль­но-временными границами, образует генеральную совокупность.

Любую генеральную совокупность характеризует некоторый явно задаваемый признак (или набор признаков), по значению которого всегда можно однозначно определить, относится данный объект к генеральной совокупности или нет. Так, в качестве генеральной со­вокупности мы можем рассматривать жителей данного города, промышленно-производственный персонал предприятия, студентов всей страны и т. п. Часть объектов генеральной совокупности, выступаю­щих в качестве объектов наблюдения, называется выборочной сово­купностью. Иными словами, если генеральная совокупность включает все без исключения единицы, составляющие объект исследования, то выборочная совокупность представляет собой специальным образом отобранную часть генеральной совокупности. При этом ста­тистическое наблюдение осуществляется именно за элементами вы­борочной совокупности.

Внимательный читатель может заметить,, что метод основного массива и метод монографического исследования также предполага­ют статистическое наблюдение некоторой части исследуемой совокупности. В чем же характерный признак выборки? Выборочная со­вокупность обычно конструируется таким образом, чтобы при мини­муме исследуемых объектов удавалось с необходимой степенью га­рантии представить всю генеральную совокупность.

Единица отбора и единица наблюдения. Единицей отбора называют элементы генеральной совокупности, которые выступают еди­ницами счета в различных процедурах отбора, формирующих вы­борку.

Единицами наблюдения называют элементы сформированной вы­борочной совокупности, которые непосредственно подвергаются ста­тистическому наблюдению. Единица отбора и единица наблюдения представляют собой социальные объекты, обладающие характери­стиками, существенными для предмета конкретного социологического исследования. Они могут совпадать (в простых схемах отбора) и различаться (при сложных комбинированных схемах отбора).

Систематические и случайные ошибки статистического наблюде­ния. При получении социальной информации выборочным методом могут возникать ошибки различного рода. Причинами могут быть неточность данных, сообщенных социологу респондентом, непра­вильная фиксация получаемых сведений или неправильное измерение переменных, характеризующих единицы наблюдения, и т. д. Эти ошибки, называемые иногда ошибками регистрации, могут быть разделены на два типа: случайные и систематические.

Систематической ошибкой регистрации называется ошибка, выра­жающая некоторые существенные связи, возникающие в процессе регистрации между объектом, субъектом и условиями проведения наблюдения. Систематическая ошибка может быть значительной по своей, величине из-за одностороннего искажения (в сторону увели­чения или уменьшения) исследуемой характеристики. Происходя­щее вследствие этого накопление ошибки по исследуемой совокуп­ности в целом может зачеркнуть результаты всего исследования.

Систематическая ошибка регистрации может возникнуть при лю­бом типе статистического наблюдения, в том числе и при проведе­нии выборочного или сплошного обследования.

Характерным примером систематической ошибки являются дан­ные о женатых мужчинах и замужних женщинах во Всесоюзной переписи 1970 г. По результатам переписи в целом по Союзу .ока­залось 53,0 млн. женатых мужчин и 54,2 млн. замужних женщин. Систематическая ошибка, зафиксированная в этой, переписи, обра­зовалась из-за погрешностей в ответах, возникающих от различной оценки своего семейного положения мужчинами я женщинами.

Случайные ошибки регистрации отражают менее существенные связи между объектом, субъектом и условиями регистрации и скла­дываются из различные статистических погрешностей в процессе наблюдения. Погрешности, имея различную направленность в от­дельных единицах наблюдения, проявляют тенденцию к взаимно­му погашению при обобщении результатов .регистрации по всей ис­следуемой совокупности.

Таким образом, в отличие от систематической случайная ошибка вызывается при наблюдении причинами, носящими вероятностный характер.

Типичные ошибки выборочного социологического исследования. Ошибки регистрации встречаются при любом типе статистического наблюдения и, следовательно, свойственны и выборочному методу исследования.

Кроме того, в выборочном исследовании могут появиться ошиб­ки, возникающие при различных отклонениях от планируемой вы­борки. Можно выделить два наиболее типичных вида отклонения от плана выборки.

1. Замена намеченных при планировании выборки единиц на­блюдения другими, более доступными, которые, однако, оказывают­ся неполноценными с точки зрения выработанного плана выборки.






ТОП 5 статей:
Экономическая сущность инвестиций - Экономическая сущность инвестиций – долгосрочные вложения экономических ресурсов сроком более 1 года для получения прибыли путем...
Тема: Федеральный закон от 26.07.2006 N 135-ФЗ - На основании изучения ФЗ № 135, дайте максимально короткое определение следующих понятий с указанием статей и пунктов закона...
Сущность, функции и виды управления в телекоммуникациях - Цели достигаются с помощью различных принципов, функций и методов социально-экономического менеджмента...
Схема построения базисных индексов - Индекс (лат. INDEX – указатель, показатель) - относительная величина, показывающая, во сколько раз уровень изучаемого явления...
Тема 11. Международное космическое право - Правовой режим космического пространства и небесных тел. Принципы деятельности государств по исследованию...



©2015- 2024 pdnr.ru Все права принадлежат авторам размещенных материалов.