исследование процессов. Исслед. соц.-экон. и полит. процессов_Ч.2_УП. Процессов
 Скачать 1.29 Mb.
|
|
7 . 3 Соц и оме три чески е и н дек с ы Представление результатов социометрического опроса в количественной форме осуществляется с помощью вычисления социометрических индексов. Выделяют два типа социометри- ческих индексов — персональные и групповые. Персональные индексы можно, в свою очередь, разделить на объективные (содержащие информацию о числе выборов, полученных данным членом коллектива от остальных, субъективные (содержащие информацию о числе выборов, сделанных данным членом коллектива) и смешанные (сконструированные изданных, характеризующих количество как отданных, таки полученных выборов. Персональные индексы характеризуют индивидуальные социально-психологические свойства личности в роли члена группы. Групповые индексы дают числовые характеристики целостной социометрической конфигурации выборов в группе. Они описывают свойства групповых структур. На практике рассчитываются самые разнообразные индексы, как давно устоявшиеся, таки специально сконструированные для целей конкретного исследования. Наиболее распространенными среди персональных являются индексы социометрического статуса и эмоциональной экспансивности. Индекс социометрического статуса. Социометрический статус — это свойство личности занимать определенную пространственную позицию, те. определенным образом соотноситься с другими элементами. Такое свойство развито у элементов групповой структуры неравномерно и для сравнительных целей может быть измерено числом — индексом социометриче- ского статуса 1 С, где С — индекс социометрического статуса ого члена группы выборы ого члена группы N — численность группы. Вместе стем личность может влиять на других двояко — либо положительно, либо отрицательно. Поэтому принято говорить о положительном и отрицательном статусе. 1 Си 1 С, где С индекс положительного социометрического статуса ого члена группы С индекс отрицательного социометрического статуса ого члена группы + i W — положительные выборы ого члена группы − i W — отрицательные выборы ого члена группы N — численность группы. Индекс эмоциональной экспансивности. Этот показатель характеризует то, как человек относится к окружающим его членам группы, насколько он активен в своих выборах 1 где j E — индекс эмоциональной экспансивности ого члена группы j W — выборы j-ым членом группы N — численность группы. Аналогично с индексами положительного и отрицательного социометрического статуса можно рассчитать индексы положительной и отрицательной эмоциональной экспансивности. 1 и , N W E N j j j 1 где + j E — индекс положительной эмоциональной экспансивности ого члена группы − j E — индекс отрицательной эмоциональной экспансивности ого члена группы 123 + j W — положительные выборы j-ым членом группы − j W — отрицательные выборы j-ым членом группы N — численность группы. Из групповых наиболее важными являются индекс эмоциональной экспансивности группы и индекс сплоченности группы. Индекс эмоциональной экспансивности группы показывает среднюю активность членов группы гр где гр – индекс эмоциональной экспансивности группы j W – выборы j-ым членом группы N – численность группы. Индекс групповой сплоченности отражает степень взаимо- связанности членов группы, тесноту их эмоциональных связей и представляет собой частное отделения общего числа взаимных положительных выборов, сделанных в группе, на число взаимных выборов гр где гр – индекс сплоченности группы + ij W – положительный взаимный выбор между i-ым и j-ым членами группы N – численность группы. Контрольные bbв опросы. В чем заключается назначение социометрического опроса. Приведите примеры социометрических критериев. 3. Что такое социометрическая карточка 124 4. Проанализируйте формы представления результатов со- циометрического опроса. Определите преимущества и недостатки социометрической матрицы и социограммы. 5. В каких случаях рассчитываются персональные, а в каких — групповые социометрические индексы 125 8 АНАЛИЗ ДАН Н Ы Х Данная глава предполагает знание читателем основ статистической обработки данных и, по сути, носит обзорный характер. После снятия эмпирических значений каких-либо показателей развития социально-экономических и политических процессов, важной задачей для исследователя становится обработка и анализ полученной информации. Методы, применяемые для анализа данных, весьма многообразны. На сегодняшний день большое значение имеют статистические методы анализа. Вместе стем необходимо отметить, что применение статистических методов не всегда оправдано по различным причинам. Выбор конкретного метода зависит в первую очередь от характера исследовательских гипотез, те. оттого, на какие вопросы исследователь хочет получить ответ. Помимо характера исследовательских гипотез на выбор методов статистического анализа влияет и природа полученных данных. К примеру, разные уровни измерения переменных определяют возможности и ограничения анализа. Для того чтобы охарактеризовать распределение по выборке такого номинального признака, как пол, нельзя воспользоваться среднеарифметическим значением, и, следовательно, необходимы другие приемы представления полученной информации. Существует два основных класса задач, решаемых с помощью статистических методов анализа. Задачей дескриптивной описательной) статистикиявляется описание распределения переменной-признака в конкретной выборке. Методы дескриптивной статистики позволяют также анализировать взаимосвязь между различными переменными. Другой класс задач, связанный с необходимостью вывести свойства большой совокупности, основываясь на имеющейся информации о свойствах выборки из этой совокупности, решается с помощью методов индуктивной статистики, основанной на вероятностном подходе к принятию решений. Воспользовавшись какой-то моделью для анализа полученных выборочных данных, исследователь обычно также применяет некоторые методы статистического вывода, позволяющие определить, выполняются ли обнаруженные им при анализе данных отношения на уровне большой совокупности, из которой была извлечена выборка. 8 . 1 Представлен и еда н н ы х В основе статистических методов обработки, полученных входе исследования эмпирических данных, лежит предварительное упорядочение первичных данных главным образом при помощи статистической группировки и составления статистических таблиц. Распределение изучаемой совокупности на однородные группы по существенным для нее признакам называется статистической группировкой. Основное назначение группировки состоит в установлении численности каждой отдельно взятой части совокупности, расчлененной в соответствии со значением определенного признака, ив изучении влияния причини зависимости явлений. Главным вопросом метода группировки является правильный выбор группировочных признаков. Входе исследования могут быть получены превосходные данные, но эти данные окажутся неинформативными, если их группировка будет проведена неправильно. Основные группировки должны тщательно разрабатываться уже при составлении программы исследования. Стремление к компактности данных не должно вести к крайностям. Руководствуясь соображениями здравого смысла, исследователь должен избегать ситуаций, когда перегруппировка ведет к тому, что полученная переменная оказывается слишком грубым средством классификации наблюдений, не позволяющим выявить существенные для анализа различия. Важно также следить затем, чтобы объединение категорий или числовых градаций переменной-признака не привело к искусственному созданию отношений и взаимосвязей, которые в действительности отсутствуют в данных. Независимо оттого, какие статистические методы и модели собирается использовать исследователь, первым шагом в анализе данных всегда является построение частотных распределений для каждой изучаемой переменной. Частоты могут быть абсолютными и относительными. Как правило, для последующей статистической обработки или более наглядного представления данных отдельные значения признаков объединяются в интервалы. В этом случае частоты соотносятся уже нес каждым отдельным значением признака, ас рядом значений, попадающих в определенный интервал. Интервальные ряды могут строиться с равными и неравными интервалами. Кроме того, довольно часто исследователю приходится сталкиваться с ситуацией, когда необходимо произвести перегруппировку материала, задав другие интервалы, нонет возможности при этом обратиться к первоначальным статистическим данным. При расщеплении интервала на несколько частей приходится вводить априорное предположение о частотном распределении внутри интервала, поскольку истинное распределение неизвестно. Самым простым является предположение о равномерности частотного распределения по отдельным значениям признака. Для представления данных используют табличный и графический методы. Построение таблицы подчинено определенным правилам. Основное содержание таблицы должно быть отражено в названии (круг рассматриваемых вопросов, географические границы статистической совокупности, время, единицы наблюдения. Таблицы бывают простые, групповые и комбинационные. Простые таблицы представляют собой перечень отдельных единиц совокупности с количественной характеристикой каждой из них в отдельности. В групповых таблицах содержится группировка единиц совокупности по одному признаку, а в комбинационных по двум и более признакам. Частотное распределение отображается в виде диаграмм и графиков (гистограмма, полигон, кумулята). Главным достоинством графического изображения является его наглядность. Самый распространенный метод графического представления одномерных распределений — это гистограмма (рис. 8.1). Каждый столбик соответствует интервалу значений переменной, причем его середина совмещается с серединой данного интервала. Высота столбика отражает частоту (абсолютную или относительную) попадания наблюдавшихся значений переменной в определенный интервал. Рис. 8.1 — Гистограмма распределения населения по среднеду- шевому доходу Если просто соединить между собой точки, соответствующие абсолютным или относительным частотам (ось ординат) для середин интервалов, получится так называемый полигон распределения (рис. 8.2). Эта операция, разумеется, будет иметь какой-то смысл лишь для количественных переменных, которые мы в принципе можем представить себе как непрерывные. Рис. 8.2 — Полигон распределения населения по среднедуше- вому доходу При построении кумуляты (рис 8.3) на оси абсцисс откладываются границы интервалов (либо значения дискретных признаков, а на оси ординат — накопленные частоты, соответст- Руб. Относительная частота Относительная частота Руб. 1000 2000 3000 4000 0 8 16 32 24 40 129 вующие верхним границам интервалов. Кумулята позволяет быстро определить процент лиц, находящихся ниже или выше заданной величины признака. Рис. 8.3 — Кумулята распределения населения по стажу работы 8 . 2 Меры bbц е н траль нойте н де н ц и и Группировка и построение частотного распределения — лишь первый этап статистического анализа полученных данных. Следующим шагом, как правило, является получение некоторых обобщающих характеристик, позволяющих глубже понять особенности объекта наблюдения. Сюда относится, прежде всего, среднее значение признака, вокруг которого варьируют остальные его значения. Различают несколько видов средних величин среднее арифметическое, мода, медиана и т.д. Среднее есть абстрактная типическая характеристика всей совокупности. Оно уничтожает, погашает, сглаживает случайные и неслучайные колебания, влияние индивидуальных особенностей и позволяет представить водной величине некоторую общую характеристику реальной совокупности единиц. Среди всего многообразия средних практически наиболее часто используемой считается среднее арифметическое. Среднее арифметическое ( x ) есть частное отделения суммы всех значений признака на их число Относительная частота годы 5 10 15 20 0 20 40 80 60 100 130 , n x n x ... x x x n i i n ∑ = = + + + = 1 где i x — значение признака n — число объектов. Самой простой из мер центральной тенденции является мо- да(Мо). Мода — это такое значение в совокупности наблюдений, которое встречается чаще всего. Для номинальных переменных мода — это единственный способ указать наиболее типичное, распространенное значение. Разумеется, исследователь может пользоваться модальным значением и для характеристики распределения переменных, измеренных на более высоком уровне, если для этого существуют содержательные основания например, описывая распределение ответов на вопрос о количестве выписываемых журналов. В интервальном ряду (с равными интервалами) модальным является класс с наибольшим числом наблюдений. Значение моды находится в его пределах и вычисляется по формуле , n n n n n t x Mo Mo Mo Mo Mo Mo 1 1 1 где 0 x — нижняя граница модального интервала t — величина интервала Mo n — частота модального интервала 1 − Mo n — частота интервала, предшествующего модальному 1 + Mo n — частота интервала, следующего за модальным. Медианой называется значение признака у той единицы совокупности, которая расположена в середине ряда частотного распределения. В интервальном ряду с различными значениями частот вычисление медианы распадается на два этапа сначала находят медианный интервал, которому соответствует первая из накопленных частот, превышающая половину всего объема совокупности, а затем находят значение медианы по формуле 131 Me Me i n n n t x Me ∑ − − + = 1 0 2 1 , где 0 x — нижняя граница медианного интервала t — величина интервала i n — частота интервала i ; 1 − Me n — накопленная частота до медианного интервала Me n — частота медианного интервала. Целесообразность использования того или иного типа средней величины зависит, по крайней мере, от следующих условий цели усреднения уровня измерения признака вычислительных соображений. 8 . 3 Меры bbк о л е баем ост из нач е ни й п риз на ко в Для характеристики рядов распределения оказывается недостаточным указание только средней величины данного признака, поскольку два ряда могут иметь, к примеру, одинаковые средние арифметические, но степень концентрации или разброса значений вокруг средней будет совершенно различной. Характеристикой такого разброса служат показатели колебаемости — разность между максимальными минимальным значениями признака в некоторой совокупности (вариационный размаха также другие показатели среднее абсолютное отклонение, среднее квадратическое отклонение и т.п. Среднее абсолютное отклонение ( d ) — это мера вариации, представляющая собой среднее из абсолютных величин отклонений отдельных значений признака от среднего значения признака n x x d n i i ∑ = − = 1 , где x — среднее значение признака, i x — значение признака, n — число объектов. Дисперсией ( 2 σ ) называется величина, равная среднему значению квадрата отклонений значений признаков от средней арифметической ( ) n x x n i i 2 1 2 ∑ = − = σ , где x — среднее значение признака, i x — значение признака, n — число объектов. Корень квадратный из дисперсии называется средним квад- ратическим отклонением Среднее линейное и среднее квадратическое отклонение являются мерой абсолютной колебаемости признака и всегда выражаются в тех же единицах измерения, в которых выражен изучаемый признак. Это не позволяет сопоставлять между собой средние отклонения различных признаков (в случае разных единиц измерения) водной и той же совокупности, а также одного итого же признака в разных совокупностях с различными средними. Чтобы иметь такую возможность, средние отклонения часто выражаются в процентах к среднему арифметическому, те. в виде относительных величин. Отношение среднего линейного или среднего квадратиче- ского отклонения к среднему арифметическому называется коэффициентом вариации. % x d V d 100 ⋅ = , Очевидно, что тот из рядов имеет большее рассеяние, у которого коэффициент вариации больше. Рассмотренные выше коэффициенты вариации применимы лишь к количественным признакам, а точнее к признакам, измеряемым не ниже чем по интервальной шкале. Применение этих мер для низших уровней, строго говоря, некорректно и требует тщательной интерпретации полученных результатов. 8 . 4 Анализ таблиц сопряжен нос тира з мера Простейшая задача о взаимосвязи возникает тогда, когда имеются два признака, каждый из которых принимает два значения (табл. Таблица 8.1 — Общая схема таблицы сопряженности 2 × 2 Вне В Ане А c d c+d a+c b+d n=a+b+c+d Для характеристики степени связи двух признаков применяется коэффициент контингенции Φ , определяемый формулой Коэффициент Φ равен 0, если нет соответствия между двумя дихотомическими признаками, и равен +1 или –1, когда имеется полное соответствие между ними. В силу трудностей интерпретации знака коэффициента для номинальных переменных часто используют в анализе лишь абсолютную величину — Φ . Коэффициент контингенции Φ вычисляется для номинальных данных, представляющих естественные дихотомии, например пол. Приведение количественных переменных к дихотомическому виду связано с выбором граничной точки разделения например, население долети население старше 40 лет. |