анализ. Типы методов математикостатического анализа
 Скачать 72.28 Kb.
|
|
Количественный (математико-статистический) анализ – совокупность процедур, методов описания и преобразования исследовательских данных на основе использования математико-статического аппарата. Количественный анализ подразумевает возможность обращения с результатами как с числами – применение методов вычислений. На этапе первичной обработки решаются две основные задачи: представить полученные данные в наглядной, удобной для предварительного качественного анализа форме в виде упорядоченных рядов, таблиц и гистограмм и подготовить данные для применения специфических методов вторичной обработки. Упорядочивание (расположение чисел в порядке убывания или возрастания) позволяет выделить максимальное и минимальное количественное значение результатов, оценить, какие результаты встречаются особенно часто и т.д. Набор показателей различных психодиагностических методик, полученных по группе представляют в виде таблицы, в строках которой располагают данные обследования одного испытуемого, а в столбцах – распределение значений одного показателя по выборке. Гистограмма – это частотное распределение результатов в диапазоне изменения значений. На этапе вторичной обработки вычисляются характеристики предмета исследования. Анализ результатов вторичной обработки позволяет нам предпочесть тот набор количественных характеристик, который будет наиболее информативен. Цель этапа вторичной обработки состоит не только в получении информации, но и в подготовке данных к возможной оценке достоверности сведений. В последнем случае мы обращаемся к помощи параметрической статистики. Типы методов математико-статического анализа: - Методы описательной статистики направлены на описание характеристик исследуемого явления: распределения, особенностей связи и пр. - Методы статического вывода служат для установления статистической значимости данных, полученных в ходе экспериментов. - Методы преобразования данных направлены на преобразование данных с целью оптимизации их представления и анализа. К количественным методам анализа и интерпретации (преобразования) данных относятся следующие: 1. Дисперсионный анализ позволяет выявить, насколько дисперсия зависимой переменной соотносится с дисперсией независимой переменной 2. Корреляционный анализ выявляет связь и направление изменений зависимой и независимой переменных. 3. Факторный анализ выявляет влияние факторов, т.е. совокупности коррелирующих между собой независимых переменных на зависимые переменные. 4. Регрессионный анализ заключается в моделировании системы связей нескольких зависимых переменных в единый психометрический фактор, отражающий влияние независимой переменной на исследуемый психологический объект. 5. Кластерный анализ позволяет выявить связь или степени подобия поведенческих реакций различных объектов по «подобию» их переменных (характеристик). Качественный анализ результатов – совокупность процедур и методов описания исследовательских данных на основе теоретических умовыводов и обобщений, индивидуального опыта, интуиции, методов логического вывода. Выделяют следующие приемы качественного анализа: классификация, типологизация, систематизация, периодизация, категоризация, казуистика. Категоризация – систематизация и дифференциация материала исследований по типам, видам, вариантам, построение схем, структур. Казуистика – системное описание типичных и уникальных случаев, тех, которые представляют типологию, и тех, которые являются исключением. Методы качественного анализа разделены на две группы: - анализ по аналогии (при этом используются такие приемы, как обращение к личному опыту, интуиции исследователя, к ссылкам на авторитет, на результаты аналогичных исследований) и - непараметрическая статистика. Систематизация и анализ полученных данных По окончании проведения поиска приступают к упорядочиванию, статистической обработке и анализу полученных данных. Вообще говоря, требования к форме предоставления результатов должны быть определены в самом начале исследований. После сбора всей необходимой информации приступают непосредственно к ее систематизации и анализу. На данном этапе собранная информация представляется в удобной для последующего обобщения и анализа форме посредством группировки ее по некоторым признакам, сведения в обобщающие таблицы и схемы, представления в виде графиков и диаграмм. Например, распределение патентной активности, в зависимости от задачи исследований, может быть представлено по времени, по участникам рынка или по тематике патентуемых разработок. Научно-техническую информацию представляют в виде таблицы, в строки которой внесены наименования всех технологических направлений, а в столбцы - характеристики научного потенциала, ссылки на источники научно-технической информации. В случае необходимости приводят комментарии в свободной форме. Финансовые показатели компании - участника рынка целесообразно представлять в виде таблицы по всем компаниям со столбцами: название компании; объем расходов компании на НИОКР; отношение объема расходов компании на НИОКР к общему объему расходов компании; объем НМА компании; значение коэффициента Тобина и др. Изобретательскую активность и географию патентования целесообразно представлять также в виде таблиц для каждого участника рынка, в которых указывается количество патентов, полученных в каждом интересующем регионе за определенные периоды времени. Дискретным интервалом времени может быть месяц, год, 5 лет и т.п. Опционально по данной таблице могут быть построены графики динамики патентования и географии патентования для каждого участника рынка. Для определения характера активности основных участников рынка необходима патентная информация, на основе которой строится график, отражающий динамику патентования, то есть распределение количества патентов, полученных за определенный период времени.  Рис. 4.7. Пример графика «Динамика патентования» При патентном поиске в определенной достаточно узкой области техники (заранее известны классификационные рубрики по международной или национальной классификации) с целью определения тенденций ее развития затраты на поиск патента весьма малы. Вместе с тем полезность результирующей патентной динамики достаточно высока, поскольку следование выявленному вектору технологического развития сопряжено со значительными инвестициями компании в будущих периодах. Соответственно, дисконтированная величина этих инвестиций отражает полезность того информационного массива, на основе которого получена патентная динамика. 8 расчете на каждую единицу массива (каждый просмотренный патент) ее полезность будет существенно превосходить ассоциированные затраты. Постепенное снижение прироста полезности будет медленным из-за ограниченности области поиска, в которой каждый новый патент будет повышать точность экстраполяции на базе полученных ретроспективных данных. Следовательно, величина прироста полезности приблизится к величине затрат на извлечение патентных данных при обьеме просмотренных патентов, близком к общему количеству патентов в базе, которые принадлежат известным классификационным рубрикам. Из сказанного можно заключить, что при проведении патентного поиска, в котором участвует большое число ограничивающих поиск факторов, в общем случае, следует стремиться к выборке максимально возможного количества источников. Полезность в данном примере являлась прогностической стоимостной величиной. Сравнение технологий и выделение технических преимуществ технологии над конкурирующими и альтернативными технологиями целесообразно представлять в виде таблицы сравнения функционально-морфологических признаков. Таблицы составляются по каждой рассматриваемой технологии, а список конкурирующих или альтернативных технологий может быть ограничен самыми перспективными и важными для деятельности участника рынка. Ниже приведем пример таблицы сравнения функциональноморфологических признаков (таблица 4.5). В первый столбец таблицы заносятся технические признаки (показатели) рассматриваемой технологии с разделением на существенные и несущественные. Ячейки таблицы заполняются знаками «X» при наличии соответствующего признака в конкурирующей и альтернативной технологии. |