Попередня обробка результатів спостережень і опитувань

Шукаючи оптимальний для свого завдання метод збору фактичних даних, дослідник спершу повинен визначити, яку кількість одиниць дослідження йому треба охопити, щоб отримані дані були репрезентативні (тобто з певною точністю відображали реальний стан речей).

Процедура добору одиниць дослідження починається з визначення генеральної сукупності. Генеральна сукупність – це локалізований у просторі й часі об’єкт дослідження (аудиторія конкретного ЗМІ чи телеканалу, електорат усієї країни чи досліджуваного регіону, всі номери досліджуваного видання за певний час тощо). Основними процедурами добору одиниць аналізу є суцільне та несуцільне обстеження. Найпоширенішими із несуцільних є вибіркове обстеження та обстеження методом основного масиву.

Суцільне обстеження передбачає вивчення всіх елементів генеральної сукупності. Проведення цієї процедури часто буває неможливим через технічні чи фінансові труднощі. Обстеження методом основного масиву полягає в дослідженні найбільш істотних, вагомих одиниць (елементів) генеральної сукупності. Таке обстеження використовується, якщо обсяг генеральної сукупності не занадто великий (наприклад, якщо мова йде про трудовий колектив підприємства). Частіше використовується вибіркове обстеження, коли з елементів генеральної сукупності певним способом формується вибіркова сукупність, яку потім ретельно досліджують. Отримані висновки переносяться на всю генеральну сукупність.

Щоб вибіркове обстеження було репрезентативним, вибірку формують за певними процедурами. Для цього використовують дві основні схеми. Перша схема передбачає випадковий добір достатньо великої кількості елементів з генеральної сукупності. У цьому випадку, згідно із законом великих чисел, закономірності, виявлені під час вивчення вибіркової сукупності, з певною погрішністю можна перенести на всю генеральну сукупність. Вибірка, побудована за такою схемою, називається ймовірнісною.

За другою схемою побудови вибірки прагнуть забезпечити відповідність структури вибіркової і генеральної сукупностей за певними цільовими параметрами. Як правило, для цього вибирають стандартні, типові показники: галузь, форма власності, стать, вік, соціальний статус тощо. Далі проводять аналіз вибірки й отримані результати переносять на всю генеральну сукупність. Коректність цієї процедури забезпечується однаковою структурою вихідної й аналізованої сукупностей. Вибірка, побудована за такою схемою, називається відповідно цільовою, типовою.

Обидва підходи забезпечують однакові результати щодо надійності. Перша схема універсальна і не потребує систематизації генеральної сукупності, тоді як у другій схемі використовується вже відома інформація, що часто дає змогу зменшити обсяг вибірки.

Є й інші процедури побудови вибіркової сукупності (гніздовий метод; квотна вибірка; невипадкова вибірка; випадкова вибірка; метод нетипових представників; метод "сніжної лавини"; стихійна вибірка; одно- і багатоступінчаста вибірка; районована вибірка (розшарування); систематична вибірка тощо), використовувані для конкретних завдань дослідження.

Після вибору процедури формування вибіркової сукупності настає етап збору даних. Для цього використовують методи статистичного спостереження: документальний, опитування, анкетний. Цей етап дослідження завершується реєстрацією первинних фактичних даних.

Матриця даних. На етапі обробки з первинної фактологічної інформації створюють матрицю даних, придатну для подальшого аналізу (зокрема, статистичного). Для цього зібрані матеріали треба попередньо певним чином структурувати й записати.

Логіку подібної процедури можна уявити на прикладі обробки анкет. Так, під час дослідження опитано 1000 респондентів, кожному з яких задано по 100 запитань. Отже, дослідник одержить приблизно 100000 одиниць інформації, які треба проаналізувати. Результати опитування на основі спеціальних правил (так званих схем кодування) вносять у кодувальну таблицю. Такий процес називають формуванням матриці даних. Цей етап є обов’язковим, особливо якщо передбачається комп’ютерна обробка даних за допомогою спеціального програмного забезпечення.

Формування матриці даних. Отримані у процесі емпіричного дослідження дані впорядковують за певними правилами – будують так звану матрицю даних. Як правило, матриця даних – це таблиця, яка складається з певної кількості рядків і стовпчиків. Кожна одиниця аналізу (наприклад, анкета) має свій рядок, а кожна змінна (запитання в анкеті) – свій стовпчик (у нашому прикладі таблиця матиме 100 стовпчиків і 1000 рядків: кожному рядку відповідає конкретна анкета, а кожному стовпчику – певне запитання). Така схема запису дає можливість використовувати статистичні процедури аналізу.

Розрізняють якісні і кількісні дані. При опитуванні якісні дані (змінні) отримують у відкритих запитаннях анкети, а кількісні – у закритих (нагадаємо, що на відкрите запитання респондент відповідає у вільній формі, а на закрите питання він має вибрати один із запропонованих варіантів відповіді). Якісні (описові) змінні мають символьні значення (слова чи коди) і не підлягають прямому кількісному виразу та арифметичним діям над ними. Такими змінними є також національність, професія, стать та інші. Кількісні змінні виражаються числами – зарплата, тираж, вага тощо.

Отже, матриця даних має таку форму (табл. 3).

Таблиця 3.

Структура матриці даних

Одиниці	Змінні
аналізу			...	M – 1	M
	X11	X12	...	X1 m–1	X1 m
	X21	X22	...	X2 m–1	X2 m
^….			^…
N – 1	Xn–1 1	Xn–1 2	...	Xn–1 m–1	Xn–1 m
N	Xn 1	Xn 2	...	Xn m–1	Xn m

Формуючи матрицю даних, треба дотримувати таких методичних принципів: порівнюваність; повнота; комплексність.

Принцип порівнюваності – умови обстеження всіх одиниць аналізу мають бути однаковими (тобто під час опитування всі респонденти відповідають на ті самі запитання, що стосуються одного періоду часу та місця, у тій самій послідовності; у спостереженні використовується однакова структура записів; під час контент-аналізу документів використовуються єдині схеми кодування смислових одиниць тексту).

Принцип повноти – для кожної одиниці аналізу і кожної змінної має існувати лише один прояв ознаки. Змінна може мати лише взаємовиключні значення, що охоплюють усі можливі її прояви. Це твердження не таке очевидне, як може здаватися, наприклад, при кодуванні відповідей на різноманітні запитання анкети, не кажучи вже про аналіз документів і спостереження. Однак формально цієї вимоги можна дотриматися, користуючись спеціальними процедурами.

Принцип комплексності – не має бути порожніх клітинок у матриці даних. Однак у процесі збору даних майже завжди буває так, що якоїсь частини інформації немає. Таке може статися через різні причини: або респондент не хоче відповідати на якесь запитання анкети, або він просто не знає відповіді на це запитання, або запитання його не цікавить. Часто цю вимогу можна виконати, включивши до складу змінної позицію типу "не знаю", "немає відповіді" чи подібні. Вони позначаються під час кодування як "пропущені дані" (missing values).

Процес формування матриці даних складається з таких етапів:

· формулювання плану кодування – докладний опис процедур розрахунку значень змінних на основі зібраних даних; він містить самі значення і відповідні їм коди;

· перекодування зібраної інформації в матрицю даних на основі плану кодування;

· занесення закодованих даних у комп’ютер (створення файлу даних) для подальшого аналізу на основі стандартних статистичних програм.

Для ілюстрації основних процедур розглянемо приклад обробки анкети. Пропонована анкета являє собою адаптований фрагмент реальної анкети, яку використовували в межах навчального дослідження "Студент і політика" на факультеті соціології Санкт-Петербурзького державного університету [12]. Запитання були підібрані так, щоб продемонструвати основні процедури, за допомогою яких створюється матриця даних у реальних умовах.

Фрагмент анкети навчального дослідження

Спочатку ми хотіли б поставити Вам два загальних запитання про умови Вашого життя
1. Наскільки Ви задоволені Вашими житловими умовами?	Цілком задоволений     (1)	Скоріше задоволений   (2)	Чимось задоволений, чимось не задоволений (3)	Скоріше не задоволений   (4)	Цілком не задоволений   (5)
2. Якою мірою Ви задоволені Вашим матеріальним становищем	Цілком задоволений   (1)	Скоріше задоволений     (2)	Чимось задоволений, чимось не задоволений (3)	Скоріше не задоволений     (4)	Цілком не задоволений   (5)
3. Які політичні питання Вас особливо цікавлять?_________________________________________________________________
4. Життя кожної людини може різко змінитися під впливом непередбачених обставин. Як Ви думаєте, що загрожує Вам особисто найбільшою мірою?
a) забруднення довкілля	e) безробіття
b) злочинність	f) СНІД
c) загроза стабільності суспільства	g) економічна криза
d) хвороба	h) національний радикалізм

Припустимо, опитано п’ять студентів. На основі заповнених ними анкет треба створити файл даних для подальшого аналізу. Результати опитування наведено в табл. 4.

Таблиця 4.

Результати опитування

Номер анкети	Запитання 1	Запитання 2	Запитання 3	Запитання 4
	Задоволений	Цілком задоволений	Не знаю	Злочинність
	Чимось задоволений, чимось не задоволений	Чимось задоволений, чимось не задоволений		Злочинність, хвороба, безробіття
	Не задоволений	Чимось задоволений, чимось не задоволений	Нічого	Загроза стабільності суспільства, СНІД
	Не задоволений	Не задоволений	Вибори президента	Безробіття
	Цілком задоволений	Цілком задоволений	Вибори президента	Забруднення довкілля

Кожну одиницю аналізу позначають ідентифікаційним номером. Це номер анкети чи респондента. У більшості випадків такий ідентифікаційний номер розглядається як перша змінна матриці даних.

Формулювання плану кодування. Передусім треба вирішити, як кодувати відповіді на відкриті та закриті запитання. У нашому прикладі відкритим є запитання 3.

Для використання інформації, що міститься у відкритих запитаннях, треба класифікувати можливі варіанти відповідей. У більшості випадків класифікацію здійснюють так:

1) виписують усі можливі варіанти відповідей і частоту їхньої появи;

2) аналогічні відповіді поєднують у нові категорії;

3) створеним категоріям приписують певні значення.

У нашому прикладі це зробити не важко. В реальних умовах це буває не так просто і трудомісткість кодування відповідей на відкриті запитання надзвичайно висока. Тому в опитуваннях кількість відкритих запитань доцільно мінімізувати.

Обробляючи відповіді на відкриті запитання, можна також використовувати поняття "якісна" змінна. За її значення можна взяти будь-який набір символів (наприклад, кілька слів), який містить певне число елементів (літер і пробілів). Для нашого випадку достатньо мати двадцять п’ять таких символів.

Є також труднощі, пов’язані з кодуванням відповідей на такі закриті запитання, коли респондентові дають можливість вибрати не одну, а кілька відповідей (багатоваріантне запитання). У нашому прикладі це запитання 4. У таких випадках кодування виконується одним із двох методів – або методом дихотомічних змінних, або методом категоріальних змінних.

Метод дихотомічних змінних дає змогу одержати таку кількість змінних, скільки є можливих варіантів відповіді. Усі варіанти відповідей можуть набирати лише два значення: або "нуль", або "одиниця". Якщо респондент обрав цей варіант відповіді, ставиться "одиниця", якщо не обрав – "нуль". Це простий і надійний метод кодування відповідей на різноманітні запитання. Результати кодування відповідей на запитання 4 цим методом наведено в табл. 5.

Таблиця 5.

Кодування методом дихотомічних змінних

Номер	Запитання 4
анкети	var4a	var4b	var4c	var4d	var4e	var4f	var4g	var4h

Метод категоріальних змінних дає змогу оцінити, насамперед, максимальне число обраних можливих варіантів відповіді. У нашому випадку воно дорівнює трьом (друга анкета). У результаті одержуємо три змінні, котрі також мають однакову структуру, містять коди для всіх можливих варіантів відповідей на різноманітні запитання і, крім того, спеціальний код для відсутніх даних. Докладний опис цього методу ми не наводимо, оскільки цей метод не такий простий, як попередній, і до того ж не все програмне забезпечення підтримує таку схему кодування.

Перекодування зібраної інформації в матрицю даних. Складемо схему кодування для нашого прикладу. Відкритому запитанню відповідає якісна "рядкова" змінна, для кодування відповіді на багатоваріантне запитання обрано метод дихотомічних змінних.

Схема кодування варіантів відповідей навчальної анкети

0. Номер анкети:

а) змінна: var0.

б) коди: число, рівне ідентифікаційному номеру анкети

1. Наскільки Ви задоволені Вашими житловими умовами?

а) змінна: var1;

б) коди:

1 – цілком задоволений;

2 – скоріше задоволений;

3 – чимось задоволений, чимось не задоволений;

4 – скоріше не задоволений;

5 – цілком не задоволений;

6 – немає відповіді.

2. Якою мірою Ви задоволені Вашим матеріальним становищем?

а) змінна: var2;

б) коди:

1 – цілком задоволений;

2 – скоріше задоволений;

3 – чимось задоволений, чимось не задоволений;

4 – скоріше не задоволений;

5 – цілком не задоволений;

6 – немає відповіді.

3. Які політичні питання Вас особливо цікавлять?

а) змінна: var3;

б) коди: набір символів (не більше 25).

4. Життя кожної людини може різко змінитися під впливом непередбачених обставин. Як Ви думаєте, що загрожує Вам особисто найбільшою мірою?

4a) забруднення довкілля:

а) змінна: var4a;

б) коди:

0 – не загрожує,

1 – загрожує;

4b) злочинність:

а) змінна: var4b;

б) коди:

0 – не загрожує,

1 – загрожує;

4с) загроза стабільності суспільства:

а) змінна: var4c;

б) коди:

0 – не загрожує,

1 – загрожує;

4d) хвороба:

а) змінна: var4d;

б) коди:

0 – не загрожує,

1 – загрожує;

4e) безробіття:

а) змінна: var4e;

б) коди:

0 – не загрожує,

1 – загрожує;

4f) СНІД:

а) змінна: var4f;

б) коди:

0 – не загрожує,

1 – загрожує;

4g) економічна криза:

а) змінна: var4g;

б) коди:

0 – не загрожує,

1 – загрожує;

4h) національний радикалізм:

а) змінна: var4h;

б) коди:

0 – не загрожує,

1 – загрожує.

Зверніть увагу на наявність серед варіантів відповідей позиції "немає відповіді" і відсутність аналогічної позиції серед змінних багатоваріантного запитання. Це означає, що перед респондентом стоїть альтернатива: позначити потрібну відповідь хрестиком, якщо ця проблема його хвилює, або проігнорувати запитання і перейти до наступного.

На основі описаної схеми кодування варіантів відповідей формується остаточна матриця даних.

Створення файлу даних. Створення файлу даних (електронного аналога матриці даних), тобто перенесення даних у комп’ютер, є суто технічним, але надзвичайно трудомістким етапом. Електронна форма матриці даних потрібна для подальшого аналізу за допомогою спеціальних комп’ютерних програм.

Необхідною умовою успішності аналізу є чітке розуміння дослідником особливостей структури отриманих даних. Кожна змінна, що ввійшла в матрицю даних, відповідає якій-небудь характеристиці предмета дослідження, має деякі формальні властивості, і її можна віднести до якогось із різновидів шкал виміру.

Основні типи шкал і операції над змінними у них. У спеціальній літературі пропонуються класифікації шкал за різними ознаками. В основі більшості використовуваних класифікацій лежить підхід Р. Стівенса, згідно з яким за рівнем вимірів розрізняють номінальну, порядкову, інтервальну шкали і шкалу відносин.

Для ілюстрації різниці між типами шкал розглянемо такий приклад. Припустимо, що у процесі опитування ми хочемо одержати інформацію про вік респондента. Залежно від рівня операціоналізації поняття "вік" ми можемо одержати різні види вимірів, які, відповідно, належатимуть різним шкалам.

Приклад 1. У якому Ви віці?

1. У працездатному.

2. У непрацездатному.

Ми сформулювали закрите запитання із запропонованими варіантами відповіді. Формулювання варіантів відповіді (прояв змінної) має суто логічний характер. Коди, які ми припишемо різним варіантам відповіді, не матимуть ніякого емпіричного смислу (можна першому варіанту приписати 0, а другому 1, а можна зробити і навпаки – ніякого "фізичного смислу" в даному випадку 0 і 1 не несуть). Нам треба описати всього лише подібність чи розходження між об’єктами. Така змінна (і відповідна шкала) називається номінальною. Якщо вона характеризується всього двома проявами, то говорять про дихотомічну змінну.

Запитання про вік респондентів можна сформулювати й інакше (до речі, саме так найчастіше і роблять для операціоналізації соціальної характеристики "вік").

Приклад 2. Ваш вік?

1. До 18 років.

2. Від 19 до 35 років.

3. Від 35 до 65 років.

4. Більше 65 років.

У відповідях на поставлене запитання приписані об’єкту числа вже мають певний емпіричний смисл. Вони віддзеркалюють відносини порядку. Об’єкти можна впорядкувати за проявами такої змінної. Такі змінні, коди яких відбивають емпіричні відносини порядку, називаються порядковими ( або ординальними чи ранговими). Відповідно, й шкала називається порядковою чи ранговою.

Запитання про вік можна сформулювати й так:

Приклад 3. Рік Вашого народження? () рік. Поставте відповідне значення в круглі дужки.

Це приклад інтервальної змінної. Для виміру ознаки використовується фактично поняття "час". Можна змінювати масштаб виміру (застосовувати інші одиниці виміру часу), а також положення точки відліку (теоретично можна використати будь-яку систему літочислення). Емпірично осмисленою стає різниця між значеннями змінної. Відповідна шкала називається інтервальною.

Однак у реальних дослідженнях таке формулювання запитання про вік опитуваних практично не використовується. Кращою є така форма.

Приклад 4. Ваш вік? () років. Поставте відповідне значення в круглі дужки.

Тут уже введено природну точку відліку, яка є емпірично осмисленою. Це класичний приклад шкали відносин. Цей варіант виміру для визначення віку опитуваного є оптимальним, тому що тут використано максимально можливий рівень виміру.

Отже, у номінальній шкалі (чи шкалі найменувань) досліджувані об’єкти лише класифікуються, розбиваються на взаємовиключні і вичерпні класи. Не існує об’єктів, які не належать до жодного класу, і не існує ситуації, в якій об’єкт належить водночас до кількох класів. Наприклад, змінна, яка характеризує стать респондента: юридично (не чіпатимемо тут фізіологію) людина може бути або чоловіком, або жінкою; не можна водночас бути і чоловіком, і жінкою, а також не можна бути ні чоловіком, ні жінкою. Кожному класу таких об’єктів дається найменування й числове позначення. Приписування чисел у цьому випадку має суто символічний, умовний характер, виконує тільки одну функцію – функцію розмежування об’єктів. Об’єктам одного класу має відповідати одне й те саме число, а об’єктам різних класів – різні числа, а отже, номінальна шкала задає деяку класифікацію вихідних об’єктів.

Рангова (порядкова, ординальна) шкала крім розмежування об’єктів передбачає можливість їхнього впорядкування. Таку шкалу одержують, якщо при вимірюванні моделюються не лише емпіричні відносини рівності і нерівності між досліджуваними об’єктами, а й відносини типу "більше ніж", "краще ніж". Порядкова шкала задає деяку класифікацію і встановлює певний порядок між класами.

Інтервальна шкала, на відміну від рангової, містить інформацію не лише про те, що в об’єкта A яка-небудь ознака виражена сильніше, ніж в об’єкта B, а й про те, наскільки ця ознака виражена сильніше в об’єкта A порівняно з об’єктом B. Це означає, що в інтервальній шкалі до відносин рівності і порядку додається порівняння проявів ознак різних об’єктів. Завдяки тому, що різниця значень емпірично осмислена як різниця між проявами ознак, тут уже припустимі всі традиційні операції з числами. Однак інтервальна шкала не забезпечує найвищий рівень виміру, тому що не має чітко зафіксованої точки відліку.

Шкала відносин припускає наявність абсолютної точки відліку, тобто емпірично осмисленого нуля. Поряд з еквівалентністю об’єктів (номінальна шкала), впорядкуванням їх і різницею між різними парами об’єктів (рангова й інтервальна шкали) у цьому випадку припустимо говорити про відносини значень. Стає допустимим застосування всіх математичних операцій. Наприклад, для подібних вимірів висловлювання виду "значення A у два рази більше значення B" мають реальний сенс.

На практиці розходження властивостей інтервальних шкал і шкал відносин для більшості статистичних досліджень зазвичай не виділяють, а ці два типи шкал часто поєднують в один, що називається метричною шкалою. Особливістю метричних шкал є наявність одиниці виміру і допустимість арифметичних операції.

Виміри в гуманітарних науках принципово відрізняються від вимірів у природничих і технічних науках. У гуманітарних вимірах, як правило, немає такого звичного поняття, як "одиниця виміру". Отже, виміри в гуманітарних науках є переважно номінальними чи ранговими.

Номінальні змінні належать до якісних змінних, оскільки їхнє значення відбиває якісно різні прояви досліджуваних властивостей. Інтервальні шкали і шкали відносин належать до кількісних шкал, тому що в них припустиме виконання "всіх" операцій над числами. Рангова шкала в цьому контексті займає проміжне положення.

Журналісти працюють переважно з якісними даними. Розходження рівнів виміру будь-якої категорії (якості) можна проілюструвати простим прикладом. Якщо поділити людей тільки на задоволених чи не задоволених своєю роботою, то тим самим одержимо номінальну шкалу виміру задоволення роботою. Якщо можна встановити ступінь задоволеності, то використовується рангова шкала. Якщо фіксується, наскільки задоволеність однієї особи більша задоволеності іншої, то це інтервальна шкала виміру задоволення роботою. Шкали розрізняються не лише своїми математичними властивостями, а й застосуванням різних методів аналізу даних до вимірюваних змінних.

Допустимі статистичні процедури для різних типів шкал. Після того як тип змінних, які ввійшли у матрицю даних, визначено, виникає природне запитання: які статистичні операції над ними можна виконувати? Використання яких математичних і статистичних методів припустиме й емпірично осмислене при даному рівні виміру? Коректними вважаються лише ті процедури, які не змінюють смисл статистичних висловлювань. Тому розрахунок, наприклад, значення середньої арифметичної для номінальної змінної є неможливою статистичною процедурою.

Аналіз даних і різні типи статистичних процедур. Отже, вихідна матриця даних сформована. Необхідні попередні перетворення виконано. Загальний характер взаємозалежностей змінних попередньо визначено у межах висунутих гіпотез. Тепер, проаналізувавши дані, отримані під час емпіричних досліджень, необхідно перевірити, якою мірою гіпотези відповідають реальності, тобто наскільки закономірними або ж випадковими є отримані висновки.

Дуже рідко зібрану інформацію обробляють вручну. Як правило, для аналізу даних використовують універсальні статистичні комп’ютерні програми.

Існує багато різноманітних програмних засобів, що їх можна використовувати в журналістикознавчих дослідженнях. Одна з найбільш популярних програм, яка із самого початку була створена з орієнтацією на використання в гуманітарних науках і в маркетингових дослідженнях, – це програма SPSS (первинна назва "Statistikal Package for the Social Sciences"). Нині вона має зручний графічний інтерфейс і розрахована на обробку інформації в усіх галузях, які застосовують статистичний аналіз. Пакет містить багато необхідних статистичних процедур – від базових, пов’язаних із вивченням найпоширеніших розподілів, до складних (одно- й багатомірних) – факторного, регресійного й кластерного аналізу. Тут можна створювати наочні й інформативні звіти, використовуючи всілякі графічні і табличні форми. Тому SPSS займає провідне місце серед програм статистичного аналізу даних і є своєрідним стандартом у гуманітарних науках.

Аналіз даних, який проводиться з метою перевірки робочих гіпотез, становить складний і відповідальний етап. У результаті аналізу отриманих даних гіпотези або приймаються, або відкидаються. Аналіз даних (поряд із використанням спеціальних знань) передбачає насамперед чіткість робочих гіпотез дослідника. Без цього дослідження перетворюється в хаотичний процес. Застосування навіть найсучасніших методів не в змозі саме по собі привести до теоретично змістовних результатів.

Аналіз даних полягає, як правило, в застосуванні статистичних процедур, зокрема на базі сучасних комп’ютерних технологій і програмного забезпечення. За допомогою спеціальних методів та відповідних критеріїв можна перевірити, підтверджуються чи не підтверджуються висунуті гіпотези. Для цих цілей використовується безліч різноманітних методів (за умови можливості їх застосування до певного виду досліджуваних змінних):

· частотний аналіз – для визначення розподілу варіантів змінної в сукупності та обчислень основних (серед можливих) статистичних характеристик.

· дисперсійний аналіз – для виявлення впливу окремих, незалежних факторів на досліджувану ознаку;

· кластерний аналіз – для класифікації багатовимірних об’єктів і ознак, які їх описують;

· логарифмічний лінійній аналіз – для статистичної перевірки гіпотези про систему одночасних парних і множинних взаємозв’язків у групі ознак;

· причиновий аналіз – для моделювання причинових відносин між ознаками за допомогою систем статистичних рівнянь;

· регресійний аналіз – для дослідження виду (форми) зв’язку між залежними і незалежними змінними та прогнозування однієї (залежної) змінної за значеннями іншої (незалежної);

· факторний аналіз – для одержання узагальненої інформації про структуру зв’язку між спостережуваними ознаками досліджуваного об’єкта на основі виділення прихованих факторів;

· кореляційний аналіз – для виявлення взаємозв’язку між змінними та оцінювання сили (тісноти) цього зв’язку: виникають чи ні узгоджені зміни середнього значення залежної ознаки в разі змінювання незалежної.

Зібрані дані самі собою не несуть інформації про об’єкт: ніякий комп’ютер і ніяка програма не можуть видати теоретично цікавий результат, якщо в основі аналізу не лежить якась осмислена концепція. Статистичні моделі і методи є потужним засобом оцінювання достовірності, точності і надійності отриманих результатів на основі зібраного емпіричного матеріалу. Проте статистика сама по собі не може робити змістовні висновки про залежності між досліджуваними соціальними характеристиками, якщо цих залежностей немає (у більш-менш виразній формі) у висунутих гіпотезах.

Література до теми "Попередня обробка результатів спостережень і опитувань"

1. Арапов М.В., Херц М.М. Математические методы в исторической лингвистике. – М.: Наука, 1974. – 167 с. ВА 245534

2. Артемьева Е.Ю., Мартынов Е.М. Вероятностные методы в психологии. – М.: МГУ, 1975. – 206 с. ВА 263355

3. Бююль А., Цёфель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей / Пер. с немецкого. – К., 2000. – 600 с.

4. Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. – М.: Прогресс, 1976. –496 с.

5. ГОСТ Р 50779.0-95 "Статистические методы. Основные положения"

6. Дюран Б., Оделл П. Кластерный анализ. – М.: Статистика, 1977. – 128 с. ВА 297262

7. ИберлаК. Факторный анализ. – М.: Статистика, 1980. – 398 с.

8. Математические методы в социологическом исследовании. – М.: Наука, 1981.

9. Паповян С.С. Математические методы в социальной психологии. – М., 1983.

10. Пухначов Ю.В., Попов Ю.П. Математика без формул. – М.: АО "Столетие", 1995. – 512 с.

11. Репин С.В., Шеин С.А. Математические методы обработки статистической информации с помощью ЭВМ: Пособие для исследователей гуманитарных специальностей. – М., 1990.

12. Сибирев В.А. Введение в анализ социологических данных. – СПб.: СПбГУ, 1999.

13. Смит М. Основы статистической методологии. Выпуск первый. Роль статистического метода в научном исследовании. Важнейшие приемы статистического измерения. Изд. второе. Пересмотренное и дополненное. – М.: Госиздат, 1964. – 245 с.

14. Статистические методы анализа в социологических исследованиях. – М.: Наука, 1979. – 319 с. ВА 339929

15. Ядов В. А. Социологическое исследование: методология, программа, методы. – Самара, 1995.

Дата добавления: 2017-01-14