Опис інформації та обчислення узагальнюючих параметрів

Обробка і аналіз соціальної інформації

1. Опис інформації та обчислення узагальнюючих параметрів.

2. Коефіцієнт зв’язку між двома ознаками. Кореляційний і регресивний аналіз.

3. Методи багатомірної статистики: факторний і кластерний аналіз.

Ключові поняття. Кодування інформації. Якісні та кількісні ознаки. Коефіцієнт зв’язку між двома ознаками. Причинний аналіз. Якісний аналіз. Кореляційний і регресивний аналіз. Інтерпретація. Оперативне визначення. Пояснення в соціології. Банк соціологічної інформації. Факторний і кластерний аналіз. Типологізація. Математичне моделювання.

В емпіричній соціології застосовується чимало статистичних процедур, за допомогою яких розрізнені дані, розміщені в окремих анкетах або інших матеріалах соціологічних досліджень, адаптують з метою:

· узагальнення;

· опису;

· аналізу;

· наукової інтерпретації.

За результатами узагальнень роблять певні висновки, вирішуючи задачі, поставлені в дослідженні. Внаслідок цих процедур виникає реальна можливість з’ясувати тенденції в досліджуваних процесах, явищах, виробити прогнози і практичні рекомендації, що відкривають вихід соціальної інформації в соціальну практику. Найчастіше статистичні методи аналізу соціальної інформації використовують для:

· опису інформації і обчислення узагальнюючих параметрів (одновимірна статистика);

· виміру зв’язку між окремими ознаками, отриманими при відповідях на різні питання анкети, коли методом збору даних застосовувалося опитування, чи контент-аналіз текстів ЗМІ, якщо використовувався метод аналізу документів (двовимірна статистика);

· проведення складних математичних процедур, що дають можливість проаналізувати кілька взаємозалежних ознак (багатомірна статистика).

Застосування методів математичної статистики забезпечує:

· короткий опис первинної соціологічної інформації, обчислення одновимірних розподілів, наочне подання її у вигляді таблиць, графіків, діаграм;

· обчислення зв’язків між ознаками досліджуваного суспільного явища, оцінку їх за допомогою статистичних коефіцієнтів зв’язку, застосування кореляційного, регресивного аналізу і т.п.;

· встановлення латентних (схованих) факторів, що визначають взаємозв’язок всередині групи ознак досліджуваного явища (факторний, структурний, латентно-структурний аналіз);

· класифікацію ознак і об’єктів, побудову типологій (кластерний аналіз, дискримінантний аналіз, факторний аналіз);

· перевірку (підтвердження чи спростування) вихідних гіпотез дослідження, формулювання нових проблем;

· розробку коротко- і довгострокових прогнозів функціонування і розвитку певного суспільного явища.

Використання методів математичної статистики передбачає пев-ний набір попередніх процедур, до яких належать:

· підготовка анкети чи іншого первинного матеріалу до обробки (може здійснюватися вручну або автоматизовано);

·вибір рівня майбутнього аналізу (описовий чи пояснювальний);

· вибір конкретних статистичних процедур для обробки ін-
формації.

В емпіричному дослідженні соціолог вивчає визначену безліч об’єктів. Кожному елементу цієї безлічі притаманні певні властивості (ознаки), наприклад, стать, вік, задоволеність умовами роботи. Кожен об’єкт має певне значення за тою чи іншою ознакою.

Так, наприклад, працівник має:

· одне з двох можливих значень ознаки «статі» (чоловіча або жіноча);

· одне з трьох можливих значень ознаки «задоволеність умовами роботи» (задоволений, не зовсім задоволений, зовсім незадоволений);

· визначене значення ознаки «вік» (число повних років від 18 до 60) та ін.

Як правило, для спрощення обробки всі значення ознак кодують числами. Тому дані для обробки зводять у таблицю (матрицю) чисел. Кожен рядок цієї таблиці означає один об’єкт, а кожен стовпчик – певну ознаку. На перетинанні визначеного рядка і стовпчика цієї таблиці знаходиться значення певної ознаки даного об’єкта. Ознаки розділяють на якісні та кількісні.

Якісні ознаки не мають кількісного виразу. Наприклад, «стать», «задоволеність умовами роботи».

Кількісні ознаки мають одиниці виміру. Наприклад, одиницею виміру кількісної ознаки «вік» є рік, «заробітна плата» – гривня. Ці ознаки ще називають ознаками, заданими в метричній шкалі.

При кодуванні значень якісної ознаки числами можливі два варіанти, що істотно відрізняються один від одного.

У першому варіанті значення якісної ознаки можна упорядковувати. Тобто для будь-якої пари значень можна вказати, що з них відповідає більш сильному прояву даної ознаки. Наприклад, значення «задоволений» відповідає більш інтенсивному прояву ознаки «задоволеність умовами роботи», ніж значення «не зовсім задоволений».

У такому випадку доцільно і числові коди обирати так, щоб більш сильному прояву ознаки відповідало більше число. Так, для ознаки «задоволеність умовами роботи» можна вибрати наступні чис-лові коди значень:

3 – «задоволений»;

2 – «не зовсім задоволений»;

1 – «зовсім незадоволений».

Такі якісні шкали називають порядковими шкалами або ранговими.

В другому варіанті значення якісної ознаки не піддаються жодному змістовному упорядкуванню. Наприклад, ознака «стать» містить два значення: «чоловіча» і «жіноча». Для позначення ознак такого типу можна вибирати будь-які числові коди. Головне – щоб різні значення мали різні коди (тобто, не можна кодувати два різні значення ознаки одним числом). Такі якісні шкали називають номінальними шкалами.

Як правило, для кодування значень ознак у номінальних шкалах використовують цілі позитивні числа – 1, 2, 3 і т.д.

Соціологу постійно приходиться при складанні програми дослідження обирати (чи навіть самостійно конструювати) шкали. Від того, наскільки вдало це буде зроблено, значною мірою залежить результат обробки отриманих даних. Крім того, вибір математичного методу аналізу даних тісно пов’язаний зі шкалами відповідних ознак.

Якщо обраний метод не відповідає даним, то це є істотною методичною помилкою, що може звести нанівець роботу зі збору даних і обчислення результатів.

Щоб первинні дані можна було використовувати для змістовного аналізу і висновків, вони повинні бути незалежно упорядковані та оброблені. З цією метою застосовують спеціальні статистичні методи:

· групування;

· обчислення узагальнюючих параметрів і коефіцієнтів;

· кореляційний, кластерний, факторний аналізи та ін.

Незалежно від методу аналізу, обробку даних починають з попереднього упорядкування інформації. В основному це здійснюється за допомогою статистичного групування і побудови статистичних таблиць.

Структуру сукупності об’єктів з погляду однієї виділеної ознаки доцільно вивчати по таблиці, у якій для кожного з можливих значень ознаки зафіксовано, скільки разів зустрічаються в сукупності об’єкти, що мають відповідне значення. Таку таблицю називають або таблицею одновимірного розподілу, або одновимірною таблицею, або варіа-ційним рядом.

Наприклад, для ознаки «задоволеність умовами роботи» одновимірна таблиця може мати наступний вигляд:

Таблиця 20.1

Ознака «задоволеність умовами роботи»

Значення	Код	Частота	Відсоток до всього	Відсоток до значень
Задоволений			12,60	12,93
Не зовсім задоволений			69,75	71,55
Незадоволений			15,13	15,32

Припустимо, що усього кількість опитаних об’єктів складає 357.

Для 348 об’єктів (що складає 97,48 % від загальної сукупності) відоме значення ознаки «задоволеність умовами роботи».

Для інших об’єктів сукупності (у даному випадку їх 9) значення цієї ознаки невідомо (наприклад, інформація зібрана методом опитування, і деякі працівники підприємства не захотіли відповідати на пос-тавлене запитання).

Аналіз таблиці свідчить, що задоволених умовами роботи –
45 (12,6 % від загальної сукупності або 12,93 % від кількості працівників, що відповіли на поставлене запитання). З табл. 20.1 видно, що переважна більшість працівників цілком чи частково не задоволені умовами роботи.

В одновимірній таблиці часто перший або другий стовпчики відсутні (тобто, у таблиці відзначають самі значення чи їхні коди).

Неможливо перерахувати всі можливі значення ознак, задані в метричних шкалах. Також неможливо безпосередньо побудувати одновимірну таблицю. При такій ситуації всі можливі значення ознаки розбивають на інтервали, а потім будують таблицю.

Так, для сукупності працівників даного підприємства всі значення ознаки «вік» знаходяться між віком найбільш молодого робітника (наприклад, 18 років) і віком найстаршого робітника (наприклад, 68). Розіб’ємо їх на 4 інтервали:

· від 18 до 25 років;

· від 26 до 40 років;

· від 41 до 59 років;

· від 60 до 68 років.

Тоді одновимірна таблиця, що демонструє структуру сукупності працівників за віком, буде мати такий вигляд:

Таблиця 20.2

Ознака «вік (інтервал)»

Кількість об’єктів	Частота	Відсоток до всього	Відсоток до значень
18-25 років		12,04	12,04
26-40 років		62,47	62,47
41-59 років		18,77	18,77
60-68 років		6,72	6,72

У табл. 20.2 відсутній стовпчик, у якому вказані коди інтервалів. Оскільки відомий вік усіх працівників (виявляються відповідні значення для всіх об’єктів), тому третій і четвертий стовпчики збігаються.

Метрична ознака розбита в даній таблиці на різні за розмірами (нерівномірні) інтервали.

Іноді доцільно розбивати весь діапазон значень на інтервали однакової довжини (рівномірні інтервали).

Для полегшення аналізу великої кількості таблиць і забезпечення можливості порівняння декількох з них, виявляють узагальнюючі характеристики рядів розподілу. Найбільш часто використовують характеристику «середнє значення ознаки».

Для кількісної ознаки виявляють її середнє арифметичне значення щодо всіх об’єктів сукупності.

Для якісних ознак такою узагальнюючою характеристикою ряду є «мода» – значення, що найбільш часто зустрічається в одновимірній таблиці.

Щоб оцінити, наскільки репрезентативне середнє значення всього ряду розподілу, у ньому виділяють статистичні показники варіації ознак.

Для кількісних ознак – це дисперсія, середнє квадратичне відхилення, коефіцієнт варіації.

Для якісних ознак – розроблені спеціальні індекси якісної варіації.

Чим більше значення відповідного показника варіації, тим більш розсіяними навколо середнього значення будуть реальні значення ознаки. Отже, з великою обережністю потрібно оперувати середнім значенням при побудові змістовних висновків.

Межі варіації також дають можливість оцінити, наскільки однорідною за визначеною ознакою є сукупність. Якщо сукупність за визначеною ознакою неоднорідна, може виникнути необхідність поділити цю сукупність на декілька однорідних за цією ознакою частин і аналізувати кожну з них окремо.

Припустимо, що вивчається задоволеність умовами роботи на визначеному підприємстві. З логічних міркувань або за результатами попередніх досліджень відомо, що заробітна плата працівника впливає на його задоволеність умовами роботи. Нехай коефіцієнт варіації заробітної плати для всієї сукупності працівників дорівнює 0,7, тоді необхідно поділити всю сукупність працівників на групи, приблизно однакові за рівнями заробітної плати, щоб у кожній групі коефіцієнт варіації зарплати був нижче 0,4, і аналізувати задоволеність умовами роботи окремо в кожній з них.

Дата добавления: 2014-01-07