Анализ одномерных распределений
Разумеется, главная цель эмпирических наблюдений состоит в том, чтобы проверить гипотезы об интересующих нас общественных явлениях или закономерностях в поведении людей в той или иной ситуации. Однако перед тем как исследователи начинают проверять свои гипотезы, они обычно бросают предварительный общий взгляд на свои данные и пытаются резюмировать или описать их по каждой из переменных. Для того чтобы сделать выводы из результатов произведенных измерений одной переменной, используется так называемая описательная статистика. Соответствующие такому анализу таблицы называют частотными, линейными[100][9] или одномерными распределениями.
Если вы изучали хотя бы элементы математической статистики, то из курса ее вы уже, конечно, получили определенное представление о некоторых способах анализа одномерных данных и описательной статистики. Например, средний оценочный балл группы – это не что иное, как описательная статистика, которая описывает и суммирует экзаменационные ведомости как отражение курса оценок. Если мы вычертим график того, как изменяется со временем коэффициент безработицы в данном регионе, что позволит увидеть, возрастает он или падает, – это и будет представлять собою анализ одномерных данных, где в качестве предмета описательной статистики выступает коэффициент безработицы. Таким образом, описательные статистические данные – это не что иное, как способы математического суммирования многочисленных наблюдений в ясной и осмысленной форме.
|
|
|
Обычно для обобщенного описания того, что именно является наиболее характерным для наблюдаемых нами явлений, используют два основных типа (способа) анализа: (1) измерение центральной тенденции, т.е. выявление того, какие из значений переменных встречаются в линейных распределениях наиболее часто, а значит, определяют общую или центральную закономерность; (2) измерение разброса или дисперсии, которое показывает насколько плотно или слабо распределяются все зафиксированные значения данной переменной вокруг наиболее общего, среднего или центрального значения. При обработке эмпирических данных и анализе полученных результатов мы должны, разумеется, принимать во внимание шкалу, с помощью которой производилось измерение той или иной переменной. Шкалы, то есть те алгоритмы, по которым производится отображение изучаемых социальных объектов в ту или иную числовую математическую систему, различаются по степени своей сложности и по объему тех математических действий, которые можно производить с полученными в результате наблюдений значениями переменных. В зависимости от того, насколько широк круг математических операций, допустимых для обработки и получения содержательных выводов, в социологии чаще всего используют шкалы следующих типов (если расположить их в порядке возрастания соответствующего уровня измерений[101][10]): номинальные, ранговые, интервальные, пропорциональные. Эти шкалы были разработаны и введены в научный оборот в 40-50-х годах прошлого века американским исследователем С. Стивенсом.
|
|
|
Номинальная шкала. С помощью номинальной шкалы мы измеряем такие переменные, которые в принципе не могут количественно отличаться друг от друга. Другое название этого уровня измерений – шкала наименований, что довольно точно отражает его сущность: каждое значение здесь представляет собою отдельную категорию, и само значение является просто своего рода ярлыком или именем. Значения присваиваются переменной безотносительно к упорядочиванию или установлению какой-то дистанции между категориями – во многом в том же смысле, в каком люди носят свои имена. Их невозможно сравнивать между собою по принципу “больше–меньше”, “выше–ниже” и т.п. Так, если бы мы вознамерились рассчитывать средние значения переменных, измеренных по номинальной шкале, то это было бы пустой тратой времени, поскольку полученные значения были бы лишены всякого смысла. В самом деле, можно ли рассчитать среднее значение пола? Или рода занятий? В измерениях номинального уровня отсутствуют те свойства, какими обладают реальные числа, а значит, такие переменные невозможно складывать, вычитать, умножать и делить[102][11]. Поэтому данные, полученные по номинальной шкале, обычно резюмируются с помощью простого частотного распределения так, как это показано в табл.5.3 и 5.4, где, в качестве примера представлены распределения респондентов по полу и по роду их занятий.
|
|
|
Таблица 5.3
Пол
| частота | процент | |
| мужской | 399 | 44,3 |
| женский | 496 | 55,0 |
| Всего | 895 | 100,0 |
Источник: Аналитический отчет об опросе избирателей округа № 14 г. Нижнего Новгорода, проведенного 12-13 марта 1998 года.
Таблица 5.4
Дата добавления: 2020-12-22; просмотров: 298; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!