- •2. Основные принципы латентно-структурного анализа: постановка задачи.
- •1. Понятия латентной и наблюдаемой переменной. Проблема их соотнесения в социологии.
- •2. Основные принципы латентно-структурного анализа: соотношения, позволяющие получить описание латентных классов; интерпретация латентной переменной.
- •1. «Мягкие» и «жесткие» методы сбора данных. Их достоинства и недостатки
- •2. Основные принципы латентно-структурного анализа: соотношения, позволяющие отнести конкретного респондента к латентному классу.
- •1.Теория шкалирования как попытка совместить положительные стороны «мягкого» и «жесткого» подходов.
- •2. Одномерное развертывание: решаемые задачи; модель восприятия респондентом предлагаемых ему объектов; процедура построения шкалы; свойства построенной шкалы.
- •1. Основные цели методов одномерного шкалирования.
- •2. Эмпирическая и числовая системы с отношениями. Понятие гомоморфизма между ними.
- •1. Понятие модели восприятия респондентом предлагаемых ему объектов (суждений). Рассмотрение введения такой модели как своеобразного подхода к «смягчению» процесса сбора данных.
- •2. Определение шкалы и ее допустимых преобразований.
- •1. Измерение установки методом Терстоуна: этапы процесса.
- •1, Геометрическая модель, «заложенная» в методе Терстоуна измерения установки.
- •2, Основные задачи репрезентационной теории измерений. Формальная адекватность математического метода. Цель построения интервальной шкалы.
- •1. «Цена» получения интервальной шкалы при измерении установки методом Терстоуна.
- •2. Недостаточность формализма репрезентационной теории измерений для решения проблемы измерения в социологии.
- •1. Сбор данных методом парных сравнений. Его преимущества и недостатки по сравнению с методами прямых оценок объектов.
- •2, Шкалы, промежуточные между номинальной и порядковой. «Неполноценный» порядок (частичное упорядочение, нарушение условия транзитивности).
- •1. Свойства матрицы парных сравнений (полученной от одного респондента). Причины их нарушения. Способы преодоления этих нарушений.
- •2. Типология шкал Кумбса по процедурам опроса и моделям поведения респондентов.
- •1. Модель Терстоуна парных сравнений: предположения о характере восприятия респондентами шкалируемых объектов.
- •2. Типология шкал Кумбса по упорядочению объектов и расстояний между ними.
- •1. Модель Терстоуна парных сравнений: алгоритм получения искомых шкальных оценок.
- •2. Нечисловые измерения в социологии.
- •2. Достоинства и недостатки номинальных шкал по сравнению со шкалами более высокого типа.
- •1. Проблемы построения индексов.
- •2. Экстенсивные и интенсивные величины в социологии.
- •1. Измерение установки методом Лайкерта. Роль критерия согласованности ответов.
- •2. Проблема надежности социологического измерения.
- •1. Шкалограммный анализ Гуттмана. Решение проблемы существования латентной переменной и выбора системы информативных признаков.
- •2. Многомерное шкалирование: задачи, решаемые с его помощью.
- •1. Общее представление о проективной технике.
- •2. Многомерное шкалирование: основные элементы формализма («вход», «выход», свойства матрицы близостей, функция расстояния, функция стресса, неоднозначность решения.
- •2. Основные модификации многомерного шкалирования: метрическое и неметрическое, индивидуальное, многомерное развертывание.
- •2. Роль социолога в процессе применения многомерного шкалирования: формирование исходных данных и интерпретация результатов.
1. Модель Терстоуна парных сравнений: алгоритм получения искомых шкальных оценок.
Будем говорить о методе ПС как о методе анализа данных и в соответствии с этим используем ту (кибернетическую) терминологию, которая, как нам кажется, полезна для формирования у читателя четкого представления о сути метода.
Входом метода служит совокупность полученных от респондентов матриц ПС, выходом — совокупность чисел, приписанных шкалируемым объектам. Естественно, вход и выход должны быть опосредованы некоторой идеей, отражающей наше видение того, что, собственно, такое искомые числа и как они связаны с исходными парными сравнениями. И эта идея, вероятно, должна опираться на некоторые модельные концепции, в основе которых должны лежать наши априорные представления о восприятии отдельным респондентом изучаемых объектов и о том, что такое агрегированное мнение об этих объектах всех респондентов сразу.
Модели Терстоуна
Опишем ее.
Предположим, что у нас имеются объекты αμ а2, ап и респонденты гр г2, rN. Предположим, что мнение одного респондента г, об одном объекте а. (1 — любое число из множества 1, 2,
N; i — любое число из множества 1, 2, п) представляет собой нормальное распределение (в виде параболы – тощая и толстая).
Проще говоря, это означает, что- при опросах, производящихся в разных условиях, наш "градусник" чаще всего будет показывать некоторую оценку т! (математическое ожидание, т.е. среднее значение нашего нормального распределения), реже — другие оценки. И чем дальше какое-либо число отстоит от т], тем реже оно будет встречаться в качестве такой оценки.
Вероятно, естественным выглядит предложение считать "истинной" оценкой мнения нашего респондента о рассматриваемом объекте соответствующее математическое ожидание. Оказывается, что и дисперсию рассматриваемых распределений можно проинтерпретировать естественным образом (напомним, что нормальное распределение однозначно задается значениями математического ожидания и дисперсии либо среднего квадрати-ческого отклонения). Покажем это.
Рассмотрим рис. 6.3(там короче на одной прямой три параболы разный размеров), на котором изображены интересующие нас распределения, отвечающие разным дисперсиям.
Нетрудно понять, что дисперсия говорит о степени уверенности (убежденности) респондента в своем мнении о рассматриваемом объекте. Если это мнение определяется распределением I, то респондент, будучи опрошенным в разное время, примерно с одинаковой вероятностью будет давать совершенно различные ответы, в том числе и весьма отличающиеся от среднего. Так, значения xi и хг в его ответах могут встретиться почти с той же вероятностью, что и среднее значение.
Если мнение респондента определяется распределением III, то, напротив, значения, даже незначительно отличающиеся от среднего, такие, как х, и х4, будут встречаться с гораздо меньшей вероятностью, чем само среднее. А вероятность получить от респондента ответы χί и х2 будет практически равна 0.
При использовании распределения II ситуация будет занимать промежуточное положение между двумя описанными выше.
Ясно, что упомянутая степень уверенности может быть объяснена разными факторами: характером (принципиальностью)
респондента, его знанием оцениваемых объектов, важностью этих объектов для респондента и т.д.
Пока будем считать, что дисперсии тех распределений, которые отвечают мнениям одного респондента о разных объектах, вообще говоря, различны. Так, различны дисперсии распределений, приведенных на рис. 6.1 и 6.2. Теперь перейдем к обсуждению вопроса: должны ли быть схожими, и, если должны, то в какой степени, распределения, отвечающие разным респондентам? Чтобы наша задача была осмысленна, и здесь (так же, как и в случае установочной шкалы Терстоуна) требуется определенная однородность изучаемой совокупности респондентов.
Далее: построение системы уравнений для искомых шкальных значений объектов и решение системы.