- •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.Теория шкалирования как попытка совместить положительные стороны «мягкого» и «жесткого» подходов.
Было получено довольно много результатов, так или иначе касающихся проблемы социологического измерения, и, по большому счету, лежащих в русле преодоления описанного выше кризиса. С нашей точки зрения, в указанном потоке работ можно выделить следующие основные направления: 1) разработку методов одномерного шкалирования; 2) изучение специфики социологических данных, выделение их ти¬пов; 3) анализ понятия социологического измерения и рождение на основе соответствующих размышлений теории измерений (формализованной); 4) развитие многомерного шкалирования. Можно сказать, что интерпретация данных — это наше видение того, что за этими данными стоит, наше понимание смысла чисел (или каких-либо других математических конструктов), полученных в результате измерения. Именно в понятии интерпретации данных по существу отражается "стыковка" эмпирического и теоретического (об этих категориях см., например. В это понятие каждый исследователь включает нечто свое, определяемое его априорным видением изучаемых объектов и явлений. Тем не менее существуют некоторые такие аспек-ты интерпретации, которые фигурируют практически в любом исследовании. О них мы и будем говорить ниже, считая очевидным то положение, что по существу речь пойдет о предполагаемых исследователем (модельных) свойствах ЭС. 1) Отражение формальных отношений. Имеются в виду четко выделенные эмпирические отношения, которые мы считаем отображающимися в математические при измерении, т.е. при отображении ЭС в МС 2) Неформализованные представления об ЭС. Далеко не все представления социолога об изучаемой ЭС можно формализовать (хотя бы путем представления ее в виде ЭСО). Ниже мы не раз коснемся не совсем формализуемых или совсем неформализуемых свойств социологических ЭС. Многие из этих свойств изучены, систематизированы.
2. Одномерное развертывание: решаемые задачи; модель восприятия респондентом предлагаемых ему объектов; процедура построения шкалы; свойства построенной шкалы.
Метод предложен Кумбсом. Сущность в том, при каких минимальных предположениях и как может быть построена оценочная шкала, исходной информацией для которой служат осуществленные респондентами ранжировки шкалируемых объектов
Основная цель указанного метода — построение оценочной шкалы на базе ранжировок изучаемых объектов и с использованием сравнительно приемлемой модели восприятия (во всяком случае, не опирающейся на подмену рангов числами).
Предположим, что исследователя интересует, каким для рассматриваемой совокупности респондентов является рейтинг каких-то политических лидеров. И для получения исходных данных социолог просит каждого респондента проранжировать соответственно политических лидеров:
r1: c>a>b ____|c____|a________|b__
r2: c>b>a ____|c________|b___|a____
r – респондент
Метод одномерного развертывания предполагает, что исследователя интересует отношение некоторой совокупности респондентов к каким-то объектам. Исходными данными служат результаты ранжирования респондентами рассматриваемых объектов. Соответствующая техника позволяет получать расположение на числовой оси одновременно и респондентов, и объектов.
Еще большую значимость этот подход приобретает в силу того, что иногда позволяет получить информацию, на первый взгляд не заложенную в исходных данных. Мы имеем в виду частичное упорядочение расстояний между шкалируемыми объектами. Респонденты дают нам только ранжировки. А метод позволяет помимо усредненной ранжировки найти еще и соотношения типа: "В целом респонденты рассматриваемой совокупности полагают, что различие между лидером а и лидером b меньше, чем между с и а"' и т.д.
Одномерное развертывание дает возможность измерять нетрадиционные отношения между объектами.
Интересующая нас модель восприятия респондентами предлагаемых им для ранжирования объектов состоит в том, что мы считаем адекватными реальности следующие предположения.
Существует некоторая прямая (числовая ось), на которой расположены рассматриваемые объекты. В соответствии со смыслом оценочной шкалы такое расположение отвечает некой усредненной "симпатии" респондентов к этим объектам. В частности, если один объект лежит на прямой левее другого, то первый в среднем более "симпатичен" респондентам. Наша основная задача как раз в том и состоит, чтобы найти это расположение.
Каждая из ранжировок отвечает определенной модели восприятия. Одну из этих моделей Кумбс положил в основу метода одномерного развертывания.
Первая — векторная модель — предполагает, что респонденты осознают наличие упомянутой латентной переменной и, ранжируя объекты, делают это в зависимости от своих субъективных представлений о том, в какой мере соответствующее качество в каждом объекте содержится.
Вторая модель, отражающая несколько иную интерпретацию ранжировок, — модель идеальной точки — состоит в следующем. Обращаясь к экспертам с просьбой проранжировать объекты, исследователь не говорит о том, по какому конкретному качеству ранжировки должны осуществляться. Вопрос ставится в более общем виде — скажем, предлагается проранжировать телепередачи в соответствии с тем, насколько каждая из них нравится эксперту.
Сначала разместим объекты на оси произвольным образом (как выше) и попытаемся выяснить, как в таком случае на той же оси могут расположиться идеальные точки наших трех респондентов. Пытаемся найти место для идеальных точек всех рассматриваемых респондентов. И таким образом переберем все возможные варианты расположения объектов а, Ь, с на оси. Процедура продолжается до тех пор, пока мы не найдем такое расположение объектов на оси, при котором сравнительно мало реальных ранжировок будет нами проигнорировано. Если таких приемлемых вариантов будет несколько, выберем наилучший, т.е. такой, при котором отбрасывается наименьшее количество информации.
Билет 5.