Измерение связи между переменными

Если связь установлена, то исследователь может переходить к следующей стадии анализа — измерению связи.

Выбор статистических процедур измерения связи зависит от типа шкалы измерения признака. В зависимости от того, является шкала дискретной или непрерывной, исследователь должен выбирать те или иные статистические процедуры оценки связи. Принципы определения типа шкалы описаны в предыдущих разделах. Мы не будем детально останавливаться на математических и содержательных особенностях данных коэффициентов; читатель при желании всегда может подробно изучить соответствующие разделы в литературе по математической статистике. Задача данного учебного пособия — познакомить читателя с основными правилами использования наиболее распространенных коэффициентов связи при анализе первичного социологического материала.

Компьютерные программы статистической обработки (SPSS, ОСА) позволяют автоматически рассчитать многие из коэффициентов, измеряющих связь между признаками. Однако, получая автоматически рассчитанные коэффициенты связи, исследователь не должен забывать об адекватности данного коэффициента типу шкалы (компьютер ведь, если его «попросить», может подсчитать и среднее арифметическое между мужчинами и женщинами, и на этой «основе» проводить дальнейший количественный анализ.

Поэтому прежде всего необходимо учитывать, что наиболее популярный среди начинающих социологов коэффициент корреляции Пирсона-Браве (r), который свидетельствует о наличии той или иной степени линейной зависимости между двумя переменными, может иметь смысл только в том случае, если обе переменные измеряются с помощью непрерывных шкал, а для шкал дискретных применяются другие коэффициенты: для ранговых порядковых — коэффициенты ранговой корреляции Спирмена и Кэндалла, а для номинальных шкал — коэффициенты ассоциации и контингенции (для дихотомических шкал) и коэффициенты сопряженности (Пирсона и др. для шкал большей размерности).

Все перечисленные выше коэффициенты позволяют определять только величину связи, но не ее направленность. Для измерения направленности (меры возможного влияния одной переменной на другую) при анализе дискретных шкал используют лямбда-коэффициент Гудмана, а при наличии двух непрерывных шкал о направленности влияния можно судить по уравнению линейной регрессии.

Но используя коэффициенты или уравнения, определяющие направленность связи, исследователь должен помнить, что соответствующие значения показывают только некоторую вероятность направленной связи, но не позволяют делать окончательные выводы о причинной зависимости переменных. Что является причиной, а что — следствием — решает исключительно сам исследователь, сначала формулируя гипотезу, а затем, интерпретируя результаты анализа.

 

Объяснение связи между переменными

Идеальной целью любого анализа является объяснение полученных в результате опроса фактов. Установление причинной зависимости между различными социальными и социально-психологическими явлениями открывает возможности социального прогнозирования и управления изучаемыми процессами.

Статистика, как уже отмечалось, сама по себе объяснить ничего не может; она является лишь инструментом, позволяющим в определенной мере перевести в количественные параметры все многообразие социальных явлений и связей между ними; определить правила их сопоставления, чтобы обоснованно подтвердить (или опровергнуть) содержательные посылки и выводы аналитика.

Адекватность объяснения полученным результатам определяется в основном теоретическим уровнем подготовленности автора анализа (его знанием предмета и следованием законам логики). В какой мере статистические процедуры могут помочь в поиске каузальных (причинных) зависимостей? Мы не будем останавливаться на последних достижениях в области статистики, направленных на поиск процедур, позволяющих обеспечить каузальный анализ. Чтобы их освоить, необходимо в какой-то мере пройти весь тот путь, который проходила математическая статистика в своем развитии. В данном учебном пособии, предназначенном в основном для тех исследователей, которые только начали осознавать необходимость повышения своего уровня квалификации в области анализа, мы остановимся на тех возможностях, освоить которые позволяет элементарная логика и изложенные выше правила анализа двумерных распределений.