1.Номинальная шкала.

Ном шкала- каждый элемент шкалы существует сам по себе, т.е самостоятельно. Здесь важным условием является одно логическое основание. С помощью номин шкалы мы измеряем такие переменные, кот в принципе не могут количественно отличаться друг от друга.

Пример: какую литературу вы чаще всего читаете:

-научную

-учебную

- полит-ю

-соц-эк-ю.

Каждая позиция в шкале существует самост-но и не связана с предыдущей и поседующей. Значения переменной присваиваются безотносительно к упорядочиванию или установлению какой либо дистанции между категориями их невозможно сравнить между собой по принципу больше-меньше, выше-ниже и т.п.

При работе с номин шкалами важно выполнить 2 условия:

- точно знать каким кодом или признаком обозначена та или иная категория

-и с номин шкалами нельзя выполнять никаких математич. Операций. Пожно подсчитать моду( наиболее часто встречающаяся категория). Шкала становится номин в тех случаях когда использ варианты ответов кот использ. Самостоятельно. К номин шкалам так же относ шкалы с демографическими показателями: пол место жительства.так же для определения шкалы важно учитывать такие позиции как затрудняюсь ответить, другое.

2.меры среднего и разброса рассчитываемые для номин шкалы

с номин шкалами нельзя выполнять никаких математич. Операций. Пожно подсчитать моду( наиболее часто встречающаяся категория.

Если бы мы хотели рассчитать среднее значение для номин шкалы, то это было бы пустой тратой времени, тк например среднее значение пола или рода занятий рассчитать невозможно.

Для данных номин уровня измерение центральной тенденции происходит с помощью определения моды( значение переменной, которое встречается среди данных наиболее часто. Так же можно высчитать дисперсию ( харак-ет разброс значений переменной). Для данных номон уровня наиб дисперсия проявляется в тех случаях, когда наблюдения распределены поровну между категориями. Полное отсутствие дисперсиипроявляется в тех случаях когда все наблюдаемые значения переменной совершенно однородны, т.е. попадают в одну и ту же категорию.

3. порядковая шкала

Пор шкала предполагает упорядочивание объекта относительно какого либо критерия.

Шкала определяется двумя эмперическими операциями

- установления равенства объеакта по отношении какого либо конкретного значения шкалы

- установление отношения больше-меньше между объектами.

Порядковые шкалы делятся:

-ранговые

-интервальные

Такое распределение осуществляется дистанцией между вариантами ответов. Если исследователь считает что дистанцию определить невозможно или считает что между вариантами дистанция различна, то поряд шкалу следует рассматривать как ранговую.

Например вопрос об образовании- ранговая шкала.

При использ поряд шкалы числинность ранжируемых объектов не может быть большим (не больше 18, а лучше меньше).

Работая в оперативном режиме исследователь может так сформулировать ответы, чтобы дистанции воспринимались как равные(исследователь уходит от вербальных ответов и спользует ответы в баллах).

4.меры среднего и разброса расчит для поряд шкалы.

Здесь методы математической статистики более информативны нежели методы используемые для измерений номинального уровня. Для измерения порядкового уровня центральную тенденцию частотного распределения можно оценить с помощью как моды( значение переменной, которое встречается среди данных наиболее часто. так и медианы( категория к которой пренадлежит серединной наблюдение), но и так же среднеквадратичного отклонения. Для измерения номинального уровня разброс частотного распределения можно только ощутить просматривая все категории. Медиана это категория к которой принадлижит серединное наблюдение.

5.Интервальные(метрические) шкалы.

Метрическая шкала шкала с безусловно равными значениями интервала. Она имеет единицу измерения которая иереется расстоянием между позициями.

Примером явл данные по доходу, единицы измерения доллары или рубли.

Метрическая шкала практически не имеет ограничений в применении статистических процедур, поэтому является эффективной при анализе данных.однако метр шкалы имеют свои недостатки, например при описании и представлении результатов данных полученных с помощью метрической шкалы выглядят очень грамоздко.

Например если автор хочет представить данные которые показывают возраст респондента и отношение к реформам то таблица будет иметь много строк и поэтому она неудобно используется, поэтому из нее можно сделать порядковую шкалу.

6.Меры среднего и разброса расчит при метрической шкале.

Критериями центральной тенденции для пропорционального и интервального уровней измерений выступает мода моды( значение переменной, которое встречается среди данных наиболее часто. медиана ( категория к которой пренадлежит серединной наблюдение), и среднее арифметическое. СА представляет собой сумму значений переменной разделенную на число значений.

7. Группировка наблюдений. Частотная таблица. Проценты. Суммарные накопленные проценты.

Наиболее простой способ представления результатов- частотное распределение. Существует одномерное частотное распределение- это совокупность значений переменных и их частот.

Различают:

- абсолютные частоты- количество объектов обладающих определенным значением признака

- относительные частоты могут выражаться в % от объема выборки или в долях единиц. Социологи в основном используют относительные данные.

-накопленная частота имеет смысловое значение при анализе порядковых и количественных переменных. Ей называют значения переменных кот представляют собой сумму частот от 1-го значения и значения о котором идет речь.

- валиднай процент( принимает за 100% отвеченные позиции)

Частотные распределения могут быть представлены графически:

-круговая диаграмма

-диаграмма столбцов

-полигон

-гистограмма

23. Одномерные частотные распределения

Одномерный анализ - это определенный вид анализа, для которого случайная величина предстает перед социологом в виде признака, для каждого значения которого известна относительная частота его встречаемости. По одномерным распределениям определяется дифференцирующая сила признаков, характер этого распределения и устанавливаются эмпирические закономерности «поведения» признака в отношении изучаемых объектов. Одномерное распределение можно анализировать на языке математической статистики, статистического ана­лиза.

Различают абсолютные и относительные частоты.

Абсолютная частота показывает количество объектов, обладающих определенным значением признака.

Относительные частоты могут выражаться в процентах от объема выборки или в долях единицах.

Социологи в основном используют относительные частоты. Существует так же понятие накопленная частота.

Накопленной частотой называют значение переменной, которое представляет собой сумму частот от первых значений и до частоты о которой идет речь.

8. таблица сопряженности.

Таблица сопряженности - средство представления совместного распределения двух переменных, предназначенное для исследования связи между ними. Таблица сопряженности является наиболее универсальным средством изучения статистических связей, так как в ней могут быть представлены переменные с любым уровнем измерения. Строки таблицы сопряженности соответствуют значениям одной переменной, столбцы - значениям другой переменной (количественные шкалы предварительно должны быть сгруппированы в интервалы). На пересечении строки и столбца указывается частота совместного появления fij соответствующих значений двух признаков xi и yj. Сумма частот по строке fi называется маргинальной частотой строки; сумма частот по столбцу fj - маргинальной частотой столбца. Сумма маргинальных частот равна объему выборки n; их распределение представляет собой одномерное распределение переменной, образующей строки или столбцы таблицы. В таблицах сопряженности могут быть представлены как абсолютные, так и относительные частоты (в долях или процентах). Относительные частоты могут рассчитываться по отношению: к маргинальной частоте по строке к маргинальной частоте по столбцу к объему выборки Таблицы сопряженности используются для проверки гипотезы о наличии связи между двумя признаками ( Статистическая связь, Критерий "хи-квадрат" ), а также для измерения тесноты связи (Коэффициент фи, Коэффициент контингенции, Коэффициент Крамера)