- •Вопросы к экзамену по курсу «Методы обработки и анализа информации в сфере молодежной политики»
- •1. Статистические закономерности в анализе социологической информации.
- •2. Моделирование социальной реальности.
- •3. Специфика математико-статистических методов применительно к социологической информации.
- •4. Задачи математики применительно к социологической информации.
- •5. Сложности использования математических методов в социологии.
- •1. Проблема соотношения выборки и генеральной совокупности
- •2. Отсутствие строгих обоснований возможности применения конкретных методов математической статистики. Эвристичность (непредсказуемость)многих алгоритмов анализа данных
- •6. Программно-аналитический комплекс «spss»: общая характеристика.
- •2. Краткая история возникновения и развития spss.
- •3. Модули программы spss
- •7. Подготовка и создание базы данных в spss: подготовка социологических данных к обработке (в т.Ч. Дихотомический и категориальный способы кодировки).
- •8. Корректировка базы данных.
- •9. Методы анализа одномерных распределений: описание и графическое представление социологических данных, построение таблиц частотного распределения для многозначных вопросов.
- •10. Модификация массива социологических данных: перекодирование с созданием новых переменных, перекодирование в старых переменных, условный отбор данных.
- •11. Меры центральной (средней) тенденции.
- •12. Шкалирование и виды шкал.
- •13. Меры разброса.
- •14. Показатели распределения признака.
- •15. Стандартизация показателей.
- •16. Таблицы сопряженности.
- •17. Коэффициенты критерия «хи-квадрат» и его вычисление в spss.
- •18. Меры связанности для переменных номинальной шкалы: симметричные и направленные меры.
- •3.1. Симметричные меры
- •3.2. Направленные меры
- •19. Меры связанности для переменных порядковой (ранговой) шкалы.
- •20. Выборка: виды, алгоритмы формирования выборки. Объем и ошибка выборки.
- •Ошибки выборки
- •Необходимый объем выборки
9. Методы анализа одномерных распределений: описание и графическое представление социологических данных, построение таблиц частотного распределения для многозначных вопросов.
10. Модификация массива социологических данных: перекодирование с созданием новых переменных, перекодирование в старых переменных, условный отбор данных.
1. Перекодирование переменных. Зачастую для проведения анализа и более детального описания результатов социологического исследования необходимо выполнить некоторые преобразования массива данных. Модификацией данных или их корректировкой называются преобразования, которые позволяют на основе первоначально собранных данных создать новые переменные, изменить кодировку уже созданных переменных, отобрать для анализа подмассив, соответствующий определенным условиям
Перекодирование с созданием новых переменных.Ручное перекодирование переменных можно осуществлять двумя способами: создавая новые перекодированные переменные или внося изменения в кодировку уже существующих. Нам надо придать количественной переменной «возраст» вид интервальной, объединяющей следующие возрастные группы: 18–29 лет, 30–39 лет, 40–59 лет, 60 лет и старше. Для решения этой задачи надо создать новую дополнительную переменную на базе имеющейся. Не используйте функцию для перекодирования в старой переменной, иначе вы потеряете исходные данные.Для перекодирования надо воспользоваться следующими командами главного меню «Редактор данных / Набор данных»: Преобразовать → Перекодировать → / В другие переменные. После их активации откроется новое диалоговое окно Перекодировать в другие переменные», в котором надо из перечня всех переменных выбрать нужные и при помощи клавиши со стрелкой перенести их в центральную часть окна. В правой части диалогового окна надо ввести имя для новой переменной и нажать на клавишу «Изменить». В поле «Метка» введем описание новой переменной, например «интервальный», что будет означать для нас «возраст в интервалах». Далее необходимо определить новые значения переменной. Для этого воспользуемся кнопкой Старые и новые значения, после чего откроется новое диалоговое окно Здесь необходимо указать старые значения переменной и соответствующие им значения новой переменной.
Перекодирование в старых переменных.
Преобразовать → Перекодировать →В те же переменные .после чего откроется диалоговое окно Старые и новые значения» попадаем в новое окно где выбираем новые коды. Все действия далее аналогичны ситуации перекодирования с созданием новой переменной.
2. Условный отбор данных. Для того чтобы получить информацию распределения ответов или значения коэффициентов не для всего массива, а отдельной его части (так называемого подмассива), надо отобрать интересующие нас категории, а остальные исключить из обработки.Иными словами, надо поставить фильтр и отобрать случаи, соответствующие определенным условиям. Для отбора случаев в программе предусмотрены следующие команды:
Данные →Отобрать наблюдения. Отобрать наблюдения»«If / Если». Для этого выберем функцию (поставить флажок) «If condition is satisfied / Если выполнено условие.В результате появится новое окно , в нем надо определить переменные, на основании которых мы формируем подмассив данных. в левом поле окна приводится список всех переменных. Нам по условию задачи надо отобрать мужчин определенного возрастаДля одновременного выполнения этих условий надо взять их формулы в скобки и поставить между ними знак &. В итоге получится формула (var 28 = 1) & ( var 29 > 29 & var 29 < 68).После того, как в левом верхнем поле окна будут указаны все условия, нажимаете на клавишу «Continue / Продолжить», а затем «ОК».После чего программа автоматически отбирает все случаи, соответствующие заданному условному выражению. функции RANGE Диапазон (переменная, начало, конец), и ANY (variable, val1, val2, ..) / Любой (переменная, значение1, значение 2,…]).
