Индексы социальных настроений 1996-2000 гг.

	1996								1997
Месяцы	I	III	V		VII		IX	XI			I	III	V		VII		IX	XI
Положение семьи	109	106	109		110		114	97			96	93	101		108		109	106
Положение России	73	75	83		92		81	71			72	70	78		80		85	83
Ожидания	71	71	79		81		70	61			61	-*	63		68		74	63
Настроения	78	79	96		99		96	85			86	80	88		97		97	94
ИНДЕКС	83	83	92		95		90	79			79	-	83		88		91	87
	1998								1999
Месяцы	I	III	V		VII		IX	XI			I	III	V		VII		IX	XI
Положение семьи	102	105	99		95		68	79			88	82	94		90		95	104
Положение России	80	79	73		69		53	60			65	61	64		64		65	71
Ожидания	69	64	64		58		62	53			57	49	55		53		54	75
Настроения	87	90	85		93		58	79			79	80	90		84		90	96
ИНДЕКС	84	84	80		79		60	68			72	68	76		73		76	86
Месяцы 2000 г.	I			III		V				VII				IX		XI
Положение семьи	111			113		123				119				116		118
Положение России	85			82		97				92				86		89
Ожидания	98			99		115				94				90		94
Настроения	108			109		118				109				98		103
ИНДЕКС	101			101		113				103				98		101

Для расчета индекса по распределениям ответов респондентов на каждый вопрос строятся индивидуальные индексы, отражающие разницу положительных и отрицательных ответов.

Сводный ИСН рассчитывается как простая средняя арифметическая из частных индексов».¹¹⁸

Индексы удобны тем, что имеют четкие границы своего применения, а получаемые на их основе те или иные интегральные показатели достаточно легко поддаются содержательной интерпретации. С помощью индексов связь между переменными проявляется весьма зримо и отчетливо.

Вот небольшой пример. В таблице (после соответствующей обработки) приведены результаты индексации участия-неучастия в выборах среди различных возрастных групп.¹¹⁹

Возраст	Индекс участия
18-24 года	0,59
25-29 лет	1,67
30-39 лет	2,15
40-49 лет	2,34
50-59 лет	2,40
60-70 лет	2,72
Старше 70 лет	1,92

III

С помощью описательной статистики можно лучше понять собранные данные, а также сделать некоторые выводы на основании проведенного элементарного анализа. Иногда дальнейший анализ вообще нет смысла делать (один-два вопроса на референдуме), ибо часть процентных распределений или среднее значение обеспечивают всю необходимую для решения информацию. Однако если признаков много, то для правильной ориентации требуются дополнительный (многомерный) анализ данных, проводимый для определения значимости различий или характер взаимосвязей между наблюдаемыми переменными. При этом исследователь пытается предсказать значение одной переменной на базе других.

Необходимо понять несколько важных понятий, используемых в практике многомерного анализа.

Корреляция – статистическая взаимосвязь признаков.

Корреляционный анализ – статистический метод, который направлен на измерение степени близости взаимосвязи между двумя и более самостоятельными по интервалу переменными к линейной. Здесь не устанавливается причинная обусловленность, а лишь устанавливается мера (степень) связи или корреляции между переменными.

Территория	Продажа TV (тыс. шт.)	Реклама (число показов в месяц)	Число торговых представителей	Индекс эффективности оптовика
Москва	5	15	12	4
Санкт- Петербург	4	10	8	3
Тверь	0.5	2	1	1
Казань	0.8	4	1	1
Новгород	0.7	3	1	1

Эти же данные можно представить графически (на оси x, y) в виде диаграмм рассеивания (объем продаж/показ TV-рекламы, объем продаж/число торговых представителей, объем продаж/индекс эффективности оптовика), а также можно произвести вычисление «средней» линии взаимосвязи и др.

Регрессионный анализ - статистический метод, используемый для построения уравнения, который соотносит единственную зависимую переменную с одной (простой регрессионный анализ) или более не зависимыми переменными (множественный регрессионный анализ).

Коэффициенты корреляции призваны выяснить взаимосвязь и тенденции изменения характеристик изучаемого явления. Они получаются путем сравнения и сопоставления рядов распределения, построенных на основании группировок по различным признакам.

Коэффициент ранговой корреляции выявляет степень идентичности распределения, установок, мнений, характеристик двух сравниваемых групп, либо близость распределения ответов одних и тех же групп респондентов на вопросы, позиции которых являются показателями ранговой шкалы. Например, можно проранжировать по 2 группам ответы на вопрос: «Из каких источников Вы, прежде всего, черпаете информацию на политические темы?».

Коэффициент ранговой корреляции высчитывается по формуле:

ρ= 1 – ( ^{6Σ d2} )²

^{n3 - n}

где: d – разность рангов; n – общее число рангов (или же вариантов ответов); Σ d² — сумма квадратов разности рангов.

Коэффициент детерминации – термин, используемый в регрессионном анализе для указания относительной доли суммарной вариации зависимой переменной, которая может быть объяснена или принята в рассчет с помощью аппроксимирующего регрессионного уравнения. Коэффициент корреляции может меняться от -1до +1. Полная положительная корреляция, при которой любые увеличения x точно определяет увеличения y, дает коэффициент +1. Полная отрицательная корреляция, когда любое увеличение x в точности сопровождается уменьшением y, дает коэффициент -1. Квадрат коэффициента и будет коэффициент детерминации.

Итак, статистики мер центральной тенденции – важный метод анализа данных, но недостаточный. Поэтому для того, чтобы определить, насколько хорошо та или иная мера центральной тенденции описывает определение, необходимо воспользоваться другой группой статистик – мерами изменчивости разброса. Таким образом, наряду с группировкой применяется и метод интеграции в индекс (дисперсия, коэффициент корреляции и др.), отражающий динамику показателей.

Размах (диапазон) значений - самая грубая мера изменчивости. Эта мера не учитывает индивидуальные значений, описывая лишь диапазон их изменчивости. Размах – это разность между максимальным и минимальным наблюдаемым значением (3% проголосовали за x, 7% за у,… 49% за z, следовательно, размах: 49% - 3% = 46%).

Коэффициент вариации (V) - процент наблюдений, лежащих вне модального интервала (доля наблюдений, не совпадающих с модальным значением). Например, если от модального отличаются 60% значений, то V = 60% (0,6).

Для того, чтобы измерить степень равномерности или неравномерности распределения той или иной интересующей исследователя характеристики опрашиваемых, используется формула вычисления степени разброса значений признака, называемого дисперсией и обозначаемого σ² (сигма квадрат):

σ² = ( ΣN_i x (X₁ - X)² ) / N

где: N - общее число респондентов; N - число респондентов, выделенных по i-й позиции; Xⁱ_i - числовое значение i-й позиции; X - средняя арифметическая.

Еще более глубокий вид математического анализа характеристик изучаемого явления представляет выяс­нение их взаимодействия и тенденций изменения. Осуществляется такой анализ с помощью сравнения и сопоставления рядов распределения, построенных на основании группировок по различным при­знакам. Для решения подобной задачи существуют специальные коэффициенты, называемые коэффициентами корреляции. Например, коэффициент ранговой корреляции (р) рассчитывается следующим образом:

ρ= 1 – ( ^{6Σ d2} )²

^{n3 - n}

где: d – разность рангов; n – общее число рангов (или же вариантов ответов); Σ d² — сумма квадратов разности рангов.

Коэффициент ранговой корреляции изменяет свою величину от -1 до +1. При ρ = -1 порядок распределения ответов по двум сравниваемым группам прямо противоположен, а при ρ = +1 он полностью совпадает. Применение коэффициента ранговой корреляции удобно также для сравнения данных анкетного опроса и данных контент-анализа при изучении, в час­тности, эффективности рекламной либо политико-агитационной деятельности средств массовой информации. Вот пример процедуры расчета коэффициента ранговой корреляции. Сначала ранжируем по двум группам ответы на вопрос: «Из каких источников Вы черпаете прежде всего информацию на политическую тему?». Ранжирование ответов строится так, чтобы максимальное количество обращающихся к тому или иному источнику информации обозначалось числом 1, менее значимое – числом 2 и так далее (до 8 – по мере убывания этого количества). Результаты отражаются в таблице.

Источники информации	Данные по 1-й группе	Ранги ответов по 1-й группе	Данные по 2-й группе	Ранги ответов по 2-й группе	Разность рангов (d)
Передачи радио	76,9	3	82,4	2	1
Передачи телевидения	91,8	2	81,1	3	-1
Сообщения газет	97,9	1	98,2	1	0
Общение с коллегами по работе	46,2	6	60,3	4	2
Общение с друзьями	55,6	5	39,5	8	-3
Общение с родственниками	32,0	8	42,7	7	1
Посещение митингов и политических собраний	72,3	4	50,1	6	-2
Слухи	36,5	7	52,4	58	2

Отправляясь от рассчитанного значения коэффициента (0,7), можно заключить, что характер обращаемос­ти к источникам информации в целом схож в обеих группах.

Коэффициенты парной корреляции призваны измерять взаимосвязь между двумя признаками исследуемого объекта. Эта взаимосвязь при изучении социальных явлений не обязательно носит причинно-следственный характер. Если при корреляции двух признаков между ними существует причинно-следственная связь, то признак, влияющий на характер вариации другого признака, принято называть факторным, а зависимый от него признак — результативным. Наиболее простой метод выявления взаимосвязи двух признаков – группировка и сравнение средних. Например, если мы хотим оценить зависимость частоты посещения кинотеатров от возраста респондентов, то сначала группируем их по возрасту, после чего в каждой возрастной группе вычисляем среднюю посещаемость кинотеатров (в неделю, в месяц, в год). Сравнение средних покажет нам наличие или отсутствие корреляции между выбранными двумя признаками – возраст респондентов и частота посещения ими кинотеатров.

Корреляционная связь двух (или нескольких) признаков социального объекта носит не фун­кциональный, а статистический характер, т.е. она является не строгой закономерностью, а лишь определенной тенденцией.

В процессе измерения корреляции между признаками решаются две задачи: определение фор­мы и тесноты связи признаков. При определении формы связи выявляется вариация (характер изменения) средних парамет­ров результативного под воздействием факторного признака при условии их независимости от других признаков.

При установлении направленности и тесноты связи возможны три случая:

1) прямая связь — увеличение (уменьшение) параметров факторного признака приводит к увеличе­нию (уменьшению) параметров результативного признака

Тесная позитивная корре­ляция (взаимосвязь признаков)

2) обратная связь — увеличение (уменьшение) параметров факторного признака приводит к умень­шению (увеличению) параметров результативного признака;

Слабая отрицательная кор­реляция между признаками

3) изменение параметров факторного признака не приводит к изменению параметров результатив­ного признака, т. е. корреляция отсутствует.

Отсутствие связи между признаками

Наиболее простой метод определения связи между признаками, измеренными при помощи номинальной шкалы, это расчет коэффициента ассоциации. Он измеряет тесноту связи между альтернативными признаками и вычисляется по формуле:

K_a = ^{ad – bc}

^{ad + bc}

Наиболее совершенным для измерения взаимосвязи между двумя признаками является линей­ный коэффициент корреляции. Он используется в том случае, когда связь между признаками (обоз­начим их х и у) выражается прямой линией. Расчет линейного коэффициента корреляции осуществляется по формуле:

r (x,y) = _{x y – x y /} σ_x σ_y

где: ху - средняя из произведений значений признаков х и у;

x - средняя признака х;

у - средняя признака у;

σ_{x -} среднее квадратическое отклонение признака х;

σ_y - среднее квадратическое отклонение признака у;

При замене в формуле а_х и а_у на их адекватное значение, выраженное при помощи средних величин, получим итоговую формулу линейного коэффициента корреляции, более удобную для практического применения:

Линейный коэффициент корреляции изменяет свою величину от +1 (прямая связь), до -1 (обратная связь). При r (x,y)=0 связь между признаками слабая, либо отсутствует. Рассчитывает­ся этот коэффициент только для признаков, измеренных при помощи интервальной шкалы.

Наряду с приведенными математическими методами обобщения первичной информации и ее сведения в эмпирический показатель (средняя арифметическая, дисперсия, коэффициент корреляции), отражающий динамику показателя, исследователь может для решения отдельных задач сам сконструировать некоторый индекс. Предположим, что мы провели опрос в нескольких группах и выявили тех респондентов, кто читает материалы на политические темы «регулярно» и «нерегулярно». Нам надо сравнить между собой эти группы по «уровню обращаемости к матери­алам на политические темы». Тут и придется сконструировать индекс – разность читающих материалы на политическую тему часто и читающих эти материалы редко, деленная на число всех опрошенных. Такой индекс имеет четкие границы изменения и получаемый на его основе интегральный показатель легко поддается содержательной интерпретации.

Показатели	1-я группа	2-я группа	3-я группа	4-я группа
Читают сообщения на политические темы (число человек):
Регулярно (А)	420	220	500	300
Нерегулярно (В)	80	360	20	200
Значение индекса	0,68	-0,24	0,92	0,20

Из сравнения значений индексов следует, что наименее интенсивно обращаются к материалам на политическую тему члены второй и четвертой групп, причем во второй группе тенденция явно отрицательная. Подобный индекс успешно может применяться при изучении электорального пове­ден ия населения, эффективности рекламы и др.

Надо отметить, что корреляционный анализ не позволяет делать выводы о причинно-следственных отношениях. Наличие корреляции не означает, что одна переменная является причиной изме­нения другой, или что при изменении одной переменной вторая также изменится. Например, будет ошибкой полагать, что из коэффициента корреляции + 0,89 между привлекательностью рекламного ролика и намерением купить следует вывод: увели­чивая привлекательность рекламы, мы усилим намерение купить товар. Естественно, само наличие причинно-следственных отношений между рекламным воздействием и различными эффек­тами (знанием, лояльностью, продажами и т.д.) практически никто не отрицает. Однако характер такой зависимости трудно измерить. Ясно, что это должна быть функция вида:

Y = f (I),

где: I – рекламные усилия, Y – искомый результат.

Например, эластичность рекламы – один из главнейших элементов численной оценки влияния рекламы на продажи –исчисляется по-разному. Значительный вклад в дело изучения рекламной эластичности внес Т. Митчелл. Он предложил уравнение зависимости объема продаж (X) от рекламных вложений:

Х = к-I

где: к – некоторый неотрицательный поправочный коэффициент. Этот коэффициент необходим, когда речь заходит о приближении голой формулы к текущему положению дел на конкретном рынке или даже к определенной марке. «Результаты исследования, полученные путем компьютерных вычислений, сведенные в таблицы или изображенные в виде графиков и рисунков, представляют собой числовые величины, пригодные для выводов о характере и признаках изучаемого явления. При этом главное условие, позволяющее должным образом использовать социологические данные в социальной практике, их – всестороннее и правильное объяснение – интерпретация...Способ проверки гипотез в прикладной социологии предопределен видом исследования. В разведывательном исследовании они проверяются непосредственно путем соотнесения предполагаемого утверждения с выявленной числовой величиной... В описательном исследовании проверка гипотез предполагает интерпретацию усредненных величин, полученных на основе обобщения числовых признаков разнородного по составу объекта... В аналитическом исследовании логика доказательств гипотез основана преимущественно на поиске связи между характеристиками объекта, их взаимовлияния, тенденций и причин изменения».¹²⁰

Интерпретация данных
Соотнесение	Сравнение	Последовательное исключение	Синтез
Внутренне	Определение взаимосвязи признаков	Поиск факторного признака	Одномерная типология
Внешнее			Многомерная типология

После завершения анализа данных результаты исследования оформляются в те или иные итоговые документы. Это могут быть отчеты, научные публикации, аналитические справки, публикации в СМИ и т.д. Специфика каждого из итоговых документов предопределяется, в первую очередь, теми информационными запросами, которые исходят от заказчика или потребителя полученной информации. Так, для специалистов в определенной научной сфере нужен иной способ представления результатов социологического исследования, чем для широкой массовой аудитории, получающей информацию не из специализированных журналов, а из средств массовой информации.

Отчет о социологическом исследовании – форма подведения итогов проведенного исследования. Составление отчета является самостоятельным видом научной работы, направленной на подготовку исходного документа для подготовки решений и написания научных трудов.

Различают два основных вида отчета – промежуточный (отражает незавершенность исследования в полном объеме или представляет первичный, предварительный анализ результатов) и итоговый (полное, глубокое и всестороннее раскрытие поисков, находок и пробелов на всех этапах исследования). Важнейшими требованиями отчета, как итогового документа, является полнота информации и ее доступность.

Структура отчета по итогам исследования чаще всего соответствует логике операционализации основных понятий, но осуществляется путем индукции, постепенного сведения данных в показатели. Число разделов в отчете обычно соответствует числу гипотез, сформулированных в программе исследования. Первоначально дается ответ на главную гипотезу. Как правило, первый раздел отчета содержит краткое обоснование актуальности изучаемой социальной проблемы, характеристику параметров исследования (выборка, методы сбора информации, количество участников исследования, сроки проведения работы и т.п.). Во втором разделе дается характеристика объекта исследования по социально-демографическим признакам (пол, возраст, образование и др.). Последующие разделы включают поиск ответов на выдвинутые в программе гипотезы.

Отчет о результатах исследования «должен соответствовать ряду критериев: обоснованности (основаны ли выводы на достоверных и надежных данных?); убедительности (подкрепляются ли данными и логическими аргументами основные выводы исследования?); нейтральности (излагает ли отчет данные и аргументы непредвзято?); структурированности (насколько грамотно организован текст отчета?); читабельности (легко ли читается текст?); презентабельности (насколько привлекательно оформлен отчет?)».¹²¹

ПР- и рекламные службы, как правило, сами не занимаются массовыми опросами. Они обычно заказывают проведение соответствующих социологических исследований различным фондам, научно-исследовательским организациям и т.д. Вследствие этого возникает вопрос о достоверности представляемых в отчетах аналитических данных. Например, Национальный совет по опросам общественного мнения США предлагает оценивать степень полезности результатов проведенных опросов следующим образом:

1. Кто проводит опрос? Надежная фирма не скрывает свое авторство и охотно предоставляет информацию, поэтому любой «безымянный» опрос должен вызывать сомнения в его достоверности и научности.

2. Кто оплачивал опрос, и с какой целью? Кто-то всегда заинтересован в результатах опроса. Выявление заказчика опроса и понимание его цели заставляет с большим вниманием (и даже подозрением) отнестись к методологии проведения исследования.

3. Сколько человек было проинтервьюировано? Чем больше людей опрошено, тем меньше вероятность ошибки.

4. Как были выбраны люди для интервью? В научных опросах используется специальная методология отбора респондентов и формирования случайной выборки.

5. Какие критерии заложены в основу формирования выборки: место жительства, этническая принадлежность, профессия, политические убеждения? Телефонные опросы отражают только мнение семей, имеющих телефон. Мнение какого-либо сегмента общественности может существенно отличаться от мнения всего населения в целом. Необходимо знать, из группы населения были выбраны респонденты. Так, во время предвыборных опросов решающим моментом является определение мнения целевой (реально голосующей) группы, а не населения в целом.

6. Основываются ли выводы на ответах опрошенных? Один из способов манипуляции результатами опросов – выдавать мнение отдельной группы за мнение всего населения в целом.

7. Кого следовало опросить, кто не был опрошен? Необходимо знать, сколько людей отказалось отвечать или со сколькими людьми из выборки вообще не удалось вступить в контакт.

8. Когда проводился опрос? Самые разные события могут повлиять на результаты опроса или же мгновенно превратить абсолютно точные и научные выводы в устаревшие.

9. Как проводились интервью? Надо помнить, что, например, опросы в местах большого скопления людей (торговых центрах и т.д.) представляют несомненный интерес для заказчика, решающего свою конкретную задачу, однако не могут отражать мнение всего населения.

10. Не является ли опрос результатом добровольных звонков или писем респондентов? В таком случае выборка абсолютна нерепрезентативна (респонденты могут быть ангажированы, а один респондент может дать сотню ответов).

11. Какова ошибка прогноза? Значение отклонения от прогноза особенно важно в случаях, когда определяется рейтинг нескольких лиц (при политических опросах), компаний, товаров или услуг.

12. Какие еще ошибки могут исказить результаты? Источником ошибок может быть некорректная постановка вопроса, плохая подготовка интервьюеров и т.д.

13. Какие вопросы задавались? Результаты исследований (особенно по деликатным вопросам) сильно зависят от постановки вопросов.

14. В каком порядке задавались вопросы? Важно понять, не находятся ли в анкете перед основным вопросом те, которые могут оказать психологическое воздействие на респондента. Например, если перед вопросом об оценке того или иного политического лидера стоит вопрос о состоянии экономики, то на ответе обязательно скажется оценка экономической ситуации респондентом.

15. Какие еще вопросы проводились по этой теме? Совпали ли результаты? Если нет, то почему? Сравнение с другими аналогичными исследованиями позволяет проверить достоверность результатов. Например, различие может быть объяснено сопоставлением времени проведения опросов.

16. Опрос закончен, что дальше? Опрос позволяет сделать прогноз. Ни один опрос не даст окончательного решения на будущее. Все течет, все меняется.

17. Не был ли вопрос лишь завуалированной попыткой сбора средств? Иногда анкеты заканчиваются просьбой внести вклад в какой-либо фонд или присоединиться к какой-либо партии. Это был не опрос.¹²²