Пример расщепления шкалы для оценки уровня удовлетворенности специальностью

Уровень удовлетворенности специальностью	Пункты четной и нечетной половин испытываемой шкалы
(А) Специальность очень нравится	(а1 ) Считаю свою специальность лучше всех других (а2) Моя специальность одна из лучших
(В) Специальность скорее нравится, чем не нравится	(b2) Считаю, что моя специальность не хуже многих других (b2) Считаю, что есть специальности, которые гораздо хуже, чем моя
(С) специальности относится	(с1) Моя специальность не хуже — безразлично не лучше других (с2) Нравится или не нравится специальность — не знаю
(D) Специальность скорее не нравится	(d1 ) Считаю, что есть много специальностей лучше моей (d2 ) Моя специальность хуже, чем многие другие
(Е) Специальность совершенно не нравится специальностей	(е1) Это одна из худших (е2) Большинство других специальностей лучше моей

Покажем технику "расщепления" на примере. Возьмем объектом измерения уровень удовлетворенности рабочего своей специальностью. Данные получаем путем анкетного опроса.

Проектируем две шкалы, пункты которых будут отвечать одному из пяти уровней удовлетворенности специальностью (схема 5). Каждому уровню соответствуют два суждения. Нечетные пункты образуют одну, а четные — другую половину испытываемой шкалы.

Далее производим следующие операции: (а) все 10 пунктов четной и нечетной половин перетасовываются в произвольном порядке; б) опрашиваемым предъявляют набор из 10 суждений с просьбой указать свое согласие или несогласие по каждому из них; (в) после опроса достаточной группы лиц (около 50 человек) из числа обследуемой совокупности данные группируются по двум шкалам раздельно: по нечетной половине — (а₁), (b₁), (с₁), (d₁), (е₁) и по четной шкале — (а₂), (b₂), (с₂), (d₂), (е₂).

Основная операция — (г) сопоставление итогов измерения по двум половинам испытываемой шкалы. Если корреляция между ними будет достаточно высока, эти половины можно рассматривать как части единого инструмента, измеряющего общий континуум свойств. В случае необходимости "выпадающие" суждения следует переформулировать, чтобы получить приемлемую корреляцию.

В таком случае итоговую шкалу образуют все 10 суждений, которые в случайном порядке предъявляются общим списком. В итоговый показатель для данного лица суммируются все баллы суждений, с которыми он выразил согласие.

Обозначив ранжированные пункты баллами от 5 (для а₁ и а₂ — высшая оценка) до 1 (е₁ и е₁ — низшая оценка), предположим, что некий субъект выразил согласие с пунктами а₁+b₂ отвергнув все остальные. Его суммарный балл по шкале равен 5+4=9.

Точность и правильность измерения зависят от (а) степени устойчивости измеряемого объекта или свойства, (б) чувствительности эталона измерения (дробности пунктов шкалы), (в) отсутствия систематических ошибок измерения и, конечно, (г) от устойчивости измерения.

Социальные объекты, подлежащие измерению, обладают различной степенью устойчивости. Скажем, установление состояния удовлетворенности какой-то деятельностью будет заведомо менее точным, чем регистрация частоты поведенческих актов. В первом случае сам объект измерения нестабилен, В дурном настроении человек может выражать недовольство рекламой на телевидении, а в хорошем расположении духа он будет уверять, что рекламные ролики бывают очень забавными и даже поучительными. Но вряд ли его настроение отразится на информации о том, как часто он выключает телевизор при трансляции рекламы или переключается на другую программу.

Дробность метрики — чувствительность шкалы — прямо связана с точностью измерения. Шкала в 10 делений измеряет точнее, чем в 5 или 3 деления. Но дробность пунктов шкалы нельзя увеличивать беспредельно. Надо установить оптимум, удовлетворяющий двум требованиям: максимум градаций шкалы при условии высокой устойчивости результатов измерения. Постепенно повышая дробность эталона измерения и параллельно проверяя шкалу на устойчивость, мы найдем границу, за пределами которой дальнейшее повышение дробности влечет понижение устойчивости. Это и есть оптимум чувствительности шкалы с учетом меры устойчивости измеряемого свойства. Таким образом, достижение устойчивых данных при максимальной дробности метрики повышает точность измерения. Оно будет удовлетворительно точным, если абсолютная ошибка измерения не превышает 0,5 деления шкалы. Вместе с тем, если ошибка вообще отсутствует |λ|=0, то не исключено, что шкала обладает заниженной чувствительностью (особенно в случаях, когда мы предполагаем достаточную вариабельность измеряемого свойства).

Но измерение может быть вполне точным и вместе с тем... неправильным, постоянно воспроизводя какую-то систематическую ошибку, как это случается с испорченным термометром, в котором ртутный столбик изначально был фиксирован на неверной исходной отметке и постоянно завышает температуру, скажем, на 0,8 градуса.

При квантификации социальных характеристик проблема правильности, т. е. отсутствия уклонений от истинного значения измеряемого свойства, намного сложнее, ибо часто мы в принципе не способны установить, каковы же эти истинные значения измеряемых свойств (скажем, мнений людей по каким-то вопросам). Мы можем лишь, сопоставляя разные способы фиксирования данного свойства, добиваться устранения замеченных систематических ошибок. Каковы же эти систематические ошибки?

Одна из возможных — отсутствие "разброса" информации по шкале вследствие того, что какие-то ее пункты "не работают", т. е. не реагируют на определенное состояние измеряемого свойства. Например, при опросе все ответы концентрируются в позитивном или только в негативном полюсе шкалы. Конечно, это может быть и результатом единодушия оценок, но может быть и результатом того, что сама шкала неудачна, например, содержит какой-то пункт, сформулированный с сильным нормативным давлением на опрашиваемых. Допустим, задан вопрос об употреблении алкоголя, и крайне негативный вариант ответа гласит: "Я пью систематически и обычно до бесчувственного состояния". Сомнительно, чтобы даже заведомый алкоголик отметит такой пункт как показатель своего отношения к спиртному. Скорее всего, он выберет суждение не столь резкое, например:

"Я выпиваю довольно часто". Крайне отрицательный пункт шкалы здесь "не работает": он отпугивает. Вследствие этого шкала неправильна.

Другой причиной неправильности может быть плохая различительная способность соседних пунктов шкалы высокой дробности. Попробуйте, например, упорядочить свое отношение к 24 политикам так, чтобы уверенно указать не только приемлемого и решительно отвергаемого, но всех оставшихся из предложенного перечня расположить так же аккуратно и уверенно в порядке убывания их привлекательности. Психологически это просто невозможно, так что "срединная" часть этой так называемой ранговой шкалы будет крайне сомнительной, а вся шкала неточной и неправильной. Систематическая ошибка, скорее всего, скажется на том, что приемлемые политические деятели будут отмечаться как более привлекательные (хотя не исключено, что фактически данные лица ими не интересуются), а социально неприемлемые будут попадать в нижние уровни ранжированного ряда.⁴⁹

Во всех подобных случаях опытная проверка шкалы на устойчивость данных обнаружит ошибки. Но часто это показывает уже первая проба.

Правильность и точность измерения можно повысить путем расчета относительной ошибки измерения.⁵⁰ Относительная ошибка позволяет сопоставлять правильность замеров по двум и более шкалам разной чувствительности и таким путем отработать оптимальный инструмент. Напомним, что, в отличие от абсолютной, относительная ошибка исчисляется не в долях погрешности деления шкалы, а в соизмеримом, определенным образом нормированном показателе.

Приведем пример расчета относительной ошибки измерения. Предположим, что в семичленной шкале оценок фиксируется намерение женщин иметь детей. В обследовании участвуют 100 молодых замужних женщин, которые дали следующие ответы на вопрос: "В какой мере Вы согласны с тем, что было бы желательно иметь ребенка?"

Семичленная шкала на интенсивность мнения имеет вид:

Полюса шкалы интерпретируются, а промежуточные пункты не имеют словесной интерпретации.

При некотором навыке и достаточном исследовательском опыте мы часто интуитивно угадываем, какова должна быть дробность метрики, обеспечивающая устойчивую информацию. Но, приступая к измерению сложных объектов, с которыми ранее не приходилось сталкиваться, социолог должен проделать ряд экспериментов, отрабатывая шкалу на точность и правильность.

Допустим, что по указанной шкале получено следующее распределение ответов 100 опрошенных:

Пункты шкалы	(7)	(6)	(5)	(4)	(3)	(2)	(1)
Частоты ответов (100 чел.)	15	25	36	20	2	1	1

Оценки 3, 2 и 1 (крайне негативное отношение к суждению) встречаются очень редко, и эту часть шкалы можно признать плохо работающей: в сумме здесь сосредоточено менее 5% всех ответов. Большинство женщин либо явно хотели иметь детей, либо не очень в этом уверены, и почти нет таких, кто отвергает идею иметь ребенка. Значит, в нашей шкале работают градации 7, 6, 5 и 4, где 4 фактически наиболее негативная установка. Диапазон работающей части шкалы: 7-4=3. Относительная ошибка данной шкалы определяется предложенной Г. И. Саганенко формулой:

где w — оценка полной устойчивосвости шкалы, т — диапазон реально работающей ее части.

Проверив шкалу на устойчивость, как было описано выше, мы, предположим, получили значение w0,75, т.е. 75% полного совпадения ответов в двух последовательных пробах, что определенно недостаточно.

При этом

Теперь испробуем на устойчивость пятичленную и трехчленную шкалы, задавая тот же вопрос аналогичной (или той же самой) группе испытуемых в 100 человек. Допустим, что мы получим такие распределения (табл. 4).

Как видно, в пятичленной и трехчленной шкалах работают все градации, так что в негативной зоне оказывается соответственно 25% и 32% ответов (сравните с семибалльной шкалой, где в этой зоне менее 50%). Показатели полной устойчивости двух последних шкал, проверенные повторными опросами, допустим, дали соответственно 0,95 и 0,99 (в семибалльной - 0,75).

Таблица 4