- •Ю.Н.Толстова
- •Isbn 5-89176-086-x10
- •Isbn 5-89176-086-x10 Содержание
- •Часть 1. Что такое анализ социологических данных? (методологический аспект)
- •Часть 2. Описательная статистика. Изучение связи между номинальными признаками
- •Введение
- •Часть 1. Что такое анализ данных? (Методологический аспект)
- •1. Поиск статистических закономерностей как основная цель, стоящая перед эмпирической социологией. Роль анализа данных в ее достижении
- •1.1. Эмпирическая основа для изучения социальных явлений
- •1.2. Понятие статистической закономерности. Роль статистических и нестатистических закономерностей в эмпирической социологии
- •1.3. Проблема соотнесения формального и содержательного при формировании представлений о закономерности в социологии
- •Формирование и операционализация понятий при анализе данных (на условном примере)*
- •1.4. Статистическая закономерность как результат "сжатия" исходных данных
- •1.5. Основные цели анализа данных
- •2. Математические методы как средство познания социальных явлений
- •2.1. Роль математизации научного знания
- •2.2. Априорная модель изучаемого явления. Эмпирическая и математическая системы.
- •2.3. Основные цели применения математических методов в социологии
- •3. Актуальность для социологии задач, решаемых математической статистикой
- •3.1. Основные задачи математической статистики с позиции потребностей социологии
- •3.2. Случайные величины и распределения вероятностей как основные объекты изучения математической статистики и эмпирической социологии
- •4. Математическая статистика и анализ данных: линия размежевания
- •4.1. Проблема соотношения выборки и генеральной совокупности.
- •4.2. Отсутствие строгих обоснований возможности применения конкретных методов математической статистики. Эвристичность многих алгоритмов анализа данных
- •4.3. Использование шкал низких типов
- •5. Специфика использования методов анализа данных в социологии
- •5.1. Необходимость соотнесения модели, "заложенной" в методе, с содержанием задачи
- •5.2. Связь разных этапов исследования друг с другом
- •5.3. Другие методологические принципы анализа социологических данных
- •Примечания к части I.
- •Часть 2. Описательная статистика. Измерение связи между номинальными признаками
- •1. Описательная статистика.
- •1.1. Одномерные частотные распределения.
- •1.1.1. Представление одномерной случайной величины в выборочном социологическом исследовании. Стоящие за ним модели
- •Пример таблицы сопряженности при наличии связи между признаками х и y
- •1.1.2. Проблема разбиения диапазона изменения признака на интервалы
- •1.1.3.Кумулята
- •1.1.4. Проблема пропущенных значений
- •1.2. Меры средней тенденции и отвечающие им модели
- •1.3. Меры разброса и отвечающие им модели
- •1.3.1. Необходимость введения мер разброса
- •1.3.2 Дисперсия. Квантильные размахи
- •1.3.3. Интуитивное представление о разбросе значений номинального признака.
- •1.3.4. Мера качественной вариации.
- •1.3.5. Определение энтропии. Ее “социологический” смысл. Энтропийный коэффициент разброса
- •2. Анализ связей между номинальными признаками
- •2.1. Анализ номинальных данных как одна из главных задач социолога
- •2.1.1. Роль номинальных данных в социологии
- •2.1.2. Соотношение между причинно-следственными отношениями и формальными методами их изучения
- •2.1.3. О понятии таблицы сопряженности.
- •Общий вид таблицы сопряженности
- •2.2. Классификация задач анализа связей номинальных признаков
- •2.2.1. Диалектика в понимании признака и его значений.
- •2.2. Классификация рассматриваемых задач и отвечающих им методов
- •2.2.3. Выделение двух основных групп методов анализа номинальных данных. Место рассматриваемых подходов в этой группировке
- •2.3. Анализ связей типа "признак-признак"
- •2.3.1. Коэффициенты связи, основанные на критерии "хи-квадрат"
- •2.3.1.1. Понимание отсутствия связи между признаками как их статистической независимости.
- •Пример таблицы сопряженности для двух независимых признаков
- •Второй пример таблицы сопряженности, частоты которой сравнительно мало отличаются от ситуации независимости признаков
- •2.3.1.2. Функция "Хи-квадрат" и проверка на ее основе гипотезы об отсутствии связи
- •2.3.1.3. Нормировка значений функции "Хи-квадрат”.
- •2.3.2. Коэффициенты связи, основанные на моделях прогноза
- •2.3.2.1. Выражение представлений о связи через прогноз
- •2.3.2.2. Коэффициенты, основанные на модальном прогнозе
- •Пример частотной таблицы, использованный для расчета коэффициента r
- •2.3.2.3. Общее представление о пропорциональном прогнозе
- •2.3.3. Коэффициенты связи, основанные на понятии энтропии
- •2.3.3.1. Условная и многомерная энтропия
- •2.3.3.2. Смысл энтропийных коэффициентов связи. Их формальное выражение
- •2.3.4. Коэффициенты связи для четырехклеточных таблиц сопряженности. Отношения преобладаний
- •2.3.5. Проблема сравнения коэффициентов связи
- •2.3.6. Учет фактической многомерности реальных связей. Многомерные отношения преобладаний
- •Актуальность многомерных связей в социологии.
- •Многомерные отношения преобладаний.
- •2.4. Связь типа "альтернатива-альтернатива"
- •2.4.1. Смысл локальной связи . Возможные подходы к ее изучению
- •2.4.2. Детерминационный анализ (да). Выход за пределы связей рассматриваемого типа
- •2.5. Анализ связей типа "группа альтернатив - группа альтернатив" и примыкающие к нему задачи
- •2.5.1. Классификация задач рассматриваемого типа
- •2.5.2. Анализ фрагментов таблицы сопряженности.
- •Разложение таблицы 20 на подтаблицы
- •Четырехклеточная таблица, получающаяся в результате деления диапазона изменения каждого признака на две части с помощью рассматриваемого алгоритма
- •2.5.3. Методы поиска сочетаний значений независимых признаков (предикторов), детерминирующих "поведение" респондентов
- •2.5.3.1. Понятие зависимой и независимых переменных. Общая постановка задачи.
- •2.5.3.2. Алгоритм thaid
- •2.5.3.3. Алгоритм chaid
- •2.5.4. Методы да, thaid, chaid с точки зрения поиска обобщенных взаимодействий
- •2.5.5. Поиск логических закономерностей: элементы исчисления высказываний; понятие закономерности; алгоритм поиска; его сравнение с да.
- •Элементы исчисления высказываний.
- •Логические закономерности, характеризующие заданный класс объектов.
- •Сравнение рассмотренного алгоритма с да.
- •2.5.6. Поиск логических закономерностей и теория измерений. Элементы узкого исчисления предикатов
- •Описание языка узкого исчисление предикатов
- •Интересующие социолога закономерности как формулы узкого исчисления предикатов
- •Вид искомых аксиом
- •2.6. Анализ связей типа "признак - группа признаков": номинальный регрессионный анализ (нра)
- •2.6.1. Общая постановка задачи
- •2.6.2. Повторение основных идей классического регрессионного анализа, рассчитанного на т. Н. "количественные" признаки
- •2.6.3. Дихотомизация номинальных данных. Обоснование допустимости применения к полученным дихотомическим данным любых "количественных" методов
- •2.6.4. Общий вид линейных регрессионных уравнений с номинальными переменными. Их интерпретация
- •2.6.5. Типы задач, решаемых с помощью нра. Краткие сведения о логит- и пробит- моделях регрессионного анализа
- •Приложения к части II Приложение I Разные способы расчета медианы и предполагаемые ими модели
- •Приложение 2 Схемы, иллюстрирующие предложенные в п. 2.2.2 и 2.2.3
- •Использованная в книге классификация рассмотренных методов анализа связей
- •Классификация рассмотренных методов на базе предположений о существовании латентных переменных.
- •Предметный указатель
- •Литература
2.4. Связь типа "альтернатива-альтернатива"
2.4.1. Смысл локальной связи . Возможные подходы к ее изучению
Напомним (см. п.2.2.1), что под локальной связью мы понимаем связь между отдельными альтернативами рассматриваемых признаков. Можно ее понимать и более широко. Так, выше, при обсуждении прогнозных и информационных коэффициентов связи мы говорили о том, что знание какого-то одного значения Х может нам дать очень большую информацию об Y, а для другого значения Х аналогичная информация может быть мала. Это и означает, что для первого значения Х имеет место сильная локальная связь.
Сами термины “локальный” и “глобальный” применительно к пониманию связи между переменными, вероятно, впервые были использованы в [Чесноков, 1982].В п. 2.2.1 мы уже упоминали, что “локальному” подходу в этой работе отвечает понимание связи как некоторого отношения между двумя конкретными градациями а и b признаков Х и Y соответственно. В таком случае мы можем говорить о сильной связи, если из того, что для некоторого объекта первый признак принимает значение а, с большой вероятностью следует, что второй признак для того же объекта принимает значение b. И можно говорить о слабой связи, если аналогичная вероятность мала (еще раз напомним, что “глобальная” связь - это результат определенного “усреднения” подобных локальных связей).
Для изучения локальной связи можно использовать, например, коэффициенты Ф и Q. Для этого надо исходную частотную таблицу произвольной размерности привести к определенной четырехклеточной. Покажем на примере, как это делается. Рассмотрим частотную таблицу, выражающую зависимость между
Таблица 17.
Пример таблицы сопряженности
-
Профессия
Читаемая газета
Итого
УГ
МК
Независимая
Правда
Врач
5
2
13
8
28
Токарь
6
24
7
13
50
Учитель
9
0
1
0
10
Космонавт
2
1
4
5
12
Итого
22
27
25
26
100
профессией человека и читаемой им газетой (для простоты предполагаем, что каждый респондент может читать не более одной газеты). Предположим, что нас интересует локальная связь между свойством “быть учителем” и свойством “читать "Учительскую газету" (УГ)”. Упомянутая выше четырехклеточная таблица будет иметь вид:
Таблица 18.
Четырехклеточная таблица сопряженности, полученная из таблицы 17
Профессия |
Читаемая газета |
Маргиналы по строкам |
|
УГ |
Не УГ |
||
Учитель |
9 |
1 |
10 |
Не учитель |
13 |
77 |
90 |
Маргиналы по столбцам |
22 |
78 |
100 |
Представляется очевидным, что если мы далее будем использовать коэффициенты связи, предназначенные для анализа четырехклеточных таблиц, то как раз и измерим силу нашей локальной связи.