- •Социология: Энциклопедия
- •А.А. Грицанов
- •С.А. Радионова
- •Д.В. Галкин
- •В.И. Овчаренко, м.Н. Мазаник
- •A. Wozniak
- •Т. Г. Румянцева
- •Г.Н. Соколова
- •А.А. Грицанов
- •Св. Воробьёва, ю.А. Коршунов
- •Г. В. Беляев
- •А.А. Грицанов, е.Н. Вежновец
- •А.А. Грицанов, а.В. Филиппович
- •О. В. Терещенко
- •О. В. Терещенко
- •А.Я. Сарпа
- •О. В. Терещенко
- •I основан на использовании количественных мер, его задача - t
- •Св. Воробьёва
- •О. В. Терещенко
- •О.В. Терещенко
- •Св. Сивуха
- •О. В. Терещенко
- •Св. Сивуха
- •О. В. Терещенко
- •А.А. Iрицинов
- •К. И. Скуратович
- •Л. Г. Титаренко
- •А.А. Грицанов
- •В. И. Овчаренко
- •П. В. Терешкович
- •В. В. Мацкевич
- •В.Н. Фуре
- •3) После совершения действия, противоречащего а., прошло достаточно времени для того, чтобы индивид успел изменить а.
- •А.О. Рабинович
- •Л. Г. Титаренко
- •М. В. Батурчик
- •Д.М. Булынко
- •А.А. Грибанов
- •А.А. Грицанов
- •А.А. Гришин
- •А. Б. Александрова
- •А. Б. Александрова
- •А.Б. Александрова
- •А.А. Грицанов
- •А.А. Berger, и. Ф. Ухваноеа-Шмыгова
- •С.А. Радионова
- •Г.Н. Соколова
- •А.А. Грицанов
- •Е.М. Прилеп ко
- •А.В. Бобрикоеа, л.М. Сагальчик
- •В. И. Овчарепко
- •Ем. Прилепко
- •Д.В. Галкин
- •А.А. Грицанов
- •А.Л. Грицанов
- •А.А. Грицанов
- •Н.А. Шматко
- •А.А. Грицанов
- •С.А. Радионова
- •Л. Г. Ионин
- •М.Г. Баканова
- •И.И. Овчаренко
- •А.А. Грицанов
- •А.А. Грицанов
- •Д.В. Галкин
- •А.Е. Иванов
- •А.А. Грицапов, д. В. Галкин, а.Е. Иванов, и.Д. Карпенко
- •А.А. Горных
- •В. И. Овчаренко
- •А. П. Репеко
- •Е.А. Кечина
- •Г. Н. Соколова
- •А.А. Грицанов
- •А.А. Грицанов
- •А.А. Грицанов
- •А.А. Грицанов
- •О. В. Терещенко
- •О. В. Терещенко
- •О. В. Терещенко
- •О.В. Терещенко
- •О.В. Терещенко
- •М.В. Батурчик
- •А.А. Грицанов
- •Д. В. Мапборода
- •Л. Г. Титаренко
- •Л.Г. Титаренко
- •И. Р. Чикалова
- •Св. Воробьёва
- •А.Л. Грицанов
- •Г.Н. Соколова
- •А.А. Грицанов, в.И. Овчаренко
- •Е.П. Коротченко
- •Св. Воробьёва
- •В.Л. Абушенко
- •Е.Н. Вежновец, и.В. Сидорская
- •О.В. Кобяк
- •О.В. Кобяк
- •О.В. Кобяк
- •О.В. Кобяк
- •О. В. Кобяк
- •О. В. Кобяк
- •О. В. Кобяк
- •О.В. Кобяк
- •В.Л. Абушенко
- •О. В. Терещенко
- •А.А. Грицанов
- •В.А. Балцееич
- •Н.В. Александрович I
- •А.Р. Усманот
- •Г.Н. Соколом
- •А.А. Грицанов
- •Л. П. Шахотько
- •Е.А. Кечина
- •А.А. Грицанов
- •А.А. Грицанов
- •О. В. Терещенко
- •Д. В. Майборода
- •Д.В. Майборода
- •М.Р. Жбанков
- •Л. С. Дудинский
- •В. И. Овчарен ко
- •О. В. 1ерещето
- •А.А. Грицанов
- •Е. Tauber
- •И.Н. Красавцем
- •В.И. Овчаренко
- •В.Л. Абушето
- •Л.А. Грицанов
- •B.Ji. Абушенко
- •М.Р. Жбанков
- •А.И.Лойт
- •А. И. Лойко
- •В.Н. Фуре
- •Л.И. Науменко
- •Е.П. Коротчето
- •А.А. Грицанов
- •А.А. Грицачов
- •А.Д. Шукаев
- •3) Постсовременное (постиндустриальное, информационное). И.О. Рассматривается как качественно новый период в развитии цивилизации.
- •И. В. Сидорская
- •Ало. Бабспщев
- •И.Д. Карпенко
- •О.Н. Кукрак
- •А. П. Ренет
- •В. Т. Новиков, о. В. Новикова
- •В.И, Овчаренко
- •Политическсм индивидуалы ном обществ ние к которя ходе которог орудиями чу ческое перес организации
- •Сю. Солодовников
- •А.Д. Шукаев
- •П.А. Водопьянов
- •А.П. Лимаренко
- •Св. Силков
- •А. Р. Усманова
- •Н.В. Гришина
- •Л.Ю. Бабайцев
- •И. В. Сидорам
- •М.Р. Жбан кон
- •В.И. Овчаренко
- •Л.А. Грицанов
О.В. Терещенко
АНАЛИЗ ЛОГЛИНЕЙНЫЙ (логарифмически-линейный) - метод анализа категориальных (номинальных) данных, позволяющий исследовать отношения между переменными в таблицах сопряженности; обобщение многомерного анализа частот. Предположений о распределении переменных не делается. А.Л. может рассматриваться как непараметрический аналог многофакторного дисперсионного анализа с дискретным измерением. В отличие от последнего все переменные,
используемые для классификации, рассматриваются как независимые, а зависимой переменной является логарифм количества наблюдений в ячейке таблицы сопряженности. Частный случай А.Л., в котором отношения моделируются в привычной манере, когда в качестве зависимой выступает измеренная переменная, называется логит-анализом; обычно в этом случае исследователи предпочитают логистическую регрессию, поскольку она обладает большей гибкостью. Общая модель А.Л. для двух переменных X и У имеет вид:
категорий двух переменных. Название метода связано с тем, что логарифм ожидаемой частоты представляется в виде линейной функции значений переменных. Приведенная модель называется насыщенной (полной), поскольку включает все возможные эффекты и описывает данные совершенным образом, без ошибок.
Как правило, общая цель А.Л. состоит в том, чтобы найти наиболее простое описание данных или проверить гипотезу об адекватности этой простой (минимальной) модели данным. Адекватность оценивают с использованием статистик пригодности, обычно с помощью отношения функций макси-
Как непараметрический метод А.Л. имеет широкий диапазон пригодности. Содержательным ограничением является количество независимых переменных, поскольку взаимодействия высокого порядка трудно интерпретировать. Формаль-
38
А.Л. находит широкое применение в анализе таблиц социальной мобильности, в политологии и маркетинговых исследованиях.
Св. Сивуха
АНАЛИЗ МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ -
раздел математической статистики (см.), предназначенный для анализа связей между тремя и более переменными. Можно условно выделить три основных класса задач A.M.С. Это исследование структуры связей между переменными (см.) и снижение размерности пространства признаков, построение классификаций и типологий, исследование причинных связей.
Для представления структуры связей между переменными обычно используется матрица корреляций (см.). Ее анализ, заключающийся в выделении подмножеств переменных, тесно коррелирующих друг с другом, может осуществляться "вручную", например, с помощью графа, отражающего наиболее существенные связи между переменными, либо методами компьютерного анализа, такими, как метод главных компонент, факторный анализ, кластерный анализ переменных. Анализ структуры связей часто рассматривается в качестве самостоятельной задачи, например, при исследовании структуры ценностей, мотивов и т.п., для проверки психометрических шкал на надежность и в других случаях. Однако он может использоваться и в качестве промежуточного этапа при решении задачи снижения размерности пространства признаков.
Снижение размерности обычно применяется для построения пространства, более удобного для решения задач классификации и исследования причинных связей, чем исходный набор переменных. Задача снижения размерности заключается в том, чтобы от большого количества исходных переменных перейти к нескольким обобщенным показателям. Метод главных компонент (см.), анализ факторный (см.), метод многомерного шкалирования предусматривают для этого разнообразные процедуры.
Задачи и методы классификации, в зависимости от условий, делятся на три группы: классификация по заданным формальным критериям, автоматическая классификация и классификация с обучением. Классификация по заданным критериям, строго говоря, не является статистическим методом. Она состоит в группировке объектов по одному или не-
скольким показателям. В последнем случае классификация называется перекрестной или лингвистической (например, половозрастная структура населения).
Автоматическую классификацию применяют в тех случаях, когда критерии группировки неизвестны и отсутствуют априорные представления о количестве и характере классов. Для ее построения используются методы анализа кластерного (см.), позволяющие выделить группы объектов, близких друг к другу по значениям измеренных переменных. В основе кластерного анализа лежит вычисление расстояний между объектами.
Классификация с обучением применяется, когда критерии классификации неизвестны, но известно количество классов и их типологические особенности. В этом случае может быть сформирована так называемая выборка обучающая (см.), состоящая из реальных объектов, обладающих соответствующими характеристиками, или/и искусственных объектов - моделей "типичных представителей" классов. В обучающей выборке должны присутствовать "представители" всех предполагаемых классов. Классификация конкретного объекта состоит в том, что вычисляется расстояние между ним и объектами из обучающей выборки и объект причисляется к тому классу, расстояние до которого для него оказалось минимальным. Классификация с обучением осуществляется некоторыми методами кластерного и дискриминантного анализа.
Анализу статистических причинных связей в последние годы уделяется особое внимание. Классическим методом для решения таких задач является дисперсионный анализ, в основе которого лежит эксперимент факторный (см.) (не путать с анализом факторным - см.). Начиная с 1960-х активно разрабатываются регрессионные и регрессионно-подобные причинные модели (см. Каузальное моделирование), а также техники, позволяющие использовать в этих моделях не только "количественные", но и "качественные" переменные (см. Dummy-кодирование). В настоящее время для исследования причинных связей, в зависимости от характера используемых переменных, применяются методы множественной линейной регрессии, логистической регрессии, дискриминантного анализа и т.п. Эти методы предполагают наличие единственной зависимой переменной и не позволяют исследовать структуру связей между независимыми переменными (предикторами). Структура связей между предикторами может быть учтена в моделях анализа путевого (см.).
Наиболее общим является метод линейных структурных уравнений (см.), позволяющий строить сложные модели с большим числом взаимодействующих между собой зависимых и независимых переменных, среди которых могут быть не только наблюдаемые, но и латентные признаки. Регрессионный, дисперсионный, путевой и факторный анализ являются его частными случаями.