Функціоналістський та конфліктологічний підходи 39 страница

Крім того, в кожній клітинці таблиці, як правило, записують два відсотки — відсоток, який становить число, що міститься в клітинці, по відношенню до відповідного значення в маргінальному стовпчику (цей відсоток записують над числом), та відсоток по відношенню до відповідного значення в маргінальному рядку (записується під числом). Так, якщо ми знову повернемося до клітинки в другому рядку четвертого стовпчика таблиці, то побачимо, що кількість незадоволених умовами праці жінок (таких на підприємстві 61) становить 44,9 % загальної кількості жінок (а всього на підприємстві працює 136 жінок) та 55,5 % загальної кількості незадоволених умовами праці (всього умовами праці на підприємстві не задоволені 110 робітників).

З таблиці також видно, що відсоток жінок, не задоволених умовами праці на підприємстві, значно більший, ніж чоловіків. Отже, ми можемо висунути гіпотезу, що стать працівника та задоволеність умовами праці пов'язані між собою.

Уміння читати двовимірні таблиці дається досвідом, проте шукати закономірності в досить великих за розміром таблицях дуже важко. Крім того, далеко не завжди зв'язок між ознаками можна побачити так наочно. Тому на практиці факт наявності зв'язку між двома ознаками встановлюється за допомогою так званого критерію ^-квадрат. Цей критерій ґрунтується на аналізі частот, записаних у клітинках таблиці, і дає змогу відповісти на запитання, чи можна висувати й аналізувати гіпотезу про наявність зв'язку між двома ознаками. Пакет ОСА не тільки автоматично обчислює коефіцієнт ^-квадрат для кожної двовимірної таблиці, а й оцінює його на рівні надійності 1 % та 5 % (рівень надійності — це ймовірність прийняти хибне рішення). Якщо обчислене значення ^-квадрат є надійним на рівні 1 %, то факт існування зв'язку можна вважати встановленим з імовірністю 0,99.

Для оцінки сили зв'язку обчислюють коефіцієнти Чупрова та Крамера. Вони побудовані на основі £-квадрат і набувають значення в інтервалі від нуля до одиниці. Обидва коефіцієнти набувають значення нуль у разі статистичної незалежності двох ознак. Значення більше нуля можна інтерпретувати так: чим значення ближче до одиниці, тим зв'язок тісніший.

< Попередня ЗМІСТ Наступна >

Украинская Баннерная Сеть

Украинская Баннерная Сеть

Курильщикам с большим стажем! Нажмите на картинку!

Реальный способ бросить курить!

Коефіцієнт кореляції та рівняння регресії

Якщо певному значенню однієї величини відповідає не одне, а ціла сукупність значень іншої величини, то вважають, що між цими двома величинами існує кореляційний зв'язок. Кореляційний зв'язок наявний тоді, коли явище, що вивчається, піддається впливові не одного, а багатьох різних факторів. Так, стаж впливає на продуктивність праці, але не визначає її повністю, оскільки продуктивність праці залежить також від рівня освіти, віку робітника, його кваліфікації та ін. Оскільки явища суспільного життя складні та багатофакторні, зв'язок між ознаками практично завжди кореляційний.

Якщо кожному значенню однієї ознаки відповідає така сукупність значень іншої ознаки, що досить близько розміщена навколо свого середнього (тобто всі значення сукупності не дуже відрізняються від свого середнього арифметичного), то такий кореляційний зв'язок вважають більш тісним. Кількісно тіснота кореляційного зв'язку оцінюється за допомогою коефіцієнтів кореляції.

Для оцінки лінійного кореляційного зв'язку між двома ознаками, що виміряні в метричних шкалах, часто використовують коефіцієнт кореляції Пірсона (його ще називають коефіцієнтом добутку моментів). Цей показник завжди набуває значення в числовому інтервалі від -1 до +1. Знак коефіцієнта показує "напрямок" зв'язку. Додатний коефіцієнт кореляції (r > 0) свідчить про "прямий" зв'язок між ознаками (тобто такий, коли збільшення значення однієї ознаки збільшує значення іншої ознаки), а від'ємний (г < 0) — про "зворотний" зв'язок (такий, коли зростання однієї ознаки веде до зменшення іншої ознаки). Так, між заробітною платою робітника та кількістю вироблених ним деталей існує прямий зв'язок (чим більше вироблено деталей, тим вищою буде заробітна плата), а між заробітною платою та кількістю бракованих деталей існує зворотний зв'язок (адже чим більше бракованих деталей було виявлено в продукції певного робітника, тим меншою буде його заробітна плата).

Щільність зв'язку оцінюється за абсолютним значенням коефіцієнта кореляції. Нуль (r = 0) свідчить про відсутність лінійного зв'язку між ознаками. Максимальні значення (r= 1 та r=*-1) коефіцієнта свідчать про повний (або функціональний) лінійний зв'язок між ознаками (відповідно функціональний прямий зв'язок та функціональний зворотний зв'язок). Проміжні значення (-1 <г<0та0<г<1) інтерпретуються так: чим більшим є абсолютне значення показника, тим тісніший кореляційний зв'язок. Як правило, якщо абсолютне значення коефіцієнта перевищує 0,3, то можна вести мову про помірний лінійний зв'язок між ознаками, а якщо перевищує 0,8 — про дуже тісний зв'язок між ознаками.

Коефіцієнт кореляції Пірсона оцінює зв'язок між двома ознаками, лише припускаючи, що значення однієї ознаки пов'язані з відповідними середніми іншої ознаки лінійною залежністю, тобто оцінює лише лінійний за формою кореляційний зв'язок. Отже, якщо дві ознаки пов'язані між собою тісно (навіть функціонально), але їх зв'язок за формою істотно відрізняється від лінійного, коефіцієнт кореляції Пірсона може набувати значення "нуль". Отже, якщо коефіцієнт кореляції Пірсона між двома істотно дорівнює нулю, то не можна говорити про відсутність кореляційного зв'язку між ними; це свідчить лише про відсутність лінійного кореляційного зв'язку.

Для ознак, заданих у порядкових шкалах, обчислюють рангові коефіцієнти кореляції (Спірмена та Кендела), які також набувають значення між -1 та +1 і інтерпретуються так само, як і коефіцієнт кореляції Пірсона.

Кореляція між двома ознаками свідчить про причинний зв'язок між ними, коли або одна з ознак є частковою причиною іншої, або обидві ознаки пов'язані спільними причинами. Кількісна оцінка кореляційних зв'язків може допомогти дослідникові відкинути несуттєві зв'язки, чіткіше окреслити напрям пошуків, порівняти вплив різних факторів тощо.

Методи регресивного аналізу дають змогу оцінити щільність зв'язку між двома ознаками й оформити уявлення про вид цього зв'язку у вигляді рівняння (так званого рівняння регресії), що описує залежність між середнім значенням однієї ознаки (залежної, поведінку якої вивчають) та значеннями деякої сукупності ознак (незалежних факторів, вплив яких на залежну ознаку намагаються оцінити). В соціологічних дослідженнях, як правило, здійснюється пошук такої залежності у лінійному вигляді (тобто у вигляді лінійного рівняння), тому йдеться про рівняння лінійної регресії.

Знання залежності у вигляді рівняння дає змогу не тільки пояснити поведінку залежної ознаки, а й прогнозувати значення її за різних змін значень незалежних ознак. Наприклад, нехай на основі аналізу факторів, які впливають на рівень заробітної плати на певному підприємстві, було побудовано рівняння лінійної регресії

що описує зв'язок між заробітною платою (залежна ознака) та двома такими незалежними ознаками, як стаж %. (вимірюється роками) та рівень освіти %2 (вимірюється роками) працівника. Аналізуючи це рівняння, ми бачимо, що зі зростанням трудового стажу працівника на рік його середня заробітна плата зростає на 16,82 грн, а із підвищенням рівня освіти на рік середня заробітна плата зростає лише на 11,56 грн. Отже, на цьому підприємстві трудовий стаж має більший вплив на середню заробітну плату працівника, ніж рівень його освіти.

Дуже важливою для отримання надійних та статистично обґрунтованих результатів є оцінка значущості статистичних показників. Це цілий комплекс математичних процедур, що дають змогу відповісти на низку запитань щодо обчислених статистичних показників та параметрів вибіркової сукупності. Так, якщо ми обчислили коефіцієнти кореляції між двома ознаками й отримали число, що не дорівнює нулю, нас має зацікавити, чи справді цей коефіцієнт істотно відрізняється від нуля (а отже, фіксує наявність лінійного кореляційного зв'язку), чи ця різниця випадкова і спричинена лише похибкою нашої вибірки. На таке запитання може відповісти процедура оцінки значущості відмінності коефіцієнта кореляції від нуля, яка враховує обсяг вибірки та потрібний досліднику рівень надійності (тобто ймовірність прийняття хибного рішення), про який уже йшлося при розгляді критерію ^-квадрат для двовимірних таблиць. Для кожного обчисленого коефіцієнта кореляції робиться оцінка на рівні надійності 1 % та 5 %.

Крім оцінки значущості відмінності від нуля коефіцієнта кореляції між двома ознаками, досить часто застосовують також процедуру оцінки значущості різниці між двома відсотковими значеннями (наприклад, опитуваних, різниці між відсотками не задоволених умовами праці на цьому підприємстві серед жінок та серед чоловіків), різниці між двома середніми (наприклад, між середньою заробітною платою на одному та на іншому підприємстві), між двома коефіцієнтами кореляції.

< Попередня ЗМІСТ Наступна >

Украинская Баннерная Сеть

Украинская Баннерная Сеть

В Украине по этой диете худеют звезды

Попробуйте и Вы лучшую диету 2010. От 10 кг в неделю...

Методи багатовимірної статистики

Якщо є потреба проаналізувати велику кількість взаємопов'язаних ознак, доцільно застосовувати спеціальні методи та алгоритми багатовимірної статистики. Серед методів багатовимірної статистики найбільш популярні у соціологів методи факторного та кластерного аналізів.

Головну ідею факторного аналізу можна викласти так: якщо ознаки досить сильно скорельовані, то їх можна пояснити й описати невеликою кількістю прихованих (або латентних) факторів, які безпосередньо не спостерігаються, але зумовлюють значення ознак. Наприклад, за ознаками "кількість прочитаних книг", "кількість книг у домашній бібліотеці", "кількість відвідань театрів та музеїв" прихований фактор, який можна було б назвати "рівень культурного розвитку особи". Факторний аналіз дає змогу виділити ці латентні фактори, описати залежність між факторами та первинними ознаками і для кожного об'єкта обчислити значення всіх побудованих таким чином факторів. У результаті без істотних втрат інформації можливий перехід від аналізу великої кількості первинних ознак до аналізу порівняно невеликої кількості факторів.

Алгоритми кластерного (або таксономічного) аналізу дають змогу поділити сукупність об'єктів на однорідні групи (таксони), тобто на такі групи, всередині яких об'єкти близькі між собою за деяким критерієм, і водночас об'єкти з різних груп різняться між собою за цим самим критерієм. Класифікація провадиться одночасно за досить великою кількістю ознак. Розглянемо такий приклад.

Нехай ми маємо досить велику кількість статистичних показників, що характеризують рівень соціально-економічного розвитку кожного району: чисельність населення, кількість безробітних, довжина шосейних доріг, кількість квадратних метрів житла на одну людину та ін. Для організації опитування нам слід згрупувати райони в більші регіони, але зробити так, щоб у кожному регіоні були райони, близькі за своїм соціально-економічним розвитком. Це дасть змогу вибрати в такому регіоні один типовий район і результати опитування в цьому районі поширити на весь регіон. Таке групування можна ефективно здійснювати методом кластерного аналізу. При цьому важливо, що за такого групування враховується й узагальнюється велика кількість показників.

Отже, є досить велика кількість математичних методів аналізу інформації. Для застосування їх належним чином соціолог повинен мати певний рівень математичної культури та навички роботи з обчислювальною технікою.

Для того щоб отримувати справді достовірні результати, математичні методи слід використовувати не тільки коректно, а й комплексно. Результати, отримані за допомогою одного методу, бажано підтвердити використанням щодо тих самих даних іншого методу. Більшість сучасних математичних методів орієнтовані на використання засобів обчислювальної техніки та спеціального програмного забезпечення.

Основні поняття і терміни розділу

Анкета — побудований за відповідними правилами перелік запитань до респондентів, призначений для отримання інформації, необхідної для досягнення цілей, сформульованих у програмі дослідження.

Вибіркова сукупність — побудована за строго визначеними правилами частина генеральної сукупності, яка за основними характеристиками не відрізняється від генеральної сукупності; висновки, отримані в результаті вивчення вибіркової сукупності, поширюються на генеральну сукупність.

Генеральна сукупність — сукупність усіх тих, хто може бути об'єктом дослідження: населення держави, області, району, міста, колектив підприємства; визначається цілями та завданнями дослідження.

Гіпотеза — припущення щодо визначення залежних та незалежних змінних, а також характеру зв'язку між ними; перевіряється на емпіричному етапі дослідження.

Звіт — форма подання результатів дослідження; як правило, містить опис розділів програми дослідження, опис отриманих даних та пояснення їх.

Інтерв'ю — бесіда за заздалегідь складеним планом з метою отримання соціологічних даних.

Операціоналізація — процес переведення гіпотез дослідження у показники, які можна виміряти.

Опитування — спосіб отримання інформації про суб'єктивний світ людей, їхні уподобання, мотиви діяльності, цінності, настрої та думки.

Програма дослідження — документ, у якому наведено визначення об'єкта і предмета дослідження, проаналізовано проблемну ситуацію, мету, завдання та гіпотези дослідження, зроблено інтерпретацію та операціоналізацію понять, визначено методи отримання та обробки соціологічної інформації, контролю за її якістю.

Проект дослідження — план, у якому відображені основні етапи дослідження із зазначенням строків, фінансових витрат та затрат часу.

Репрезентативність — характеристика вибіркової сукупності, яка означає, що склад тих, хто підлягає опитуванню, має наближатися до відповідних пропорцій у генеральній сукупності.

Рекомендована література

Кокрен У. Методы выборочного исследования. — М.: Статистика, 1976.

Ноэль Э. Массовые опросы: Введение в методику демоско-пии. — М.: Прогресс, 1978.

Панина Н.В. Технология социологического исследования. — К.: Ин-т социологии HAH Украины, 1997.

Паниотто В.И. Качество социологической информации. — К.: Наук, думка, 1986.

Паниотто В.И., Максименко B.C. Количественные методы в социологических исследованиях. — К.: Наук, думка, 1982.

Рукавишников Б.О., Паниотто В.И., Чурилов НЛ. Опросы населения. —- М.: Финансы и статистика, 1984.

Циба В.Т. Основи теорії кваліметрії: Навч. посіб. — К.: ІЗМК, 1997.

Чурилов H.H. Проектирование выборочного социологического исследования. — К.: Наук, думка, 1986.

Ядов В А. Социологичекое исследование: методология, программа, методы. — М.: Наука, 1987.

Яковенко Ю.И., Паниотто В.И. Почтовый опрос в социологическом исследовании. — К.: Наук, думка, 1988.

< Попередня ЗМІСТ

Украинская Баннерная Сеть

Украинская Баннерная Сеть

Самые известные Украинки худеют именно так

Диета, которой нет равных в мире!

Дата добавления: 2017-02-01; Просмотров: 84; Нарушение авторских прав?; Мы поможем в написании вашей работы!