Виды связи между переменными. Анализ парных связей Виды взаимосвязей между переменными

наблюдение	эксперимент
Целенаправленное, преднамеренное и специальным образом организованное восприятие, обусловленное задачей наблюдения и не требующее от него вмешательства путём создания специальных условий	проводимый в специальных условиях опыт для получения новых научных знаний посредством целенаправленного вмешательства исследователя в жизнедеятельность испытуемого. Это упорядоченное исследование, в ходе которого исследователь непосредственно изменяет некий фактор (или факторы), поддерживает остальные неизменными и наблюдает результаты систематических изменений.
организованное, целенаправленное, фиксируемое восприятие психических явлений с целью их изучения в определённых условиях (вики)	Роберт Вудвортс (R. S. Woodworth), опубликовавший свой классический учебник по экспериментальной психологии («Experimental psychology», 1938), определял эксперимент как упорядоченное исследование, в ходе которого исследователь непосредственно изменяет некий фактор (или факторы), поддерживает остальные неизменными и наблюдает результаты систематических изменений. Отличительной особенностью экспериментального метода он считал управление экспериментальным фактором, или, по терминологии Вудвортса, «независимой переменной», и отслеживание его влияния на наблюдаемое следствие, или «зависимую переменную». Целью экспериментатора считается сохранение постоянными всех условий, за исключением одного - независимой переменной.
описательный психологический исследовательский метод, заключающийся в целенаправленном и организованном восприятии и регистрации поведения изучаемого объекта. Наблюдением называется целенаправленное, организованное и определенным образом фиксируемое восприятие исследуемого объекта. При наблюдении явления изучаются непосредственно в тех условиях, в которых они протекают в действительной жизни.
Характерные признаки:
1. Сохранение естественности психических явлений 2. Наблюдение всегда должно быть напрпавленным 3. Фиксация результатов наблюдения	1. Моделирование явления и условий исследования (экспериментальная ситуация) 2. Активное воздействие исследователя на явление (варьирование переменных) 3. Измерение реакции испытуемого под воздействием эксперимента (или после воздействия) 4. Воспроизводимость результатов (возможность повторить эксперимент по использованным методикам)
Достоинства:
1. Богатство собирательных сведений 2. Сохранение естественности условий деятельности 3. Необязательное получения согласия испытуемого (но для дальнейшего использования данных например видеозаписи разрешение испытуемого необходимо)	1. Исследователь не ожидает случайного проявления интересующих его психологических процессов, а создает условия для их появления у испытуемого. 2. Исследователь может целенаправленно изменить условияили течение психических процессов 3. Обязателен строгий учёт условий протекания эксперимента (методика) 4. Эксперимент может быть проведен с большим количеством испытуемых, что позволяет устанавливать общие закономерности развития психических процессов.
Недостатки
1. Субъективность исследователя, проекция собственных личностных качеств на испытуемого 2. Невозможно вмешиваться в ход событий без искажения, исследователь не может контролировать ситуацию. 3. Значительные затраты времени 4. Причинно-следственные связи не отделены от условий.	1. Некоторая искусственность 2. Необходимость создания константных условий (воздействияпостоянными и одинаковыми для всех испытуемых на протяжении всего опыта дополнительными переменными) 3. Предполагает согласие испытуемого (не всегда, но часто) 4. Более трудоёмко или дорого (в зависимости от типа регистрации данных, разработка методики и пр.) 5. Часто требует мотивации испытуемого 6. Зависит от психофизического состояния испытуемого (которое не всегда близко к естественному) 7. Наличие опытных исследователей Проблемыобласти исследования · Субъект-субъектное отношение нарушает научные правила · Психика обладает свойством спонтанности · Психика слишком уникальна · Психика - слишком сложный объект исследования
Сравнение
Вопрос остается открытым. Наблюдатель не знает ответа, имеет случайное представление	Вопрос становится гипотезой – предполагает существование какой-либо зависимости между факторами
В зависимости от контроля ситуации
Ситуация менее строгая	Ситуация четко определена, условия заранее запланированы
В зависимости от строгости регистрации действий испытуемого
Точная регистрации, приборы, бланки и т.д.	Свободное описание

В результате наблюдения исследователь может выдвинуть гипотезу (научное предположение) причинно-следственного характера и затем проверить её с помощью эксперимента.

Результаты эксперимента могут искажаться в силу ряда факторов - Артефактов исследования, Связанных с ожиданиями экспериментатора или испытуемых. Один из наиболее частых артефактов обусловлен Эффектом Пигмалиона (или эффектом Розенталя), Который выражается в том, что экспериментатор, глубоко убежденный в обоснованности выдвинутой им гипотезы, непроизвольно транслирует свои ожидания испытуемым и, посредством косвенного внушения или другого влияния, изменяет их поведение в желательном направлении. Влияние испытуемых на результаты эксперимента выражается в так называемом Эффекте Хоторна: Зная или угадывая гипотезу, принятую экспериментатором, испытуемый намеренно или непроизвольно начинает вести себя соответственно его ожиданиям.

Устранить (или минимизировать) эти артефакты помогает применение Метода слепого, Суть которого в том, что испытуемые удерживаются в неведении относительно целей исследования и принятых гипотез, а разделение испытуемых на экспериментальную и контрольную группы производится без ведома экспериментатора.

Вопрос 11. Переменные психологического эксперимента

В упрощённом примере независимую переменную можно рассматривать как некий релевантный стимул (St(r)), силу которого варьирует экспериментатор, в то время, как зависимая переменная - реакция (R) испытуемого, его психики (P) на воздействие этого релевантного стимула. Схематически это можно выразить следующим образом:

Однако, как правило, именно искомая стабильность всех условий, кроме независимой переменной, в психологическом эксперименте недостижима, так как практически всегда помимо этих двух переменных присутствуют и дополнительные переменные, систематические иррелевантные стимулы (St(1)) и случайные стимулы (St(2)), ведущие соответственно к систематическим и случайным ошибкам. Таким образом окончательное схематическое изображение экспериментального процесса выглядит так:

Следовательно, в эксперименте можно выделить три вида переменных:

1. Независимая переменная
2. Зависимая переменная
3. Дополнительные переменные (или внешние переменные)

Итак, экспериментатор пытается установить функциональную зависимость между зависимой и независимой переменной, что выражается в функции R=f(St(r)), попытавшись при этом учесть систематическую ошибку, возникшую вследствие воздействия иррелевантных стимулов (примерами систематической ошибки можно назвать фазы Луны, время суток и др.). Для уменьшения вероятности воздействия случайных ошибок на результат исследователь стремится проводить серию опытов (примером случайной ошибки, может быть, например, усталость или же попавшая в глаз испытуемому соринка).

Переменная (П) – любая реальность, наблюдаемые изменения которой (по конкретным параметрам или показателям методики) могут быть зафиксированы и измерены в какой-либо шкале.

Зависимая переменная (ЗП) – «отклик», или измеряемая в эксперименте переменная, изменения которой причинно обусловлены действием независимой переменной (НП). В психологическом исследовании представлена показателями деятельности испытуемого, любыми формами оценки его субъективных суждений и отчетов, психофизиологическими параметрами и т.д. О – от Observation – фиксируемый, т.е. наблюдаемый и измеряемый показатель, выступающий в качестве ЗП. Используется также термин «измеренная переменная»

Независимая переменная (НП) – экспериментальное воздействие или экспериментальный фактор (Х-воздействие) – управляемая, т.е. активно изменяемая исследователем переменная, другими словами – функционально контролируемая переменная; представлена на двух или более уровнях. В экспериментальной гипотезе понимается в качестве причинно-действующего фактора.

Двухфакторные переменные

P(L 1 ,L 2);P(L 1 ,S 1); P(S 1 ,S 2);

Обученность зависит от темперамента (L ) и метода обучения (S )

Методы обучения	холерик	сангвиник	флегматик	меланхолик
традиционное
проблемное
программируемое

Получаем 12 выборок

Виды связи между зависимыми и независимыми переменными:

Закон Вебера-Фехнера

Г.Т.Фехнер () математически обработал результаты исследований сформулировал «основной психофизический закон», по которому сила ощущения p пропорциональна логарифму интенсивности раздражителя S :

где S 0 - граничное значение интенсивности раздражителя: если S < S 0 , раздражитель совсем не ощущается; p 0 - граничное значение интенсивности ощущения
Так, люстра в которой 8 лампочек, кажется нам настолько же ярче люстры из 4-х лампочек, насколько люстра из 4-х лампочек ярче люстры из 2-х лампочек. То есть, количество лампочек должно увеличиваться в разы, чтобы нам казалось, что прирост яркости постоянен. И наоборот, если прирост яркости постоянен, нам будет казаться, что он уменьшается. Например, если добавить одну лампочку к люстре из 12 лампочек, то мы практически не заметим прироста яркости. В то же время, одна лампочка, добавленная к люстре из двух лампочек, даёт значительный кажущийся прирост яркости.

1. Монотонно убывающая зависимость

Закон забывания Эббингауза

Кривая забывания или кривая Эббингауза была получена вследствие экспериментального изучения памяти немецким психологом Германом Эббингаузом в 1885 год -образного типа.

Кривая Гаусса

Нормальное Распределение (кривая Гаусса)

Симметричная параболическая кривая, иногда возникающая при изображении серии результатов на частотном графике. Многие переменные образуют нормальное распределение, когда измерения проводятся в целой популяции. Считается, что рост человека и коэффициент умственного развития подчиняются принципу нормального распределения при достаточно большом количестве участников. На кривой Гаусса большинство результатов концентрируется вокруг центра, а наиболее высокие и низкие результаты встречаются гораздо реже. Эти «хвосты» нормального распределения вытягиваются в обоих направлениях вдоль оси абсцисс и теоретически никогда не соприкасаются с нею.

(Приложение к вопросу 4)

Типы переменных по Дружинину:

1. Характеристики знаний

1)Стимул и материал заданий (устная форма, письменная)

2)Тип ответа испытуемого (письменно, устно)

3)Шкала оценивания

2. Особенности ситуации

1)Физические параметры (освещенность, температура воздуха)

2)Социально-психологические (один, с группой, один на один с исследователем)

3) Особенности общения и взаимовоздействия испытуемого и экспериментатора

Классификация Кэмбелла:

1. Управляемые

2. Потенциально-управляемые (экспериментатор не изменяет условия исходя из каких-либо причин, например этических, хотя мог бы это сделать)

3.Относительно постоянные аспекты окружения (условия жизни, социальные условия, деревня, город, детсад, детдом)

4.Органические переменные (пол, возраст, зрение, физическое развитие)

5.Тестируемые или предварительно измеряемые переменные (то, что можно получить с помощью психотестов и др. методик)

Формула Курта Левина

P =f (L ,S )

Где Р – поведение, F – функция (взаимосвязь),L – внутренних причин, S – внешних причин

Нулевой называется корреляция при отсутствии связи переменных. В психологии практически нет примеров строго линейных связей (положительных или отрицательных). Большинство связей - нелинейные. Классический притер нелинейной зависимости - закон Иеркса-Додсона: возрастание мотивации первоначально повышает эффективность научения, а затем наступает снижение продуктивности (эффект «перемотивации»). Другим примером является связь между уровнем мотивации достижений и выбором задач различной трудности. Лица, мотивированные надеждой на успех, предпочитают задания среднего диапазона трдности - частота выборов на шкале трудности описывается колоколообразно кривой. Математическую теорию линейных корреляций разработал Пирсон. Ее основания и приложения излагаются в соответствующих учебниках и справочниках по математической статистике. Напомним, что коэффициент линейной корреляции Пирсона r варьируется от -1 до +1. Он вычисляется путем нормирования ковариации переменных на произведение их среднеквадратических отклонений. Значимость коэффициента корреляции зависит от принятого уровня значимость, но и от величины выборки. Чем больше модуль коэффициента корреляции, тем ближе связь переменных к линейной функциональной зависимости.

Рис. 5.17. Примеры распределений испытуемых в пространстве двух признаков а) строгая положительная корреляция, б) сильная положительная корреляция, в) слабая положительная корреляция, г) нулевая корреляция, д) отрицательная корреляция, е) строгая отрицательная корреляция, ж) нелинейная корреляция, з) нелинейная корреляция

Теоретическая валидизация в социологическом исследовании: Методология и методы

Анализ парных связей

Описание взаимосвязей между явлениями и процессами - отдельная тема. Поэтому предлагаю поговорить о ней более подробно.

0 Нажми, если пригодилось =ъ

Согласно исследованию научных публикаций в наиболее престижных зарубежных журналах, посвященных социальным и поведенческим наукам (Ч.Теддли, М.Элайс, 2010), 77% всех социологических исследований проведены в рамках количественного подхода. Из них 71% является корреляционными исследованиями или исследованиями, посвященными изучению связей между социальными явлениями.
Самый простой вид корреляционных исследований - изучение парных взаимосвязей или совместной изменчивости двух переменных. Такого рода исследования пригодны для решения двух научных задач:

а) доказательства существования причинно-следственной связи между переменными (наличие связи является важным, но не единственным, условием причинно-следственной зависимости); б) предсказания: в случае наличия связи между переменными можно с определенным уровнем точности предсказывать значения одной переменной, если нам известно значение другой.
Связь между двумя переменными есть в том случае, когда изменение категории одной переменной ведет к изменению распределения второй:

Продуктивность труда	Удовлетворенность работой

Более удобный для анализа вид таблица примет, если мы рассчитаем процентные величины по каждому из столбцов:

Продуктивность труда	Удовлетворенность работой

Легко заметить, что в зависимости от категории переменной "Удовлетворенность работой" переменная "Продуктивность труда" меняет свое распределение. Следовательно, мы можем сделать вывод о существовании связи между переменными.
Также из этого примера видно, что каждому из значений одной переменной отвечает несколько значений другой. Такие связи называются статистическими или вероятностными. В данном случае, связь между переменными не является абсолютной. В нашем случае это означает, что кроме удовлетворенности работой есть и другие факторы, влияющие на продуктивность труда.
В случае же, когда одному значению первой переменной соответствует лишь одно значение второй, говорят о функциональных связях. Вместе с тем, даже когда есть основания говорить о функциональной связи, невозможно на все 100% продемонстрировать ее в эмпирической действительности по двум причинам: а) из-за погрешности измерительных инструментов; б) из-за невозможности контроля всех условий окружающей среды, влияющих на эту связь. И поскольку в социальных науках ученые имеют дело именно с вероятностными связями, постольку ниже речь пойдет именно о них.
Парные связи владеют тремя характеристиками: силой, направлением и формой.
Сила показывает насколько согласованна изменчивость двух переменных. Сила связи может изменяться в диапазоне от 0 до +1 (если хотя бы одна из переменных относится к номинальной шкале) или от -1 до +1 (если обе переменные относятся, по крайней мере, к порядковой шкале). При этом 0 и близкие к ней величины говорят об отсутствии связи между переменными, а величины близкие к +1 (прямая связь) или -1 (обратная связь) - о сильной связи. Один из вариантов интерпретации связи, с точки зрения ее силы, выглядит следующим образом:

Все значения в таблице приведены в модуле, т.е. должны анализироваться безотносительно к знаку. Так, например, связь -0,67 и +0,67 являются одинаковыми по силе, но разными по направлению.
Сила связи определяется с помощью коэффициентов корреляции. К коэффициентам корреляции относятся, например, фи и V-крамера (номинальные переменные, мало категорий/табличный вид), Гамма (порядковые переменные, мало категорий/табличный вид), Кендалла и Спирмена (порядковые переменные, много категорий), Пирсона (метрические переменные, много категорий).
Направление говорит о характере взаимного изменения категорий переменных. Если с увеличением значений одной переменной значения другой переменной также увеличиваются, то связь является прямой (или положительной). Если же ситуация противоположная и увеличение значений одной переменной ведет к уменьшению значений второй, то связь обратная (или отрицательная).
Направление связи может иметь место только в тех случаях, когда речи идет о порядковых и/или метрических переменных, то есть тех переменных, значения которых можно упорядочить от меньших к большим или наоборот. Таким образом, если хотя бы одна переменная относится к номинальной шкале, то можно говорить только о силе связи и ее форме, но не о направлении.

Направление связи можно определить либо с помощью таблиц сопряженности (мало категорий), либо с помощью диаграммы рассеяния (много категорий), либо с помощью знака коэффициента корреляции (количество категорий переменных не имеет значения):

Пример положительной связи

2-я перем-я	1-я перем-я

Пример отрицательной связи

2-я перем-я	1-я перем-я

Для правильной интерпретации связи с помощью таблиц необходимо их правильное оформление. Так, в нашем случае, категория А является наименьшим значением в случае обоих переменных, а категория С - наибольшим.

В данной диаграмме представлена взаимосвязь между количеством усилий, которые прикладывают студенты в процессе учебы (10-бальная порядковая шкала, ось Х), и успешностью их учебы в бакалаврате (среднее значение успешности сдачи сессий за 4 года обучения, ось Y). Поскольку нижний левый угол соответствует малым значениям обоих переменных, а верхний правый - большим, постольку диаграмма свидетельствует о положительной взаимосвязи между переменными. Думаю, вы представляете, как бы выглядела диаграмма рассеяния в случае отрицательной взаимосвязи.

В результате подсчета коэффициент корреляции равен либо положительному, либо отрицательному значению, что само по себе говорит о его направлении.
Несмотря на то, что значения коэффициента корреляции достаточно для получения основной информации про связь между переменными, его вычисление принято предварять построением таблицы или диаграммы рассеяния, которые необходимы для получения дополнительной информации, в частности - про форму связи.

Форма связи указывает на особенности совместной изменчивости двух переменных. В зависимости от того, к какой шкале относится переменная, форму связи можно проанализировать либо с помощью столбчатой диаграммы/таблицы сопряженности (если хотя бы одна переменная является номинальной), либо с помощью диаграммы рассеяния (для порядковых и метрических шкал).
Обратимся к примеру. В одном из своих исследования, единицами анализа которого выступили две кафедры разных вузов, я установил, что сила связи между переменными равна 0,83 в обоих случаях (в качестве переменных выступили тип студента и успешность сдачи последней сессии). Таким образом, сила и направление связи были одинаковы для обоих вузов. В свою очередь форма связи показала важные отличия (нажмите на график для увеличения):

Различия в форме распределения очевидны. Судя по всему, на первой кафедре значительно легче учиться, чем на второй. На это, в частности, указывает количество студентов, сдавших сессию на отлично.
Диаграммы рассеяния дают более ценную в аналитическом смысле информацию - кроме сравнения различных единиц анализа, они позволяют оценить отклонение связи от линейности. Линейность является важным условием эффективного применения коэффициентов корреляции и многих других статистических методов. Она наблюдается в том случае, когда каждое новое увеличение значений одной из переменных на единицу ведет к увеличению значений другой переменной на одинаковую или приблизительно одинаковую величину. Так, для приведенной ранее диаграммы рассеяния, увеличение значения 10-бальной шкалы на единицу ведет к увеличению успешности студента на величину близкую к 0,2.
Когда связь между переменными достаточно близка к идеальной линейной модели, коэффициенты корреляции адекватно отображают силу связи и ее направление (в случае представленной ранее диаграммы рассеяния, сила связи равна 0,93). В противном случае (т.е. в случае нелинейных связей) необходимо использовать специальные методы анализа данных. Примером диаграммы, демонстрирующей криволинейную связь, может служить следующий:

Такая форма связи может быть, например, между тревожностью студента и успешностью сдачи экзамена, когда как чрезмерно низкая, так и чрезмерно высокая тревожность приводят к снижению успешности.
Подводя итог, хочется отметить один важный момент: анализ связи с точки зрения ее силы, направления и формы - это только первый шаг анализа парных связей. После того, как мы определили что взаимосвязь представляет научный или практический интерес, необходимо проверить ее на статистическую значимость, так как наличие связи в выборке еще не означает ее наличие в генеральной совокупности. Такого рода задачи решаются с помощью методов статистического вывода, специфика которых рассмотрена .

В основе построения современной экспериментальной психологии лежит формула К. Левина - поведение есть функция личности и ситуации:

B =f(P;S).

Необихевиористы ставят в формулу вместо Р (личность) О (организм), что бо­лее точно, если считать испытуемыми не только людей, но и животных, а личность редуцировать к организму.

Как бы то ни было, большинство специалистов по теории психологического экс­перимента, в частности МакГиган , считают, что в психологии существуют два типа законов :

1) «стимул-ответ»;

2) «организм-поведение*.

Первый тип законов обнаруживается в ходе экспериментального исследования, когда стимул (задача, ситуация) - это независимая переменная, а зависимая пере­менная - ответ испытуемого.

Второй тип законов является продуктом метода систематического наблюдения и измерения, поскольку свойствами организма управлять с помощью психологичес­ких средств нельзя.

Существуют ли «пересечения»? Разумеется. Ведь в психологическом экспери­менте зачастую учитывается влияние так называемых дополнительных переменных, большинство из которых является дифференциально-психологическими характери­стиками. Следовательно, есть смысл добавить в список и «системные» законы, опи­сывающие влияние ситуации на поведение личности, обладающей определенными свойствами. Но в психофизиологических и психофармакологических эксперимен­тах можно воздействовать на состояние организма, а в ходе формирующего экспери­мента - целенаправленно и необратимо изменять те или иные свойства личности.

В классическом психологическом поведенческом эксперименте устанавливает­ся функциональная зависимость вида

R = f(S) ,

где R - ответ, a S - ситуация (стимул, задача).

Переменная S систематически ва­рьируется, а детерминируемые ею изменения ответа испытуемого фиксируются. В ходе изучения проявляются условия, при которых испытуемый ведет себя тем или иным образом. Результат фиксируется в форме линейной или нелинейной зависи­мости.

Другой тип зависимостей символизируется как зависимость поведения от лич­ностных свойств или состояний организма испытуемого:

R = f(О) или R = f(Р).

Исследуется зависимость поведения испытуемого от того или иного состояния организма (болезни, усталости, уровня активации, фрустрации потребностей и т. д.) или от личностных свойств (тревожности, мотивации и т. д.). Исследования прово­дятся с участием групп людей, различающихся по данному признаку: свойству или актуальному состоянию.

Естественно, эти две строгие зависимости являются простейшими формами от­ношений между переменными. Возможны более сложные зависимости, устанавливаемые в конкретном эксперименте, в част­ности, факторные планы позволяют выявить зависимости вида R = f (S 1 , S 2), когда ответ испытуемого зависит от двух варьируемых параметров ситуации, а поведение является функцией состояния организма и среды.

Остановимся на формуле Левина . В об­щей форме она выражает идеал эксперимен­тальной психологии: возможность предска­зать поведение конкретной личности в опре­деленной ситуации. Переменная «личность», которая входит в состав этой формулы, врядли может рассматриваться лишь как «дополнительная». Традиция необихевиоризма предлагает использовать термин «промежу­точная» переменная. В последнее время за такими «переменными» - свойствами и состояниями личности - закрепился тер­мин «переменная-модератор», т. е. посредник.

Рассмотрим основные возможные варианты отношений между зависимыми пе­ременными.

Существует, как минимум, шесть видов, связи переменных .

Первый , он же простейший, - отсутствие зависимости , Графически он выражается в форме прямой, параллельной оси абсцисс на графике, где по оси абсцисс (X) отложены уровни независимой переменной. Зависимая переменная не чувствительна к изме­нению независимой (см. рис. 4.8).

Монотонно возрастающая зависимость наблюдается тогда, когда увеличению значений независимой переменной соответствует изменение зависимой перемен­ной (см. рис. 4.9).

Монотонно убывающая зависимость наблюдается, если увеличению значений независимой переменной соответствует уменьшение уровня независимой перемен­ной (см. рис. 4.10).

Нелинейная зависимость – U-образного типа обнаруживается в большинстве экс­периментов, в которых выявляются особенности психической регуляции поведения: (см. рис. 4.11).

Инвертированная U-образная зависимость получается в многочисленных экспе­риментальных и корреляционных исследованиях как в психологии личности, моти­вации, так и в социальной психологии (см. рис. 4.12).

Последний вариант зависимости обнаруживается не так часто, как предыду­щие, - сложная квазипериодическая зависимость уровня зависимой переменной от уровня независимой (см. рис. 4.13).

При выборе способа описания работает «принцип экономии». Любое простое описание лучше, чем комплексное, даже если они одинаково успешны. Поэтому ар­гументы, распространенные в отечественных научных дискуссиях типа «Все гораз­до сложнее на самом деле, чем представляет автор» по меньшей мере бессмыслен­ны. Тем более что никто не знает, как «на самом деле».

Так называемое «комплексное описание», «многомерное описание» есть зачас­тую просто попытка уйти от решения научной проблемы, способ маскировки лич­ной некомпетентности, которую хотят скрыть за путаницей корреляционных свя­зей и сложносоставными формулами, где все всему равняется.

Корреляционная зависимость – предполагает взаимную согласованность изменений переменных величин. Эти изменения можно измерить однократно или многократно

Кластерный анализ.

Функциональное воздействие – изменения независимой переменной сопровождаются все ускоряющимися изменениями зависимой.

Функциональная зависимость – изменение одной переменной оказывает воздействие на изменение другой переменной, которая воздействует на первую переменную. Корреляционный анализ.

26. Корреляционный анализ. Проблема ложной корреляции. Коэффициенты корреляции.

Применяется для выяснения взаимодействия и тенденций изменения характеристик изучаемого явления. Корреляция – наличие статистической взаимосвязи признаков. Корреляционный анализ выясняет функциональную зависимость между переменными величинами, которая характеризуется тем, что каждому значению одной из них соответствует вполне определенное значение другой.

Парная (характеризует тип, форму, плотность связи между 2 признаками) и множественная корреляция (между несколькими).

Зависимость чаще всего возникает там, где одно явление находится под воздействием большого числа факторов, действующих с разной силой, поэтому есть специальные меры корреляционной связи – коэффициенты корреляции. Они показывают степень зависимости одного социального явления от другого (плотность связи). Чем выше коэффициент между 2 переменными, тем точнее можно предсказать значения одной из них по значениям другой. Коэффициент не содержит информации о том, является ли данная связь причинно-следственной или сопутствующей (порожденной одной причиной). Величина коэффициента позволяет определить плотность связи как меньшую или больную. По знаку для порядковых рядов можно сказать, является ли связь обратной или прямой, для номинальных знак не несет смысловой нагрузки. Для установления корреляционной связи между 2 признаками надо доказать, что все другие переменные не оказывают воздействия на отношения 2 переменных. Иначе возникает ситуация ложной корреляции. Чтобы избежать ошибки в ситуации ложной корреляции используют анализ взаимосвязи между двумя перемен-ными с помощью контрольного фактора. Корреляц. анализ позволяет отбросить несуществующие связи.

Корреляционному анализу предшествует стадия расчет статистики Х 2 . она позволяет проверить нулевую гипотезу о наличии связи между 2 рядами признаков. Нулевая гипотеза – утверждение, отрицающее зависимость между рядами переменных. Доказательство ее ложности говорит о том, что связь есть.

таблица с данными опроса.

таблица распределения вероятностных признаков. Значение в ячейках равно отношению произведения соответствующего итогового столбца и строки к общему числу опрошенных.

полученной значение необходимо сравнить с табличным критически значением Х 2 . для этого надо определить степень свободы (df).

Df = (r – 1)(c – 1)

5. определить уровень статистической значимости. Он оказывает, насколько вероятна связь, зафиксированная между 2 признаками. = 0, 05.

6. сравнить расчетное значение хи-квадрат с табличным.

7. нулевая гипотеза отвергается, если расчетное значение хи-квадрат больше, чем табличное.

Если изучается связь между альтернативными признаками, то таблица 4-клеточная. Коэффициент Юла (Q) и коэффициент контингенции (Ф).

Коэффициент Юла

Q = ac – bd / ac + bd . При Q = 0 связи между признаками нет. При Q = 0, 59 существует неустойчивая связь. При Q больше или равно 1, корреляция полная. Односторонняя связь.

Для измерения двусторонней связи коэффициент контингенции. Ф всегда меньше Q.

Ф = ac – bd / √ (a + d )(b + c )(a + b )(c + d )

Коэффициент корреляции Пирсона – стандартный.

P = √ X 2 / X 2 + N . N - количество опрошенных.

Если P больше или равен 0, 37, то связь есть.

Коэффициент Чупрова.

Т = √ X 2 / N √ (C -1)(C – 1). T больше или равен 0, 5.

Коэффициенты ранговой корреляции. Ранговые шкалы. Спирмен

Р = 1 – 6 ∑ d 2 / N (N 2 – 1)

D – разность между рангами. N - количество рангов.

Цель: выявление сходства распределения ответов 2 групп опрашиваемых на один и тот же вопрос. При р= - 1 порядок распределения ответом по 2 группам прямо противоположен, а при р= +1 он совпадает. Сравнивает идентичность распределения ответов 2 групп. Также есть коэффициент ранговой корреляции Кендалла и множественный коэффициент корреляции.

Анализ данных начинается с перевода «сырых» данных в осмысленную информации и включает их введение в компьютер, проверку на предмет ошибок, кодирование, представление в матричной форме (табулирование). Все это называется преобразованием исходных данных.

Далее проводится статистический анализ, т.е. определяются средние величины, частоты, корреляционные и регрессионные соотношения, осуществляется анализ трендов. После сбора данных необходимо их преобразовать, т.е. привести к более сжатому виду, удобному для анализа и обладающему достаточной для заказчика информацией. Обычно закодированные исходные данные представляются в виде матрицы, столбцы которой содержат ответы на различные вопросы анкеты, а ряды -- респондентов или изучаемые ситуации. Преобразование заключается в описании данных матрицы на языке ограниченного числа мер, характеризующих собранные данные. Табулирование помогает исследователю понять, что означают собранные данные. Одновременный анализ двух и более категорий опрашиваемых называется перекрестной табуляцией. Исследователь, осуществляя преобразование, старается найти зави­симости среди собранных данных и в то же время достигнуть наиболее высокого уровня обобщения.

Выделяют, по крайней мере, следующие четыре функции преобра­зования данных: обобщение, определение концепции (концептуализация), перевод результатов статистического анализа на понятный для менеджера язык (коммуникация), определение степени соответствия полученных результатов всей совокупности (экстраполяция). Из-за неспособности человека анализировать большие массивы ин­формации необходимо исходные собранные данные представить в удобном для осмысления виде, т.е. их необходимо обобщить, выразить через ограниченное число понятных параметров.

Большинство статистических мер основано на конкретных предпо­ложениях, которые определяют базу анализа собранных данных. Концептуализация направлена на оценку результатов обобщения. Например, слабый разброс оценок определенной марки продукта вырабатывает у исследователя одно суждение (концепцию), сильный -- другое.

Коммуникация предполагает при интерпретации полученных результатов использование понятных для заказчика категорий. Например, если для него понятна такая статистическая мера, как «мода», то она исполь­зуется при представлении полученных результатов, если нет, то результаты описываются на общепринятом языке.

Экстраполяция в данном случае предполагает определение, в какой степени данные выборки можно обобщить на всю совокупность. Определение и интерпретация связей между двумя переменными В связях не всегда имеются причинно-следственный характер, а могут иметь просто статистическую природу. В поставленных вопросах можно определенно говорить о влиянии одного фактора на другой. Однако степень влияния изучаемых факторов может быть различной; скорее всего, влияние могут оказывать также какие-то другие факторы. Выделяют четыре типа связей между двумя переменными: немонотонная, монотонная, линейная и криволинейная.

Немонотонная связь характеризуется тем, что присутствие (отсутствие) одной переменной систематически связано с присутствием (отсут­ствием) другой переменной, но ничего неизвестно о направлении этого взаимодействия (приводит ли, например, увеличение одной переменной к увеличению или уменьшению другой). Например, известно, что посетители закусочных в утренние часы предпочитают заказывать кофе, а в середине дня -- чай.

Немонотонная связь просто показывает, что утренние посетители предпочитают также заказывать яйца, бутерброды и бисквиты, а в обеденное время скорее заказывают мясные блюда с гарниром.

Монотонная связь характеризуется возможностью указать только общее направление связи между двумя переменными без использования каких-либо количественных характеристик. Нельзя сказать, насколько, например, определенное увеличение одной переменной приводит к увеличению другой переменной.

Существуют только два типа таких связей: увеличение и уменьшение. Например, владельцу обувного магазина известно, что более взрослые дети обычно требуют обувь больших размеров. Однако невозможно четко установить связь между конкретным возрастом и точным размером обуви.

Линейная связь характеризует прямолинейную зависимость между двумя переменными. Знание количественной характеристики одной переменной автоматически предопределяет знание величины другой переменной:

Где у -- оцениваемая или прогнозируемая зависимая переменная (ре­зультативный признак); а -- свободный член уравнения; х -- независимая переменная (факторный признак), используемая для определения зависимой переменной. b -- коэффициент регрессии, измеряющий среднее отношение от­клонения результативного признака от его средней величины к отклонению факторного признака от его средней величины на одну единицу его измерения -- вариация у, приходящаяся на единицу вариации х.

Коэффициенты а и b рассчитываются на основе наблюдений величин у и х с помощью метода наименьших квадратов.

Криволинейная связь характеризует связь между переменными, носящую более сложный характер по сравнению с прямой линией. Например, связь между переменными может описываться S-об разно и кривой.

В зависимости от своего типа связь может быть охарактеризована путем определения: ее присутствия (отсутствия), направления и силы (тесноты) связи. Присутствие характеризует наличие или отсутствие систематической связи между двумя изучаемыми переменными; оно имеет статистическую природу. Проведя испытание статистической значимости, определяют, существует ли зависимость между данными. Если результаты исследования отвергают нулевую гипотезу, это говорит о том, что зависимость между данными существует.

В случае монотонных линейных связей последние могут быть описаны с точки зрения их направления -- в сторону увеличения или уменьшения. Связь между двумя переменными может быть сильной, умеренной, слабой или отсутствовать. Сильная зависимость характеризуется высокой вероятностью существования связи между двумя переменными, слабая -- малой вероятностью.

Существуют специальные процедуры для определения указанных выше характеристик связей. Первоначально надо решить, какой тип связей может существовать между двумя изучаемыми переменными. Ответ на этот вопрос зависит от выбранной шкалы измерений.

Шкала низкого уровня (наименований) может отразить только не­точные связи, в то время как шкала отношений, или интервальная, -- очень точные связи. Определив тип связи (монотонная, немонотонная), надо установить, существует ли эта связь для генеральной совокупности в целом. Для этого проводятся статистические испытания.

После того как найдено, что для генеральной совокупности суще­ствует определенный тип связи, устанавливается ее направление. Наконец, необходимо установить силу (тесноту) связи.

Наиболее распространенным способом социологического анализа является выявление взаимосвязи между переменными.

Термин переменная заимствован социологией из области математики и логики. Однако используется он в социологии в ином значении. Если в математике под переменной используется символ, вместо которого могут быть подставлены любые числа, то в социологии под переменной понимается то свойство или отношение исследуемых социальных явлений, которое может иметь большую или меньшую степень интенсивности и тем самым может быть редуцировано к числу. Так, свойство «возраст» может иметь множество значений. Свойство «биологический пол» имеет два значения

Понятие переменной относительно, так как зависит и от природы исследуемого свойства, допускающей тот или иной спектр дробления, и от принятой системы измерения.

Для переменных в социологии существует определенная классификация, использование которой значительно облегчает задачи выравнивания условий функционирования экспериментальной и контрольных групп и последующий контроль за ними в ходе эксперимента.

В процессе исследования следует различать Экспериментальные и Не экспериментальные Переменные. Экспериментальные переменные в свою очередь, делятся на Зависимые И Независимые переменные.

Независимую переменную можно рассматривать как причину (фактор), а зависимую как следствие (результат) воздействия независимой переменной.

Неэкспериментальные Переменные отражают те свойства и отношения исследуемого объекта, которые в равной степени действуют и в экспериментальной и в контрольной группах. Поэтому их называют Нейтральными.

Среди нейтральных переменных выделяются Неизменяющиеся и изменяющиеся переменные. К первым относятся те характеристики объекта, о которых известно, что в течение всего периода исследования они останутся без изменения. Следовательно, они требуют меньшего контроля. Ко вторым - те переменные, изменения которых возможны, и часто трудно прогнозируемы. Основное внимание (в отношении контроля) должно быть уделено этим переменным. Типологию переменных Г. А.Андреева представила в следующей схеме:

Связь различных переменных специфику и механизм функционирования исследуемого объекта. Социолог прослеживает, как изменяются одни переменные с изменением других. Если увеличение, например, такой независимой переменной как возраст ведет к увеличению производительности труда (зависимая переменная), то можно прийти к выводу о положительной (прямой) зависимости между переменными. Обратная зависимость (большеи меньше) свидетельствует об отрицательной связи.

Однако существует опасность прийти к ложному выводу, если не учитываетсяСкрытая переменная - незамеченная причина (обстоятельство), влияющее на исследуемое свойство. Так, у женщин, или у молодых рабочих могут оказаться низкие показатели в труде, что может дать повод к выводу об определяющей роли пола и возраста в труде. В то же время могут оказаться незамеченными исследователем такие скрытые независимые переменные, как квалификация и опыт.

Макс Вебер обнаружил у англичан - протестантов более высокую степень предпринимательской активности чем у англичан - католиков. Отсюда он пришел к выводу об определяющей роли протестантской этики в развитии капитализма. Однако он не учитывал такую Скрытую Переменную, как отстранение в XVIII веке протестантов от государственной деятельности, что способствовало ориентации их активности на другие сферы, в том числе и предпринимательскую.

социологический исследование выборка