На головну

Професійна структура в різних групах по

  1.  B) Структура соціології знання і характер їв висновків
  2.  I. Герундій в різних функціях
  3.  I. Інфінітив в різних функціях
  4.  I. Структура особистості за Фрейдом
  5.  IV. СТРУКТУРА
  6.  IV. СТРУКТУРА
  7.  IV. СТРУКТУРА

Структура задоволеності навчанням в різних

професійних групах

задоволеність навчанням

Мал. 3.3.1

Професійна структура в різних групах по

"Задоволеності навчанням

"

Мал. 3.3.2.

групами. Для побудови цих кривих використовуємо четвертий показник таблиці спряженості. У таблиці 3.3.2 значення цього показника знаходяться під рискою. Для того щоб побудувати, наприклад, емпіричну криву розподілу студентів по їх майбутнім професіям для третьої групи за ступенем Задоволеності (частково задоволені і частково незадоволені), з таблиці 3.3.2 виділимо стовпець зі значеннями (0,16, 0,30, 0, 30, 0,10, 0,08, 0,08). Це частки шести професійних груп в сукупності задоволених навчанням на трійку. Аналогічним чином будуються і інші чотири криві розподілу.

З візуального порівняння п'яти побудованих нами емпіричних кривих розподілу бачимо наступне. Схожість професійних структур спостерігається тільки для третьої і четвертої груп по задоволеності навчанням. Практично в, кожній групі, крім цих двох, по задоволеності своя власна професійна структура. З цього робимо наступний висновок: що ознаки «майбутня професія» і «задоволеності навчанням» статистично (за даними) пов'язані. Зверніть увагу, що формально можна говорити про вплив задоволеності на професію, але змістовно це не має ніякого сенсу.

Це приклад того, як вибір «мови» інтерпретації емпіричної закономірності обумовлений вмістом ознак. У першому типі завдань «мову» впливу, «мова» детермінації має сенс а в другому типі не має сенсу. Відповідно в першому випадку має сенс поняття спрямованої зв'язку. Тому іноді дуже важливо заздалегідь визначити, який з ознак може змістовно залежати від іншого. Звідси виникають поняття залежний (Цільової) і незалежний ознака. дихотомія «Спрямована ? ненаправленная» зв'язок є важливою в розумінні свя3і.

Розподіл на залежні ? незалежні ознаки в соціології не завжди змістовно обґрунтовано. Найчастіше такий розподіл необхідно в процесі аналізу і носить функціональний характер. В тому сенсі, що один і той самий ознака незалежно От його змісту в одному завданню може виступати в ролі залежного, а в іншій ? в ролі незалежного. Причому в рамках одного і того ж дослідження. Зрозуміло, що є присутнім у кожному опитуванні «об'єктивка» (стать, вік, освіта, походження і т. Д.) Породжує ознаки, які тлумачаться як незалежні.

Якщо повернутися до рис. 3.3.1 і до рис. 3.3.2, то можна помітити наступне. Уявімо собі, що всі криві на кожному з малюнків схожі між собою. Що це означає для соціолога? По-перше, це означає, що професійна структура в групах студентів з різним ступенем задоволеності навчанням однакова і не залежить від цього ступеня. При цьому вона (структура) така ж, як і професійна структура для всієї сукупності студентів-гуманітаріїв (маргінальні частоти по рядках). По-друге, це означає, що структура задоволеності у всіх професійних групах однакова і не залежить від майбутньої професії студента. При цьому ця структура така ж, як у всій сукупності (маргінальні частоти за стовпцями). Тоді зв'язок між феноменами «професія» і «задоволеність» відсутній, статистичний зв'язок не спостерігається. Наші ознаки статистично незалежні.

Неважко здогадатися, що в дослідженнях така ситуація практично не зустрічається, і не тому, що відсутність зв'язку не спостерігається, а зовсім з інших причин. Головна причина ? специфіка наших соціологічних даних. Це їх нестійкий характер. Наприклад, це проявляється в неточності виміру того ж феномена, як задоволеність навчанням. Причин тому безліч. Це і недосконалість методик вимірювання, і нестійкість відповідей респондента, і погана вибірка. Ясно одне, завжди має місце вплив багатьох випадкових і невипадкових факторів на конкретні значення досліджуваного нами ознаки. З невипадковими факторами соціолог може боротися, а випадкові матимуть місце завжди. Тому соціолог робить висновки з урахуванням цієї ситуації. Здається рівнем «помилитися». Статистична незалежність констатується не в ідеальному випадку, а в разі, близькому до ідеального.

Уявімо собі протилежну ситуацію, коли на кожному з малюнків все криві несхожі, несхожі. Для соціолога це означає, що в кожній групі з різним ступенем задоволеності навчанням своя власна професійна структура. У кожній професійній групі своя власна структура задоволеності. З цього випливає, що майбутня професія студента пов'язана з його задоволеністю навчанням, спостерігається сильна статистична залежність. Природно, така ситуація в дослідженнях теж практично не зустрічається.

Реальні малюнки важко піддаються візуальної інтерпретації. До того ж в дослідженні їх буває дуже багато. Звідси і виникає необхідність в кількісних оцінках ступеня взаємозв'язку між ознаками, у визначенні, сильне або слабке вплив ознак один на одного. Це можна зробити за допомогою різних заходів взаємозв'язку. Ми підійшли до важливих понять заходи зв'язку, або коефіцієнти зв'язку. Таких заходів багато, так як багато різних інтерпретацій поняття «зв'язок». Іншими словами, зв'язок може розумітися по-різному. Це по-перше. По-друге, навіть в рамках одного і того ж розуміння зв'язку існують різні способи її математичної формалізації. Окремо взятий коефіцієнт ? математична формалізація деякого розуміння зв'язку.

Те, що потрібні деякі кількісні оцінки ступеня схожості емпіричних кривих розподілу, не викликає тепер у вас жодного сумніву. Але це тільки один контекст, одна з інтерпретацій розуміння зв'язку. Перш ніж розглянути різні коефіцієнти зв'язку, введемо дихотомічні пари понять, без яких неможливо перейти до емпіричної інтерпретації поняття «зв'язок». Кожна інтерпретація або контекст породжує свою власну групу коефіцієнтів зв'язку. Ці дихотомічні пари для соціолога складають понятійний апарат при використанні в аналізі поняття «зв'язок». Деякі з цих пар були згадані вище: залежний ознака ? незалежний, спрямована зв'язок ? ненаправленная, статистична залежність ? незалежність, сильна (тісний) зв'язок ? слабка.

Коротко пояснимо змістовний сенс ще кількох пар понять. При цьому будемо згадувати коефіцієнти зв'язку (поки їх назви, прийняті в літературі), які будуть введені в наступному розділі. Отже, наступна пара понять: функціональний зв'язок ? кореляційний зв'язок. Зі шкільної математики ви прекрасно знаєте, що функціональним зв'язком між двома ознаками називається такий зв'язок, коли одному і тому ж значенню однієї ознаки відповідає одне або кілька значень іншого. геометрично ? це красиві плавні криві (пряма, парабола, синусоїда і т. д.) або криві з точкою розриву (гіпербола). Функціональні зв'язку в соціології зустрічаються в основному при роботі з даними першого типу. Прикладом функції є і будь-який аналітичний індекс. При розгляді зв'язку між двома ознаками в рамках інших типів інформації спостерігається інша картина ? одному і тому ж значенню ознаки відповідає ціле розподіл значень по іншому з ознак. Такий зв'язок називається кореляційної (точніше, стохастичною, але ми такі тонкощі, як відмінність стохастичних і кореляційних зв'язків, розглядати не будемо). Ці зв'язки між двома ознаками геометрично можуть бути зображені у вигляді хмар точок в двовимірному просторі, т. Е. На площині.

 Мал. 3.3.3 сильна зв'язок Мал. 3.3.4 Слабкий зв'язок

Кореляційний зв'язок може бути сильною (рис. 3.3.3) і слабкою (рис. 3.3.4). У першому випадку хмара точок має чітку конфігурацію, чітку закономірність. Якщо ознаки мають метричний рівень вимірювання, то можна сказати, що з ростом значень однієї ознаки зростає в середньому і значення іншого. тут спостерігаємо лінійну зв'язок. Ця закономірність може бути описана за допомогою прямої лінії, яка називається лінією регресії. Зрозуміло, кореляційний зв'язок може бути і нелінійної, т. е. описуватися не прямими.

Для нас важливо, що кореляційні зв'язки можуть бути описані за допомогою функціональних. Іншими словами, соціологу правомірно ставити питання, наскільки кореляційний зв'язок відрізняється від заданої їм (у вигляді гіпотези) функціональної. З аналогічною ситуацією ми вже стикалися. Практично всі коефіцієнти якісної варіації засновані на оцінці ступеня відхилення від рівномірного розподілу (від прямої лінії).

Соціолог стикається з необхідністю ставити або вибирати функціональні залежності при роботі з будь-яким з п'яти типів інформації. При роботі з динамічними рядами головне завдання ? побудувати, підібрати функцію, яка описує цей ряд. Багато математичні методи передбачають завдання характеру залежності досліджуваних ознак. Правда, з цього не випливає, що ми завжди знайдемо функцію, яка підходить для опису емпіричної закономірності.

Існує міра зв'язку в припущенні, що кореляційний зв'язок носить лінійний характер і ознаки мають метричний рівень вимірювання. Такий захід називається коефіцієнтом лінійного зв'язку Пірсона.

Доцільно також використання такої пари понять, як глобальні ? локальні міри зв'язку. Ця пара понять необхідна для умовного позначення наступної ситуації. Повернемося до таблиці спряженості для нашого випадку. Як було відзначено, визначити зв'язок між майбутньою професією студента і задоволеністю навчанням можна, порівнюючи їх умовні розподілу. У цьому випадку мова йде як би про зв'язок цих двох ознак в цілому. Заходи, що відображають цю цілісність, можна визначити умовно як заходи «глобального» характеру для таблиці спряженості. До такого роду заходів належать коефіцієнти, засновані на величині «хі-квадрат» і Гудмена-Краскала.

У той же час можна поставити питання про зв'язок наступним чином. Наприклад, чи пов'язана найнижча задоволеність навчанням з другою професією (соціолог). Тоді мова йде умовно як би про зв'язки в локальному сенсі. Для таких випадків існують також коефіцієнти зв'язку. Це такі коефіцієнти, як коефіцієнт Юла, показники детермінації.

Замість розглянутої нари спрямована зв'язок ? ненаправленная можна користуватися термінами: симетрична зв'язок ? асиметрична. При обчисленні спрямованих коефіцієнтів зв'язку між ознаками X і Y, як правило, виявляється, що значення коефіцієнта для X® Y не дорівнює значенню для ХY. Дві ознаки нерівноправні, їх не можна формально поміняти місцями. Звідси виникають асиметричні коефіцієнти. Вони не завжди зручні для використання в складних математичних методах. Тому при двох асиметричних коефіцієнтах завжди існує третій, як би їх усереднюючий. Ми зіткнемося з трійкою заходів Гуттмана і з трійкою заходів Гудмена - Краскала.

Перейдемо до розгляду взаємопов'язаних пар понять, таких, як безпосередній зв'язок ? опосередкована, справжнє (Значення коефіцієнта) ?ложное. Перша пара понять важлива при інтерпретації кількісного значення коефіцієнта зв'язку. Тут необхідно зазначити, що за таким значенням не завжди помилково говорити про силу зв'язку (сильна ? слабка). У ряді випадків просто констатується наявність чи відсутність певним чином розуміється зв'язку. Якщо за конкретним значенням коефіцієнта ми бачимо, що зв'язок є, то це зовсім не означає існування в реальності безпосереднього зв'язку між двома досліджуваними ознаками, а може означати наявність опосередкованої зв'язку. Звідси друга пара понять: справжнє значення ? помилкове. У літературі того є безліч прикладів. Наприклад, в США за 1870-1910 роки було встановлено наявність зв'язку між заробітною платою вчителів і споживанням вина. Це приклад помилкової зв'язку. Бо вона була опосередкована тим, що в ці роки спостерігалося промисловий бум і зростання заробітної плати і тим самим зростання споживання вина в усіх групах населення. У нашому випадку можна сказати, що зв'язок між майбутньою професією студента і задоволеністю навчанням є. Але вона може носити помилковий характер, тобто опосередкована іншими ознаками. Наприклад, соціальним походженням, успішністю, задоволеністю життям, упевненістю в завтрашньому дні і т. Д.

Можлива й інша ситуація, коли значення коефіцієнта зв'язку вказує на її відсутність, а насправді зв'язок існує. Приклад наведемо в наступному розділі книги для випадку таких ознак, як задоволеність собою і задоволеність життям.

Ще кілька слів про статистичної залежності ? статистичної незалежності. Це дуже важливі поняття. Повернемося знову до нашої таблиці спряженості і задачі порівняння умовних розподілів. Вище, виходячи з елементарного здорового глузду, ми прийшли до необхідності використання спрямованих заходів зв'язку для визначення відмінності в структурах розподілу. Тим самим для визначення: чи спостерігається статистична залежність між майбутньою професією студента і задоволеністю навчанням. Але для визначення статистичної залежності можна виходити і з іншої моделі, з інших міркувань. Поставимо питання так. Яка величина може стояти в комірці таблиці спряженості, якщо ці ознаки статистично незалежні? Зрозуміло, таке питання правомірний. При цьому маргінальні частоти (одномірні, прості) нам відомі по нашій вибірці.

Розглянемо, наприклад, осередок (2,1). Вона відповідає майбутнім соціологам, незадоволеним навчанням. Статистичну незалежність ознак «майбутня професія» і «задоволеність навчанням» можемо розуміти наступним чином. Частка незадоволених навчанням соціологів серед усіх студентів-соціологів дорівнює частці не задоволених навчанням студентів серед усіх студентів-гуманітаріїв. Адже таке розуміння зв'язку не повинно викликати у вас неприйняття, тому що не суперечить здоровому глузду соціолога. Тоді в ситуації статистичної незалежності легко визначається те значення, яке має стояти в нашому осередку. Воно обчислюється виходячи із згаданої вище пропорції. До неї ми повернемося при розгляді заходів зв'язку, заснованих на так званій величині «хі-квадрат».

Багато коефіцієнти зв'язку якраз і визначають відхилення реальних частот (того, що отримано за вибіркою) від частот як би теоретичних, т. Е. Обчислених по тій же таблиці, але для випадку статистичної незалежності.

І нарешті, звернемо увагу ще на одну пару понять. Соціолога цікавить зв'язок між ознаками для виявлення причинно-наслідкових відносин між ознаками. Тому він вивчає зв'язку завжди в контексті: впливає ? не впливає; детермінує ? НЕ детермінує; збільшує інформацію ? не збільшує; покращує прогноз ? не покращує і т. д. Після всіх наших попередніх міркувань є очевидним, що наявність кореляційної зв'язку не говорить про причинності [3. с. 72-119; 11. с. 43-63]. І в той же час для причинного аналізу неможливо обійтися без вивчення кореляційних зв'язків. Терміном «причинний аналіз» прийнято позначати специфічний клас математичних методів. Разом з тим проблема причинності в нашій науці дуже цікава, складна область, яку не можна звести лише до класу математичних методів.

Отже, ми познайомилися з дихотомічними парами понять, які важливі для вивчення і розуміння зв'язку, т. Е. Для емпіричної інтерпретації поняття «зв'язок». Вони такі:

причинний ? кореляційний; функціональна ? кореляційний; спрямована ? ненаправленная; локальна ? глобальна; істинна ?помилкова; статистична залежність ? статистична незалежність; симетрична ? асиметрична; безпосередня ? опосередкована; лінійна ? нелінійна.

Коефіцієнти зв'язку, заходи зв'язку бувають не тільки парні (ми будемо розглядати тільки такі), а й приватні, множинні. Розрізняють коефіцієнти для номінального, порядкового, метричного рівня вимірювання. Самі таблиці спряженості бувають різні. Вони бувають і багатовимірні, якщо сполучаються кілька ознак, і тоді їх називають таблицями з декількома входами. Дуже цікавою в соціології є таблиця спряженості квадратного виду (число рядків дорівнює числу стовпців), коли сполучається ознака з самим собою. Вона виникає в ситуації панельного дослідження. Уявімо собі, що тих же студентів-гуманітаріїв ми опитали повторно через пару років. Тоді таблиця для двох ознак, наприклад, «впевненість у завтрашньому дні в 1997 році» та «впевненість в завтрашньому дні в 1999 році», дозволить вивчити ступінь мінливості такої впевненості. Для аналізу таких таблиць спряженості існують специфічні заходи зв'язку.



 Метод равнокажущіхся інтервалів |  Завдання на семінар або для самостійного виконання

 Локальні заходи зв'язку |  І четвертого ступеня задоволеності |  поняття детермінації |  Безпосередня ? опосередкований зв'язок |  Про значимість значень коефіцієнтів |  ЗАХОДИ ЗВ'ЯЗКУ: ЗАСНОВАНІ НА МОДЕЛІ ПРОГНОЗУ ТА рангових |  Рангові коефіцієнти зв'язку |  Завдання на семінар або для самостійного виконання |  МОВУ АНАЛІЗУ ДАНИХ |  Мова типологічного аналізу даних |

© um.co.ua - учбові матеріали та реферати