ВОСХОДЯЩАЯ СТРАТЕГИЯ АНАЛИЗА ДАННЫХ.
С ЧЕГО НАЧИНАЕТСЯ АНАЛИЗ?
Восходящая стратегия анализа и нисходящая стратегия анализа. Различие понятий «анализ данных» и «логика анализа» (логическая схема анализа). Первичный анализ как составная часть любой стратегии. Признак. Анализ «поведения» отдельно взятого признака. Вариационный ряд. Одномерное распределение. Показатели распределения. Абсолютная, относительная и накопленная частоты. Деление на интервалы. Цели первичного анализа данных. «Язык» анализа распределений.
Следует особо остановиться на использовании пары понятий: восходящая стратегия анализа ¾ нисходящая стратегии анализа.
Пара понятий «восходящая стратегия ¾ нисходящая стратегия» используется в эмпирической социологии в разных контекстах.
Например, для обозначения выборочной стратегии в исследовании. Если сбор информации осуществляется по так называемому методу «снежного кома», то это пример восходящей выборочной стратегии. Такая стратегия используется обычно для изучения латентных социальных групп (наркоманов, скрытых алкоголиков и т. д.).
С нисходящей выборочной стратегией сталкиваемся при формировании выборки, исходя из структуры генеральной совокупности. Это является типичным для изучения общественного мнения. В рамках одного и того же исследования одновременно могут использоваться как нисходящая, так и восходящая стратегии формирования выборки.
Такую пару терминов можно использовать и для характеристики логики исследовательского процесса в целом, а именно для обозначения двух подходов к изучению социальной реальности: статистическая и гуманитарная традиции (подходы, парадигмы) в эмпирической социологии. Известно, что латентные социальные группы, в отличие от других, целесообразнее изучать по восходящей стратегии, т. е. не только стратегия формирования выборки носит восходящий характер, но и все исследование в целом построено по восходящей стратегии изучения таких групп.
Эта пара терминов применяется и в достаточно узком смысле в так называемых методах многомерной классификации для обозначения процедуры деления эмпирических объектов на группы. О понятии «классификация» пойдет речь в последней части книги. Это пока ремарка для «всезнаек». Пара «восходящая стратегия анализа данных ¾ нисходящая стратегия анализа данных» составляет основу для формирования в социологическом исследовании логики анализа данных, логической схемы анализа. Социолог выбирает стратегию анализа данных исходя из специфики своего исследования (цели, задачи, гипотезы). Рассмотрим несколько исследовательских ситуаций.
Первая ситуация
Предположим, у социолога нет четко обозначенных гипотез ни описательного, ни объяснительного характера. Разумеется, в расплывчатой форме они всегда существуют. Ведь социолог, желая «взглянуть» на социальную реальность через призму какого-то подхода, отвечает на вопросы «Что изучать?» и «Зачем и для достижения каких целей изучать?». Отсутствие четкости в гипотезах требует определенной стратегии при работе с эмпирическим материалом. Сначала социолог в «мешке» с информацией наводит «косметический» порядок ¾ ищет простые эмпирические закономерности. Их можно назвать и регулярностями. Прежде всего он выделяет сами эмпирические индикаторы, если их нет. С этой ситуацией мы сталкиваемся при работе с текстовой информацией. Мы с вами выделяли элементарные обоснования и элементы в контексте применения метода неоконченных предложений. Первые из них и являлись эмпирическими индикаторами.
При работе с биографиями людей, с текстами полуформализованных и свободных интервью естественным образом появляется необходимость в анализе, условно говоря, «поведения» отдельно взятого эмпирического индикатора. Затем возникает потребность в анализе совместного «поведения» двух эмпирических индикаторов, в анализе их взаимосвязей. Таким образом, логика анализа эмпирии строится по восходящей (от частного к общему) стратегии. Начальный этап такой стратегии ¾ первичный анализ / первичная обработка данных.
Социолог, исходя из восходящей стратегии, последовательно ищет ответы на вопросы, такие как: не объединяются ли эмпирические индикаторы в какие-то группы, а объекты ¾ в классы. К примеру, похожие в определенном смысле объекты представляют собой некий класс, а взаимосвязанные между собой эмпирические индикаторы могут образовать некую группу. Вполне возможно, что объекты, отнесенные к одному и тому же формальному классу, являются однотипными. А группа эмпирических индикаторов может интерпретироваться как некий специфический социальный фактор. О содержании понятий «тип» и «фактор» пойдет речь в последней главе. Главная задача в таких исследовательских сюжетах ¾ проблема интерпретации разного рода эмпирических закономерностей, ибо они выражают какие-то тенденции, синдромы.
Вторая ситуация
У социолога могут быть четко обозначены гипотезы исследования. В этом случае логика анализа может строиться как в рамках восходящей, так и нисходящей стратегий. Выбор стратегии зависит от характера гипотез и от того, какими априорными знаниями (знания, имевшиеся до проведения исследования) располагает исследователь. Допустим, что источником эмпирической информации является индивид; техника сбора данных жестко структурирована; в исследовании проверяются только описательные гипотезы. Тогда также необходимы восходящие, от частного к общему, стратегии анализа. Вспомним из предыдущего материала, что в процессе прямого ранжирования для принятия решения о присвоении рангов нам непременно требовалось изучить степень единодушия респондентов в оценке объектов ранжирования. Для этих целей в процессе анализа опять же требуется движение по восходящей стратегии.
Пусть гипотеза звучит следующим образом: политические пристрастия населения в основном определяются возрастом и происхождением. Для проверки этой гипотезы социолог определяет всевозможные связи этих «пристрастий» с огромной совокупностью различных эмпирических индикаторов. Если из всех связей оказываются самыми сильными связь с возрастом и с происхождением, то считается, что гипотеза подтвердилась. К примеру, сформулируем другую гипотезу: в России существуют типы электорального поведения областей, интерпретируемые как объекты социального управления. В том смысле, что механизм воздействия на отдельные области одинаков, если они отнесены к одному и тому же типу. Для проверки такой сложной гипотезы необходимую основу для логики
анализа составляет нисходящая стратегия анализа (от общего к частному). Такой пример будет приведен в последней главе.
Ясно одно: проверка такого рода гипотез предполагает «продумывание» всей логики анализа априори (до сбора эмпирической информации). Это очень не просто. Вместе с тем такое «продумывание» нужно и важно даже в описательных исследованиях. А в серьезных аналитических исследованиях для проверки сложных гипотез тем более.
Если вернуться к модели изучения свойства социального объекта, то в контексте рассуждений, логика анализа позволяет уточнить не только саму такую модель, но и предполагает продумывание заранее логики получения эмпирических закономерностей и, соответственно, переход от них к теоретическим обобщениям. Речь идет о сложных эмпирических закономерностях, получаемых на основе всей системы изучаемых в исследовании свойств.
В зависимости от логической схемы анализа социолог определяет и то, какого рода эмпирический материал ему нужен, и то, какие приемы «обработки» информации необходимы, и то, в какой последовательности будет строиться логика изучения и объяснения того или иного социального феномена. Главным является концептуальная схема, теория «видения» социальной реальности, так как идет поиск ответа на вопрос «Почему это?». Для такого случая необходима нисходящая (от общего к частному) стратегия анализа. Поиск ответа на вопрос «Почему это?», проверка объяснительных гипотез социологического исследования возможны только в рамках нисходящей стратегии анализа. Все, что с этим связано, будет обсуждаться в последней части книги.
В отдельно взятом социологическом исследовании возможно сочетание восходящей и нисходящей стратегий анализа. Та и другая стратегии могут быть реализованы на практике с помощью одних и тех же методов, приемов, способов «обработки» информации.
Например, к таковым относятся методы математической статистики и методы многомерного анализа.
Вся совокупность технических приемов (по сути, это использование математического формализма или математических методов в социологии) называется методами анализа данных.
Социологу, изучающему различные социальные феномены, приходится строить модели изучения их свойств, пользоваться различными типами информации, применять совокупность приемов измерения латентных, непосредственно не наблюдаемых признаков, выбирать стратегию анализа. Это и есть начало начал анализа данных.
Наблюдаемые признаки называются эмпирическими индикаторами. Здесь и далее таковыми будут признаки. Признаком может быть и отдельно взятый эмпирический индикатор, и производный от них показатель.
Например, признаком будем называть любые показатели, индексы, коэффициенты, возникающие в рамках работы с данными типа «государственная статистика», «бюджет времени». Признак, как и любой эмпирический индикатор, имеет для нас те же три уровня измерения: номинальный, порядковый, «метрический». Как минимум, мы должны научиться изучать «поведение» всех трех типов признаков, измеренных по трем типам шкал.
Представляется важным еще раз повторить следующее. Несмотря на многообразие шкал (в данном случае как линеек для измерения чего-то) в социологии, мы рассматриваем только три типа шкал и к «метрическим» относим все шкалы, уровень измерения по которым выше порядкового, т.е. то, что очень похоже на числа, на «количества».
С чего же начинается анализ «поведения» отдельно взятого признака тогда, когда информация «лежит» на столе социолога? Такой анализ необходим практически всегда независимо от исследовательских задач, типов информации, выбора стратегии анализа. Речь идет как бы о «социальной бухгалтерии», азы которой вы должны освоить. Практически в любой книге, в название которой входят слова «...статистические методы в...», вы найдете определенный материал по освоению этих азов [2, 3, 7, 8, 9, 11].
Несмотря на то, что ниже рассматривается пример, имеющий отношение к данным анкетирования, все выводы относятся к анализу любых вариационных и динамических рядов.
«Структура времяпрепровождения студентов: сравнительный анализ вузов», придуманного (модельного) нами в качестве примера. Сбор данных осуществлялся в нем как по использованию бюджета времени, так и по вопроснику «сложной структуры»; генеральная совокупность - студенты вузов России. В этом исследовании будут интересовать только студенты-гуманитарии, т. е. некоторая подвыборка.
Рассмотрим всего три признака из этого исследования: будущую профессию студента-гуманитария, его удовлетворенность учебой и продолжительность времени на учебу. Относительно третьего признака нужно подчеркнуть следующее. Продолжительность в данном случае представляет собой сумму затрат времени на прослушивание лекций, на участие в семинарских занятиях, на дополнительные самостоятельные занятия, а также на перерывы между аудиторными занятиями. В качестве примера будем рассматривать среднесуточную, например за неделю, продолжительность. «Продолжительность» имеет метрический уровень измерения. «Будущая профессия» как признак имеет номинальный уровень измерения. «Удовлетворенность учебой» может быть измерена посредством логического квадрата по пятибалльной порядковой шкале. Тогда она понимается только как удовлетворенность учебой в «родном» вузе (вернитесь к тому разделу, где обсуждается логический квадрат). Вместо этих признаков можно было бы выбрать и любые другие.
Что о значает анализ «поведения» профессии на совокупности объектов? Это означает, что мы должны обработать эмпирические данные, чтобы получить распределение изучаемых объектов (в нашем случае студентов-гуманитариев) по профессиональным группам и по характеру этого распределения судить о профессиональной структуре опрошенных студентов. Для простоты изложения буду приводить цифры модельного характера, т. е. в реальном исследовании они не были получены. Предположим, что нас интересует восемь профессий, все они закодированы цифрами от 1 до 8, а число студентов-гуманитариев среди всех опрошенных равно 1000. Таким образом, исходно мы имеем матрицу данных типа «объект ¾ признак». Из нее выделяем для анализа столбец матрицы в соответствии с анализируемым признаком. Подсчитываем в этом ряду число респондентов, которые в недалеком будущем будут иметь ту или иную профессию. Тем самым получаем частоту встречаемости в выборке студента той или иной будущей профессии.
Распределение опрошенных по профессиям представлено в таблице 3.1.1. Это результаты самого первого этапа систематизации эмпирических данных. Распределение может быть представлено и описано на «языке» четырех показателей. Первый ¾ абсолютная частота, т. е. число студентов с определенной «будущей» профессией. Среди опрошенных студентов оказалось 100 будущих политологов (профессия I), 200 социологов (профессия 2), 300 культурологов (профессий 3), 100 филологов (профессия 4), 50 психологов, (профессия 7) и 250 историков (профессия 8). Студенты с будущими профессиями, обозначенными как 5 и 6, в выборку не попали. В этом нет ничего удивительного, если при формировании выборочной совокупности не учитывалась будущая профессия студента. Эти шесть обозначенных и встречающихся в выборке профессий, будем использовать в процессе дальнейшего анализа.
Таблица 3. 1. I
Распределение студентов по их будущей профессии
Второй показатель в таблице ¾ относительная частота в долях, или частость, т. е. это доля респондентов определенной профессии среди всех опрошенных студентов-гуманитариев. Очень часто в социологических исследованиях наряду или вместо числа опрошенных используется число ответивших. Для нашего примера не имеет значения, по отношению к какому «числу» считается доля, ибо число ответивших совпадает с числом опрошенных. В массовых опросах различение этих величин носит принципиальный характер, так как число неответивших бывает достаточно большим. Сама же проблема неответивших является серьезной проблемой в массовых опросах. Мы касались этой проблемы при обсуждении так называемой (нами) проблемы социологического нуля. Относительная частота в долях ¾ это важный показатель для последующих этапов работы с данными.
Доля интерпретируется как оценка вероятности обладать определенной профессией. Последняя фраза только для тех, кто случайно прослушал курс по теории вероятности.
Третий показатель ¾ относительная частота в процентах — определяет, какой процент респондентов будет иметь ту или иную профессию. Это самый любимый показатель социолога, и вы в этом могли убедиться, если уже успели принять участие в каком-нибудь социологическом исследовании. Процент и частость ¾составные элементы языка анализа социолога.
И наконец, четвертый показатель ¾ накопленная частота впроцентах. С такой частотой мы сталкивались при построении шкалы Терстоуна. Для номинального уровня измерения она почти никогда не имеет смысла. Чисто технически ее можно подсчитать для нашей таблицы. Это и будет маленьким примером неадекватности математики. Прямо говоря ¾ чушь. Отсюда и вывод, что, живя в век потрясающих компьютеров, слепо нажимать на кнопки для запуска «модерновых» математических методов недопустимо. Компьютер может подсчитать все, только есть ли в этом смысл. Вот в чем вопрос.
Накопленная частота имеет «прозрачный» содержательный смысл только для шкал начиная с порядковых. Рассмотрим распределение студентов по степени их удовлетворенности учебой, полученной с помощью применения логического квадрата. В таблице 3.1.2 представлено распределение респондентов по степени «удовлетворенности» по тем же четырем показателям (и в этом случае цифры не реальные, а модельные). Все показатели имеют смысл. Число опрошенных так же, как и в случае первого признака, совпадает с числом ответивших. Степени удовлетворенности обозначены цифрами от 1 до 5. При этом 1 соответствует минимальному уровню удовлетворенности, а 5 ¾ максимальному.
Таблица