Анализ количественных данных: понятие, цели, последовательность этапов

МИНИСТЕРСТВО ОБРАЗОВАНИЯ НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Государственное образовательное учреждение

Высшего профессионального образования

«КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

(ГОУ ВПО КубГУ)

Кафедра социологии

 

 

 

 

Реферат

Анализ количественных данных: понятие, цели, последовательность этапов

 

 

 

 

 

                               

Работу выполнил: Пломодьяло Е.В.

Факультет: ФИСМО

Специальность: социология

Курс: 2

Научный руководитель

К.соц.н. Белопольская Т.Н

 

 

 

 

Краснодар 2014

 

Содержание

Введение………………………………………………………………………..	3
Часть 1. Анализ количественных данных. Общая характеристика………...	5
1.1. Понятие «Анализ данных». Виды социологических данных…………..	5
1.2. Структура данных и стратегии анализа…………………………………	8
Часть 2. Последовательность этапов и цели анализа количественных данных………………………………………………………………………….	11
2.1. Связь анализа данных с другими этапами исследования. Основные цели анализа данных…………………………………………………………..	11
2.2. Основные этапы анализа данных………………………………………...	14
Заключение……………………………………………………………………..	19
Список использованной литературы………………........................................	20

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

Достаточно глубокое исследование социальной реальности невозможно без опоры на изучение конкретных фактов. Судить о сущности различных социальных явлений или процессов можно лишь на основе имеющихся или специально собранных эмпирических данных.

Эмпирический материал, собранный социологом, подвергается процедуре анализа, главной целью которого является поиск закономерностей функционирования и развития той или иной социальной общности, социального института и т.п. В самом общем виде анализом данных можно назвать совокупность действий, осуществляемых исследователем в процессе изучения полученных тем или иным образом данных с целью формирования определенных представлений о характере явления, описываемого этими данными. Сфера применения анализа данных в социологии чрезвычайно широка, однако в данной работе это понятие будет употребляться в узком смысле - в связи с изучением данных с применением математических (статистических) методов.

Целью работы является изучение понятия, целей, последовательности этапов анализа количественных данных.

Достижение данной цели определило постановку и решение следующих задач:

- дать определение понятию «анализ данных»;

- изучить виды социологических  данных;

- изучить структуру данных и стратегии анализа;

-определить последовательность этапов и цели анализа количественных данных;

- выявить связь анализа данных с другими этапами исследования;

- определить основные цели анализа данных;

- изучить основные этапы анализа данных.

Важно отметить, что некоторые обстоятельства иногда заставляют сомневаться и в существовании дисциплины, именующейся просто "анализ данных". Свидетельством этого можно считать, например, то, что упомянутый термин в литературе понимается по-разному. Этот факт тоже существен для практики: чтобы получать корректные выводы, мы должны четко понимать, когда, в каких именно условиях и с какой целью можно использовать анализ данных, а это немыслимо без ясного представления о том, что это такое. Ответу на соответствующий вопрос и посвящена первая часть работы.

Вторая часть содержит описание последовательности этапов и целей анализа количественных данных.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Часть 1. Анализ количественных данных. Общая характеристика.

1.1. Понятие «анализ данных»

 

В социологии существует, как минимум, пять основных значений понятия «анализ данных»1: 1) совокупность действий, совершаемых в процессе изучения полученных эмпирических данных, для того чтобы сформулировать представление о характеристиках изучаемого явления, т. е. первичная обработка эмпирических данных; 2) процесс изучения статистических данных с помощью математических методов и моделей с целью более удобного и наглядного их представления, иначе говоря – математическая обработка данных; 3) понятие «анализ данных» употребляется как тождественное прикладной статистике; 4) процедуры «свертывания» информации, которые не допускают формального алгоритмического подхода, характерного для математических моделей; 5) исследовательская стратегия объяснения, интерпретации и понимания эмпирических данных, которая диктуется социологическим мировоззрением исследователя, его принадлежностью к тому или иному социологическому направлению или школе.

Эти основные значения (смыслы) понятия свидетельствуют, что существуют различные уровни анализа эмпирических данных2:

1) уровень теоретической парадигмы: самый «высокий» уровень, определяемый социологическим направлением, к которому относится исследователь (например: культурологическая, интерпретационная, функциональная, натуралистическая, конфликтологическая и другие парадигмы);

2) теории «среднего уровня» –  основной рабочий инструмент  социолога; в рамках таких теорий  как раз и задаются определенные переменные, позволяющие анализировать и интерпретировать полученные данные;

3) эмпирический анализ – первичная обработка данных, которая, как правило, начинается с группировки (статистический анализ) или первичного описания тестовых данных («гуманитарный» анализ).

Помимо указанных значений понятия «анализ», существуют также конкретные виды анализа, применяемые в социологии: типологический, факторный, причинный, детерминационный, конверсационный, сравнительный (компаративистский), структурный, контент-анализ, контекст-анализ, дискурс-анализ и т. д.

В целом, любое социологическое исследование представляет собою анализ какого-либо фрагмента социальной реальности. Именно поэтому дефиниция термина «анализ» в социологии возможна только тогда, когда термин используется в определенных сочетаниях: логика анализа, стратегия анализа, модель анализа, первичный анализ данных, статистический анализ, вторичный анализ, математический анализ, гуманистический анализ, типологический анализ, факторный анализ и т. д.

Под методологией анализа данных чаще всего понимают систему знаний о взаимосвязи типов социологических данных, методов сбора (в том числе методов измерения), метаметодик и стратегий анализа данных. Социологические (или эмпирические) данные можно определить как первичную информацию любого рода, полученную в результате проведения одного из многочисленных типов социологического сбора информации. Все полученные данные можно разделить на несколько групп (видов) в зависимости от способа получения информации, ее характера, а также задач, приемов и методов обработки и анализа полученных сведений.

Можно выделить следующие виды социологических данных:

1) данные типа «государственная  статистика»: социальные показатели (информация) самых различных сторон жизнедеятельности общества (статистические ежегодники по демографии, экономике, труду, занятости, здравоохранению, культуре, торговле и т. д.); данные переписи населения; исследования об условиях жизни; результаты выборов и референдумов; архивы предприятий и учреждений и др.;

2) данные, полученные с помощью вопросников «простой» структуры, т. е. результаты массовых опросов общественного мнения; «простые» опросники, как правило, отвечают на вопрос «Что это?»;

3) данные, полученные посредством  анкет и интервью со «сложной»  структурой (глубокие аналитические исследования), отвечающие на вопросы «Почему это?», «Зачем это?»;

4) данные об исследовании бюджета  времени;

5) текстовые и документальные данные самых различных типов, которыми оперируют обычно в качественных исследованиях.

Сфера применения анализа данных в социологии чрезвычайно широка, однако здесь это понятие будет употребляться в узком смысле - в связи с изучением данных с применением математических (статистических) методов.

Применение математического аппарата в анализе данных позволяет достичь следующих целей3:

● четко сформулировать свои представления об изучаемом объекте;

● абстрагироваться от множества реальных свойств объекта;

● анализировать большие объемы информации;

● получить научно обоснованное подтверждение содержательных предположений (гипотез) исследования, делать выводы, не лежащие "на поверхности";

● получить возможность экстраполировать (переносить) выводы, полученные в ходе обследования ограниченного числа объектов (выборочной совокупности) на более широкую совокупность (генеральную).

Однако необходимо отметить ряд обстоятельств, которые обуславливают определенную специфику использования статистических методов в анализе социологических данных.

Во-первых, на практике часто нарушается условие вероятностного порождения анализируемых данных. В социологии само определение вероятности в некоторых ситуациях может не иметь смысла.

Во-вторых, не всегда бывает ясно, каковы границы изучаемой генеральной совокупности. Имеется в виду, что даже в рамках одного исследования бывают альтернативные и множественные решения вопроса о генеральной совокупности.

В-третьих, для многих методов анализа не разработаны способы перенесения результатов их применения с выборки на генеральную совокупность.

В-четвертых, интересующие социолога данные, как правило, получены по шкалам низких типов - номинальной или порядковой, таким образом, с конструктами, полученными в результате измерения, исследователь не может обращаться также как с обычными числами.

 

1.2. Структура данных и стратегии  анализа

 

Любые эмпирические данные всегда каким-то образом структурированы по своей форме. В зависимости от степени структурированности данные принято подразделять на следующие типы:

1) жесткоструктурированные – данные, существующие в виде матриц  любого типа (например, таблиц), а также полученные посредством формализованной части вопросника анкеты (интервью) по схеме закрытых вопросов.

Этот тип данных легко подвергается формализации и так же легко выражается в цифрах. Отсюда видно, что жесткоструктурированные данные чаще всего оказываются результатом массовых опросов;

2) слабоструктурированные – данные, существующие в текстовой форме, но при этом специально организованные. К ним, прежде всего, относятся тексты, полученные:

а) как ответы на открытые вопросы (с ограниченным полем поиска ответов); б) методом не оконченных предложений (тест на завершение предложения);

в) тестом двадцати самоопределений, предназначенным для измерения самоидентичности личности4;

г) при использовании метода репертуарных решеток (теория личностных конструктов Дж. Келли5).

Существуют и другие источники слабоструктурированных данных. Подобные источники можно условно разделить на различные форматы таких данных. Например, для одних только открытых вопросов может существовать большое число форматов.

3) неструктурированные – данные, существующие в виде текстов и полученные в процессе проведения разного вида интервью (нарративного, лейтмотивного и т. п.). Сюда относятся также тексты ответов на открытые вопросы с неограниченным полем поиска ответов и любые другие тексты или документы, к которым обращается социолог. Эти данные не формализованные, слабо организованные. Характер общей стратегии анализа определяется тем типом умозаключения, который выбирает социолог в зависимости от целей своего исследования. Если в качестве базового направления анализа избирается индуктивное умозаключение, то в этом случае стратегия анализа данных будет восходящей (от частного к общему).

Если же исследователь опирается на дедуктивное умозаключение, то стратегия анализа данных будет называться нисходящей (от общего к частному).

Эти две стратегии являются наиболее распространенными не только на стадии анализа данных, но и в ходе всего исследования, начиная с процедур определения задачи исследования, определения выборки, сбора данных и т.д.

 Помимо этих двух существует, но применяется несколько реже, абдуктивная стратегия, которая сочетает в себе элементы как индукции, так и дедукции. Абдукция как вид умозаключения строится по схеме:

а) сбор отдельных фактов;

б) формулировка гипотезы, объясняющей совокупность фактов;

в) проверка демонстративной силы гипотезы (т. е. ее истинности).

Прежде чем перейти к рассмотрению конкретных инструментов анализа, необходимо обратить внимание на основополагающую (фундирующую) роль общих социологических теорий в процессе анализа и интерпретации данных, а также их объяснения и понимания.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Часть 2. Последовательность этапов и цели анализа количественных данных.

2.1. Связь анализа данных с другими этапами исследования. Основные цели анализа данных.

 

Использование математических методов предполагает определенную формализацию реальности, построение ее модели. Поскольку данные предстают перед социологом в виде фактов, характер которых объясняется влиянием искомых закономерностей, элементами модели являются как объекты, так и закономерности, которые как бы являются "причинами" того, что факты имеют заданный вид. Построение такой модели предполагает выделение нескольких этапов, при этом корректность использования математического аппарата на любом из них тесно связана с принципами реализации других этапов, в том числе и таких, в которых не задействованы никакие математические методы.

Таким образом, моделирование реальности, включающее формирование представлений об объекте и предмете исследования, выделение и операционализация основных понятий, измерение объектов, реализация конкретного алгоритма анализа данных и интерпретация полученных результатов предстает в виде цельного процесса, каждый из этапов которого тесно связан и взаимообусловлен с остальными.

На определенном этапе моделирования реальности в исходных данных условно выделяют два аспекта:

● содержательный уровень (совокупность реальных объектов, т.е. то, что в теории измерения называют эмпирической системой с отношениями);

● формальный уровень (совокупность математических конструктов, отражающих в результате измерения реальные объекты и отношения между ними - т.е. числовая система с отношениями).

Статистические методы анализа используют именно формальные данные, при этом они предстают в виде совокупности значений каких либо признаков (характеристик, переменных, величин и т.п.), измеренных для каждого из изучаемых объектов.

Каждый изучаемый объект рассматривается исследователем как последовательность чисел - значений для него некоторых признаков. Такие данные предстают в виде матрицы "объект - признак".

В соответствии с представлениями исследователя, связи между признаками, отображенными в матрице, объясняются определенными закономерностями.

Закономерность возникает как результат взаимодействия большого числа элементов, составляющих совокупность, и характеризует не столько поведение отдельного элемента совокупности, сколько совокупность в целом.

Любая выявленная в процессе научного исследования закономерность является определенного рода "сжатием" какой-то информации (в нашем случае - матрицы "объект- признак"). Результаты такого сжатия чаще всего выражаются в виде определенных характеристик частотных распределений значений рассматриваемых признаков. Можно сказать также, что результат сжатия - некоторые числа, которые характеризуют данные в целом.

Таким образом, выявление (подтверждение, корректировка) неких интересующих социолога статистических закономерностей, или, другими словами, - определенного рода сжатие, усреднение содержащихся в данных информации является основной целью анализа социологической информации. По выражению Дж. Тьюки, целью анализа данных является "охват" содержания исходных данных значительного объема, который позволяет прийти к представлениям, легко доступным для понимания пользователя.

Помимо этого в качестве целей анализа данных выделяют:

● объяснение интересующего социолога явления

● описание исходных данных

● предсказание того или иного явления

Задача объяснения, которое понимается здесь как подведение явления под какой-либо закон, является актуальной для любого исследования. Объясняемым явлением может быть как сама совокупность наблюдаемых фактов (формальные данные), так и содержательные закономерности, определяющие характер исходных данных. В первом случае искомым законом будет коэффициент связи между определенными признаками (например, между образовательным уровнем и доходами), а во втором - некие содержательные представления о причинах, связывающих исходные данные (например, высокий образовательный статус подразумевает получение ответственной должности, которая оплачивается сравнительно более высоко).

Описание - начальный этап анализа, который служит для элементарного упорядочивания данных. Достигается оно обычно при помощи самых простых алгоритмов сжатия исходной информации. Совокупность наиболее употребительных приемов получения закономерностей, описывающих изучаемое множество объектов называют описательной или дескриптивной статистикой.

Наиболее популярный (хотя и зачастую ошибочный) способ описания имеющихся количественных данных заключается в определении следующих показателей6:

количество наблюдений в выборке или ее объем;

средняя величина(среднее арифметическое);

стандартное отклонение- показатель того, насколько широко изменяются значения переменных.

Важно помнить, что среднее арифметическое и стандартное отклонение - это меры центральной тенденции и разброса в достаточно небольшом числе выборок. В таких выборках значения у большинства объектов с равной вероятностью отклонены от среднего, а их распределение образует симметричный «колокол» (гауссиану или кривую Гаусса-Лапласа). Такое распределение еще называют «нормальным», но в практике медицинского эксперимента оно встречается лишь в 30% случаев. Если же значения переменной распределены несимметрично относительно центра, то группы лучше описывать с помощью медианы и квантилей (процентилей, квартилей, децилей).

Прогноз тех или иных социальных характеристик или явлений служит целью выявления любой закономерности, поскольку изучать ту или иную сторону жизни общества нужно прежде всего для того, чтобы управлять какими-то процессами. Прогноз обычно осуществляется при помощи довольно сложных алгоритмов, например, регрессионного анализа.

 

2.2. Основные этапы анализа данных

 

Если рассматривать анализ данных как наиболее полную, завершенную и последовательную совокупность действий, не принимая во внимание того, что анализ данных может быть сокращенным, то можно выделить следующие основные этапы7.

1. Анализ данных начинается с  описания всей совокупности данных  в первоначальной, простейшей форме. Предваряется эта стадия контролем  информации и выбраковкой непригодных  данных: выявляются ошибки и пропуски, отсеиваются некомпетентные и недобросовестные респонденты, короче – производится «чистка массива». Далее производится собственно описание с использованием аппарата дескриптивной статистики. Изучаются простые распределения, выявляются аномалии, рассчитываются меры средней тенденции, вариации (разброс) распределения (дисперсия, среднее абсолютное и среднее квадратическое отклонения). Все эти шаги необходимы для решения двух задач:

а) общей оценки выборочной совокупности и отдельных подвыборок, с тем чтобы понять, каким образом особенности выборок будут сказываться на интерпретации того или иного вывода и обобщающих заключений;

б) для того чтобы не утратить представления о более сложных зависимостях и комбинациях, с которыми придется иметь дело впоследствии.

2. На втором этапе следует «уплотнение» исходной информации, т. е. укрупнение шкал, эмпирическая типологизация, формирование признаков-индексов и т. д. Главная цель всех этих операций – сокращение числа признаков, необходимых для итогового анализа. Вместе с тем достигается первичное обобщение данных, нужное для более глубокого анализа. Здесь же начинается переход к анализу взаимосвязей, который полностью развернется на третьем этапе. Начинают использоваться так называемые «сильные» операции: типологический анализ, факторный анализ и т. п. Как следствие, формируются интерпретационные схемы, по сути – «каркасы» понимания эмпирического материала.

3. Данная стадия непосредственно  вытекает из предыдущей. Происходит  углубление интерпретации и переход  к объяснению фактов путем  выявления прямых и косвенных детерминаций внутри массива. Здесь должны быть получены основные выводы, необходимые для подтверждения (опровержения) гипотезы, теоретического осмысления проблемы и выработке типологических рекомендаций. Основная опасность здесь – подмена косвенных, опосредованных связей прямыми. Это, кстати, одна из самых распространенных ошибок при анализе данных.

4. На заключительном этапе аналитическое  исследование непосредственно переходит  в прогностическую и рекомендательную  процедуру действий. Для этого полезно прибегнуть к проверке основных выводов исследования. Идеальным вариантом является повторное исследование. За его невозможностью, целесообразно использовать мысленный эксперимент, регрессионный и детерминационный анализы, экспертный опрос.

Необходимо постоянно помнить: в конечном счете, единственное, что обеспечивает теоретическую убедительность и практическую значимость исследования – это интерпретационная модель («модель объяснения»). В свою очередь, основы интерпретации заложены в социологическом мировоззрении исследователя, его жизненном и профессиональном опыте и, наконец, в исследовательской программе, гипотезах. Построение интерпретационных моделей – сугубо творческая, неформализуемая и даже полностью нерационализируемая операция. Решающее значение здесь приобретают общемировоззренческий и общетеоретический кругозор, перспективность и широта мышления, профессиональные знания и опыт, интуиция, воображение, личностные качества и коммуникативный талант. То, что было сказано о четырех этапах анализа данных, можно представить в виде компактной таблицы (табл. 4)8.

Таблица 4

Последовательность стадий анализа данных

Стадии анализа данных	Исследовательские задачи данной стадии анализа	Основные процедуры анализа
1	Выявление аномалий, ошибок и пропусков в исходных данных, коррекция выборки, выбраковка непригодного материала, описание простых распределений	Качественный анализ сгруппированных данных: использование приемов описательной (дескриптивной) статистики; расчеты средних тенденций, вариаций (разброса) ассиметрии
2-3	Уплотнение исходной информации и ее описание в зарегистрированных показателях, с тем чтобы избавиться от излишней детализации, избежать ошибок последующего анализа вследствие «провалов» в исходных распределениях, повысить уровень обобщения.	Приемы укрупнения исходных шкал, логические комбинации частных признаков, построение индексов, эмпирическая и теоретическая типологизация, факторный анализ
2-3	Выявление прямых и косвенных связей, интерпретация и объяснение основных зависимостей и свойств изучаемых явлений, проверка главных и второстепенных гипотез	Построение двухмерных и многомерных таблиц; расчет корреляций, регрессий, энтропии и ассоциации распределений; использование корреляционных графов детерминационных моделей
4	Прогноз изучаемых процессов и явлений на основе объяснительных гипотез	Приемы мысленного и, если возможно, натурального экспериментирования, повторные и сравнительные исследования, контрольные опросы экспертов для проверки итоговых выводов, моделирование динамических процессов

 

В процессе анализа данных необходимо строго придерживаться гипотез, сформулированных в программе, избегая при этом двух крайностей: во-первых, поспешных заключений относительно их подтверждения (если факты «укладываются» в гипотезу) и, во-вторых, соблазна увлечься самим процессом анализа, что случается довольно часто и уводит в сторону от целей исследования. Чем дальше мы углубляемся в анализ данных, тем большее значение приобретают объяснительные гипотезы, непосредственно связанные с программными задачами исследования. Если гипотезы нестандартны и нетривиальны, особое внимание следует уделить заключениям, которые с ними не согласуются. В результате проверок и перепроверок вводятся ограничения и уточнения исходных гипотез, и обнаруживается либо справедливость выдвинутых предположений, либо опровержение. Не следует смешивать уточнение и интерпретацию данных с их объяснением, ибо они суть различные по своей сущности этапы анализа. Объяснение является главной задачей анализа: оно позволяет установить причинные зависимости, истолковать найденные связи в понятиях более общих тенденций и закономерностей, дает основание для прогноза и, следовательно, для перехода к обоснованию практических решений изучаемых социальных проблем.

 Всегда нужно помнить о взаимодополнительности качественных и количественных методов. Количественный анализ в совокупности с качественной интерпретацией и пониманием массовой статистики всегда более ценен, нежели всесторонняя интерпретация одних лишь статистических данных. – Ибо без качественной интерпретации эти данные всегда будут оставаться непредставительными, т. е. нерепрезентативными. Применяя только качественный анализ, мы приобретаем определенное знание ограниченных фрагментов социальной реальности. – Используя только статистический анализ, мы выявляем факты и явления без их смысла и гарантии их типичности и распространенности в широком социальном пространстве. Отсюда ясно, что мы должны комбинировать использование качественных и количественных стратегий. Только их совокупность позволит достичь конечных целей социологического исследования.

 

 

Заключение

 

 Итак, понятие анализа данных  означает совокупность действий, осуществляемые исследователем в процессе изучения неких данных с целью формирования определенного представления о характере описываемого явления. Предметом является техника формирования определенного представления. Основная цель анализа данных - выявление (подтверждение, корректировка) каких-то интересующих исследователя статистических закономерностей; или, другими словами, - определенного рода сжатие, усреднение содержащейся в данных информации.