Программа «Высшее образование»


Структура удовлетворенности учебой в различных



страница50/71
Дата10.05.2018
Размер4.29 Mb.
ТипПрограмма
1   ...   46   47   48   49   50   51   52   53   ...   71
Структура удовлетворенности учебой в различных

профессиональных группах

1 2 3 4 5



удовлетворенность учебой

Рис. 3.3.1


Профессиональная структура в различных группах по

"удовлетворенности учебой

политолог социолог культуролог филолог "психолог



"будущая профессия студента Рис. 3.3.2.
группами. Для построения этих кривых используем четвертый показатель таблицы сопряженности. В таблице 3.3.2 значения этого показателя находятся под чертой. Для того чтобы построить, к примеру, эмпирическую кривую распределения студентов по их буду­щим профессиям для третьей группы по степени Удовлетворенности (частично удовлетворенные и частично неудовлетворенные), из таблицы 3.3.2 выделим столбец со значениями (0,16, 0,30, 0,30, 0,10, 0,08, 0,08). Это доли шести профессиональных групп в

совокупности удовлетворенны учебой на тройку. Аналогичным образом строятся и другие четыре кривые распределения.


Из визуального сравнения пяти построенны нами эмпирически кривы распределения видим следующее. По ожесть профессиональны структур наблюдается только для третьей и четвертой групп по удовлетворенности учебой. Практически в, каждой группе, кроме этих двух, по удовлетворенности своя собственная профессиональная структура. Из этого делаем следующий вывод: что признаки «будущая профессия» и «удовлетворенности учебой» статистически (по данным) связаны. Обратите внимание, что формально можно говорить о влиянии удовлетворенности на профессию, но содержательно это не имеет никакого смысла.

Это пример того, как выбор «языка» интерпретации эмпирической закономерности обусловлен содержанием признаков. В первом типе задач «язык» влияния, «язык» детерминации имеет смысл а во втором типе не имеет смысла. Соответственно в первом случае имеет смысл понятие направленной связи. Поэтому иногда очень важно заранее определить, какой из признаков может содержательно зависеть от другого. Отсюда возникают понятия зависимый (целевой) и независимый признак. Дихотомия «направленная ненаправленная» связь является важной в понимании свя3и.

Деление на зависимые — независимые признаки в социологии не всегда содержательно обосновано. Зачастую такое деление необходимо в процессе анализа и носит функциональный характер. В том смысле, что один и тот же признак независимо От его содержания в одной задаче может выступать в роли зависимого, а в другой — в роли независимого. Причем в рамка одного и того же исследования. Разумеется, присутствующая в каждом опросе «объективка» (пол, возраст, образование, происхождение и т. д.) порождает признаки, трактуемые как независимые.

Если вернуться к рис. 3.3.1 и к рис. 3.3.2, то можно заметить следующее. Представим себе, что все кривые на каждом из рисунков по ожи между собой. Что это означает для социолога? Во-первых, это значит, что профессиональная структура в группах студентов с различной степенью удовлетворенности учебой одинакова и не зависит от этой степени. При этом она (структура) такая же, как и профессиональная структура для всей совокупности студентов-гуманитариев (маргинальные частоты по строкам). Во-вторых, это значит, что структура удовлетворенности во всех профессиональных группах одинакова и не зависит от будущей профессии студента. При этом эта структура такая же, как во всей совокупности (маргинальные частоты по столбцам). Тогда связь между феноменами «профессия» и «удовлетворенность» отсутствует, статистическая связь не наблюдается. Наши признаки статистически независимы. Нетрудно догадаться, что в исследованиях такая ситуация практически не встречается, и не потому, что отсутствие связи не наблюдается, а совсем по другим причинам. Основная причина — специфика наших социологических данных. Это их неустойчивый характер. Например, это проявляется в неточности измерения того же феномена, как удовлетворенность учебой. Причин тому множество. Это и несовершенство

методик измерения, и неустойчивость ответов респондента, и пло ая выборка. Ясно одно, всегда имеет место влияние многи случайны и неслучайных факторов на конкретные значения изучаемого нами признака. С неслучайными факторами социолог может бороться, а случайные будут иметь место всегда. Поэтому социолог делает выводы с учетом этой ситуации. Задается уровнем «ошибиться». Статистическая независимость констатируется не в идеальном случае, а в случае, близком к идеальному.

Представим себе противоположную ситуацию, когда на каждом из рисунков все кривые непохожи, несхожи. Для социолога это означает, что в каждой группе с разной степенью удовлетворенности учебой своя собственная профессиональная структура. В каждой профессиональной группе своя собственная структура удовлетворенности. Из этого следует, что будущая профессия студента связана с его удовлетворенностью учебой, наблюдается сильная статистическая зависимость. Естественно, такая ситуация в исследованиях тоже практически не встречается.

Реальные рисунки трудно поддаются визуальной интерпретации. К тому же в исследовании их бывает очень много. Отсюда и возникает необходимость в количественных оценках степени взаимосвязи между признаками, в определении, сильное или слабое влияние признаков друг на друга. Это можно сделать с помощью различных мер взаимосвязи. Мы подошли к важным понятиям меры связи, или коэффициенты связи. Таких мер много, так как много различны интерпретаций понятия «связь». Другими словами, связь может пониматься по-разному. Это во-первы . Во-вторы , даже в рамка одного и того же понимания связи существуют различные способы ее математической формализации. Отдельно взятый коэффициент — математическая формализация некоторого понимания связи.

То, что нужны некоторые количественные оценки степени похожести эмпирических кривых распределения, не вызывает теперь у вас никакого сомнения. Но это только один контекст, одна из интерпретаций понимания связи. Прежде чем рассмотреть различные коэффициенты связи, введем дихотомические пары понятий, без которых невозможно перейти к эмпирической интерпретации понятия «связь». Каждая интерпретация или контекст порождает свою собственную группу коэффициентов связи. Эти ди отомические пары для социолога составляют понятийный аппарат при использовании в анализе понятия «связь». Некоторые из эти пар были упомянуты выше: зависимый признак — независимый, направленная связь — ненаправленная, статистическая зависимость — независимость, сильная (тесная) связь — слабая.

Коротко поясним содержательный смысл еще нескольких пар понятий. При этом будем упоминать коэффициенты связи (пока их названия, принятые в литературе), которые будут введены в следующем разделе. Итак, следующая пара понятий: функциональная связь —корреляционная связь. Из школьной математики вы прекрасно знаете, что функциональной связью между двумя признаками называется такая связь, когда одному и тому же значению одного признака соответствует одно или несколько значений другого. Геометрически — это красивые плавные кривые (прямая, парабола, синусоида и т. д.) или кривые с точкой разрыва (гипербола). Функциональные связи в социологии встречаются в основном при работе с данными первого типа. Примером функции является и любой аналитический индекс. При рассмотрении связи между двумя признаками в рамках других типов информации наблюдается другая картина — одному и тому же значению признака соответствует целое распределение значений по другому из признаков. Такая связь называется корреляционной (точнее, стохастической, но мы такие тонкости, как различие стохастических и корреляционных связей, рассматривать не будем). Эти связи между двумя признаками геометрически могут быть изображены в виде облаков точек в двумерном пространстве, т. е. на плоскости.

Рис. 3.3.3 Сильная связь Рис. 3.3.4 Слабая связь
Корреляционная связь может быть сильной (рис. 3.3.3) и слабой (рис. 3.3.4). В первом случае облако точек имеет четкую конфигурацию, четкую закономерность. Если признаки имеют метрический уровень измерения, то можно сказать, что с ростом значений одного признака растет в среднем и значение другого. Здесь наблюдаем линейную связ . Эта закономерность может быть описана посредством прямой линии, которая называется линией регрессии. Разумеется, корреляционная связь может быть и нелинейной, т. е. описываться не прямыми.

Для нас важно, что корреляционные связи могут быть описаны с помощью функциональных. Другими словами, социологу правомерно ставить вопрос, насколько корреляционная связь отличается от заданной им (в виде гипотезы) функциональной. С аналогичной ситуацией мы уже сталкивались. Практически все коэффициенты качественной вариации основаны на оценке степени отклонения от равномерного распределения (от прямой линии).

Социолог сталкивается с необ одимостью задавать или выбирать функциональные зависимости при работе с любым из пяти типов информации. При работе с динамическими рядами главная задача построить, подобрать функцию, описывающую этот ряд. Многие математические методы предполагают задание характера зависимости изучаемых признаков. Правда, из этого не следует, что мы всегда найдем функцию, подходящую для описания эмпирической закономерности.

Существует мера связи в предположении, что корреляционная связь носит линейный характер и признаки имеют метрический уровень измерения. Такая мера называется коэффициентом линейной связи Пирсона.

Целесообразно также использование такой пары понятий, как глобал ные локал ные меры связи. Эта пара понятий необ одима для условного обозначения следующей ситуации. Вернемся к таблице сопряженности для нашего случая. Как было отмечено, определить связь между будущей профессией студента и удовлетворенностью учебой можно, сравнивая их условные распределения. В этом случае речь идет как бы о связи этих двух признаков в целом. Меры, отражающие эту целостность, можно определить условно как меры «глобального» арактера для таблицы сопряженности. К такого рода мерам относятся коэффициенты, основанные на величине «хи-квадрат» и Гудмена-Краскала.

В то же время можно поставить вопрос о связи следующим образом. Например, связана ли самая низкая удовлетворенность учебой с второй профессией (социолог). Тогда речь идет условно как бы о связях в локальном смысле. Для таких случаев существуют также коэффициенты связи. Это такие коэффициенты, как коэффициент Юла, показатели детерминации.

Вместо рассмотренной нары направленная связь — ненаправленная можно пользоваться терминами: симметричная связь асимметричная. При вычислении направленных коэффициентов связи между признаками X и Y, как правило, оказывается, что значение коэффициента для X— Y не равно значению для Х—Y. Два признака неравноправны, их нельзя формально поменять местами. Отсюда возникают асимметричные коэффициенты. Они не всегда удобны для использования в сложных математических методах. Потому при двух асимметричных коэффициентах всегда существует третий, как бы их усредняющий. Мы столкнемся с тройкой мер Гуттмана и с тройкой мер Гудмена - Краскала.

Перейдем к рассмотрению взаимосвязанных пар понятий, таких, как непосредственная связь опосредованная, истинное (значение коэффициента) — ложное. Первая пара понятий важна при интерпретации количественного значения коэффициента связи. Здесь необ одимо отметить, что по таким значениям не всегда ложно говорить о силе связи (сильная — слабая). В ряде случаев просто констатируется наличие или отсутствие определенным образом понимаемой связи. Если по конкретному значению коэффициента мы видим, что связь есть, то это вовсе не означает существования в реальности непосредственной связи между двумя изучаемыми признаками, а может означать наличие опосредованной связи. Отсюда вторая пара понятий: истинное значение — ложное. В литературе тому есть множество примеров. Например, в США за 1870—1910 годы было установлено наличие связи между заработной платой учителей и потреблением вина. Это пример ложной связи. Ибо она была опосредована тем, что в эти годы наблюдался промышленный бум и рост заработной платы и тем самым рост потребления вина во всех группах населения. В на­шем случае можно сказать, что связь между будущей профессией студента и удовлетворенностью учебой есть. Но она может носить ложный характер, т.е. опосредована другими признаками. Например, социальным происхождением, успеваемостью, удовлетворенностью жизнью, уверенностью в завтрашнем дне и т. д.

Возможна и другая ситуация, когда значение коэффициента связи указывает на ее отсутствие, а на самом деле связь существует. Пример приведем в следующем разделе книги для случая таки признаков, как удовлетворенность собой и удовлетворенность жизнью.

Еще несколько слов о статистической зависимости — статистической независимости. Это очень важные понятия. Вернемся опять к нашей таблице сопряженности и задаче сравнения условных распределений. Выше, исходя из элементарного здравого смысла, мы пришли к необходимости использования направленных мер связи для определения различия в структурах распределения. Тем самым для определения: наблюдается ли статистическая зависимость между будущей профессией студента и удовлетворенностью учебой. Но для определения статистической зависимости можно исходить и из другой модели, из других соображений. Поставим вопрос так. Какая величина может стоять в ячейке таблицы со­пряженности, если эти признаки статистически независимы? Разумеется, такой вопрос правомерен. При этом маргинальные частоты (одномерные, простые) нам известны по нашей выборке.

Рассмотрим, к примеру, ячейку (2,1). Она соответствует будущим социологам, неудовлетворенным учебой. Статистическую независимость признаков «будущая профессия» и «удовлетворенность учебой» можем понимать следующим образом. Доля неудовлетворенных учебой социологов среди все студентов-социологов равна доле не удовлетворенны учебой студентов среди все студентов-гуманитариев. Ведь такое понимание связи не должно вызывать у вас неприятия, ибо не противоречит здравому смыслу социолога. Тогда в ситуации статистической независимости легко определяется то значение, которое должно стоять в нашей ячейке. Оно вычисляется исходя из упомянутой выше пропорции. К ней мы вернемся при рассмотрении мер связи, основанных на так называемой величине «хи-квадрат».

Многие коэффициенты связи как раз и определяют отклонение реальных частот (того, что получено по выборке) от частот как бы теоретически , т. е. вычисленны по той же таблице, но для случая статистической независимости.

И наконец, обратим внимание еще на одну пару понятий. Социолога интересует связь между признаками для выявления причинно-следственных отношений между признаками. Поэтому он изучает связи всегда в контексте: влияет — не влияет; детерминирует — не детерминирует; увеличивает информацию — не увеличивает; улучшает прогноз — не улучшает и т. д. После всех наших предыдущих рассуждений является очевидным, что наличие корреляционной связи не говорит о причинности [3. с. 72—119; 11. с. 43—63]. И в то же время для причинного анализа невозможно обойтись без изучения корреляционны связей. Термином «причинный анализ» принято обозначать специфический класс мате­матически методов. Вместе с тем проблема причинности в нашей науке очень интересная, сложная область, которую нельзя свести только к классу математических методов.

Итак, мы познакомились с дихотомическими парами понятий, которые важны для изучения и понимания связи, т. е. для эмпирической интерпретации понятия «связь». Они таковы:



причинная — корреляционная; функциональная — корреляционная; направленная — ненаправленная; локальная — глобальная; истинная —южная; статистическая зависимость — статистическая независимость; симметричная — асимметричная; непосредственная — опосредованная; линейная — нелинейная.

Коэффициенты связи, меры связи бывают не только парные (мы будем рассматривать только такие), но и частные, множественные. Различают коэффициенты для номинального, порядкового, метрического уровня измерения. Сами таблицы сопряженности бывают разные. Они бывают и многомерные, если сопрягаются несколько признаков, и тогда их называют таблицами с несколькими входами. Очень интересной в социологии явля­ется таблица сопряженности квадратного вида (число строк равно числу столбцов), когда сопрягается признак с самим собой. Она возникает в ситуации панельного исследования. Представим себе, что тех же студентов-гуманитариев мы опросили повторно через пару лет. Тогда таблица для двух признаков, например, «уверенность в завтрашнем дне в 1997 году» и «уверенность в завтрашнем дне в 1999 году», позволит изучить степень изменчивости такой уверенности. Для анализа таких таблиц сопряженности существуют специфические меры связи.





Поделитесь с Вашими друзьями:
1   ...   46   47   48   49   50   51   52   53   ...   71


База данных защищена авторским правом ©znate.ru 2019
обратиться к администрации

    Главная страница