сделать домашней  добавить в избранное  карта сайта RSS
 

Вебинары HRM.RU

Прогноз эффективности кандидатов на основе тестов
Начало 26.05.2017 12.00 (по московскому времени)

Полный список вебинаров

События

полный список

Последние обсуждения

  26.09.2019 16:41:06
Новый уровень безопасности дыхания
  30.08.2019 14:26:41
Worldskills International и 3М запускают новый совместный проект «Образование во имя будущего»
  30.08.2019 11:33:40
Молодые профессионалы за устойчивое будущее
  24.08.2019 14:36:18
Научные эксперименты, продуктовые тесты и мировые технологии для молодых профессионалов
  09.08.2019 16:18:31
Только оригинальные СИЗ обеспечивают гарантированную защиту


Опросы
  Актуальные направления работы HR вашей организации 2017
Все опросы


Крыштановский. Анализ социологических данных. Глава 2 взаимосвязь переменных. 2.1
Двумерные таблицы 2.2. Обработка данных на компьютере

      Тематические разделы:
      Психология, теории HR
      Психология, теории HR : Социальная психология
      Общий менеджмент : Аналитика
      Книги

      Дата публикации: 09.07.2017






      2

      глава

      ВЗАИМОСВЯЗЬ ПЕРЕМЕННЫХ

      Описанная в первой главе обработка данных отдельно по каждой из

      переменных является, как правило, первым, исходным этапом анализа

      собранной информации. Вместе с тем наиболее интересные вопросы,

      занимающие социологов, связаны с одновременным анализом значений

      более одной переменной.

      Обычный подход к анализу собранных данных предполагает формирование

      моделей типа: «социальные группы с разным уровнем образования

      (уровнем дохода, местом жительства и т.п.) отличаются по характеру

      проведения досуга (политическим предпочтениям, степени удовлетворенности

      жизнью и т.п.)». Другими словами, допускается, что

      существует переменная (скажем, принадлежность к определенной социальной

      группе), которая объясняет поведение других переменных.

      Таким образом, в этой модели у нас есть причина и есть следствие.

      В традиционной терминологии объясняющие переменные называются

      независимыми, а объясняемые переменные—зависимыми.

      В простейшем случае анализа двух переменных модель влияния

      представлена на рис. 2.1. Здесь влияние одной независимой переменной

      ставится в центр изучения, а влияние других переменных на зависимую

      переменную выступает в качестве причины, формирующей

      остатки, т.е. не объясняемую данной моделью часть поведения зависимой

      переменной. Если остаток невелик, можно считать, что наша

      модель описания поведения зависимой переменной с помощью независимой

      переменной достаточно точно объясняет собранные данные.

      Функцию меры качества модели взаимосвязи переменных выполняют

      коэффициенты связи. Ниже мы подробно остановимся на коэффи-

      циентах связи, их особенностях и методах вычисления, но подход одинаков

      — чем выше коэффициент, тем больше взаимосвязь переменных,

      тем выше качество модели, и тем, соответственно, меньше остаток.

      Рис. 2.1. Объясняющая модель поведения зависимой переменной

      2.1

      Двумерные таблицы

      К наиболее часто используемым инструментам изучения взаимосвязи

      двух переменных относятся методы анализа таблицы сопряженности.

      Анализ таблицы является весьма простым и наглядным, и вместе

      с тем эффективным инструментом изучения одновременно двух

      переменных. Двумерная таблица сопряженности для переменных ql 2

      и q2 (табл. 2.1) составлена по данным исследования ·Мониторинг

      социальных и экономических перемен в России·, которые получены

      из ответов на вопросы:

      qlO Как бы вы оценили в настоящее время материальное положение

      вашей семьи?

      1. Хорошее, очень хорошее.

      2. Среднее.

      3. Плохое, очень плохое.

      4. Затрудняюсь ответить.

      ql2 Как бы вы оценили в целом политическую обстановку в

      России?

      1. Благополучная, спокойная.

      2. Напряженная.

      3. Критическая, взрывоопасная.

      4. Затрудняюсь ответить.

      Таблица 2.1. Таблица сопряженности для переменных

      ql0nql2

      В табл. 2.1 на пересечении строк и столбцов находятся числа, показывающие,

      какое количество единиц анализа (в данном случае — респондентов)

      обладают одновременно данными градациями по переменным

      qlO и ql2. Например, на пересечении первой строки и второго

      столбца стоит число 48 — это значит, что градацию ·1· переменной q 10

      (считают материальное положение своей семьи хорошим или очень

      хорошим) и градацию ·2· переменной ql2 (считают политическую

      обстановку в России напряженной) одновременно отметили 48 человек.

      Внизу таблицы сопряженности располагаются суммарные данные

      по всем колонкам, а с правого края таблицы — аналогичные сум-

      мы по всем строкам. Иными словами, сбоку справа и снизу находятся

      одномерные частотные распределения для переменных, использованных

      в таблице.

      Можно ли по данным табл. 2.1 сразу дать ответ на вопрос о

      наличии зависимости между переменными qlO и ql2? По всей вероятности,

      нет — стоящие в клетках таблицы числа ничего особенного

      не демонстрируют. Поставим вопрос иначе — а что, собственно, мы

      ищем? По всей видимости, при наличии зависимости между переменными

      qlO и ql2 при разных значениях переменной ql0 поведение

      данных по переменной ql2 будет различным. Если говорить о примере

      табл. 2.1 — это значит, что респонденты, по-разному оценивающие

      свое материальное положение, будут по-разному оценивать политическую

      обстановку в России.

      Если бы количество респондентов, имеющих различные значения

      переменной qlO, было одинаковым, в табл. 2.1 можно было бы

      сравнивать между собой строки и оценить, насколько схожи значения

      в клетках, располагающихся в одной колонке. Однако количество респондентов

      по строкам сильно разнится, поэтому для такого сравнения

      построим таблицу, в клетках которой располагаются не абсолютные

      количества единиц анализа, а процент от сумм по строкам. Другими

      словами, число респондентов в каждой строке берется за 100%

      и от этого числа считается процент в каждой клетке таблицы. Таким

      образом, мы как бы нормируем каждую строку таблицы и получаем

      возможность сравнения распределений по строкам (табл. 2.2).

      Таблица 2.2 показывает, что оценка политической ситуации в

      России значительно отличается по группам респондентов, по-разному

      оценивающих материальное положение своей семьи, и, следовательно,

      имеется определенная зависимость между переменными qlO и ql2.

      При анализе зависимостей двух переменных важнейшим является

      вопрос о том, какую из переменных считать зависимой, т.е. подверженной

      влиянию, а какую — независимой, т.е. влияющей. В табл. 2.1

      и в последующих рассуждениях предполагалось, что оценка материального

      положения семьи — независимая переменная, иными словами,

      она влияет на оценку политической ситуации, которая, следовательно,

      выступает зависимой переменной. Если мы поменяем места-

      ми переменные в модели и будем считать, что оценка политической

      ситуации оказывает влияние на оценку материального положения семьи,

      целесообразно изменить таблицу и проводить нормирование не

      от сумм по строкам, а от сумм по колонкам. Таблица 2.3 построена

      именно таким образом, т.е. использованы данные табл. 2.1, но нормированные

      по колонкам.

      Таблица 2.2. Таблица сопряженности переменных

      ql0 и ql2, %

      Очевидно, что при решении вопроса о зависимости между переменными

      qlO и ql2 при анализе табл. 2.3 необходимо сравнивать распределения

      по разным колонкам таблицы, а не по строкам, как при

      анализе таблицы, представленной на рис. 2.2. Такое сравнение показывает,

      что среди респондентов, оценивающих политическую ситуацию

      в России как критическую, материальное положение своей семьи оценивают

      как плохое 49,1% респондентов (колонка 3, строка 3 табл. 2.3).

      В то же время среди оценивающих политическую ситуацию оптимистичнее,

      как напряженную, материальное положение своей семьи

      считают плохим 23,1% респондентов (колонка 3, строка 2 табл. 2.3).

      Таблица 2.3. Таблица сопряженности переменных

      ql0nql2, %

      Рис. 2.2. Меню команды Crosstabs пакета SPSS

      2.2. Обработка данных на компьютере

      При анализе таблиц сопряженности крайне важно помнить, что

      мы, по сути дела, ищем наличие (или отсутствие) определенных статистических,

      а не причинно-следственных зависимостей. Вопрос о

      том, какая из переменных является причиной, т.е. оказывает влияние,

      а какая меняется вследствие этой причины, не может быть решен не

      только с помощью анализа таблиц, но и любым другим формально-

      статистическим методом. Это вопрос понимания той модели, которую

      мы проверяем методами построения таблиц либо другими статистическими

      приемами. Но результатом такой проверки не может быть

      утверждение: «наша модель верна», либо «наша модель неверна».

      Утверждать мы можем лишь то, что данные не противоречат (или,

      наоборот, противоречат) построенной модели, что само по себе отнюдь

      не является гарантией ее справедливости.

      Иллюстрацию этой мысли можно найти у О. Генри. В рассказе

      «Вождь краснокожих» главный герой предложил изящную модель для

      ответа на вопрос о том, почему дует ветер — потому, что деревья

      качаются. Если собрать данные о ветре и поведении деревьев во время

      ветра, любой статистический метод покажет, что данные ни в коем

      случае не противоречат этой модели, что, видимо, и послужило Джиму

      основанием для столь глубокомысленного вывода.

      2.2

      Обработка данных на компьютере

      Построение таблиц сопряженности в пакете программ SPSS осуществляется

      с помощью команды Crosstabs. На рис. 2.2 показано меню

      этой команды. В списке всех переменных необходимо выбрать те из

      них, значения которых будут идти по строкам таблиц (окно Row(s)), и

      те, которые пойдут по колонкам (окно Column(s)).

      Выбранные в меню рис. 2.2 переменные (qlO и ql2) определяют

      те переменные, которые будут представлены в получаемой таблице,

      но не определяют, каков же именно будет вид таблицы. Действитель

      Глава 2. Взаимосвязь переменных

      но, в табл. 2.1, 2.2 и 2.3 использовались переменные qlO и ql2, однако

      таблицы значительно различались. То, какие характеристики будут

      присутствовать в задаваемой таблице, определяется в меню, которое

      вызывается нажатием клавиши Cells... (рис. 2.3).

      Рис. 2.3. Меню Cells команды Crosstabs

      Как видно из рис. 2.3, меню Cells содержит 8 окон, причем каждое

      определяет параметр, который определит вид получаемой таблицы

      сопряженности. Таким образом, если выбрать все предлагаемые

      параметры, можно получить таблицу, в каждой из клеток которой будет

      восемь разных чисел.

      В меню (см. рис. 2.3) все предлагаемые параметры разбиты на

      три группы:

      1) Counts (значения);

      2) Percentages (проценты);

      3) Residuals (остатки).

      Если в блоке Counts поставить галочку в окне Observed, получим

      таблицу, в клетках которой показано количество единиц анализа

      (т.е. табл. 2.1). Если в блоке Percentages выбрать окно Row (строка),

      получим таблицу с процентами, нормированными по строкам (табл. 2.2).

      2.3. Коэффициенты связи для номинальных переменных

      Если, наконец, выбрать окно Column (колонка), получится табл. 2.3.

      Подчеркнем, что выбор окон в меню Cells команды Crosstabs происходит

      исключительно исходя из решаемых задач. Можно выбрать любое

      количество окон, и даже ни одного. Последний вариант, на первый

      взгляд, кажется странным, ведь в этом случае мы не получим таблицы!

      Однако в дальнейшем будет показано, что такая ситуация имеет

      свой смысл.





      Share |

       

      Версия для печати

      Читайте также

      Лидер – это человек, который отлично себя знает
      Лидер – это человек, который отлично себя знает

      Питер Врица - доктор философии, тренер, наставник и консультант с мировым именем, один из "столпов" нейро-лингвистического программирования.

      Офис строгого режима. Зачем библиотекарю вилка, а арендодателю святая вода

      Аутентичность: оценка эффективности рекрутинговых сообщений
      Почему ваше резюме наводит скуку, и как расширить свои карьерные перспективы

      Сотрудник, ответственный за скрининг, затрачивает 15-20 секунд на просмотр одного резюме. Статья Д-ра Салливана на нашем портале
      Крыштановский. Анализ социологических данных. Глава 5. Исследование структуры данных 5.2 Кластерный анализ

      Секрет успешной работы с фрилансерами
      Секрет успешной работы с фрилансерами

      В этой заметке открывается секрет и большая тайна. Все знают, что, работая с фрилансером, можно получить как отличный результат, так и большую головную боль. Но от чего этот результат зависит, знают очень немногие. Я знаю. И вам расскажу.

      Имя 
      Пароль  забыли?
      Присоединяйтесь!

      Новые материалы

         Названы самые высокооплачиваемые вакансии в Башкирии
         Не все профессии равны. Вчерашние школьники идут в телевизионщики и PR
         Новочебоксарские безработные граждане обучаются востребованным профессиям
         Где в Уфе заработать 100 тысяч рублей в месяц
         Сколько в среднем получают владимирские врачи?


      Последние комментарии

        
         мне приятно Вас читать 99 % читаемое мной - мусор... А на ваших постах глаза отдыхают 
         Действительно, Эдуард, что это я! Всё ещё hr, всё ещё пишу - с удовольствием вернусь)))
         Марина, вы вернетесь к нам или уже все?)
         вы можете оставлять активную ссылку на источник 
      Все статьи


      Интервью




      Публикую статью Алексея Королькова с видеокомментарием
      все интервью


      О проекте      Реклама       Подписка       Контакты       Rambler's Top100 Яндекс цитирования ©2000-2011, HRM