Определение «склеиваемых» градаций признака «профессия» при голосовании

Мы должны «склеить» следующие градации: респонденты, отметившие одну градацию, обладают тем же поведением, что и респонденты, отметившие другую. Рассмотрение соответствующих совокупностей респондентов отдельно не имеет смысла. Такими свойствами обладают градации «врач» и «учитель». Если мы рассмотрим отдельно представителей этих профессий, то не получим разные типы избирателей: половина врачей хочет голосовать за Я, половина учителей также выбирают Я. Одинаковое количество учителей (5 человек, 17 %) хотят голосовать за Е и З соответственно, и то же самое можно сказать о врачах и т.д. Врачей же и рабочих нельзя объединять. Они являют собой совершенно разный тип электорального поведения: за Я собираются голосовать 50% (30 человек) врачей и менее 2% (2 человека) рабочих и т.д.

Для конкретного признака Х проверяем все пары альтернатив. Считаем, что каждая пара отвечает своему дихотомическому признаку и, задавшись уровнем значимости (скажем, a = 0,05), вычисляем критерий «хи-квадрат» для этого признака и Y. Отбираем те пары, для которых значение не превышает соответствующее критическое значение. Это пары, для которых имеет смысл принять нашу нуль-гипотезу. Далее выбираем ту пару, для которой меньше всего, т. е. для которой наша нуль-гипотеза принимается как бы с большей надежностью. Именно альтернативы этой пары мы и склеиваем.

Склеив какие-то альтернативы в каждом из анализируемых признаков, мы вычисляем критерий «хи-квадрат» между каждым из оставшихся к рассматриваемому шагу признаком Х_i и Y. Отберем те признаки Х_i, для которых наш критерий превышает критическое значение, т. е. для которых следует считать, что между каждым из них и Y есть связь. Среди этих признаков отберем тот, для которого имеет наибольшее значение (связь существует с наибольшей вероятностью). По его градациям мы и будем далее разбивать совокупность респондентов.

Описанные процедуры мы реализуем так же, как и в алгоритме ТHAID. В итоге выделяются группы респондентов, каждая из которых описывается последовательностью значений рассматриваемых признаков.

CHAID, так же, как и THAID, не гарантирует выявления в исходных данных всех интересующих исследователя закономерностей, т. к. на каждом шаге разбиения алгоритм оценивает лишь двумерную связь. Алгоритм задействован в известном пакете программ SPSS и очень информативен для социолога.

6.5.Анализ связей типа «признак - группа признаков»