Формирование признаков и их значений в социологических исследованиях

Включая в анкету вопрос, схожий, например, с упомянутыми выше вопросами об удовлетворенности человека своим трудом или зарплатой, мы по сути дела и предполагаем существование того, что обычно называется признаком. Понятие признака - это определенного рода модель реальности, отражающая наши представления о ней. При этом приходится решать ряд важных проблем. Остановимся на самых существенных:

1) Проблема существования признака. Понятие 'признак' возникает только тогда, когда человек в разных объектах начинает выделять нечто общее, по-разному в них проявляющееся. Например, работники предприятия могут быть по-разному удовлетворены трудом: от совсем неудовлетворенны, до полностью удовлетворены. Количество возможных значений им обычно задается (пространственный континуум шкалы). Однако, людям зачастую непонятно о чем именно спрашивает социолог. О содержании труда, его интенсивности или, наконец, об отношениях с начальством, коллегами. Такая множественность интерпретаций ставит под сомнение существование самого признака.

2) Проблема непрерывности признака. Задав определенный пространственный континуум признака, скажем, 'от очень плохо' = 1 до 'очень хорошо' = 5, не следует забывать, что существуют промежуточные значения: 'где-то между 2 и 3'. Респондент аппроксимирует (округляет) значение. Но, если континуум недостаточно широк, то он может не найти более-менее подходящее. Тогда получаемый числовой ряд сильно не совпадает с эмпирической системой.

3) Проблема зависимости характера шкалы Как мы отметили, возраст может быть выражен в метрической, номинальной и интервальной шкалах. Выбор шкалы зависит от содержательных концепций социолога, его рефлексии по поводу свойств ис­пользуемого инструмента измерения. Значения практически любого признака из 'паспортички' можно интерпретировать сходным образом - не в соответствии с 'физическим' способом измерения признака, а в соответствии с какими-то гипотезами исследователя, вкладывающего в получаемые числа свой собственный смысл. Та­кого рода признаки называются признаками-приборами. Они нужны для установления характера взаимосвязи между элементами ЭС. Допустим, мы знаем, что с увеличением возраста, растет степень электоральной активности населения. Мы можем установить линейную корреляцию по метрическим признакам: 'возраст' и 'степень электоральной активности'. Исходя из этого, мы можем спрогнозировать явку избирателей (имеется демографическая статистика), но не сможем сказать сколько проголосуют за того или иного кандидата. Для этого нам нужно создать признак-прибор 'возраст по ранговой шкале'. Тогда, установив корреляцию между полученными возрастными ранговыми группами и явкой, мы измеряем популярность кандидата в каждой группе и можем сделать более-менее точный прогноз. Как определить количество ранговых возрастных групп? По формуле Стерджесса или с помощью регрессионного анализа (сравнение линий регрессии).

i - количество интервалов

N - количество опрошенных

X - минимальное и максимальное встречающееся значение

Признаки-приборы создаются в процессе обработки данных.

4) Проблема размерности признака. Если мы признак 'удовлетворенность трудом' разложим на его латентные составляющие: содержание труда, его интенсивность, отношения с начальством, то и в этом случае остается многомерность. Скажем, с одной стороны человек доволен, что начальник с ним здоровается, интересуется здоровьем, с другой недоволен им как организатором. Здесь большую роль играет фон анкеты: респонденту может быть все равно какой организатор его начальник, последний его полностью устраивает, но по предыдущим вопросам он может сделать вывод, что интересуются именно деловыми качествами.

5) Проблема латентного признака. Мы уже говорили, что человек может под удовлетворенностью трудом понимать удовлетворенность зарплатой. Однако, есть и другой аспект. Скажем, на электоральную активность влияют: пол, возраст, место жительства и другие факторы. Если мы устанавливаем корреляцию по возрасту, то остальные становятся латентными. Приходится прибегать к многомерному анализу. При этом возрастает погрешность. Дифференциация выборки возможна до известных пределов. Об этом следует помнить, задавая пространственный континуум каждому признаку.

6) Проблема 'ложного' признака. Проблема известная, но в учебниках часто опускается. Допустим, мы установили, что большинство респондентов предпочитает кандидата Иванова, кандидату Петрову потому, что у программа первого нравиться больше: В реальности, у Иванова нет никакой программы, а программу Петрова никто не читал, в т.ч. и он сам. Что делать? Обычно здесь используется номинальная шкала с совместимыми альтернативами: 'Выберите 3 или, там, 5 подходящих ответов'. Иногда что-то дает. Но лучше использовать 'чертополосицу' (сленг) с образными вариантами ответов ('Физиономия Петрова кирпича просит'), которые идут вперемешку, и респондент отмечает все высказывания, с которыми согласен.

7) Проблема построения комплексного признака. Допустим, мы провели исследование и выяснили, что

10% населения знают кандидата Иванова и симпатизируют ему

20% - знают и поэтому отрицательно относятся

30% - не знают, но симпатизируют и

40% - не знают и он им антипатичен

Естественно, кандидата интересует последняя группа потенциальных избирателей. Что бы им пообещать, чтоб сразу полюбили? Какая характеристика группы? Допустим, в ней преобладают женщины и молодежь. Ага, вот месседж кампании: 'Каждой женщине по мужу, увеличение стипендии и создание сети дискотек со свободным входом'. Но 4 группа - это те, кто не доверяет всем без исключения политикам, и воздействовать на них бесполезно (латентный фактор). А вот люди из третьей группы, 'узнав Иванова', могут переменить свое мнение о нем.

5. Использование индексов.

Индекс - статистический показатель, являющийся функцией от значений измеряемых признаков. Индексы чаще всего используются, когда необходимо получить значения признака, неподдающемуся непосредственному измерению. Это может быть комплексный или латентный признак. Латентный актуализируется чаще всего, когда нельзя получить значение прямым вопросом, например, 'Берете ли Вы взятки и сколько в среднем?'. Тогда задаются косвенные вопросы. Почти никогда не используются прямые вопросы, когда нужно узнать доход. Бабушка скажет, что ее пенсия 2 тысячи, а то, что еще столько же получает от продажи семечек, не скажет. Тогда у нее спрашивают сколько тратит на лекарства, продукты, мебель, подарки внукам и т. д. Мне здесь нравиться методика, когда у людей спрашивают про цены. Сдвинутые шкалы с вариантами ответов, если человек не знает цены, он часто выбирает среднее значение. Или разброс цен.

Если мы знаем, что на степень электоральной активности влияют пол, возраст, место жительства. Мы можем методом индексации создать комплексный признак. В данном случае важен вес каждого признака. Допустим, вес пола - 1, возраст - 2, тип поселения - 3. Т.е. из многомерного распределения мы получим одномерный индикатор (показатель), который можно будет соизмерять с другими признаками, например, симпатий с Ивановым. Следует помнить, что не все признаки являются показателями, а только те, которые имеют влияние на измеряемую характеристику.

Однако, при использовании индексов и полученных индикаторов могут возникнуть проблемы:

1) Существования одномерного индикатора. Если мы решим построить индикатор удовлетворенности трудом складывая значения по удовлетворенности отношения с начальством, заработной платой и т. д., то не следует забывать, что состояние удовлетворенности складывается под воздействием одних факторов, а неудовлетворенности - совсем других. Скажем одному человеку важно отношение окружающих, а зарплата - неважна: жена много зарабатывает, для другого - зарплата основной фактор.

2) Количество включенных переменных и их пространственный континуум. Можно упустить признак, имеющий характер влияющего фактора. Не подозревать о его существовании. Это понятно. Но и с остальными возникают проблемы. Сколько взять типов поселений и как это будет сочетаться с возрастными группами. Априорно мы знать не можем, приходиться полагаться на опыт и интуицию.

3) Выбор математической функции. Обычно полученное значение умножается на вес признака (если последний определялся), а потом все полученные результаты складываются и приводятся (если не лень) путем деления или умножения на определенный коэффициент к привычному интервалу (от 0 до 1 или до100). Но это не всегда корректно, особенно, когда признаки усиливают или ослабляют друг друга, т. е. модель их сочетаний нелинейная. Скажем, если человек сильно неудовлетворен зарплатой, то это сказывается на его эмоциональном состоянии: он становиться раздражительным, а отсюда начинают ухудшаться отношения с коллегами. Но это не прямая положительная связь. Если его зарплата не очень сильно тяготит (хочется побольше, но на жизнь хватает), то уже нет корреляции с отношениями с коллегами

1. Номинальные шкалы.

Номинальная шкала (шкала наименований) – это самый «низший» уровень измерения, предполагающий лишь констатацию подобия или различия объектов относительно какого-либо признака, то есть качественную однородность признака. Шкалу наименований представляет приписывание числовых индексов объектам. В них объекты помещаются в отдельные категории. При этом числовые индексы используются в качестве отличительных ярлыков (0–1), не имеющих количественного значения. Измерение в шкале наименований обеспечивает лишь группировку предметов в классы, идентичные в отношении определенного признака или свойства предмета. Измерить в шкале наименований – значит приписать число определенному признаку. Например, группировка учащихся по полу, социальному положению, месту жительства. К номинальному измерению относится и измерение типа «знает – не знает».

При использовании номинальных шкал можно определить, какой номинальный класс имеет самый большой состав, и назвать этот класс модой распределения. В данном случае мода является статистической мерой «центральной тенденции», т.е. если продолжить наблюдения, изменяя условия, в которых они проводились ранее, то мода будет представлять наблюдения, которые можно ожидать с максимальной вероятностью.

Если в каком-то классе 14 детей являются единственным ребенком в семье (эта категория условно будет поименована нулем «0»), 11 детей имеют брата или сестру (обозначим единицей «1»), 5 детей – двух (присвоим данной категории детей цифру «2»), 3 ребенка – трех (обозначим тройкой «3») и 1 ребенок – четырех братьев и сестер (обозначим «4»), то «0» («единственный ребенок в семье») является здесь модальной величиной. В данном примере упорядочить по возрастающей номинальные величины условно можно следующим образом: 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 4.

В шкале наименований объекты классифицированы, классы обозначены номерами. То, что номер одного класса больше или меньше другого, еще ничего не говорит о свойствах объектов за исключением того, что они различаются. Цифры 0, 1, 2, 3, 4 взяты нами произвольно, вместо них вполне возможно присвоить совсем другие цифры в любом порядке: 187, 59, 1001, 003 и т.п. За всеми цифрами нет никакого арифметического содержания, что еще более контрастно подчеркивается при вербальном обозначении, присвоив им имена [< лат. nomen] и обозначив терминами желтизна, синева, чернота и др. Невозможность применения арифметических операций в отношении к данной шкале является характерным признаком номинальных величин (см. таблицу 9).

Таблица 9

Характеристика шкалы наименований