16 Методы получения первичной информации

Методы получения первичных данных принято классифицировать на количественные и качественные методы.

Количественные методы получения данных обычно связаны с проведением измерений и различных опросов. Характерными особенностями таких методов являются: четко определенные формы данных и источники их получения, обработка собранных данных с помощью упорядоченных количественных процедур.

Качественные методы включают сбор, анализ и интерпретацию данных путем наблюдения за тем, что люди делают и говорят. Наблюдения и выводы носят качественный характер и осуществляются в нестандартной форме. С помощью специальных процедур качественные данные могут быть переведены в количественную форму.

При сборе первичных данных чаще пользуются качественными методами. Связано это тем, что, во-первых, качественные методы нередко являются источниками идей. Во-вторых, крупномасштабные дорогостоящие количественные исследования далеко не всегда дают необходимые результаты, особенно если в их основе нет перспективных идей.

К качественным методам принято относить наблюдение, глубинные интервью, анализ протоколов бесед, некоторые разновидности экспертных методов. Если наблюдения сопровождаются измерениями, то это способ количественного исследования.

17 Методы анализа: вариационный, дискриминантный, дисперсионный, корреляционный, корреляционно-регрессионный, факторный

В рамках вариационного подхода ставится задача классификационного анализа данных. Показывается, что частными случаями данной постановки являются задача четкого и размытого кластерного анализа, задачи экстремальной группировки параметров и кусочно-линейной аппроксимации. Исследуются различные типы размытости результирующих классификаций: четкая классификация, размытая, классификация с размытыми границами, качественная размытая классификация, классификация с перекрывающимися классами и др. Для функционала качества классификации общего вида исследуется вид оптимальной классификации и строятся алгоритмы его оптимизации для конечной и бесконечной выборки объектов. Доказывается сходимость разработанных алгоритмов. 

     Дискриминантный анализ, как раздел многомерного статистического анализа, включает в себя статистические методы классификации многомерных наблюдений в ситуации, когда исследователь обладает так называемыми обучающими выборками ("классификация с учителем"). Например, для оценки финансового состояния своих клиентов при выдаче им кредита банк классифицирует их по надежности на несколько категорий по ряду признаков. В случае, когда следует отнести клиента к той или иной категории используют процедуры дискриминантного анализа. Очень удобно использовать дискриминантный анализ при обработке результатов тестирования. Так при выборе кандидатов на определенную должность можно всех опрошенных претендентов разделить на две группы - удовлетворяющих и неудовлетворяющих предъявляемым требованиям. 

    В основе дисперсионного анализа лежит предположение о том, что одни переменные могут рассматриваться как причины (факторы, независимые переменные), а другие как следствия (зависимые переменные).  Независимые переменные называют иногда регулируемыми факторами именно потому, что в эксперименте исследователь имеет возможность варьировать ими и анализировать получающийся результат.

Сущность дисперсионного анализа заключается в расчлене­нии общей дисперсии изучаемого признака на отдельные компо­ненты, обусловленные влиянием конкретных факторов, и про­верке гипотез о значимости влияния этих факторов на исследуе­мый признак. Сравнивая компоненты дисперсии друг с другом посредством F — критерия Фишера, можно определить, какая доля общей вариативности результативного признака обусловле­на действием регулируемых факторов.

Задача корреляционного анализа сводится к установлению направления (положительное или отрицательное) и формы (ли­нейная, нелинейная) связи между варьирующими признаками, измерению ее тесноты, и, наконец, к проверке уровня значимо­сти полученных коэффициентов корреляции.

Это группа методов, направ­ленных на выявление и математическое выражение тех измене­ний и зависимостей, которые имеют место в системе случайных величин. Если такая система моделирует педагогическую, то, следовательно, путем регрессионного анализа выявляются и ма­тематически выражаются психолого-педагогические явления и зависимости между ними. Характеристики этих явлений изме­ряются в разных шкалах, что накладывает ограничения на спо­собы математического выражения изменений и зависимостей, которые изучаются педагогом-исследователем.

Методы регрессионного анализа рассчитаны, главным обра­зом, на случай устойчивого нормального распределе­ния, в котором изменения от опыта к опыту проявляются лишь в виде независимых испытаний.

Выделяются различные формальные задачи регрессионного анализа. Они могут быть простыми или сложными по формулировкам, по математиче­ским средствам и трудоемкости. Перечислим и рассмотрим на примерах те из них, которые представляются основными.

Первая задача — выявить факт изменчивости изучаемого яв­ления при определенных, но не всегда четко фиксированных условиях. В предыдущей лекции мы уже решали эту задачу с помощью параметрических и непараметрических критериев.

Вторая задача — выявить тенденцию как периодическое изменение признака. Сам по себе этот признак мо­жет быть зависим или не зависим от переменной-условия (он может зависеть от неизвестных или неконтролируемых иссле­дователем условий). Но это не важно для рассматриваемой за­дачи, которая ограничивается лишь выявлением тенденции и ее особенностей.

Факторный анализ в учебной литературе трактуется как раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц.

Свою историю факторный анализ начинает в психометрике и в настоящее время широко используется не только в психологии, но и в нейрофизиологии, социологии, политологии, в экономике, статистике и других науках. Основные идеи факторного анализа были заложены английским психологом и антропологом Ф. Гальтоном. Разработкой и внедрением факторного анализа в психологии занимались такие ученые как: Ч.Спирмен, Л.Терстоун и Р.Кеттел. Математический факторный анализ разрабатывался Хотеллингом, Харманом, Кайзером, Терстоуном, Такером и другими учеными.

Данный вид анализа позволяет исследователю решить две основные задачи: описать предмет измерения компактно и в то же время всесторонне. С помощью факторного анализа возможно выявление факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.