- •Предисловие
- •Глава 1. Логика социологического
- •Исследования
- •Методология и логика социологического исследования.
- •Возможно ли объективное и научное социальное знание?
- •Методы социологического исследования: общий обзор
- •Дополнительная литература
- •Глава 2. Включенное наблюдение
- •Что такое включенное наблюдение?
- •Включенное наблюдение и этнографический метод:
- •Определение и исторические истоки
- •Планирование исследования: определение проблемы, отбор случаев, ситуаций и групп
- •Вхождение в ситуацию наблюдения, роли наблюдателя, взаимоотношения «в поле»
- •Процесс анализа и описания результатов
- •Дополнительная литература
- •Глава 3. Биографический метод Определение и истоки биографического метода в социологии
- •Сбор биографического материала
- •Анализ и интерпретация биографического материала
- •Дополнительная литература
- •Глава 4. Эксперимент в социальных науках
- •Определение и виды эксперимента. Основные принципы экспериментирования в социальных науках
- •Основные экспериментальные планы с контрольной группой и рандомизацией
- •Сокращенная таблица t-распределения Стьюдента (w. Gosset, 1908)
- •Многомерные и факторные эксперименты: общий обзор
- •Факторный эксперимент 2x2
- •Дополнительная литература
- •Глава 5. Массовые опросы в социологии Определение и истоки
- •Выбор исследовательского плана
- •Пример матрицы данных типа «респонденты х переменные»
- •(Два замера — две матрицы данных)
- •Концептуализация и измерение: общий обзор
- •И причинными индикаторами
- •Уровни измерения
- •Общие правила конструирования опросников
- •Смертной казни (пск) от «опыта жертвы» (ож)
- •Смертной казни
- •«Сензитивные» вопросы
- •Выбор формата для ответов
- •Макет анкеты (опросника)
- •Дополнительная литература
- •Глава 6. Качество измерения. Социологические индексы и шкалы Проблема качества социологического измерения
- •Надежность и валидность измерения
- •И «доля расходов на вооружение»
- •Конструирование индексов и шкал
- •Распределение «судейских» оценок для суждения n
- •Ответы на вопросы о росте для четырех гипотетических респондентов
- •Вопрос 1 Вопрос 2 Вопрос 3
- •И четырех респондентов
- •Распределение ответов для шкальных типов
- •Распределение ответов для «нешкальных» типов
- •Дополнительная литература
- •Глава 7. Построение выборки социологического исследования Выборочный метод: определение и истоки
- •Типы вероятностных выборок и их реализация
- •Определение шага отбора (к):
- •Размер вероятностной выборки
- •Целевой отбор
- •Дополнительная литература
- •Глава 8. Анализ данных Виды анализа данных
- •Одномерный анализ: табулирование и представление данных
- •Телефонные переговоры
- •У подростков мужского пола по возрастам, %
- •Вычисление среднего возраста посетителей библиотеки
- •Стандартные отклонения
- •Анализ связи между двумя переменными
- •Общая форма таблицы сопряженности размерности 2x2
- •Участие в выборах и пол
- •Взаимосвязь правонарушения и решения суда
- •Ранги четырех школьниц по привлекательности (X) и популярности(y)
- •Попарные сравнения рангов по переменным X и y
- •Метод уточнения в анализе связи между переменными
- •Корреляция, частная корреляция, регрессия
- •Мест в парламенте (y) для 10 политических партий
- •Множественная регрессия и путевой анализ
- •Множественный регрессионный анализ статистики изнасилований, 1979 г.2
- •Дополнительная литература
Взаимосвязь правонарушения и решения суда
Правонарушение
|
Приговор |
Всего
| ||
штраф
|
условный приговор |
тюремное заключение | ||
автомобильная кража |
5 |
30 |
5 |
40 |
кража со взломом |
0 |
30 |
20 |
50 |
подделка денег |
5 |
0 |
5 |
10 |
Всего |
10 |
60 |
30 |
100 |
Другой тип коэффициентов взаимосвязи номинальных (и не только номинальных) переменных называют мерами «пропорционального уменьшения ошибки». Все они основаны на следующем предположении (или модели): если две переменные взаимосвязаны, мы можем предсказать значение одной переменной для данного наблюдения (случая), зная, какое значение принимает другая переменная. Степень соответствия такого предсказания действительности и используется в качестве коэффициента взаимосвязи. Любой коэффициент взаимосвязи, основанный на модели «пропорционального уменьшения ошибки» («ПУО»), имеет общую структуру, задаваемую формулой:
где Е1 — количество ошибок в предсказаниях значений зависимой переменной, с деланных без учета распределения по второй, независимой, переменной, а Е2 — количество ошибок в предсказаниях значений зависимой переменной, сделанных на основе значений независимой переменной. Конкретные коэффициенты, основанные на «ПУО», будут различаться в зависимости от того, что мы считаем ошибкой и как подсчитывается количество ошибок. В качестве примера можно рассмотреть «may-коэффициент» Гудмана-Краскела1. Ошибкой в данном случае считается просто ошибочная классификация наблюдения, отнесение его в «неправильную» категорию. Рассмотрим таблицу сопряженности для приводимого Мюллером и соавторами примера2 гипотетических данных о влиянии типа правонарушения на характер решения суда (см. табл. 8.7).
Ошибка предсказания зависимой переменной (приговор), сделанного исключительно на основе ее собственного распределения, т. е. без учета распределения независимой переменной, определяется следующим образом. Мы знаем (см. маргиналы столбцов в нижней строчке таблицы), что в 60 случаях из 100 приговор был условным, но нам неизвестно, в каких именно шестидесяти случаях он был условным. Точно так же мы знаем, что в десяти случаях судья ограничился денежным штрафом, но мы наверняка неоднократно ошибемся, наугад определяя для каждого случая из 100, считать ли его одним из десяти «штрафных». Если бы каждому случаю соответствовала карточка с надлежащей надписью, которую мы с завязанными глазами помещали бы в одну из трех стопок, то при угадывании мы могли бы руководствоваться лишь значениями маргиналов по столбцам: в конечном счете в первой стопке должно оказаться 10 карточек, во второй — 60, а в третьей — 30.
Если мы наугад поместим во вторую стопку «условных приговоров» 60 карточек, то для каждой отдельной карточки (для каждого наблюдения) вероятность ошибки будет равна вероятности попадания туда карточки «штраф» или «тюремное заключение», т. е. 10/100 + 30/100 = 40/100. Иными словами, в среднем мы сделаем ошибки для категории «условный приговор». Для первой категории («штраф») мы в среднем сделаем 10 х (60/100 + 30/100) = 9 ошибок. Для категории «тюремное заключение» (30 карточек) мы можем ожидать, что сделаем 21 ошибку. Суммарное значение числа ошибок предсказания Е1 (если в расчет принимается только распределение зависимой переменной) составит сумму этих трех значений:
Е1 = 24 + 9 + 21 = 54 ошибки.
Представим теперь, что распределяя карточки по трем категориям приговора, мы располагаем сведениями о том, каково значение второй переменной — «характер преступления» — для каждой карточки, т. е. для каждого наблюдения. Пусть, например, кто-нибудь каждый раз сообщает нам, каким было в данном случае правонарушение, предоставляя нам возможность самостоятельно предсказать приговор суда. Мы также знаем заранее, что 5 (12,5%) автомобильных краж из 40 повлекли за собой штраф, 30 (75%) — условный срок, а еще 5(12,5%) — тюремное заключение.
Нам, однако, предстоит угадать, какие именно из этих 40 случаев автомобильных краж попали в каждую из трех описанных категорий приговора. Процесс подсчета числа ошибок при таком угадывании сходен с вышеописанным. Зная, каково распределение наблюдений в строке «автомобильные кражи», мы можем оценить ожидаемые ошибки. Ожидаемая ошибка при случайном помещении 5 карточек с автомобильными кражами (из 40) в категорию «штраф» составит ошибки; при случайном размещении 30 карточек с автомобильными кражами в категорию «условный приговор» мы ожидаем, что ошибок предсказания в среднем будет ошибки и т. д. Размещая 5 фальшивомонетчиков из 10 в стопку «штрафов», мы сделаем ошибки. Проведя аналогичные подсчеты для всех трех строк таблицы 8.7 и просуммировав все ожидаемые ошибки, мы получим величину Е2, т. е. ожидаемое число ошибок в предсказаниях приговора суда, сделанных с учетом информации о характере преступления (независимой переменной). Для данных, приведенных в таблице 8.7, величина Е2 составит 45,25. Отсюда,
Таблица 8.8