«Применение информационных технологий в социологических исследованиях» (стр. 3 из 5)
Если факторы найдены и истолкованы, то на последнем шаге факторного анализа, отдельным наблюдениям можно присвоить значения этих факторов, так называемые факторные значения. Таким образом, для каждого наблюдения значения большого количества переменных можно перевести в значения небольшого количества факторов [14].
Рис. 1. Диалоговое окно Factor Analysis (факторный анализ).
Таблица 1. Пример матрицы вращения в факторном анализе.
Rotated Component Matrix(a)
| Component | ||
| 1 | 2 | |
| imp God | -,434 | -,175 |
| Homo | ,534 | ,264 |
| Abort | ,759 | ,058 |
| Div | ,701 | ,105 |
| Euthan | ,764 | ,116 |
| Suic | ,694 | -,241 |
| Prost | ,746 | -,052 |
| Good | ,044 | ,946 |
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 3 iterations. Объясненный процент дисперсии – 53,11%.
Rotation Method: Varimax with Kaiser Normalization (Метод вращения: Варимакс с нормализацией Кайзера)
a. Rotation converged in 8 iterations
Для выбора нужного количества факторов обычно используют графический метод. Для этого представляют на диаграмме соотношение количества факторов с объясненной вариацией (Рис. 2).
Рис. 2. Точечная диаграмма. Необходимое количество факторов в данном случае – три или пять.
В результате кластерного анализа (КА) при помощи предварительно заданных переменных формируются группы наблюдений. Под наблюдениями здесь понимаются отдельные личности (респонденты) или любые другие объекты. Члены одной группы (одного кластера) должны обладать схожими проявлениями переменных, а члены разных групп различными. Наряду с кластеризацией наблюдений в SPSS предусмотрена кластеризация переменных. Здесь на основе заданных наблюдений образовываются группы переменных.
В иерархических методах каждое наблюдение образовывает сначала свой отдельный кластер. На первом шаге два соседних кластера объединяются в один; этот процесс может продолжаться до тех пор, пока не останутся только два кластера. В методе, который в SPSS установлен по умолчанию (Between-groups linkage (Связь между группами)), расстояние между кластерами является средним значением всех расстояний между всеми возможными парами точек из обоих кластеров.
Рис. 3. Пример графического отображения результатов иерархического кластерного анализа (дендрограмма).
В то время как дендрограмма годится только для графического представления процесса слияния, по диаграмме накопления можно проследить деление кластеров [14]. Результаты кластерного анализа могут быть представлены и более наглядным образом (см. Рис. 4).
Рис. 4. Пример графического отображения результатов иерархического кластерного анализа (Plot Dendrogram).
Если расчёт корреляции характеризует силу связи между двумя переменными, то регрессионный анализ (РА) служит для определения вида этой связи и дает возможность для прогнозирования значения одной (зависимой) переменной отталкиваясь от значения другой (независимой) переменной. Рассмотрим линейную регрессию.
Для проведения линейного регрессионного анализа зависимая переменная должна иметь интервальную (или порядковую) шкалу. В то же время, бинарная логистическая регрессия выявляет зависимость дихотомической переменной от некой другой переменной, относящейся к любой шкале. Те же условия применения справедливы и для пробит-анализа.
Методы криволинейного приближения, весовые оценки и 2-ступенчатые наименьшие квадраты исследуют соответственно приближённость пути прохождения кривых при помощи компенсационных кривых, регрессионный анализ для изменяющейся дисперсии и проблемы из области эконометрии.
При проведении простой линейной регрессии основной задачей является определение параметров b и а. Оптимальным решением этой задачи является такая прямая, для которой сумма квадратов вертикальных расстояний до отдельных точек данных является минимальной.
Рис. 5. Графическое отображение результатов регрессионного анализа – диаграмма рассеяния с регрессионной прямой.
Для диаграмм рассеяния часто оказывается необходимой дополнительная корректировка осей, после проведения которой полученные значения будут близки к реальной исследовательской задаче.
Таким образом, SPSS предоставляет возможность проведения наиболее популярных методов анализа статистической информации в социологии, включая возможности по графическому представлению результатов. Хотя полученные результаты нуждаются в интерпретации и зачастую не могут быть представлены заказчику «как есть», данные возможности значительно облегчают статистический анализ для социолога.
Глава 3. Основные результаты исследования
В данной работе мы показали, каковы возможности применения информационных технологий в социологических исследованиях в широком и узком смысле слова.
В широком смысле слова применение информационных технологий в социологических исследованиях происходит, прежде всего, как:
1) внедрение информационных устройств в процесс организации исследования на всех этапах исследования (установления контакта с заказчиком, организация сети интервьюеров, сбор, обработка и анализ информации, представление результатов исследования);
2) внедрение информационных технологий в процесс контроля сбора первичной информации (качественный и количественный контроль) и процесс ввода первичной информации;
3) создание новых методов исследования, основанных на технологических устройствах (SMS-опрос, Интернет-опрос), спроектированных для исследования специфической целевой аудитории и в маркетинговых целях.
Таким образом, применение информационных технологий обеспечивает возможность повышения качества и скорости взаимодействия исследователей, повышению норм контроля собираемой информации, а также разработке совершенно новых методов исследования, сочетающих элементы технологии и человеческое взаимодействие, таким образом поднимая уровень технологичности процесса на новый уровень.
В узком смысле слова под применением информационных технологий в социологическом исследовании следует понимать разработку и внедрение различного программного обеспечения в процесс сбора, обработки и анализа информации. Речь идет, прежде всего о машинизации и конкретно компьютеризации процесса проведения статистического анализа, включая проведение вычислений и представление результатов в графической форме.
Специализированные пакеты программного обеспечения, одним из наиболее популярных среди которых является SPSS (PASW), призваны облегчить и ускорить работу аналитика и программиста в социологическом исследовании.
Во-первых, специализированное ПО включает в себя наиболее популярные статистические операции, необходимые для проведения как одномерного, так и многомерного статистического анализа. Новые версии программ включают больший выбор алгоритмов расчета коэффициентов, новые графические возможности, а также, в целом, более удобный пользовательский интерфейс.
Во-вторых, появляется все больше бесплатных специализированных ПО, которые также быстро развиваются благодаря методу открытого контента. Таким образом, проведение стандартных статистических операций с помощью информационных технологий становится все более доступным социологам даже без специальной математической подготовки. Таким образом, исследования, в целом, становятся менее затратными и могут перемещаться из крупных центров в небольшие исследовательские коллективы.
В-третьих, обучение работе со специализированным ПО по статистической обработке социологических данных является частью обязательной программы подготовки специалистов по социальным наукам. Кроме того, доступно множество информационных ресурсов по самостоятельному усвоению и углублению знаний в статистическом анализе в социальных науках.
Таким образом, на сегодняшний день информационные технологии не только сделали процесс статистической обработки социологических данных быстрым и технологичным процессом, но и способствовали созданию новых видов методов сбора социологической информации. В связи с информатизацией общества в последней четверти ХХ века применение специального ПО для статистической обработки информации стало нормой. Именно с ускорением расчетов, упрощением работы со специальными программами, а также массовым распространением компьютеров можно связать рост количественных исследований в социологии.
Перспективы развития информационных технологий в социологии связаны с разработкой программного обеспечения для проведения не только количественных, но и качественных исследований, а также с предотвращением случаев манипуляций с количественными данными со стороны ангажированных исследователей.
Данные выводы способствуют уяснению роли и значимости информационных технологий в социологических исследованиях, дополняют и расширяют полученные ранее данные [3, 4, 9, 10]. Делается акцент на необходимости более широкого ознакомления профессиональных социологов с возможностями и ограничения современного программного обеспечения в социальных науках, а также акцент на необходимости повышения контроля за использованием информационных технологий в манипулятивных целях.