Операциональное определение – это серия инструкций, описывающих действия, которые должен осуществить исследователь для установления значения переменной.

Типы шкал – номинальная, порядковая, интервальная.

Соответственно, есть различные типы шкал для различных способов измерения:

1. номинальная шкала – совокупность равноправных значений, должна следовать трем правилам: 1. непротиворечия: объект может быть отнесен только к одному классу, предусмотренному значением переменной. Вследствие этого у нас будет 100% сумма частот переменной. 2. единое основание классификации. Например, М., Ж,, ребенок – неверно. 3. полноты – шкала должна охватывать все возможные варианты, объект не должен улизнуть. Поэтому всегда надо предусматривать такой ответ, как нет данных по этому признаку. Это не то же самое, что затрудняюсь ответить.

2. упорядоченная шкала отличается тем, что ее градации располагаются в определенном порядке относительно возрастания либо убывания интенсивности свойств. В социологии используется 2 типа упорядоченных шкал: ранги (рейтинги) и баллы. Ранг – это приписывание места объекту таким образом, что количество мест в точности равно количеству объектов. Например, распределение студентов по уровню подготовки. Балльные шкалы оперируют шкальными значениями. Понятно, что все студенты могут получить тройки. Также понятно, что расстояние между 2 и 3 не такое, как между 4 и 5. упорядоченные шкалы оценивания предполагают, что позиции логически сбалансированы вокруг нейтрального центра. В исследовании условий в общежитии: просто кошмар, отвратительные, жить можно, отличные. Каждая категория шкалы должна характеризоваться равной вероятностью попадания объекта при условии случайного распределения. Т.е. кол-ва позиций слева и справа от шкала должно быть равным. В центре сбалансированной шкалы находится позиция «затрудняюсь предпочесть что-либо». 5-7 градаций.

3. интервальная шкала основана на процедурах, обеспечивающих примерно равные расстояния между градациями переменных.

4. шкала отношений – когда один из объектов интервальной шкалы отображается в ноль.

5. метрические (абсолютные) шкалы – имеют единицу измерения времени, расстояния либо численности. Здесь допустимы все преобразования с числами.

Приписывание значений объектам осуществляется в трех формах: вербальной – суждение о мнениях, оценках… графической – используется там, где лексика инструмента требует перевода на язык респондента: отметьте на линейке… отметьте картинку. Числовая интерпретация (применяется в интервальной и метрической шкалах, где есть единицы интенсивности – ваши жилищные условия – на 3. использование цифр в качестве имен числительные – это не введение метрической шкалы (напр. М-1, Ж-2)

Зависимые и независимые переменные

Переменная – величина, с помощью которой объекты исследования могут быть распределены по категориям.

Что такое переменные? Переменные - это то, что можно измерять, контролировать или что можно изменять в исследованиях.

1. мы не влияем на переменные, а только устанавливаем наличие и характер связи между ними. Например, влияет ли принадлежность к определенному классу на вероятность употребления наркотиков?

2. мы влияем на независимую переменную и смотрим, как это отражается на зависимой. В данном случае независимая переменная – уровень достатка. это та переменная, на которую влияет исследователь. Она независима от реакций, свойств, намерений и т.д. присущих объектам исследования. Зависимая переменная- это переменная, которая измеряется или регистрируется. зависимость проявляется в ответной реакции исследуемого объекта на посланное на него воздействие.

в зависимости от того, какова переменная, она может быть измерена определенной шкалой

1. номинальная,

2. упорядоченная (ординальная) – качество объекта, которое мы измеряем, выражено в большей или в меньшей степени, но мы не знаем, насколько порядки отстоят друг от друга, какое между ними соотношение.

Само расположение шкал в следующем порядке: номинальная, порядковая, интервальная является хорошим примером порядковой шкалы - по степени количества мат. операций, которые мы можем проделать с полученными данными. Интервальные переменные позволяют не только упорядочивать объекты измерения, но и численно выразить и сравнить различия между ними.

Например, температура, измеренная в градусах Фаренгейта или Цельсия, образует интервальную шкалу. Вы можете не только сказать, что температура 40 градусов выше, чем температура 30 градусов, но и что увеличение температуры с 20 до 40 градусов вдвое больше увеличения температуры от 30 до 40 градусов.

Метрическая (относительная) имеет точку нуля, так что мы можем определит отношения между объектами: во сколько раз это качество выражено больше\меньше.

Статистический уровень значимости (p-уровень) это показатель, находящийся в убывающей зависимости от надежности результата. Более высокий p- уровень соответствует более низкому уровню доверия к найденной в выборке зависимости между переменными. Именно, p-уровень представляет собой вероятность ошибки, связанной с распространением наблюдаемого результата на всю популяцию.

Вы видели в исследованиях цифры: p= 0.05. То есть вероятность случайного получения таких данных составляет 5%. 5% вероятность, что найденная в выборке связь между переменными является лишь случайной особенностью данной выборки. Иными словами, если данная зависимость в популяции отсутствует, а вы многократно проводили бы подобные эксперименты, то примерно в одном из двадцати повторений эксперимента можно было бы ожидать такой же или более сильной зависимости между переменными.

Определяя уровень зависимости, мы исходим из того, что интересующие признаки имеют нормальное распределение. Можно сказать, что нормальное распределение представляет собой одну из эмпирически проверенных истин относительно общей природы действительности и его положение может рассматриваться как один из фундаментальных законов природы. Точная форма нормального распределения (характерная "колоколообразная кривая") определяется только двумя параметрами: средним и стандартным отклонением.

+-1 сигма = 68% всех данных

+-2 сигмы = 95%

+-3 сигмы = 99,7%

+-4 сигмы = 99,99%

Если данные не являются нормальными, их можно измерять с помощью методов непараметрической статистики. Существуют стат.методы, приводящие ненормальные распределения у нормальным. При возрастании объема выборки, форма выборочного приближается к нормальной, даже если распределение исследуемых переменных не является нормальным.

По сути гипотезы исследования – это формулирование предположения о характере связи между определенными переменными.