- •Социологические методы исследования
- •Научное исследование
- •Тема 1. Грани взаимодействия экономических и социальных процессов
- •1.1.Экономический процесс
- •1.2. Социальная сфера. Социально-экономический процесс
- •Тема 2.Понятие политического процесса и его особенности
- •2.1. Понятие политического процесса
- •2.2. Структура политического процесса
- •Тема 3.Типы и виды социально-экономических и политических процессов
- •3.1. Деление сЭиПп на виды и типы
- •3.2. Виды сЭиПп
- •3.3. Типы сЭиПп
- •Тема 4. Общенаучные методы исследования социально-экономических и политических процессов
- •4.1. Метод социальной диалектики
- •4.2. Общенаучные методы исследования
- •Тема 5. Основы системного анализа
- •5.1. Суть системного анализа
- •5.2.Логические основы системного анализа
- •5.3.Модели системного анализа
- •5.4. Формирование целей системного анализа. Построение «дерева целей».
- •5.5. Процедуры и способы проведения системного анализа
- •Тема 6.Фактологическое обеспечение исследований
- •6.1.Философские аспекты фактологического обеспечения исследования
- •6.2. Понятие факта. Классификация фактов
- •6.3.Сбор и анализ фактов
- •Тема 7. Социологические исследования
- •7.1Определение целей социологического исследования
- •7.2 Характер задач социологического исследования
- •7.3 Типы и виды социологических исследований
- •7.4 Организация социологического исследования
- •7.5Рабочий план исследования
- •7.6Ресурсы и средства проведения
- •7.7Использование результатов социологического исследования
- •Тема 8. Программы исследований.
- •8.1Основные разделы программы социологического исследования
- •8.2.Проблема в программе социологического исследования
- •8.3.Отражение объекта и предмета в программе социологического исследования
- •8.4.Этап выделения единиц социологического наблюдения
- •8.5. Этап операционализации понятий
- •8.6. Формулирование гипотез исследования
- •Тема 9. Социологические методы исследования
- •9.1 Методы сбора данных
- •9.2.Методы анализа полученных данных
- •9.2.1. Методы качественного оценивания полученных данных
- •9.2.2 Статистические (количественные) методы
- •9.2.3 Методы типа сценариев.
- •Тема 10.Социометрия
- •10.1Социометрические методики.
- •10.2.Фазы социометрического исследования
- •10.3.Обработка информации при помощи социограмм и социоматриц.
- •1.5.6. Социометрическое исследование – инструмент менеджера
- •Тема 11. Эффективность решения
- •11.1 Оценка эффективности
- •11.2 Теория эффективности
- •Глоссарий.
- •Оглавление
9.2.2 Статистические (количественные) методы
В статистическом анализе производится обработка некоторой случайной выборки, под которой понимаются результаты N последовательных и независимых экспериментов со случайной величиной или событием. Выборка должна быть состоятельной (презентативной), т.е. чтобы объем обрабатываемой информации был достаточен для получения результатов с требуемой точностью и надежностью.
Используется для исследования процессов и объектов по результатам массовых экспериментов со случайными величинами или событиями. Примером статистического характера процесса может служить появление неисправностей при работе технической системы управления, а исследование случайностей, как инструмента исследования, может иллюстрировать вероятностные методы поиска экстремума некоторой функции.
Наиболее употребительными методами статистического анализа являются: регрессионный анализ; корреляционный анализ; дисперсионный анализ; ковариационный анализ; анализ временных рядов; метод главных компонентов.
Регрессионный анализ
Регрессионный анализ ставит своей задачей исследование зависимости одной случайной величины от ряда других случайных и неслучайных величин (регрессия — зависимость математического ожидания случайной величины от значений других случайных величин). Например, после проведения N экспериментов на статистической модели получен набор реализаций случайных величин {Xi, Yi}, i = 1, 2, 3, ..., n, где X является независимой переменной, а Y— функцией. Обработка этого массива случайных величин позволяет представить их в виде детерминированной линейной регрессивной модели типа:
Y = а + bY ,
где коэффициенты а и b рассчитываются согласно методу наименьших квадратов.
Наибольший интерес регрессионная модель представляет для прогноза поведения функций Y. В практической деятельности регрессионный анализ часто используется для создания так называемой эмпирической модели, когда, обрабатывая результаты наблюдений (или характеристики существующих систем), получают регрессионную модель и используют ее для оценки перспективных систем или поведения системы при гипотетических условиях.
Точность и надежность получаемых оценок зависят от числа наблюдений (реализаций, экспериментов) и расположения прогностических значений х относительно базовых (т.е. известных на некоторый момент времени).
Корреляционный анализ
Корреляционный анализ используется для определения степени линейной взаимосвязи между случайными величинами (корреляция — зависимость между случайными величинами, выражающая тенденцию одной величины возрастать или убывать при возрастании или убывании другой).
Основными задачами корреляционного анализа являются оценка корреляционных характеристик и проверка статистических гипотез о степени (значимости) связи между случайными величинами.
Оценки коэффициентов корреляции рассчитываются по значениям оценок математических ожиданий и среднеквадратических отклонений, полученных путем статистической обработки результатов реализаций случайных величин.
Дисперсионный анализ
Дисперсионный анализ используется для проверки статистических гипотез о влиянии качественных факторов на показатели, т.е. факторов, не поддающихся количественному измерению (например, качественный фактор — организация производства, влияющий на количественный показатель — прибыль от производства). В этом заключается его отличие от регрессионного анализа, в котором факторы имеют количественную меру (например, количественный фактор — затраты на производство).
В дисперсионном анализе качественный фактор представляется j-ми возможными состояниями (например, возможными схемами организации производства), для оценки которых по каждому из них проводится nj экспериментов. Далее рассчитываются статистические оценки в каждой nj. группе экспериментов и в общей выборке N, а затем анализируются соотношение между ними. По этому соотношению принимается или отвергается гипотеза о влиянии качественного фактора на показатель.
Ковариационный анализ
Ковариационный анализ используется для создания и изучения вероятностных моделей процессов, в которых присутствуют одновременно как количественные, так и качественные факторы, т.е. он объединяет регрессионные и дисперсионные методы. Модель включает в себя регрессионные и дисперсионные факторы, первые служат для проверки гипотез значимости количественных факторов, а вторые — качественных.
Метод временных рядов
Анализ временных рядов используется при исследовании дискретного случайного процесса, протекающего на интервале времени Т.
Результаты экспериментов или наблюдений, полученные на данном интервале, представляются в виде временного ряда, каждое значение Yi которого включает детерминированную f(t) и случайную z(t) составляющие:
Yi = f(t) + z(t).
Детерминированная составляющая описывает влияние детерминированных факторов в момент времени t, влияние же множества случайных факторов описывает случайная составляющая. Детерминированную часть временного ряда называют трендом. Этот временной ряд описывается так называемой трендовой моделью.
С помощью представления случайного процесса в виде временных рядов можно, во-первых, исследовать динамику этого процесса, во-вторых, выделить факторы, существенным образом влияющие на показатели, и определить периодичность их максимального воздействия, в-третьих, провести интегральный или точечный прогноз показателя Y на некоторый промежуток времени (точечный прогноз указывает лишь точку, возле которой может находиться прогнозируемый показатель, интервальный — интервал нахождения этого показателя с некоторой заданной вероятностью).
Метод главных компонентов
Метод главных компонентов используется при рассмотрении некоторого множества случайных значений показателей Yi, i=1,2,..к в целях определения общих для них факторов (компонентов), от которых все они зависят. Степень зависимости i-го показателя j-го компонента отражается величиной aij называемой нагрузкой i-го показателя на j-й компонент. Результатом анализа является модель главных компонентов, в которой каждый показатель представлен суммой произведений компонентов и их нагрузок.