- •1. Виды документов и критерии достоверности информации в них.
- •3. Виды и организация контент-анализа.
- •4. Дискурс-анализ.
- •5. Критический дискурс-анализ.
- •6. Интент-анализ
- •7. Процедура интент-анализа.
- •8. Ивент-анализ
- •9. Стратегии, виды и принципы анализа эмпирических данных.
- •10. Подготовка данных к обработке, кодирование, ввод.
- •11. Первичные математические расчеты. Средние значения ряда.
- •12. Первичные математические расчеты. Меры рассеяния.
- •13. Анализ одномерных распределений.
- •15. Способы графического изображения данных в отчетах.
- •16. Понятие, виды индексов в политических исследованиях.
- •17. Использование индексов в эмпирических исследованиях.
- •20. Индексы демократии, строящиеся на основании статистических расчетов.
- •21. Индексы социального благополучия
- •23. Возможности использования логического квадрата.
- •25. Виды связи между переменными
- •26. Корреляционный анализ. Проблема ложной корреляции. Коэффициенты корреляции.
- •27, 28. Парный и множественный регрессионный анализ.
- •29!. Многомерное шкалирование: понятие, виды, этапы, условия.
- •31! Факторный анализ.
- •32!. Кластерный анализ.
- •33!. Критерии выделения типов алгоритмов кластерного анализа.
- •34!. Свойства кластеров и методы группировки данных в кластерном анализе.
- •35!. Виды алгоритмов в кластерном анализе.
- •37.Использование сетевого анализа в политических исследованиях.
- •38. Сетевой анализ политической коммуникации
- •40. Дисперсионный анализ
- •41!. Дискриминантный анализ.
- •42!. Понятие, этапы построения прогнозов
- •43! Виды прогнозирования.
- •44!. Статистический прогноз.
- •46,47 Футурология
- •51 Политический риск.
- •52 Глобальное политическое прогнозирование
- •53!. Методы обработки данных фокус-групп.
- •54!. Анализ данных включенного наблюдения.
- •55! Анализ данных в биографическом методе.
- •56! Виды контент-анализа. Качественный вариант контент-анализа.
- •57! Когнитивное картирование
- •58. Cпособы оценки качеств и ресурсов политических лидеров
- •59. Проверка гипотез в статистическом анализе.
- •66. Методики оценки эффективности политической рекламы.
- •67 Неконвенциональное политическое поведение
40. Дисперсионный анализ
Дисперсионный анализ является одним из основополагающих статистических методов. Важность умения работать с его алгоритмами определяется не только теми возможностями, которые он предоставляет исследователю для самостоятельного анализа данных. Как и в случае с корреляционным анализом, изучение дисперсий переменных входит во многие более сложные статистические методы.
Дисперсионный анализ служит для проверки гипотезы о статистической значимости различий между средними величинами в нескольких группах наблюдений.,
В дисперсионном анализе выборки должны извлекаться случайно из генеральных нормально распределенных совокупностей.
Основной целью дисперсионного анализа является исследование значимости различия между средними. Раздел Элементарные понятия статистики содержит краткое введение в исследование статистической значимости. Если вы просто сравниваете средние в двух выборках, дисперсионный анализ даст тот же результат, что и обычный t-критерий для независимых выборок (если сравниваются две независимые группы объектов или наблюдений) или t-критерий для зависимых выборок (если сравниваются две переменные на одном и том же множестве объектов или наблюдений). Для выборки объема n выборочная дисперсия вычисляется как сумма квадратов отклонений от выборочного среднего, деленная на n-1 (объем выборки минус единица). Таким образом, при фиксированном объеме выборки n дисперсия есть функция суммы квадратов (отклонений), обозначаемая, для краткости, SS (от английского Sum of Squares - Сумма квадратов). Далее слово выборочная мы часто опускаем, прекрасно понимая, что рассматривается выборочная дисперсия или оценка дисперсии. В основе дисперсионного анализа лежит разделение дисперсии на части или компоненты. Рассмотрим следующий набор данных: Основная логика дисперсионного анализа. Подводя итоги, можно сказать, что целью дисперсионного анализа является проверка статистической значимости различия между средними (для групп или переменных). Эта проверка проводится с помощью разбиения суммы квадратов на компоненты, т.е. с помощью разбиения общей дисперсии (вариации) на части, одна из которых обусловлена случайной ошибкой (то есть внутригрупповой изменчивостью), а вторая связана с различием средних значений. Последняя компонента дисперсии затем используется для анализа статистической значимости различия между средними значениями. Если это различие значимо, нулевая гипотеза отвергается и принимается альтернативная гипотеза о существовании различия между средними.
41!. Дискриминантный анализ.
Определить, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы). Основная идея дискриминантного анализа заключается в том, чтобы определить, отличаются ли совокупности по среднему какой-либо переменной (или линейной комбинации переменных), и затем использовать эту переменную, чтобы предсказать для новых членов их принадлежность к той или иной группе. Первоначально используются группы с различающимися качественными характеристиками, например, люди, имеющие или не имеющие наркотическую зависимость. Затем эти группы обмеряются разными видами инструментария, не имеющего прямого отношения к целевой качественной характеристике. Дискриминантный анализ позволяет оценить различающую способность этих видов инструментария. Затем использованные косвенные характеристики применяются для прогнозирования попадания новых объектов в каждую из первоначально заданных групп.
Цель: определить, к какому классу относятся объекты с помощью определенных признаков.
Нужно создать классифицирующее правило, позволяющее приписать новый элемент к своей подгруппе в ситуации, когда исследователю неизвестно, в какой совокупности он принадлежит.
Использование линейной функции и прямая связь.
Из большого числа выбираются те переменные, которые лучше влияют на итог классификации.
на каждом шаге смотрят все переменные и находят ту, которая вносит наибольший вклад в различия. И ее включают в следующий шаг
исключение переменных. Все включают. Исключают ту, которая вносит наименьший вклад в различия.
Y = a + b1x1 + b2x2 + … + bnxn
B – коэффициент регрессии переменной. Чем больше В, тем больше вклад.
Последовательность:
вычисление функций от исследуемых показателей
упорядочение самих показателей
вычисление вероятности ошибочной классификации
удачная модель: вероятность распределения по группам не меньше 72-75 %.