Анализ данных

данных, использовавшихся в разных иссл-ях;

• построение модели выборки на ос­нове информации об изучаемом объекте, полученной в ранее проводившихся иссл-ях.

Лит.: Dale Α., Arber S., Procter Μ. Doing Secondary Analysis. L.; Boston, 1988; Kilcoet K.J., Nathan L.E. Secondary Analysis of Survey Data // Sage University Paper Series on Quantitative Applications in the Social Sciences. 1995. No. 53.

A.O. Крыштановский

АНАЛИЗ ДАННЫХ - 1. Совокупность действий, осуществляемых исследовате­лем в процессе изучения полученных тем или иным образом данных в целях формирования опред. представлений о характере явления, описываемого этими данными. Исследователь пытается дан­ные «свернуть», сократить их кол-во, стремясь при этом не потерять полезную информацию, потенциально в них зало­женную. Делается это обычно с помо­щью матем. методов.

2. Процесс изучения стат. данных (поиска стат. закономерностей, законо­мерностей в среднем) с помощью матем. методов, не предполагающих вероятно­стной модели изучаемого явления. Про­тивостоит вероятностно-стат. подходу к обработке данных, опирающемуся на их вероятностную интерпретацию (как слу­чайной выборки из генеральной сово­купности) и использование вероятност­ных моделей для построения и выбора наилучших методов обработки. Получае­мые с помощью вероятностно-стат. под­хода выводы опираются на строго дока­занные матем. положения. В части., этот подход обеспечивает корректный пере­нос рез-тов с выборки на генеральную совокупность (см. Оценивание стати­стическое, Проверка статистических ги­потез). В методах А.д. подобные воз­можности не заложены. Эти методы не удовлетворяют строгим матем. требова­ниям. Выбор наилучшего метода здесь почти всегда опирается на неформали-зуемые эвристические соображения. По­этому проблема обоснования получае-

мых выводов требует особого внимания. Особенно острой становится необходи­мость выделения «точек соприкоснове­ния» содержания задачи и матем. фор­мализма (см. Адекватность математиче­ского метода), реализации в процессе человеко-машинного диалога.

К методам А.д. относят и вероят-ностно-стат. методы в тех случаях, ко­гда не удается проверить адекватность реальности вероятностной модели, пред­полагаемой методом.

Выделение методов А.д. обусловлено потребностями ряда наук (в т.ч. соц-и), в к-рых велика потребность поиска стат. закономерностей. Однако предположе­ния, лежащие в основе вероятност-но-стат. методов, разработанных специ­ально для решения таких задач, часто не выполняются.

Существует мнение, что поскольку методы А.д. с т.з. строгой математики не явл. достаточно обоснованными, то име­ет смысл использовать их лишь на пред­варительном этапе анализа для уточне­ния представлений исследователя об изучаемом явлении, корректировки по­нятийного аппарата, формулировки ги­потез и т.д. Однако методы А.д. могут служить и средством получения фунда­ментального знания, выявления неиз­вестных ранее закономерностей, если перейти на новый уровень понимания самого матем. формализма: считать, что адекватным решаемой задаче явл. не отд. метод, а совокупность методов, применяемых в соответствии с опред. методол. принципами (см. п. 4).

3. Термин, отождествляемый с поня­тием «прикладная статистика», к-рая по­нимается как науч. дисциплина, разраба­тывающая и систематизирующая поня­тия, приемы, матем. методы и модели, предназначенные для орг-ции сбора, стандартной записи, систематизации и обработки стат. данных в целях их удоб­ного представления, интерпретации и получения науч. и практических выводов.

4. Процедуры поиска стат. законо­мерностей («свертки» информации), не сводящиеся к применению формальных алгоритмов, В основе лежит комплекс-

АНАЛИЗ ДЕТЕРМИНАЦИОННЫЙ (DA)

ное использование матем.-стат. методов и методов А.д. (п. 2) с опорой на неск. методол. принципов.

Первый принцип — вариация пред­посылок, лежащих в основе выбираемых методов (любой метод опирается на оп-ред. модель изучаемого явления, т.е. оп-ред. систему предпосылок и постулатов): изменение таких предпосылок, рассмот­рение последствий этого изменения, сравнение использования разных пред­посылок и т.д. Актуальность реализации этого принципа объясняется тем, что для большинства методов проверка со­стоятельности заложенных в них моде­лей в социол. задачах явл. весьма про­блематичной.

Второй принцип — системный под­ход. В процессе А.д. изыскиваются разл. приемы для наиб, полного использова­ния и эндогенной информации (т.е. дан­ных, описывающих изучаемый объект), и экзогенной (т.е. данных, описываю­щих «среду обитания» объекта). Систем­ный подход предъявляет к исследовате­лю повышенные требования, поскольку носит принципиально междисциплинар­ный характер.

Третий принцип — отказ от той т.з., что любое иссл-е имеет начало и конец. А.д, — способ существования данных. Готовность к постоянному возврату к одним и тем же данным. В непрерывном процессе А.д. предусматриваются разры­вы, позволяющие извлекать накопленную информацию и принимать решения, связанные с управлением обработкой данных, с выбором дальнейших шагов А.д. Формальные операции перемежают­ся с неформальными процедурами при­нятия решения. С появлением новых данных возникают новые идеи, подходы, методы, уточняется понимание происхо­дящих процессов и т.д. В соц-и реализа­ция этого принципа актуальна, т.к. со­циолог обычно не имеет той априорной модели изучаемого явления, к-рая явл. необходимой и для выбора формального аппарата анализа данных и вообще для проведения иссл-я, начиная с формули­ровки гипотез и разработки способа сбо-

ра данных (см. также Методология при­менения математических методов).

Лит.: Тьюки Дж.У. Анализ данных, вычисления на ЭВМ и математика // Совр. проблемы математики. М., 1977; Миркиц Б.Г. Анализ качественных при­знаков и структур. М., 1980; Елисе­ева И.И., Рукавишников В.О. Логика при­кладного стат. анализа. М., 1982; Тью­ки Дж.У. Анализ рез-тов наблюдений: разведочный анализ. М, 1982; Айвазян С.А., Енюков И.С, Мешалкин Л.Д. Прикладная статистика: В 3 т. М., 1983—L989; Фелин-гер А.Ф. Стат. алгоритмы в социол. иссл-ях. Новосибирск, 1985; Толстова Ю.Н. Ло­гика матем. анализа социол. данных. М., 1991; Татарова Т.Т. Методология анали­за данных в соц-и. М., 1998; Тюрин ЮН, Макаров ΑΛ. Стат. анализ данных на компьютере. М., 1998; Толстова Ю.Н. Анализ социол. данных: методология, дескриптивная статистика; изучение связей между номинальными признака­ми. М., 2000.

ЮН Толстова

АНАЛИЗ ДЕТЕРМИНАЦИОННЫЙ (DA), или АНАЛИЗ ПРАВИЛ (англ. -Determinacy Analysis and Logic Solution, DATS), — совокупность матем. методов анализа детерминаций, т.е. правил типа А-^В, получаемых из наблюдений за час­тотами совместного или раздельного по­явления свойств(событий) А, В.

В А.д. входят: 1) элементарная теория правил; 2) продвинутая теория правил (детерминационная логика); 3) техноло­гия обработки данных; 4) программное обеспечение класса «DA-система» для OS Windows, производимое и распро­страняемое в России и за рубежом компа­нией Контекст Медиа (www.context.ru).

Ад. решает задачу анализа связей меж­ду соц. показателями, когда цель — по­лучение прогностических правил и объ­яснение соц. явлений. А.д. не требует шкалирования ответов респондентов, за­мены их числами. Он особенно эффек­тивен, когда среди показателей много качественных и их нужно анализировать отдельно или совместно с количествен­ными. Благодаря этим особенностям

АНАЛИЗ ДИСКРИМИНАНТНЫИ

А.д. активно используется в соц-и. При­меняется в маркетинге, лингвистике, медицине, генетике, мн. др. областях.

Идея анализа в след. Пусть А, В, С — ответы респондента на к.-т. вопр. анке­ты. Если в правило (детерминацию) А-^В добавить ответ С, получим правило АС-+В, точность (см. Детерминация) к-рого будет больше, меньше или такой же, как точность исходного правила. Приращение точности есть мера сущест­венности фактора С в правиле АС-^В. Если точность возросла или уменьши­лась, фактор С существенный и, соот­ветственно, позитивный либо негатив­ный. Если точность не изменилась, фак­тор С несущественный, не влияет на точность правила. Аналогично в том же правиле опред. мера существенности фактора А. Т.о., А.д. действует как фак­торный анализ, когда в роли факторов не показатели, а значения показателей (области значений). Рис. иллюстрирует, как исходное правило А-^В (случай а) при добавлении в него фактора С может стать предельно точным (случай б) или предельно неточным (случай в).

Фактор С в правиле (детерминации) АС-*В

а) правило А-+В, 6) правило АС-уВ, в)праеилоЛС-^В,
точность* 0,4; точность=1; точность = О

Детерминации используются в клас­сической силлогистике Аристотеля при формировании посылок и следствий силлогизмов. Аристотель поставил и ре­шил след. проблему: даны точность либо полнота правил А->В, В-^-С. Известно, что объемы понятий А, В, С отличны от 0. Найти точность правила А-*С.

Аристотель решил проблему в случае, когда имеется только четыре варианта ограничений на значения точности (полноты) каждого из правил А-^В, В-^С, А-^С: 1) равенство 1; 2) равенство 0; 3) отличие от 0; 4) отличие от I. Это решение известно как классическая сил­логистика Аристотеля.

В рамках А.д. найдено решение той же проблемы в случае, когда ограниче­ния на точность и полноту правил А-*В, Я-»С, А-^С произвольны. Оно известно как детерминационная силлогистика, ч. детерминационной логики. На его осно­ве объяснен ряд тонких эффектов в ло­гике естеств. яз.

Детерминационная силлогистика да­ет возможность находить точность и полноту правила Л->С, когда свойства (события) А, С присутствуют в разных массивах данных и не присутствуют в одном. Это т.н. задача межмассивного анализа. Она актуальна при обработке информации в больших хранилищах со-циол. данных.

Лит.: Чесноков СВ. Детерминацион-ный анализ соц.-экон. данных. М., 1982; Он же. Силлогизмы в детерминацион-ном анализе // Изв. АН СССР. Сер. «Техн. кибернетика». 1984. № 5; Он же. Основы гуманитарных измерений. М., 1985; Он же. Детерминационная дву­значная силлогистика // Изв. АН СССР. Сер. «Техн. кибернетика». 1990. № 5; Chesnokov S. V. The Effect of Semantic Freedom in the Logic of Natural Langua­ge // Fuzzi Sets and Systems. 1987. V. 22.

СВ. Чесноков

АНАЛИЗ ДИСКРИМИНАНТНЫИ -

ветвь анализа многомерного статистиче­ского. Методы и рез-ты А.д. направлены на решение след. задачи. Известно о су­ществовании опред. числа k (к> 2) гене­ральных совокупностей и у исследовате­ля имеется по одной выборке из каждой совокупности (обучающие выборки). Требуется построить основанное на имеющихся выборках наилучшее (в оп­ред. смысле) классифицирующее прави­ло, позволяющее приписать нек-рый но­вый элемент (многомерное наблюдение X) к своей генеральной совокупности в ситуации, когда исследователю заранее не известно, какой из совокупностей этот элемент принадлежит.

Лит.: Афифи Α., Эйзен С. Стат. анализ. Подход с использованием ЭВМ. М., 1982; Айвазян С.А. и др. Прикладная ста-

---

Дата добавления: 2015-07-19