Читайте также:
|
|
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; просмотров: 113 | Нарушение авторских прав
<== предыдущая страница | | | следующая страница ==> |
АНАЛИЗ ВТОРИЧНЫЙ | | | АНАЛИЗ ДИСПЕРСИОННЫЙ |