Вторая ситуация

К этому разделу мы подошли с пониманием того, что социо­логу, изучающему различные социальные феномены, приходит­ся строить модели изучения их свойств, пользоваться различны­ми типами информации, применять совокупность приемов измерения латентных, непосредственно не наблюдаемых призна­ков, выбирать стратегию анализа. Это и есть начало начал ана­лиза данных.

Наблюдаемые признаки мы называли эмпирическими инди­каторами. В предыдущих разделах они были нашими главными понятиями. Здесь и далее таковыми будут признаки. Признаком может быть и отдельно взятый эмпирический индикатор, и произ­водный от них показатель. Например, признаком будем называть любые показатели, индексы, коэффициенты, возникающие в рам­ках работы с данными типа «государственная статистика», «бюд­жет времени». Признак, как и любой эмпирический индикатор, имеет для нас те же три уровня измерения: номинальный, порядковый, «метрический». Как минимум, мы должны научиться изу­чать «поведение» всех трех типов признаков, измеренных по трем типам шкал.

Представляется важным еще раз повторить следующее. Несмотря на многообразие шкал (в данном случае как линеек для измерения чего-то) в социологии, мы рассматриваем только три типа шкал и к «метрическим» относим все шкалы, уровень измерения по которым выше порядкового, т.е. то, что очень похоже на числа, на «количе­ства».

С чего же начинается анализ «поведения» отдельно взятого при­знака тогда, когда информация «лежит» на столе социолога? Такой анализ необходим практически всегда независимо от исследователь­ских задач, типов информации, выбора стратегии анализа. Речь идет как бы о «социальной бухгалтерии», азы которой вы должны осво­ить. Практически в любой книге, в название которой входят слова «...статистические методы в...», вы найдете определенный матери­ал по освоению этих азов [2, 3, 7, 8, 9, 11].

Несмотря на то что ниже рассматривается пример, имеющий отношение к данным анкетирования, все выводы относятся к ана­лизу любых вариационных и динамических рядов. К сожалению, объем книги не позволяет привести другие примеры. На протяже­нии всей этой главы в основном будем приводить фрагменты из некоторого исследования на тему «Структура времяпрепровожде­ния студентов: сравнительный анализ вузов», придуманного (модельного) нами в качестве примера. Сбор данных осуществлялся в нем как по использованию бюджета времени, так и по вопроснику «сложной структуры»; генеральная совокупность - студенты вузов России. Нас в этом исследовании будут интересовать только сту­денты-гуманитарии, т. е. некоторая подвыборка.

Рассмотрим всего три признака из этого исследования: буду­щую профессию студента-гуманитария, его удовлетворенность уче­бой и продолжительность времени на учебу. Относительно третье­го признака нужно подчеркнуть следующее. Продолжительность в данном случае представляет собой сумму затрат времени на про­слушивание лекций, на участие в семинарских занятиях, на до­полнительные самостоятельные занятия, а также на перерывы между аудиторными занятиями. В качестве примера будем рассматривать среднесуточную, например за неделю, продолжитель­ность. «Продолжительность» имеет метрический уровень измере­ния. «Будущая профессия» как признак имеет номинальный уровень измерения. «Удовлетворенность учебой» может быть измерена посредством логического квадрата по пятибалльной по­рядковой шкале. Тогда она понимается только как удовлетворен­ность учебой в «родном» вузе (вернитесь к тому разделу, где обсуждается логический квадрат). Вместо этих признаков можно было бы выбрать и любые другие.

Что означает анализ «поведения» профессии на совокупности объектов? Это означает, что мы должны обработать эмпиричес­кие данные, чтобы получить распределение изучаемых объектов (в нашем случае студентов-гуманитариев) по профессиональным груп­пам и по характеру этого распределения судить о профессиональ­ной структуре опрошенных студентов. Для простоты изложения буду приводить цифры модельного характера, т. е. в реальном исследовании они не были получены. Предположим, что нас интересует восемь профессий, все они закодированы цифрами от 1 до 8, а число студентов-гуманитариев среди всех опрошенных равно 1000. Таким образом, исходно мы имеем матрицу данных типа «объект ¾ признак». Из нее выделяем для анализа столбец матрицы в соответствии с анализируемым признаком. Подсчиты­ваем в этом ряду число респондентов, которые в недалеком буду­щем будут иметь ту или иную профессию. Тем самым получаем частоту встречаемости в выборке студента той или иной будущей профессии.

Распределение опрошенных по профессиям представлено в таб­лице 3.1.1. Это результаты самого первого этапа систематизации эмпирических данных. Распределение может быть представлено и описано на «языке» четырех показателей. Первый ¾ абсолютная частота, т. е. число студентов с определенной «будущей» профес­сией. Среди опрошенных студентов оказалось 100 будущих политологов (профессия I), 200 социологов (профессия 2), 300 культуро­логов (профессий 3), 100 филологов (профессия 4), 50 психологов, (профессия 7) и 250 историков (профессия 8). Студенты с будущи­ми профессиями, обозначенными как 5 и 6, в выборку не попали. В этом нет ничего удивительного, если при формировании выборочной совокупности не учитывалась будущая профессия студента. Эти шесть обозначенных и встречающихся в выборке профессий, будем использовать в процессе дальнейшего анализа.

Таблица 3. 1. I