Профессиональная структура в различных группах по

Нетрудно догадаться, что в исследованиях такая ситуация прак­тически не встречается, и не потому, что отсутствие связи не наблюдается, а совсем по другим причинам. Основная причина ¾ специфика наших социологических данных. Это их неустойчивый характер. Например, это проявляется в неточности измерения того же феномена, как удовлетворенность учебой. Причин тому мно­жество. Это и несовершенство методик измерения, и неустойчи­вость ответов респондента, и плохая выборка. Ясно одно, всегда имеет место влияние многих случайных и неслучайных факторов на конкретные значения изучаемого нами признака. С неслучай­ными факторами социолог может бороться, а случайные будут иметь место всегда. Поэтому социолог делает выводы с учетом этой ситуации. Задается уровнем «ошибиться». Статистическая независимость констатируется не в идеальном случае, а в случае, близком к идеальному.

Представим себе противоположную ситуацию, когда на каждом из рисунков все кривые непохожи, несхожи. Для социолога это оз­начает, что в каждой группе с разной степенью удовлетворенности учебой своя собственная профессиональная структура. В каждой профессиональной группе своя собственная структура удовлетво­ренности. Из этого следует, что будущая профессия студента связа­на с его удовлетворенностью учебой, наблюдается сильная статис­тическая зависимость. Естественно, такая ситуация в исследованиях тоже практически не встречается.

Реальные рисунки трудно поддаются визуальной интерпрета­ции. К тому же в исследовании их бывает очень много. Отсюда и возникает необходимость в количественных оценках степени вза­имосвязи между признаками, в определении, сильное или слабое влияние признаков друг на друга. Это можно сделать с помощью различных мер взаимосвязи. Мы подошли к важным понятиям меры связи, или коэффициенты связи. Таких мер много, так как много различных интерпретаций понятия «связь». Другими сло­вами, связь может пониматься по-разному. Это во-первых. Во-вторых, даже в рамках одного и того же понимания связи суще­ствуют различные способы ее математической формализации. Отдельно взятый коэффициент ¾ математическая формализация некоторого понимания связи.

То, что нужны некоторые количественные оценки степени по­хожести эмпирических кривых распределения, не вызывает теперь у вас никакого сомнения. Но это только один контекст, одна из интерпретаций понимания связи. Прежде чем рассмотреть различ­ные коэффициенты связи, введем дихотомические пары понятий, без которых невозможно перейти к эмпирической интерпретации понятия «связь». Каждая интерпретация или контекст порождает свою собственную группу коэффициентов связи. Эти дихотомичес­кие пары для социолога составляют понятийный аппарат при ис­пользовании в анализе понятия «связь». Некоторые из этих пар были упомянуты выше: зависимый признак ¾ независимый, направ­ленная связь ¾ ненаправленная, статистическая зависимость ¾ незави­симость, сильная (тесная) связь ¾ слабая.

Коротко поясним содержательный смысл еще нескольких пар понятий. При этом будем упоминать коэффициенты связи (пока их названия, принятые в литературе), которые будут введены в следу­ющем разделе. Итак, следующая пара понятий: функциональная связь ¾ корреляционная связь. Из школьной математики вы прекрасно знае­те, что функциональной связью между двумя признаками называ­ется такая связь, когда одному и тому же значению одного призна­ка соответствует одно или несколько значений другого. Геометрически ¾ это красивые плавные кривые (прямая, парабола, синусоида и т. д.) или кривые с точкой разрыва (гипербола). Функциональные связи в социологии встречаются в основном при рабо­те с данными первого типа. Примером функции является и любой аналитический индекс. При рассмотрении связи между двумя признаками в рамках других типов информации наблюдается другая картина ¾ одному и тому же значению признака соответствует це­лое распределение значений по другому из признаков. Такая связь называется корреляционной (точнее, стохастической, но мы такие тонкости, как различие стохастических и корреляционных связей, рассматривать не будем). Эти связи между двумя признаками гео­метрически могут быть изображены в виде облаков точек в двумер­ном пространстве, т. е. на плоскости.

Рис. 3.3.3 Сильная связь Рис. 3.3.4 Слабая связь

Корреляционная связь может быть сильной (рис. 3.3.3) и сла­бой (рис. 3.3.4). В первом случае облако точек имеет четкую конфи­гурацию, четкую закономерность. Если признаки имеют метричес­кий уровень измерения, то можно сказать, что с ростом значений одного признака растет в среднем и значение другого. Здесь наблю­даем линейную связь. Эта закономерность может быть описана по­средством прямой линии, которая называется линией регрессии. Ра­зумеется, корреляционная связь может быть и нелинейной, т. е. описываться не прямыми.

Для нас важно, что корреляционные связи могут быть описаны с помощью функциональных. Другими словами, социологу право­мерно ставить вопрос, насколько корреляционная связь отличается от заданной им (в виде гипотезы) функциональной. С аналогичной ситуацией мы уже сталкивались. Практически все коэффициенты качественной вариации основаны на оценке степени отклонения от равномерного распределения (от прямой линии).

Социолог сталкивается с необходимостью задавать или выби­рать функциональные зависимости при работе с любым из пяти типов информации. При работе с динамическими рядами главная задача ¾ построить, подобрать функцию, описывающую этот ряд. Многие математические методы предполагают задание характера зависимости изучаемых признаков. Правда, из этого не следует, что мы всегда найдем функцию, подходящую для описания эмпиричес­кой закономерности.

Существует мера связи в предположении, что корреляционная связь носит линейный характер и признаки имеют метрический уровень измерения. Такая мера называется коэффициентом линей­ной связи Пирсона.

Целесообразно также использование такой пары понятий, как глобальные ¾ локальные меры связи. Эта пара понятий необходима для условного обозначения следующей ситуации. Вернемся к таб­лице сопряженности для нашего случая. Как было отмечено, опре­делить связь между будущей профессией студента и удовлетворен­ностью учебой можно, сравнивая их условные распределения. В этом случае речь идет как бы о связи этих двух признаков в целом. Меры, отражающие эту целостность, можно определить условно как меры «глобального» характера для таблицы сопряженности. К такого рода мерам относятся коэффициенты, основанные на вели­чине «хи-квадрат» и Гудмена-Краскала.

В то же время можно поставить вопрос о связи следующим об­разом. Например, связана ли самая низкая удовлетворенность уче­бой с второй профессией (социолог). Тогда речь идет условно как бы о связях в локальном смысле. Для таких случаев существуют также коэффициенты связи. Это такие коэффициенты, как коэф­фициент Юла, показатели детерминации.

Вместо рассмотренной нары направленная связь ¾ ненаправ­ленная можно пользоваться терминами: симметричная связь ¾ асим­метричная. При вычислении направленных коэффициентов связи между признаками X и Y, как правило, оказывается, что значение коэффициента для X® Y не равно значению для ХY. Два признака неравноправны, их нельзя формально поменять места­ми. Отсюда возникают асимметричные коэффициенты. Они не всегда удобны для использования в сложных математических ме­тодах. Потому при двух асимметричных коэффициентах всегда существует третий, как бы их усредняющий. Мы столкнемся с тройкой мер Гуттмана и с тройкой мер Гудмена - Краскала.

Перейдем к рассмотрению взаимосвязанных пар понятий, та­ких, как непосредственная связь ¾ опосредованная, истинное (значе­ние коэффициента) ¾ложное. Первая пара понятий важна при интерпретации количественного значения коэффициента связи. Здесь необходимо отметить, что по таким значениям не всегда ложно говорить о силе связи (сильная ¾ слабая). В ряде случаев просто констатируется наличие или отсутствие определенным об­разом понимаемой связи. Если по конкретному значению коэф­фициента мы видим, что связь есть, то это вовсе не означает существования в реальности непосредственной связи между двумя изучаемыми признаками, а может означать наличие опосредован­ной связи. Отсюда вторая пара понятий: истинное значение ¾ ложное. В литературе тому есть множество примеров. Например, в США за 1870—1910 годы было установлено наличие связи меж­ду заработной платой учителей и потреблением вина. Это пример ложной связи. Ибо она была опосредована тем, что в эти годы наблюдался промышленный бум и рост заработной платы и тем самым рост потребления вина во всех группах населения. В на­шем случае можно сказать, что связь между будущей профессией студента и удовлетворенностью учебой есть. Но она может носить ложный характер, т.е. опосредована другими признаками. Напри­мер, социальным происхождением, успеваемостью, удовлетворен­ностью жизнью, уверенностью в завтрашнем дне и т. д.

Возможна и другая ситуация, когда значение коэффициента связи указывает на ее отсутствие, а на самом деле связь существу­ет. Пример приведем в следующем разделе книги для случая та­ких признаков, как удовлетворенность собой и удовлетворенность жизнью.

Еще несколько слов о статистической зависимости ¾ статисти­ческой независимости. Это очень важные понятия. Вернемся опять к нашей таблице сопряженности и задаче сравнения условных распределений. Выше, исходя из элементарного здравого смысла, мы пришли к необходимости использования направленных мер связи для определения различия в структурах распределения. Тем самым для определения: наблюдается ли статистическая зависи­мость между будущей профессией студента и удовлетворенностью учебой. Но для определения статистической зависимости можно исходить и из другой модели, из других соображений. Поставим вопрос так. Какая величина может стоять в ячейке таблицы со­пряженности, если эти признаки статистически независимы? Ра­зумеется, такой вопрос правомерен. При этом маргинальные час­тоты (одномерные, простые) нам известны по нашей выборке.

Рассмотрим, к примеру, ячейку (2,1). Она соответствует буду­щим социологам, неудовлетворенным учебой. Статистическую не­зависимость признаков «будущая профессия» и «удовлетворен­ность учебой» можем понимать следующим образом. Доля неудовлетворенных учебой социологов среди всех студентов-соци­ологов равна доле не удовлетворенных учебой студентов среди всех студентов-гуманитариев. Ведь такое понимание связи не дол­жно вызывать у вас неприятия, ибо не противоречит здравому смыслу социолога. Тогда в ситуации статистической независимос­ти легко определяется то значение, которое должно стоять в на­шей ячейке. Оно вычисляется исходя из упомянутой выше про­порции. К ней мы вернемся при рассмотрении мер связи, основанных на так называемой величине «хи-квадрат».

Многие коэффициенты связи как раз и определяют отклонение реальных частот (того, что получено по выборке) от частот как бы теоретических, т. е. вычисленных по той же таблице, но для случая статистической независимости.

И наконец, обратим внимание еще на одну пару понятий. Социолога интересует связь между признаками для выявления причинно-следственных отношений между признаками. Поэтому он изучает связи всегда в контексте: влияет ¾ не влияет; детерми­нирует ¾ не детерминирует; увеличивает информацию ¾ не увели­чивает; улучшает прогноз ¾ не улучшает и т. д. После всех наших предыдущих рассуждений является очевидным, что наличие кор­реляционной связи не говорит о причинности [3. с. 72—119; 11. с. 43—63]. И в то же время для причинного анализа невозможно обойтись без изучения корреляционных связей. Термином «при­чинный анализ» принято обозначать специфический класс мате­матических методов. Вместе с тем проблема причинности в нашей науке очень интересная, сложная область, которую нельзя свести только к классу математических методов.

Итак, мы познакомились с дихотомическими парами понятий, которые важны для изучения и понимания связи, т. е. для эмпири­ческой интерпретации понятия «связь». Они таковы:

причинная ¾ корреляционная; функциональная ¾ корреляционная; направленная ¾ ненаправленная; локальная ¾ глобальная; истинная ¾ ложная; статистическая зависимость ¾ статистическая независимость; симметричная ¾ асимметричная; непосредственная ¾ опосре­дованная; линейная ¾ нелинейная.

Коэффициенты связи, меры связи бывают не только парные (мы будем рассматривать только такие), но и частные, множе­ственные. Различают коэффициенты для номинального, порядко­вого, метрического уровня измерения. Сами таблицы сопряжен­ности бывают разные. Они бывают и многомерные, если сопрягаются несколько признаков, и тогда их называют таблица­ми с несколькими входами. Очень интересной в социологии явля­ется таблица сопряженности квадратного вида (число строк равно числу столбцов), когда сопрягается признак с самим собой. Она возникает в ситуации панельного исследования. Представим себе, что тех же студентов-гуманитариев мы опросили повторно через пару лет. Тогда таблица для двух признаков, например, «уверен­ность в завтрашнем дне в 1997 году» и «уверенность в завтраш­нем дне в 1999 году», позволит изучить степень изменчивости такой уверенности. Для анализа таких таблиц сопряженности су­ществуют специфические меры связи.