Обработка и анализ социологических данных

 

Среди процедур, выполнение которых обязательно на на­чальной стадии обработки информации, особое место занима­ют действия, называемые верификацией.

Верификация (от лат. «подтвержде­ние») – проверка достоверности социологических данных. Основными критериями достоверности информации можно назвать:

· адекватность изучаемым процессам. Ина­че говоря, собранная информация должна соответствовать дей­ствительному состоянию исследуемых явлений, их объективным параметрам;

· надежнос­ть, то есть быть способность устойчиво воспроизводить именно те характеристики объекта исследования, которые важны для исследователя. Собранная информация, как правило, не может противоречить изложенным в програм­ме исследования основным теоретическим принципам и мето­дическим подходам;

· валидность, то есть изме­рение тех качества или свойства изучаемых явлений и процессов, которые задуманы исследователем.

Провести полноценный анализ первичной социологической информации можно только после ее обработки, то есть при­ведения в состояние, удобное для сравнений, обобщений, интерпретаций. Подготовку собранной информации к анализу можно представить в виде расположенных в определенной последовательности процедур или этапов:

1. Проверкадокументов (бланков социологического инструментария) на точность, полноту и качество заполнения.

Говоря о точности заполнения, имеют в виду правильность (адекватность) ответов респондентов на вопросы. Например, если на вопрос анкеты «Были ли у Вас взыскания за последние 12 месяцев» дан ответ «да», а на вопрос «Если «да», то ка­кие?» - ответа не было, значит ответ «да» в предыдущем во­просе следует исправить на вариант «затрудняюсь ответить».

Под полнотой заполнения понимают наличие ответов на все или большинство вопросов. Например, если нет ответов более чем на 20% вопросов или отсутствуют ответы на вопро­сы «паспортички» – анкета бракуется.

Очень важно обращать внимание на качество заполне­ния. Если, например, ответы на открытые вопросы сделаны не­разборчивым почерком, если контрольные вопросы противоре­чат основным, если из фильтрующих вопросов следует вывод о некомпетентности респондента – во всех этих случаях анкета исключается из обработки.

2. Доборпропущенных данных, то есть проведение дополнительных опросов взамен забракованных. Например, после исключения некоторого количества анкет из обработки из-за их низкого качества, необходимо провести дополнительные опросы, чтобы выборка оставалась репрезентативной.

3. Кодирование данных, то есть присвоение числового кодакаждой единице информации, необходимое для ком­пьютерной обработки данных.

Способыкодирования вопросников могут быть различными:

1) сплошная нумерация – кодируется порядковым номе­ром каждый вариант ответов, например:

1. Как Вы относитесь к телевизионной рекламе?

001. В целом положительно

002. В основном отрицательно

003. Нормально, понимая ее необходимость

004. Затрудняюсь ответить

2. Нужна ли вообще реклама? (возможно несколько отве­тов):

005. Да, обязательно нужна

006. Да, нужна, но в меньшем объеме

007. Да, нужна, но и в иных формах

008. Нет, не нужна

009. Затрудняюсь ответить

2) позиционное кодирование, когда числовой код состоит из порядкового номера вопроса и номера варианта ответа, например, соединив номер вопроса «04» и вариант ответа «1» получим код «041»:

04. Всегда ли дети правильно понимают рекламу?

Обычно понимают (041)

Чаще не понимают (042)

Бывает по-разному (043)

Затрудняюсь ответить (044)

05. Будет ли ребенок чаще чистить зубы после рекламы?

Да, будет (051)

Нет (052)

Возможно (053)

Затрудняюсь ответить (054)

С особыми трудностями приходится сталкиваться при кодировании открытых вопросов анкеты. Выполняя такую работу, следует вначале обработать часть анкет, выявить повторяющиеся варианты, затем классифицировать их, наделяя числовыми кодами.

4. Определение процентных значений, вычисление значений, необходимых для «сжатия» информации (средних арифметических, средних взвешенных и др.), приведение в состояние, удобное для анализа (группировка, ранжирование данных по возрастанию или убыванию признака).

5. Оформлениеданных в виде аналитических таб­лиц, графиков, диаграмм, с использованием различных спосо­бов, приемов, повышающих наглядность информации.

Деление процедур обработки информации на перечислен­ные выше этапы в определенной мере условно. Многие из видов работ могут выполняться в иной последовательности или параллельно друг другу.

Процедура обработки собранных данных должна быть мак­симально проста, экономична по затратам с применением средств современной вычислительной техники. Именно поэтому социологическую информацию желательно выражать в ма­тематических символах. Приписывание числовых значений свойствам исследуемого объекта называют измерением социологических характеристик.

В социологии различают следующие типы измерительных шкал:

· номинальные шкалы, предполагающие присвоение каж­дому признаку своего номера; например, ответы «да» обозначаются цифрой 1, ответы «нет» - 2, ответы «за­трудняюсь ответить» - 3;

· порядковые шкалы, применяющиеся для оценки интен­сивности признаков по критерию возрастания или убы­вания; например, используется пятибалльная шкала (5, 4, 3, 2, 1), где значение измеряемого признака убыва­ет слева направо: 5 - очень высокая оценка, 4 - высо­кая, 3 - нейтральная, 2 - низкая, 1 - очень низкая;

· интервальные шкалы, используемые для измерения интенсивности повторения изучаемых признаков в пре­делах одинаковых интервалов; например, количество курящих школьников, а также число учащихся, желаю­щих бросить курить: в 4-5 классах, в 6-7, в 8-9 и в 10-11 (в процентном отношении к общему количеству обследованных в каждой группе);

· шкалы отношений, выражающие пропорции измеряемых величин; например, среди детей, воспитываемых в се­мьях, где курит отец, «курильщиков» среди детей в 1,3 раза больше, а где курят отец и мать - в 1,5 раза больше, чем в семьях, где родители не курят.

Шкалы позволяют не только измерить, но и сгруппировать признаки в систему, приспособленную для анализа. В резуль­тате группировки исследуемых признаков получаются ряды чи­сел, которые принято называть рядами распределения.

Количество повторяющихся замеров в составе ряда называют частотой признака. Например, интервьюирование 49 школьников показало, что на вопрос «Как часто бывают у Вас конфликты с родителями?» ответы распределились следующим об­разом: «очень часто» (5 баллов) - 9 человек, «часто» (4 балла) -12 человек, «редко» (3 балла) - 19 человек, «очень редко» (2 балла) - 8 человек, «не бывают» (1 балл) - 1 человек. Если выстро­ить все ответы в порядке убывания получится ряд: 5555555554444444444443333333333333333333222222221.

Однако информацию, изложенную в виде ряда, трудно анализировать. Ее необходимо предварительно «сжать», выразить в более наглядной форме.

Повышение наглядностисобранных данных, то есть приве­дение их в компактное состояние, максимально подходящее для аналитических обобщений, осуществляется за счет различных способов,а именно:

· применение таблиц;

· использование графических способов представления информации (диаграмм, полигонов распределения, гистограмм и т.п.);

· вычисление средних величин и других значений, позво­ляющих «сжимать» информацию, выделять наиболее типичные, характерные для исследуемых явлений ре­зультаты;

· ранжирование данных;

· определение уровня связей между переменными.

Например, приведенный выше пример ряда в обработанном виде может быть изложен в форме таблицы (см. таблицу 2).

Таблица 2.

Частотное распределение ответов школьников на вопрос анкеты «Как часто бывают у Вас конфликты с родителями?»

 

Варианты ответов	Частота (чел.)
Очень часто (5 баллов)
Часто (4 балла)
Редко (3 балла)
Очень редко (2 балла)
Не бывают (1 балл)
Всего опрошено:

 

Втаблице 2 приведен пример одномерного распределе­ния, когда по каждому признаку подсчитывается общее количе­ство ответов. Нередко в анализе используются двумерные или многомерные распределения, когда подсчеты ведутся с учетом взаимозависимости двух и более признаков. Данные чаще все­го выражают в процентных соотношениях (см.таблицу 3).