Методы обработки анализа первичной социологической информации

Тема 8 МЕТОДЫ ОБРАБОТКИ И АНАЛИЗА ПЕРВИЧНОЙ СОЦИОЛОГИЧЕСКОЙ ИНФОРМАЦИИ

ПЛАН 1. Проблемы количественного измерения в социологии 2. Этапы и процедуры первичной обработки данных 3. Методы математической и статистической обработки баз данных 4. Проверка гипотез 5. Табличное и графическое представление данных

Понятие шкалы Шкалы – это алгоритмы, по которым производится отображение изучаемых социальных объектов в ту или иную числовую математическую систему. Шкалы подразделяются на метрические (интервальная и пропорциональная) и неметрические (номинальная и ранговая).

Типы шкал Номинальная: с помощью номинальной шкалы мы измеряем такие переменные, которые в принципе не могут количественно отличаться друг от друга. Ранговая: данные рангового уровня измерений включают в себя категории наблюдения, которые размещены по порядку (от большего значения измеряемого признака к меньшему его значению или наоборот – от меньшего к большему). Интервальная: значения переменных, измеряемых с помощью интервальных шкал, изменяются непрерывно, они представляют собой численные величины. Пропорциональная шкала –та же интервальная шкала, но с зафиксированной точкой начала отсчета.

Выявление центральных тенденций Уточнения того, какие из значений переменных встречаются в линейных распределениях наиболее часто, а значит, определяют общие (или центральные) закономерности Соответствующие такому анализу таблицы называют линейными или одномерными распределениями Модой или модальной категорией называется то значение переменной, которое встречается среди данных наиболее часто Медиана –категория или значение в распределении значений, лежащих выше и ниже того уровня, на который приходится половина всех частот Критериями центральной тенденции для интервального и пропорционального уровней измерений выступают и мода, и медиана, и среднее арифметическое – сумма значений переменной, поделенная на число значений

Показатели разброса

Шаги для вычисления 2 и S 1) вычислить среднее; 2) вычислить разности между средним и каждым из значений; 3) возвести в квадрат разности, вычисленные на этапе 2; 4) умножить квадраты разностей на частоты наблюдений каждого из значений; 5) просуммировать квадраты разностей, вычисленные на этапе 4; 6) разделить сумму квадратов из этапа 5 на N; это равняется дисперсии; 7) извлечь квадратный корень из числа, вычисленного на этапе 6; это и будет среднеквадратическое отклонение.