[МУЗЫКА] [МУЗЫКА] [МУЗЫКА] Здравствуйте, уважаемые слушатели. На прошлом занятии мы с вами рассмотрели измерительные математические модели. В ходе их применения в исследовании мы получаем переменные: переменные, как результаты измерений. Эти переменные необходимо разместить в таблице исходных данных для дальнейшего анализа. Вот мы на этом занятии с вами рассмотрим основные описательные математические модели, которые обязательно используются в ходе любого научного исследования. Итак, первая описательная математическая модель — это таблица исходных данных, в которую мы помещаем исходные данные нашего исследования. Обратим внимание, что таблица имеет определенную структуру, требования которой сложились к последнему времени в связи с применением компьютерных методов анализа данных. Таблица имеет строки и столбцы, при этом строки соответствуют случаям — ну, как правило, это у нас испытуемые или респонденты — а столбцы соответствуют переменным. Следует отметить, что в таблице сводных данных размещаются все данные одного исследования вне зависимости от того, сколько выборок участвовало в исследовании, и в каком соотношении они находились. В таблице исходных данных независимые выборки разделяются при помощи номинальных переменных, которые выступают в данном случае, как группирующие. Ну, в данной таблице, в этой таблице мы видим переменную «Пол», которая делит испытуемых на юношей и девушек, видим переменную «Хобби», тоже номинальную, которая делит испытуемых по тому, какие хобби предпочитают те или иные юноши и девушки и т.д. В таблице содержатся переменные как номинальные, так и количественные. Ну и еще до формирования таблицы исходных данных, еще, может быть, до сбора исходных данных рекомендуется составить список переменных. Вот на экране вы видите список переменных, в которых отражаются наиболее существенные, наиболее важные характеристики планируемых переменных. В этой таблице строки соответствуют переменным, а столбцы — наиболее важным характеристикам. Строки пронумерованы. И рассмотрим основные характеристики переменных, которые указываются в этой таблице. Ну, во-первых, это имя переменной. Имя должно быть коротким. Для программы SPSS, предположим, имя переменных не должно быть более семи символов, желательно — не более пяти символов, начинаться с буквы и включать в себя только буквы и цифры. Дальше, следующая графа — это расшифровка имени. Дело в том, что имя не несет содержательной информации, как правило, о том, что конкретно было измерено. Вот для этого вводится расшифровка имени. Далее, следующая графа — это тип переменной, в какой шкале представлена переменная. Здесь в данном случае мы уже в самом начале исследования, в ходе планирования уже знаем, какие переменные у нас будут номинальными, а какие — количественными. Ну и наконец следующая графа — это диапазон. Особенно важна эта графа для номинальных переменных. Здесь указывается, сколько категорий имеет каждая номинальная переменная, и каковы наименования каждой категории, имена категорий. Для количественных переменных, как правило, представляют диапазон допустимых значений. На экране представлены исходные данные, как они выглядят в программе SPSS. В программе SPSS исходные данные представлены в виде двух вкладок. Вот на переднем плане находится вкладка, очень похожая на список переменных, да? И на заднем плане представлена вкладка «Данные». Вкладка «Данные», она подобно таблице Excel представляет собой бесконечную таблицу, где строки соответствуют случаям или испытуемым, а столбцы соответствуют переменным и поименованы эти столбцы. Первый шаг любого анализа данных — это анализ распределения каждой переменной. Отметим, что анализ распределения производится с разными целями для номинальных данных и для количественных данных. Сначала рассмотрим анализ распределения для номинальных данных. На экране вы видите распределение частот, представленное в виде таблицы для номинальной переменной и в виде столбиковой диаграммы. Вот рассмотрим сначала таблицу. В таблице строки соответствуют категориям номинальной переменной. Обратим внимание, что последняя строка этой таблицы — пропущенные значения, поскольку достаточно часто у нас имеются пропуски в данных по тем или иным причинам. Столбцы соответствуют... Ну, первый столбец — частота или количество каждой категории, вторая — процент, да? Причем в процент включается и процент пропущенных значений, то есть мы видим, каков процент пропущенных значений. Далее валидный процент указывает процент непропущенных значений, ну и наконец последний столбец — это накопленный процент, то есть процент, накопленный к данному значению переменной. Ну и график распределения номинальной переменной, столбиковая диаграмма показывает нам, насколько равномерно или неравномерно распределены частоты количественной переменной. Ну в данном случае мы, например, видим, что какие-то вузы предпочитаются чаще для поступления учащимися, а какие-то — реже. Как правило, оценивается равномерность или неравномерность распределения частот по категориям. Другой вид представления таблиц, частот в таблицах для номинальных переменных — это таблица сопряженности. Представлена таблица сопряженности для переменных «Пол» и «Хобби». В таких таблицах отражается связь двух оснований классификаций или двух номинальных переменных. Таблица, а также график сопряженности позволяет нам судить, например, о том в данном случае, как отличаются юноши и девушки по своим предпочтениям в отношении хобби. Рассмотрев основные математические модели для номинальных переменных, обратимся к задаче. В одном из исследований изучалась склонность людей передавать плохие или хорошие новости. Ну, отметим, что это исследование проводилось еще в те древние времена, когда не было мобильных телефонов и, соответственно, смс-ок, тем более — социальных сетей. На ветровых стеклах автомобилей, припаркованных у почтовых ящиков, были оставлены почтовые открытки с указанием адресата, всего 180 штук. Содержание открыток было либо нейтральным, либо плохим — содержали плохие новости. В качестве плохой новости использовалось сообщение о супружеской неверности партнера адресата, получателя сообщения. В процессе исследования подсчитывалось количество открыток, дошедших или не дошедших до адресата. Ну и вопросы, попробуйте ответить на них. Как была операционализирована гипотеза исследования? Сколько переменных содержали данные? И второй вопрос: какая описательная модель оптимально представила бы результат исследования? Ответ: данные представлены в виде двух номинальных переменных: новость (две категории: плохая — хорошая) и сообщение (две категории: не получено илиполучено). Как видите, таблица сопряженности дает основание делать вывод о том, что люди с меньшей охотой отправляют открытки, содержащие плохие новости.
