Методы обработки информации

      4) Коэффициент вариации .

      

      Коэффициент вариации определяется в долях или  процентах как отношение среднеквадратического отклонения (G) к среднему арифметическому значению (М). Коэффициент существенно зависит от (М), поэтому его применение ограничено.

     Смысл применения дисперсии, стандартного отклонения или коэффициента вариации:

      Чем меньше D или δ, тем однороднее совокупность, тем типичнее средняя, тем меньше разброс мнений, устойчивее явление или процесс, больше его предсказуемость, меньше риск. 

     Чем выше коэффициент вариации, то есть чем больше возможное отклонение получающихся результатов от среднего, тем менее устойчива ситуация, тем выше степень риска.

     Принята следующая качественная градация результатов  для значений коэффициента вариации:

• если коэффициент вариации меньше 10%, то имеет место слабая неустойчивость (колеблемость) результата;
• если его значения лежат в пределах от 10 до 25%, то имеет место умеренная неустойчивость;
• если он выше 25%, то степень неустойчивости считается высокой.

    Меры  связи

      Исследование  объективно существующих связей между  явлениями имеет большое значение при анализе социальных процессов.

      В настоящее время разработано  множество методов изучения связей. Выбор метода зависит от цели исследования, от поставленной задачи.

      При решении практических задач часто  требуется определить воздействие одних факторов на другие, определить направление, характер связи и его величину. Проще говоря, исследователя интересует, как связаны между собой две переменные.

      Чтобы количественно оценить связи  между интересующими нас случайными величинами, используют коэффициенты сопряженности и корреляции (КК), которые количественно измеряют направление и плотность (тесноту, мощность) линейной зависимости. Плотность показывает, как сильно влияет изменение переменной, например x на у, а направление показывает: уменьшается или увеличивается у при увеличении х.

      В зависимости от того, в какой шкале  измерены переменные, на практике используются несколько видов КК. Мы рассмотрим четыре из них. Это коэффициенты:

      1) ассоциации (Q),

      2) контингенции (Ф),

      3) ранговой корреляции Спирмена (Rs),

      4) корреляции Пирсона (rxy).

      Вид коэффициента корреляции выбирается в  зависимости от типа измеряемой шкалы. Необходимо запомнить, что

• если переменные в номинальной шкале, то используются коэффициенты ассоциации (Q) и контингенции (Ф),
• если в порядковой, то коэффициент ранговой корреляции Спирмена (Rs),
• если в интервальной или отношений, то коэффициент корреляции Пирсона (Rxу).

      Рассмотрим  в порядке очередности все  заявленные выше коэффициенты корреляции.

      Шкала наименований (коэффициент ассоциации Q и контингенции Ф). Рассматривая меры связей, посчитываемые по таблицам сопряженности, обычно выделяют случай измерения связи 2-х переменных. Приведем пример двухмерного (дихотомического) распределения ответов на 2 вопроса социологического исследования. При этом таблица сопряженности для расчета Q и Ф имеет вид 2∙2:

 

      Для изменения связи между 2-мя неколичественными (номинальными) переменными разработаны специальные показатели:

• Q – коэффициент ассоциации (предложенный К. Пирсоном);
• Ф – коэффициент контингенции (английские статистики Э. Юл, М. Кендел).

      В числителе коэффициента ассоциации разность произведения чисел с одинаковыми ответами на оба вопроса: да-да и нет-нет и произведения чисел с неодинаковыми ответами: да-нет и нет-да. В знаменателе - корень квадратный из произведения всех четырех частных итогов. В буквенных обозначениях по таблице имеем:

                               Q=

    Числитель коэффициента контингенции совпадает  с числителем коэффициента ассоциации, а в знаменателе – сумма тех же произведений, разность которых стоит в числителе:

                           Ф=       

      Сравнение Q и Ф показывает, что |Ф| ≥ Q. На этом основании Q иногда называют более строгой мерой связи. 

      Пределы измерения коэффициентов Q  и Ф: - 1 ≤ Q ≤ 1;       

                                                                                   - 1 ≤ Ф ≤ 1.

      Если  Q и Ф равны нулю – связи нет. Когда их значения ≥ 0,5, говорят о существовании заметной связи.

1. Порядковая или ранговая.

      Для характеристик социального объекта, измеренных в ранговых шкалах, используются меры связи, по величине которых можно  сделать достаточно обоснованные выводы о тесноте и направленности связи. Для определения меры тесноты и направленности связи ранжированных переменных используются коэффициенты ранговой корреляции. Рассмотрим коэффициент рангов по Спирмену (Rs), названному по имени английского психолога Ч. Спирмена (1863-1945).

      Его значение вычисляется по формуле:

            Rs =                или                       

Где:

      Xi, Yi – величины рангов, соответствующих некоторому i-му значению  социального показателя;        

      n – количество пар таких значений.

      Коэффициент Rs может находится в пределах: - 1 ≤ Rs ≤ 1.

      По  величине коэффициента можно делать заключение о выраженности корреляции:

      |Rs| = 0,75 – 1,00 – связь (корреляция) сильная;

      |Rs| = 0,5 – 0,74 – корреляция выражена средне;  

      |Rs| = 0,1 – 0,49 – корреляция слабая;

      |Rs| < 0,1 – корреляции нет.

      3) Интервальная шкала и шкала отношений. Если интересующие нас переменные изменяются в шкале интервалов или отношений, то в данном случае мерой связи выступает коэффициент линейной корреляции Пирсона (Rxy), английского статистика и философа (1857-1936): 

                     

      Где:

      Xi, Yi – пары корреляционных переменных;

      n – количество пар коррелируемых переменных.

      Коэффициент Rxy может находится в пределах: - 1 ≤ Rxy ≤ 1.

      По  величине коэффициента можно делать заключение о характере корреляции между характеристиками объекта:

      |Rxy| = 1 – сильная линейная связь (зависимость);

      |Rxy| = 0,75 – 0,99 – корреляция близка к линейной;

      |Rxy| = 0,5 – 0,74  - корреляция достаточно выражена;

      |Rxy| = < 0,5– корреляция слабая, линейная зависимость просматривается плохо;

      Rxy = 0 – корреляции нет.

      Следует заметить, что в исследованиях  коэффициент Rxy нужно применять с большой осторожностью: во-первых, нужно быть уверенным, что характеристики объекта действительно измерены в метрической шкале; во-вторых, значения характеристик должны описываться законом распределения, близким к нормальному.

      В Excel эта функция обозначается ПИРСОН.

      Из  методов вторичной обработки следует выделить метод корреляционных плеяд. Он основан на обнаружении и статистическом анализе устойчивых связей между значениями показателей с целью получения групп (факторов) связанных признаков, описывающих военно-социальное явление или процесс. Особенно целесообразно использование этого метода при анализе качественных признаков, наиболее распространенных в ВСУ.

      В тех случаях, когда исследователя  интересует более глубокая информация о характере социальных процессов, могут использоваться методы многомерного статистического анализа. Среди них можно выделить:

• детерминантный анализ;
• дисперсионный анализ;
• корреляционный анализ;
• регрессионный анализ;
• кластерный анализ;
• метод распознавания образов (таксономия);
• факторный анализ и др.

      Существуют  другие методы социального измерения: статистическое изучение динамики, индексы, статистическое изучение структуры  совокупности и ее изменений. Отдельно изучается выборочное наблюдение, испытание статистических гипотез.

    Для облегчения численных расчетов целесообразно  использовать ЭВМ, производя расчет c помощью табличного процессора Excel, а также программ статистической обработки данных Statistica, SPSS и других.

      Основными направлениями использования ЭВМ  являются:

• организация автоматизированного сбора военно-социальной информации;
• создание, ведение и использование баз данных;
• математико-статистическая обработка данных.

 
 
 
 
 
 
 
 
 
 

      Заключение 

      В практической деятельности специальных моторизованных воинских частей ВВ МВД России наиболее широко применяются методы математической статистики.

      Благодаря применяемым методам обработки  информации становится более качественным ряд мероприятий проводимых в частях:

• подведение итогов служебно-боевой деятельности за месяц (период);
• подведение итогов состояния воинской дисциплины и правопорядка в воинских частях;
• проведение инвентаризаций и стоимостных учётов;
• анализ результативности и эффективности патрульно-постовой службы.

      Практическое  применение научных методов обработки  информации помогает командирам воинских частей принять правильные обоснованные решения в служебно-боевой деятельности своих подразделений.   
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      Список  литературы: 

      1. Военно-социальное управление. Учебник.  Под ред. М.И. Ломакина  и  А.А. Чертополоха. М.: ВУ - 2000.

      2. Социология. Словарь-справочник. Т.2. – М.: Наука, 1990.

      3.  Кузьменко Б.В. Социально-политические процессы в воинских коллективах: анализ, управление и моделирование. – М.: ВУ - 1997.

      4. Афанасьев В.Г. Научное управление обществом. М.: Изд-во полит. литературы, 1973.