Основные  процедуры социологического измерения. Измерением называется процедура наложения объектов измерения (относительно свойств и отношений между ними) на определенную числовую систему с соответствующими отношениями между числами, которые в социологических исследованиях называют шкалами.

     Шкала - это отображение произвольной эмпирически системы с отношениями в числовой системе, состоящей из множества всех действительных чисел. Номинальной шкалой называется шкала наименований, включающая перечень качественных объективных характеристик респондента (пол, национальность, образование, социальное положение) или мнений, установок, оценок. Упорядоченная номинальная шкала (или шкала Гуттмана) предназначена для измерения субъективного отношения к объекту, установок субъекта. Эта шкала обладает такими важными достоинствами, как кумулятивность и репродуктивность. Ранговая шкала включает ранжированное распределение ответов в порядке убывания или увеличения интенсивности исследуемого признака. Интервальная шкала - это тип шкалы, определяемый разностью (интервалов) между упорядоченными проявлениями изучаемого социального объекта, выраженной в баллах или числовых значениях. Каждая шкала допускает лишь определенные операции между символами (индикаторами признака) и вычисление лишь конкретного набора статистических характеристик.

     Отработка шкалограммы имеет свою процедуру: отбирается экспериментальная группа (около 50 чел.), которой предлагается высказаться по поводу суждений, предположительно образующих континуум. Высший балл по шкале определяется суммированием оценок по каждому ответу. Данные опроса экспериментальной группы располагают в виде матрицы так, чтобы упорядочить опрошенных по числу набранных баллов от высшего к низшему. Знак «+» означает благожелательное отношение к объекту оценивания, «-» - неблагожелательное.

     Анализ  и обобщение. Существуют качественные и количественные виды анализа массовой информации. К качественным видам относятся:

     - функциональный анализ, направленный на выявление устойчивых инвариантных связей объекта;

     - структурный анализ, связанный с выявлением внутренних элементов объектов и способа их сочетания;

     - системный анализ, представляющий собой целостное изучение объекта.

     Количественный (статистический) анализ информации включает совокупность статистических методов  обработки, сравнения, классификации, моделирования и оценки данных, полученных в результате социологического исследования. По характеру решаемых задач и используемого математического аппарата методы статистического анализа подразделяются на четыре основные группы:

     1) одномерный статистический анализ  - дает возможность анализировать эмпирическое распределение измеренных в социологическом исследовании признаков. В этом случае вычленяются дисперсии и средние арифметические значения признаков, определяются частоты встречаемости различных градаций признаков;

     2) анализ сопряженности и корреляции признаков - предполагает использование совокупности статистических методов, связанных с вычислением парных корреляций между признаками, измеренных в количественных шкалах, и анализ таблиц сопряженности для качественных признаков;

     3) проверка статистических гипотез - позволяет подтвердить или опровергнуть определенную статистическую гипотезу, обычно связанную с содержательным выводом исследования;

     4) многомерный статистический анализ  - позволяет анализировать количественные зависимости отдельных содержательных сторон исследуемого объекта от множества его признаков.

     Таблица сопряженности признаков - форма представления данных об объектах социологического исследования на основе группировки двух или более признаков по принципу их сочетаемости. Наглядно можно представить лишь в виде набора двумерных срезов. Таблица сопряженности позволяет провести поградационный анализ влияния какого-либо признака на другие и визуальный экспресс-анализ взаимовлияния двух признаков. Таблицы сопряженности, образованные двумя признаками, называются двумерными. Для них разработано большинство мер связи, они более удобны для анализа и дают корректные и значимые результаты. Анализ многомерных таблиц сопряженности признаков в основном состоит из анализа составляющих ее маргинальных двумерных таблиц. Таблицы сопряженности признаков заполняются данными о частотах совместной встречаемости признаков, выраженных в абсолютном или процентном отношениях.

     Существует  два основных класса статистических выводов, которые делаются при анализе таблиц сопряжения: проверка гипотезы о независимости признаков и проверка гипотезы о связи между признаками.

     Статистические  методы анализа включают в себя:

     - анализ средних величин;

     - вариационный (дисперсионный) анализ;

     - изучение колебаний признака относительно его среднего значения;

     - кластерный (таксономический) анализ - классификацию признаков и объектов при отсутствии предварительных или экспертных данных о группировке информации;

     - логлинейный анализ - поиск и оценку взаимосвязей в таблице, сжатое описание табличных данных;

     - корреляционный анализ - установление зависимости между признаками;

     - факторный анализ - многомерный статистический анализ признаков, установление внутренних взаимосвязей признаков;

     - регрессионный анализ - изучение изменений значений результатирующего признака в зависимости от изменений признаков-факторов;

     - латентный анализ — выявление скрытых признаков объекта;

     - дискриминантный анализ - оценка качества экспертной классификации объектов социологического исследования.

     Исследование  считается завершенным тогда, когда  представлены результаты. В соответствии с целью исследования они имеют  различную форму: устную, письменную, с использованием фотографий и звука; могут быть краткими и сжатыми  или пространными и подробными; составленными в расчете на узкий круг специалистов или для широкой публики.

     Заключительный  этап социологического исследования состоит  в подготовке итогового отчета и  последующем предоставлении его  заказчику. Структура отчета определяется типом проведенного исследования (теоретическое или прикладное) и соответствует логике операционализации основных понятий. Если исследование носит теоретический характер, то в отчете основное внимание уделяется научной постановке проблемы, обоснованию методологических принципов исследования, теоретической интерпретации понятий. Затем дается обоснование построения применяемой выборки и - непременно в форме самостоятельного раздела - проводится концептуальный анализ полученных результатов, а в конце отчета излагаются конкретные выводы, возможные практические результаты и способы их реализации. В отчете о прикладном исследовании основное внимание уделяется решению задач, выдвинутых практикой и предложенных заказчиком. В структуре такого отчета обязательны описание объекта и предмета исследования, задач исследования, обоснование выборки. Основной акцент направлен на формулирование практических выводов и рекомендаций и реальные возможности их реализации.

     Число разделов в отчете, как правило, соответствует числу гипотез, сформулированных в программе исследования. Первоначально дается ответ на главную гипотезу. Первый раздел отчета содержит краткое обоснование актуальности изучаемой социологической проблемы, характеристику параметров исследования. Во втором разделе описываются социально-демографические особенности объекта исследования. Последующие разделы включают ответы на выдвинутые в программе гипотезы. Заключение дает практические рекомендации, в основе которых лежат общие выводы. К отчету обязательно делается приложение, содержащее все методологические и методические документы исследования: статистические таблицы, диаграммы, графики, инструментарий. Они могут быть использованы при подготовке программы нового исследования.

3. Анализ эмпирических  данных социологии

     С формальной точки зрения при сравнении  эмпирических данных должны соблюдаться  следующие правила, необходимые  в логике экспериментального анализа:

     - два состояния одного процесса сопоставимы, если они содержат хотя бы одно общее свойство или показатель;

     - ни один фактор не может быть признан причиной сравниваемых явлений, если в одном случае при регистрации изучаемого явления он имеет место, а в другом - нет (правило согласия Милля);

     - вместе с тем данный фактор не может быть причиной изучаемого явления, если в одном случае (исследовании) он имеет место, а само явление не фиксируется, хотя в другом случае (исследовании) дело обстоит так, что регистрируются и явления, и данный фактор (правило различия);

     - некий фактор (условие, обстоятельства) не может достоверно считаться определяющим в отношении изучаемого процесса, если в другом случае (в другом исследовании) наряду с ним изучаемому процессу сопутствуют другие факторы.

     Эти логические правила, напоминающие о  строгости экспериментального вывода, нельзя игнорировать. В зависимости от программных целей исследования анализ полученных данных может быть более или менее глубоким и основательным.

     Цель  исследования определяет уровень анализа  в том смысле, что либо позволяет, либо запрещает прекратить его на какой-то стадии. В полном же объеме, т.е. от первого до последнего шага, последовательность действий социолога при анализе эмпирических данных может быть представлена следующим образом.

     Первая  стадия - описание всей совокупности данных в их простейшей форме. Предварительно осуществляется общий контроль качества полученной информации: выявляются ошибки и пропуски, допущенные при сборе данных и при вводе их в компьютер для обработки, бракуются какие-то «единицы» выборочной совокупности, не отвечающие модели выборки (коррекция выборки), отсеиваются некомпетентные респонденты (изымаются их данные полностью или частично), производятся другие контрольные действия, которые на социологическом жаргоне называют «чисткой массива». Дальше следует собственно описание: используется аппарат дескриптивной статистики для упорядочения всех данных по отдельным признакам (переменным). Изучаются простые распределения, выявляются аномалии и скошенности, рассчитываются показатели средней тенденции, вариации распределений. Все это необходимо для решения двух задач:

     1) общей оценки выборочной совокупности  и частных подвыборок (половозрастных, социально-профессиональных и других) с тем, чтобы понять, каким образом особенности выборок будут сказываться на интерпретации того или иного частного вывода и обобщающих заключений;

     2) для того чтобы в последующих  операциях с данными не утратить  представления о составляющих  более сложных зависимостей и  комбинаций, которыми впоследствии  будем оперировать.

     Например, в итоговых или промежуточных  выводах находят, что такие-то условия деятельности или характеристики людей более важны, чем некоторые другие. Чтобы правильно интерпретировать это заключение, следует вспомнить, каковы основные характеристики выборки, нет ли в ней заметных аномалий. Возможно, что в общей выборке доминируют представители определенного социального статуса, возрастной когорты, национальной принадлежности и т.п. С этими их особенностями связаны социальные функции, интересы, образ жизни. В итоге может оказаться, что суммарные выводы неосновательны: они преимущественно объясняются спецификой доминирующей подвыборки обследованных. Чтобы проверить эту рабочую гипотезу, надо расчленить массив информации на соответствующие подвыборки и повторить анализ раздельно для каждой из них, включая доминирующую.

     Так устанавливаются ограничения выводов. Обращение к «простой структуре» данных нужно и для того, чтобы при всевозможных комбинациях и сложных построениях не утратить представления об их первооснове. Вдруг «выскакивает» интереснейший факт, какие-то явления неожиданно тесно коррелируют. При попытке объяснить, что происходит, возможно было забыто, что сведения об этих явлениях получены по ответам респондентов на два вопроса одинаковой конструкции, соседствующих в анкете, и что это, видимо, следствие монотонного реагирования на похожие по форме вопросы – они подобны именно в силу психологического эффекта «эхо». Открытия не состоялось. Вторая стадия – «уплотнение» исходной информации, т.е. укрупнение шкал, формирование агрегированных признаков-индексов, выявление типических групп, жестких подвыборок общего массива и т.п.

     Генеральная цель всех этих операций - сокращение числа признаков, нужных для итогового анализа. Одновременно достигается первичное обобщение данных, нужное для более глубокого понимания существа изучаемых процессов. Допустим, например, что при контент-анализе по смысловой единице «а» практически не было получено информации (2% всего массива сведений). Сохранив этот пункт, мы потом будем постоянно наталкиваться на нулевые значения. Если можно, целесообразно объединить данную смысловую единицу с подобной ей, укрупнить шкалу. Тогда следует дать уточненную интерпретацию нового признака, теперь достаточно емкого по статистике наполнения. Формирование сводных, агрегатных признаков освобождает от необходимости утомительно интерпретировать малосущественные частности, повышает уровень обобщений, ведет к более емким теоретическим умозаключениям. Одно дело, когда в прикладном – «инженерном» - исследовании анализируют соотносительное значение каждого из элементов производственной ситуации в его влиянии на отношение к работе. И совершенно иначе действуют, если задача состоит в обнаружении социальной закономерности при повторном сравнительном исследовании. Здесь важно обобщить информацию по более емким структурам, например, по всем факторам условий и всем составляющим содержания труда. Поскольку мы знаем частные составляющие того и другого, т.е. аккуратно прошли первый этап анализа, наши дальнейшие операции с данными будут более целеустремленными, экономичными и практичными с точки зрения приближения к основным целям исследования.