Методы и программные средства анализа данных

 

 

Представлены методические аспекты анализа данных, реализованного в статистическом пакете SPSS. Дается краткое изложение содержания методов и анализа получаемых статистических результатов с демонстрацией в командах и выдаче пакета. Возможности применения методов математической статистики проиллюстрированы на социологических данных.

Методическое пособие предназначено студентам, специалистам, желающим познакомиться с работой пакета и оценить возможности реализованных в нем методов.

 

Предисловие

Издание данного учебного пособия финансируется грантом в рамках проекта. В книгу включены материалы по проекту финансируемых грантом Российского фонда фундаментальных исследовании 00-06-80221.

Методы и программные средства анализа данных универсальны и могут быть использованы в различных областях науки - в социологии, экономике, медицине, биологии, криминалистике и др. Однако применение анализа данных в каждой области имеет свои особенности, связанные со структурой данных, содержанием задач и интерпретацией результатов. В данном методическом пособии мы ставили своей целью изложить анализ данных для социологов.

В основе изложения - пакет обработки и анализа социологических данных SPSS - Statistical Package for Social Science. Пакет содержит все основные разделы анализа данных, и во многих зарубежных и отечественных университетах является базовым для преподавания анализа данных студентам гуманитарного направления. У нас нет возможности изложить всю информацию о пакете, поэтому мы затрагиваем лишь ключевые моменты практического анализа данных с его использованием.

Учебные материалы, предоставляемые официальным дилером SPSS в России (http://www.spss.ru) включают три учебника - Руководство пользователя SPSS, Книга 1 [1] Руководство пользователя SPSS [2] и Руководство по применению SPSS [3] по многим разделам содержат достаточно полную методику применения пакета, поэтому мы во многих случаях за дополнительной информацией отправляем к этим руководствам. Однако они ориентированы преимущественно на работу с пакетом в режиме диалога. В нашем учебном пособии баланс от диалогового режима смещен на использование языка программирования заданий для SPSS, поскольку серьезная работа с данными требует определенных навыков и в этой области. При подготовке материалов в этом направлении использовался путеводитель по синтаксису SPSS [4]. Кроме того, нами использовалась интенсивно документация SPSS по регрессионному анализу [5], точным статистическим тестам [6], документацию по кластерному анализу и многомерному шкалированию [7], другие материалы по SPSS.

Следует заметить, что практически ежегодно выпускается новая версия SPSS, постоянно изменяется дизайн, появляются новые программы и возможности работы с пакетом. В настоящий момент мы ориентируемся на 9 версию, но считаем главным донести до читателя основные принципы работы с SPSS, основные команды управления его работой, которые остаются практически неизменными уже в течение 20 лет. Конечно, пытаемся, также, не упустить и новые его возможности.

Большинство статистических пакетов снабжено такими же основными методами, имеют аналогичную структуру данных, поэтому освоение SPSS даст должный навык, полезный для компьютерного анализа данных вообще.

Кроме того, в работе использованы общеизвестные учебники по статистическому анализу данных, но, к сожалению не всегда доступные российскому читателю учебные пособия, как курс эконометрического анализа Грина [8], настольная книга по статистической методологии - фундаментальный труд американских авторов [9], объемный учебник по прикладному статистическому анализу С.А.Айвазяна и В.С.Мхиторяна [10], учебник Ю.Н.Толстовой [11], имеющий методологическое значение.

В книгу включен также включен материал, связанный с анализом взаимосвязи между неальтернативными вопросами [12]. Здесь мы попытались простым языком раскрыть сложную тему анализа множественных сравнений в анализе значимости связи по таблицам для неальтернативных вопросов.

 

Глава 1. Информация, обрабатываемая статистическим пакетом

Анкетные данные

В современных статистических пакетах такую информацию принято представлять в виде таблицы. Обычно обрабатывается один файл данных, визуально это… При кодировании информации удобно пользоваться определенными правилами…

Пример 1.1.

Анкета обследования жалоб и проблем населения (шутка)

1. Пол

1. мужской

2. Женский

2. Возраст …………

3. Проблемы (укажите 3 основные проблемы):

1. Учеба

2. Свободное время

3. Любовь

4. Музыка

4. Жалобы:

1. Служба

2. Здоровье

3. Зарплата

4. Жена

5. Собака соседа

Матрица данных, собранных на основании такой анкеты, изображена на рис.1.1. Пол здесь закодирован в соответствии с содержимым анкеты кодами 1 - мужчины, 2 - женщины; возраст непосредственно введен в данные; проблемы закодированы в трех переменных - указаны коды обведенных при опросе подсказок; для каждой жалобы отведена своя переменная.

 

N Анкеты	1. Пол	2. Возраст	3. Проблемы:	4. Жалобы:
1. Служба	2. Здоровье	3. Зарплата	4. Жена	5. Собака соседа
					.
					.
.	.	.	.	.	.	.	.	.	.	.

Рис.1.1. Структура матрицы - данных обследования жалоб и проблем населения

 

На протяжении всего текста мы будем иллюстрировать работу пакета на более серьезном примере анкеты "Курильские острова", текст которой приведен в приложении 1, кроме того, иногда мы будем привлекать для анализа данные Российского мониторинга экономического положения и здоровья населения (RLMS, [13]).

Типы переменных

Типы переменных можно рассмотреть с технической точки зрения и в аспекте применения математических методов.

Типы кодирования переменных.

Строчные переменные используются достаточно редко, например, для введения ответов на открытые вопросы или фамилий респондентов, если имеется такая… Но обычно, при внесении в компьютер информации для статистической обработки,…

Тип шкалы измерения переменных.

Формируя данные, исследователь ставит в соответствие значениям переменной, имеющей содержательный смысл ("пол - мужской", "профессия - учитель"), числовые значения. Такое соответствие называется шкалой измерения переменной. В зависимости от свойств переменной выделяют шкалы: номинальную, ординальную (ранговую), интервальную и шкалу отношений.

Неколичественные шкалы

ОРДИНАЛЬНАЯ или РАНГАВАЯ. Часто значения признака выражают степень проявления какого-либо свойства и могут быть упорядочены. Например, работа…   Количественные шкалы:

Неальтернативные признаки

1. Для каждой подсказки заводится переменная, которая соответствует столбцу матрицы и кодируется с помощью 0 и 1. В частности, для ответов на… Согласны ли вы с тем, что А. Нужна новая конституция?

Имена переменных и метки, коды неопределенных значений

Каждый столбец данных должен быть поименован, при этом имеются короткие имена для удобства задания команд и длинные имена, удобные для выдачи результатов расчетов. В приведенной анкете можем обозначить признаки следующим образом:

V1, v2, v3s1, v3s2, v3s3, v4d1, v4d2, v4d3, v4d4, v4d5

Меткой переменной может быть и непосредственная формулировка вопроса и переработанный текст вопроса , например, "Назовите, пожалуйста, ваш… Метки значений - это текстовая расшифровка кодов значений переменных (для… Коды неопределенных значений. Нередко необходимо исключить из анализа коды переменных, соответствующих неопределенным…