Зависимые и независимые переменные
Основой анализа связи между двумя переменными является подготовка двумерных таблиц (cross-tabulation), представляющая собой взаимное пересечение двух рядов распределений.
Один и тот же признак (представленный в инструментарии вопросом анкеты) в процессе анализа может выступать и в качестве показателя и в качестве фактора.
Например, одна гипотеза может быть сформулирована так: «Уровень образования влияет на удовлетворенность работой: чем выше уровень образования, тем выше уровень удовлетворенности работой». Другая гипотеза, требующая проверки, может быть следующей: «Удовлетворенность работой влияет на общую удовлетворенность человека жизнью: чем выше удовлетворенность работой, тем выше удовлетворенность жизнью».
В первом случае удовлетворенность работой выступает в качестве показателя, а во втором — в качестве фактора. Когда признак в процессе статистической проверки гипотезы рассматривается в качестве фактора, он называется независимой переменной (подлежащим); когда признак рассматривается в качестве показателя, в статистическом анализе он называется зависимой неременной (сказуемым).
Наряду с общим результатом одномерного распределения по изучаемому показателю, исследователь параллельно получает результаты распределения мнений отдельных подгрупп населения, и эти результаты сравнивает между собой. Чем больше различие в характере ответов у этих групп, тем о большей связи между двумя переменными можно говорить.
Обращаясь к приведенному выше примеру, можно сказать, что, проверяя первую гипотезу, исследователь всю совокупность разбивает на группы с различным уровнем образования (здесь, напомним, проверять гипотезу будет тем легче, чем более произведенная группировка соответствует выдвинутой гипотезе: если речь идет об уровне образования, то полученные группы должны различаться между собой именно по уровню образования); проверяя же вторую гипотезу, исследователь разбивает всю совокупность на группы людей, различающихся между собой по уровню удовлетворенности работой.
Построенная двумерная таблица позволяет «на глаз» увидеть, различаются ли ответы у разных групп населения. В таком виде обычно и рассматривает результаты исследования заинтересованный потребитель информации. Но результаты, оцениваемые «на глаз», часто, могут вводить в заблуждение.
Поэтому основной задачей исследователя-аналитика, представляющего результаты опроса в виде двумерных распределений является статистическая экспертиза — оценка и отбор качественной информации. Просмотрев и статистически оценив сотни (а то и тысячи) двумерных таблиц, он должен для широкой аудитории (и для своего дальнейшего анализа) отобрать только те, которые соответствуют статистическим критериям качества информации.
Другими словами, исследователь, прежде чем публиковать результаты двумерного анализа, должен осуществить статистическую экспертизу, позволяющую либо «пропустить» результаты исследования для широкого обнародования (в том случае, если полученные данные статистически обоснованы), либо «отбраковать» таблицы (в тех случаях, когда видимые «на глаз» различия статистически недостоверны в силу тех или иных причин, и могут привести к неверным выводам).
Если исследователь не удовлетворен результатами статистической про-верки (другими словами, интуиция подсказывает ему, что гипотеза была верной), он может в дальнейших исследованиях проверять ее, совершенствуя инструментарий и организацию сбора информации. Но он не должен представлять для широкой аудитории данные, не соответствующие статистическим критериям.
Прежде чем рассмотреть особенности использования статистических показателей для последовательного осуществления шагов объяснительного анализа, рассмотрим двумерную таблицу, с точки зрения описания и интерпретации кросс-табуляции полученных данных.
