Методы социологического исследования

В зависимости от стадии социологического исследования в социологии выделяются методы формулирования проблем и гипотез, сбора, обработки информации и анализа данных.

Методы формулирования проблем и гипотез. Проблема или проблемная ситуация является исходным пунктом любого социологического исследования. В самом общем виде под проблемой понимается ситуация, при которой исследователь знает цели, действия индивидов, направленные на достижение каких-либо потребностей, но не располагает информацией о приемах, способах реализации этих действий по удовлетворению потребностей и достижению целей.

При формулировке проблемы социологического исследования необходимо:

• 1) четко разграничить неизвестное и известное в исследуемой области;
• 2) отделить друг от друга существенное и несущественное в отношении общей проблемы;
• 3) расчленить общую проблему на элементы (частные проблемы) и упорядочить их по степени приоритетности.

Социолог должен уметь переводить проблемную ситуацию в формулировку проблемы, которую ему предстоит исследовать. Для этого он должен совершить следующие теоретические действия:

1) констатировать реальное наличие данной проблемы, для чего ему нужно выяснить, существуют ли показатели, которые количественно или качественно характеризуют данную проблему;

статистические свидетельства, демонстрирующие значение и динамику этих показателей;

достоверные сведения об этих показателях.

• 2) выявить значимые элементы данной проблемы и удостовериться, что они входят в предметную сферу социологии, а не экономики, менеджмента и др.;
• 3) выделить известные (из собственного опыта, литературных источников) элементы проблемной ситуации и способы их успешного разрешения, чтобы рассматривать их как информационную базу для изучения оставшихся элементов;
• 4) определить главные и второстепенные элементы проблемной ситуации для определения основного направления исследовательского поиска;
• 5) провести анализ уже имеющихся решений аналогичных проблем, обращаясь к литературе, результатам экспертных опросов ученых-специалистов или опытных практиков.

Методы собора социологической информации. Эти методы подробно будут рассмотрены в разделе 3, здесь же ограничимся их кратким перечислением.

В социологии существуют три основных класса методов сбора первичной эмпирической информации: наблюдение, анализ документов и группа опросных методов. Некоторые из модификаций уже приобрели статус самостоятельных методов (например, интервью или анкетный опрос).

В.А. Ядов отмечает, что особое место в ряду приемов сбора первичных данных занимают экспериментальные методики и психологические тесты. Их особенность заключается в том, что они предполагают одновременно регистрацию фактов и строго фиксированные приемы их обработки [6].

Методы обработки информации. В. И. Добреньков и А. И. Кравченко отмечают, что полезной работой, предваряющей обработку данных, может считаться составление так называемого словаря переменных [3, с. 191 — 192]. Словарь переменных представляет собой таблицу, в которой сведены переменные данного исследования с указанием всех возможных значений, которые может принимать каждая из них, с соответствующими кодами, а также номерами тех позиций, которые занимает данная переменная в матрице базы данных. В табл. 1 можно увидеть пример такого словаря переменных [3].

Собственно обработкой социологической информации называют математико-статистическое преобразование данных, которое Таблица 1.

Словарь переменных для исследования представлений о богатстве.

делает их компактными, пригодными для анализа и интерпретации. С социологическими данными можно производить следующие операции:

• 1) подготавливать их для обработки; шифровать, кодировать и т. д.;
• 2) обрабатывать (вручную или с помощью компьютера); табулировать, рассчитывать многомерные распределения признаков, классифицировать и т. д.;
• 3) анализировать;
• 4) интерпретировать.

Обработка больших массивов информации в основном происходит с помощью специальных пакетов компьютерных программ, таких как SAS (пакет для статистического анализа систем) и SPSS (статистический пакет для социальных исследований). Первый чаще всего используется в сфере профессиональной статистики, второй — в области гуманитарных наук.

Разработка первой версии SPSS началась в США еще в 1960;х годах, и с тех пор он постоянно модифицировался. Пакет имеет модульную структуру, в которой каждый модуль предназначен для реализации какой-либо функции или определенного метода преобразования данных.

В базовый пакет включены модули, позволяющие получать линейные распределения и таблицы сопряженности, статистические коэффициенты связи и другие статистические характеристики рядов и таблиц распределений.

SPSS также включает все методы многомерной статистики — логлинейный, корреляционный, факторный и кластерный анализ.

Вместе с пакетом SAS SPSS является частью стандартного программного компьютерного обеспечения современных социологовпрактиков.

Методы анализа данных. Данными называются собранные в ходе эмпирического исследования факты. Это ответы респондентов, оценки экспертов, результаты наблюдения и т. д. Эмпирические данные возникают только на определенном этапе — после проведения полевого обследования, они содержатся в заполненных анкетах, протоколах наблюдения, опросных листах, бланках интервью.

В.И. Добреньков и А. И. Кравченко описывают несколько различных смыслов понятия «анализ данных» в социологии:

• 1) совокупность действий, совершаемых в процессе изучения полученных эмпирических данных, для того чтобы сформировать представление о характеристиках изучаемого явления;
• 2) процесс изучения статистических данных с помощью неких приемов, математических методов и моделей с целью более удобного и наглядного их представления, что позволяет наиболее обоснованно интерпретировать изучаемое явление;
• 3) понятие, тождественное прикладной статистике;
• 4) такие процедуры «свертывания» информации, которые не допускают формального алгоритмического подхода [3, с. 190].
• 1. Анализ одномерных (линейных) распределений.

При измерении одной переменной используется так называемая описательная статистика. Соответствующие такому анализу таблицы называют линейными, или одномерными распределениями.

Обычно для обобщенного описания наиболее характерных признаков наблюдаемых явлений используют два основных типа анализа:

• 1) измерение центральной тенденции (т.е. выявление того, какие из значений переменных встречаются в линейных распределениях наиболее часто, а значит определяют общую или центральную закономерность);
• 2) измерение разброса или дисперсии (она показывает, насколько плотно или слабо распределяются все зафиксированные значения данной переменной вокруг наиболее общего, среднего или центрального значения).

При обработке эмпирических данных и анализе полученных результатов важно принимать во внимание шкаяу, с помощью которой производилось измерение гой или иной переменной. В социологии обычно используют следующие типы шкал: номинальные, ранговые, интервальные, пропорциональные. Все эти шкалы были разработаны и введены в научный оборот американским исследователем С. Стивенсом [3, с. 194—195]. Подробнее о шкалах будет рассказано в разделе 2.

2. Анализ двумерных распределений.

Одной из важных задач любого анализа данных является проверка гипотез, сформулированных в программе исследования. В гипотезе обычно высказывается предположение о наличии связи между двумя и более переменными. Чтобы выявить наличие (или отсутствие) таких связей, необходимо найти ответ на пять основных вопросов:

• 1. Существует ли обозначенная в гипотезе связь между независимой и зависимой переменными?
• 2. Каково направление этой связи?
• 3. Насколько сильна связь?
• 4. Является ли связь статистически значимой?
• 5. Является ли связь каузсыьной?

Предположим, мы сформулировали гипотезу: «чем старше избиратели, тем больше вероятность того, что они примут участие в выборах». При анкетировании мы задаем прямой вопрос с предлагаемыми вариантами ответов: «Принимали ли Вы участие в последних выборах главы городского самоуправления»?

• 1 — да;
• 2 — нет;
• 3 — не помню.

При обработке данных опроса для проверки гипотезы необходимо сопоставить значения независимой переменной (возраст) с соответствующими им значениями зависимой переменной (участие или неучастие в выборах). С целью такого сопоставления мы после соответствующей обработки данных (вручную или с помощью компьютерного пакета SPSS) составляем таблицу (табл. 2) [3, с. 210].

Такая таблица называется «кросстаб», а процесс ее создания — «кросстабуляция». Это один из основных способов анализа, используемый для того, чтобы увидеть, какую связь переменные имеют друг с другом.

Участие в выборах избирателей различных возрастов.

Согласно В. А. Ядову, существует два класса процедур анализа данных:

• 1) дескриптивные процедуры (группировка, классификация, типологизация);
• 2) аналитико-экспериментальные процедуры (их цель — поиск взаимосвязей между переменными, их детерминации) [6, с. 206].

Простая группировка — это упорядочивание данных по одному признаку. Факты систематизируются в соответствии с описательной гипотезой исследования с учетом ведущего признака группировки. В зависимости от гипотез можно сгруппировать выборку по полу, возрасту, роду занятий, образованию и т. д.

В. И. Добреньков и А. И. Кравченко уточняют, что метод группировки «заключается в том, что обследуемая совокупность расчленяется на однородные группы (т.е. отдельные единицы, которые обладают общим для всех признаком). Группировки по количественным или качественным признакам имеют свои специфические особенности. При группировке по количественным признакам (возраст, стаж работы, размер дохода) весь диапазон изменения переменной разбивают на определенные интерваты с последующим подсчетом числа единиц, входящих в каждый из них. При группировке по качественным признакам должна быть предусмотрена возможность отнесения каждой единицы анализа к одной из выделенных градаций. Причем делать это необходимо однозначным образом с тем, чтобы суммарное число единиц анализа, отнесенных ко всем градациям, было бы в точности равно обшей численности изучаемой совокупности (поэтому наряду с вариантами ответов „не знаю“, „затрудняюсь ответить“, в словаре переменных всегда предусматривается вариант „нет ответа“, кодируемый обычно нулем)» [3, с. 192−193].

Весь последующий анализ базируется на изучении сгруппированных данных.

Число членов группы называют частотой, или численностью группы, а отношение данной численности к общему числу случаев — относительной частотой.

Перекрестная группировка — это связывание фактов, предварительно упорядоченных по двум признакам, с целью 1) обнаружить их взаимозависимость; 2) осуществить взаимоконтроль показателей (например, ответов на основной и контрольный вопросы).

В число задач перекрестной группировки входят 1) поиск устойчивых связей, влияющих на структурные свойства изучаемого явления или процесса; 2) поиск тенденции, динамики процесса.

Существует теоретическая и эмпирическая типологизация: первая ведет к объяснению изучаемых фактов, явлений или процессов, а вторая позволяет проводить только описание полученных данных и их интерпретацию.

Также под типологизацией понимают «обобщение признаков социальных явлений на основе идеальной теоретической модели и по теоретически обоснованным критериям. В качестве примера типологизации мы могли бы привести… исследование, посвященное выявлению содержательного аспекта политической стратификации российского общества 1990;х годов. В этом исследовании мы выделяли такие типы политической ориентации, как „демократы“, „западники“, „прагматики“, „коммунисты“, „национал-патриоты“ и „тоталитаристы“» [там же].

Поиск взаимосвязей между переменными. Перекрестная группировка по двум и более признакам выступает методом обнаружения возможных связей взаимодействия между переменными.

Основной проблемой при анализе данных двумерных распределений является следующая: брать за 100% данные по строке или по столбцу? Это зависит от характера выборки (репрезентативна она или нет) и логики анализа («от причин к следствию» и «от следствия к причинам»).

Так, например, у нас есть исходное двумерное распределение респондентов по содержанию их труда и степени участия в рационализации производства (табл. 3) [6, с. 215].

В этой таблице представлены данные о том, что тысяча человек, работающих на заводе, распределились в зависимости от факта участия или неучастия в рационализаторской деятельности.

Исходная перекрестная группировка данных: содержание груда и участие в рационализации (N = 1000).

Проведем анализ согласно логике «от причин к следствию». В данном случае предпосылкой участия в рационализации может выступать содержание труда, в то время как рационализаторство не может быть причиной того или иного вида труда. При таком подходе за 100% берем данные по строке (табл. 4) [6].

Таблица 4.

Участие в рационализации как следствие содержания труда работников.

На основании данных этого двумерного распределения можно сделать вывод о том, что наиболее активными рационализаторами являются инженерно-технические работники, а наименее активными — служащие. Характер труда инженерно-технических работников способствует участию в рационализаторской работе в большей степени, чем характер труда рабочих или служащих данного предприятия.

Теперь проведем анализ по логике «от следствия к причинам» и за 100% возьмем данные по столбцу (табл. 5) [6].

Вклад работников разного содержания труда в рационализацию.

Данные, приведенные в этой таблице, позволяют нам сделать вывод о вкладе каждой категории работников в рационализаторское движение, а не вывод об их соотносительной рационализаторской активности. Следовательно, из табл. 5 мы видим, что вклад рабочих в рационализаторство наибольший, по той простой причине, что они преобладают в числе сотрудников данного предприятия. Об относительной же активности рабочих по сравнению с другими группами мы судить, опираясь на эти данные, не можем.

Итак, из этих примеров видно, что прочтение данных «по строке» или «по столбцу» предполагает различные по своему содержанию выводы.

Также для поиска взаимосвязей между переменными используется метод факторного анализа. С его помощью выявляют структурные взаимосвязи множества переменных. Сначала устанавливаются парные корреляции всех переменных, а затем среди них выделяют такие, которые наиболее тесно взаимосвязаны в рамках своей группы и слабо связаны с другими группами (так называемые «узлы» связей или факторы).