აღწერითი სტატისტიკის გამოყენება სოციალურ კვლევაში
აღწერითი სტატისტიკა სოციალური კვლევის ერთ-ერთი უმნიშვნელოვანესი საფუძველია. სანამ მკვლევარები ინფერენციული ანალიზის ჩატარებას დაიწყებენ — როგორიცაა ჰიპოთეზის ტესტირება, რეგრესია ან ცვლადებს შორის ურთიერთობების მოდელირება — მათ უნდა გაიგონ შეგროვებული მონაცემების „სახე“. სწორედ აქ ერთვება საქმეში აღწერითი სტატისტიკა: მონაცემთა მახასიათებლების სისტემატურად შეჯამება, წარდგენა და აღწერა მარტივი გაგებისთვის. სოციალური კვლევის კონტექსტში, რომელიც ხშირად მოიცავს ქცევას, დამოკიდებულებებს, მოსაზრებებს და სოციალურ პირობებს, აღწერითი სტატისტიკა ეხმარება მკვლევარებს, დააფიქსირონ ზოგადი კანონზომიერებები, ასევე ვარიაციები პოპულაციაში ან ნიმუშში.
აღწერითი სტატისტიკის განმარტება და მიზანი
მარტივად რომ ვთქვათ, აღწერითი სტატისტიკა არის მეთოდების ერთობლიობა მონაცემების ლაკონურ და შინაარსიან ინფორმაციად დამუშავებისთვის. მიზანი არ არის ზოგადი დასკვნების გამოტანა უფრო ფართო პოპულაციისთვის, არამედ არსებული მონაცემების აღწერა. სოციალურ კვლევაში ეს მიზანი მნიშვნელოვანია, რადგან მონაცემები ხშირად რთულია: რესპონდენტები მრავალფეროვანია, ცვლადები შეიძლება შერეული იყოს (ნომინალური, რიგითი, ინტერვალური, თანაფარდობითი) და სოციალური კონტექსტი დინამიურია.
აღწერითი სტატისტიკის საშუალებით მკვლევრებს შეუძლიათ უპასუხონ ისეთ ძირითად კითხვებს, როგორიცაა: ვინ არიან კვლევაში მონაწილე რესპონდენტები? როგორია მათი განაწილება ასაკის, განათლების ან შემოსავლის მიხედვით? რა დონის მხარდაჭერა აქვთ პოლიტიკას? რამდენად დიდია მოსაზრებების ვარიაცია ჯგუფებს შორის? ეს პასუხები ეხმარება მკვლევრებს ძლიერი ნარატივის შექმნაში და შემდგომი ანალიზისთვის საფუძვლის შექმნაში.
სოციალურ კვლევაში მონაცემთა ტიპები
აღწერითი სტატისტიკის გამოყენება დამოკიდებულია შეგროვებული მონაცემების ტიპზე. სოციალური კვლევა ზოგადად იყენებს:
1. ნომინალური მონაცემები, როგორიცაა სქესი, დასაქმების სტატუსი, საცხოვრებელი ადგილი ან ორგანიზაციული კუთვნილება. ეს მონაცემები უბრალოდ კატეგორიებია ყოველგვარი თანმიმდევრობის გარეშე.
2. რიგითი მონაცემები, მაგალითად, განათლების დონე ან დამოკიდებულების შკალა (კატეგორიულად ვეთანხმები, კატეგორიულად არ ვეთანხმები). არსებობს თანმიმდევრობა, მაგრამ კატეგორიებს შორის მანძილი ყოველთვის ერთნაირი არ არის.
3. ინტერვალური მონაცემები, მაგალითად, კმაყოფილების ინდექსის ქულები ან ტესტის ქულები. მნიშვნელობებს შორის მანძილი თანაბარად ითვლება, მაგრამ აბსოლუტური ნული არ არსებობს.
4. თანაფარდობის მონაცემები, მაგალითად, შემოსავალი, შვილების რაოდენობა ან სამსახურის ხანგრძლივობის მონაცემები, რომლებსაც აქვთ აბსოლუტური ნული და საშუალებას იძლევა თანაფარდობის შედარების.
მონაცემთა მასშტაბის გაგება მკვლევრებს სწორი საზომის არჩევაში ეხმარება: საშუალო მნიშვნელობები შესაფერისია ინტერვალისთვის/შეფარდობისთვის, მაშინ როდესაც მედიანა ან მოდა ხშირად უფრო შესაფერისია რიგობრივი მნიშვნელობებისთვის, ხოლო სიხშირე დომინანტურია ნომინალური მნიშვნელობებისთვის.
ცენტრალიზაციის საზომები: საშუალო, მედიანა და მოდა
ცენტრალური ტენდენციის საზომები გამოიყენება მონაცემების „ტიპიური“ მნიშვნელობების აღსაწერად.
– საშუალო მნიშვნელობები ძალიან ხშირად გამოიყენება ინტერვალური და თანაფარდობითი მონაცემებისთვის, როგორიცაა ოჯახის საშუალო შემოსავალი ან კვირაში საშუალო სამუშაო საათები. თუმცა, საშუალო მნიშვნელობები მგრძნობიარეა ექსტრემალური მნიშვნელობების მიმართ. სოციალურ კვლევაში, ისეთ გამონაკლის მაჩვენებლებს, როგორიცაა ძალიან მაღალი შემოსავლები, შეუძლიათ საშუალო მნიშვნელობის დამახინჯება და ნაკლებად წარმომადგენლობითი სურათის შექმნა.
– მედიანა არის საშუალო მნიშვნელობა მონაცემების დახარისხების შემდეგ. მედიანა უფრო მდგრადია გამონაკლისების მიმართ, ამიტომ ის ხშირად გამოიყენება ისეთი ცვლადებისთვის, როგორიცაა შემოსავალი ან ხარჯები, რომლებსაც, როგორც წესი, აქვთ ასიმეტრიული განაწილება.
– მოდა არის მნიშვნელობა, რომელიც ყველაზე ხშირად ჩნდება. ის განსაკუთრებით სასარგებლოა ნომინალური მონაცემებისთვის, როგორიცაა რესპონდენტების მიერ ყველაზე ხშირად არჩეული სამუშაოს კატეგორია.
სამივეს გაერთიანებით, მკვლევრებს შეუძლიათ მონაცემების უფრო დაბალანსებული ინტერპრეტაცია და მხოლოდ ერთ საზომზე არ გაიჭედონ.
გავრცელების საზომები: ვარიაცია, სტანდარტული გადახრა და დიაპაზონი
სოციალური კვლევა მოითხოვს ინფორმაციას არა მხოლოდ საშუალო მნიშვნელობის შესახებ, არამედ იმის შესახებაც, თუ რამდენად განსხვავდება რესპონდენტები. ორ ჯგუფს შეიძლება ჰქონდეს ერთნაირი საშუალო კმაყოფილება, მაგრამ ვარიაციის განსხვავებული დონე - ერთი ერთგვაროვანი, მეორე კი ძალიან მრავალფეროვანი.
– დიაპაზონი აჩვენებს უდიდეს და უმცირეს მნიშვნელობებს შორის განსხვავებას. ეს მარტივი საზომია, მაგრამ მასზე ადვილად მოქმედებს გამონაკლისი მაჩვენებლები.
– ვარიაცია და სტანდარტული გადახრა ზომავს მონაცემების გავრცელებას საშუალო მნიშვნელობის გარშემო. სტანდარტული გადახრა უფრო ხშირად გამოიყენება, რადგან მას იგივე ერთეულები აქვს, რაც საწყის მონაცემებს, რაც მის ინტერპრეტაციას აადვილებს.
– კვარტილთაშორისი დიაპაზონი (IQR), რომელიც წარმოადგენს მანძილს მესამე კვარტილსა და პირველ კვარტილს შორის, ხშირად გამოიყენება მაშინ, როდესაც მონაცემები ნორმალურად არ არის განაწილებული ან შეიცავს გამონაკლისებს.
სოციალურ გამოკითხვებში, დამოკიდებულების შკალაზე დიდი სტანდარტული გადახრა შეიძლება საზოგადოებაში მოსაზრებების პოლარიზაციაზე მიუთითებდეს, ხოლო მცირე სტანდარტული გადახრა - კონსენსუსზე.
მონაცემთა განაწილება და განაწილების ფორმები
აღწერითი სტატისტიკა ასევე განიხილავს მონაცემთა განაწილებას. ხშირად განხილული ორი კონცეფციაა:
– ასიმეტრია: განაწილება გადახრილია მარჯვნივ ან მარცხნივ. მაგალითად, შემოსავალი, როგორც წესი, გადახრილია მარჯვნივ, რადგან ადამიანების მცირე პროცენტს ძალიან მაღალი შემოსავალი აქვს.
– კურტოზი: აღწერს განაწილების პიკების „სიმკვეთრეს“ და მისი კუდების სისქეს. სოციალურ კონტექსტში, კურტოზი გვეხმარება იმის გაგებაში, კონცენტრირებულია თუ არა მონაცემები გარკვეული მნიშვნელობების გარშემო თუ უკიდურესობებამდეა გადანაწილებული.
განაწილების გაგება ხელს უწყობს ანალიზისა და ვიზუალიზაციის შესაბამისი ტექნიკის შერჩევას და თავიდან აიცილებს არასწორ ინტერპრეტაციას.
მონაცემთა პრეზენტაცია: ცხრილები და ვიზუალიზაცია
აღწერითი სტატისტიკის ძალა არა მხოლოდ გამოთვლებშია, არამედ მონაცემების წარდგენის წესშიც. კარგი პრეზენტაცია სოციალური კვლევის შედეგებს მკითხველებისთვის, პოლიტიკის შემქმნელებისთვის და ფართო საზოგადოებისთვის ადვილად გასაგებს ხდის.
1. სიხშირის ცხრილი: აჩვენებს თითოეულ კატეგორიაში რესპონდენტთა რაოდენობას და პროცენტულ მაჩვენებელს. მაგალითად, განათლების დონის ან პოლიტიკური პრეფერენციების განაწილება.
2. სვეტოვანი დიაგრამა: შესაფერისია კატეგორიული მონაცემებისთვის, როგორიცაა დასაქმების ტიპი ან ოჯახური მდგომარეობა.
3. წრიული დიაგრამა: ხშირად გამოიყენება, თუმცა სიფრთხილე გმართებთ, რადგან მსგავსი ნაწილების შედარება რთულია.
4. ჰისტოგრამა: იდეალურია რიცხვითი მონაცემებისთვის, მაგალითად, ასაკობრივი განაწილებისთვის ან ინტერნეტის გამოყენების ხანგრძლივობისთვის.
5. Boxplot: ძალიან სასარგებლოა ჯგუფებს შორის განაწილების შესადარებლად, მაგალითად, შემოსავლის ქალაქსა და სოფლად, ასევე გამონაკლისების გამოსავლენად.
ვიზუალიზაცია მხოლოდ დეკორაცია არ არის; ის აჩქარებს ნიმუშების, ტენდენციებისა და ანომალიების გაგებას.
გამოყენება სოციალურ კვლევებში: შემთხვევების მაგალითები
დავუშვათ, მკვლევარი იკვლევს ქალაქში „საზოგადოების ნდობის დონეს საჯარო სერვისების მიმართ“. მკვლევარი აგროვებს მონაცემებს 400 რესპონდენტისგან 1-დან 5-მდე შკალით (ძალიან უნდობლივიდან ძალიან სანდომდე), ასევე დემოგრაფიულ მონაცემებს, როგორიცაა ასაკი, განათლება და პროფესია.
შესაძლო ნაბიჯების აღწერა:
– შეადგინეთ სიხშირის ცხრილები განათლებისა და პროფესიის კატეგორიების მიხედვით.
– გამოთვალეთ საშუალო საერთო ნდობის დონე.
– გამოთვალეთ მედიანა, რათა ნახოთ საშუალო მნიშვნელობა, როდესაც განაწილება სიმეტრიული არ არის.
– გამოთვალეთ სტანდარტული გადახრა, რათა გაარკვიოთ, რამდენად იცვლება სანდოობის დონე.
– შექმენით ნდობის დონეების ჩარჩო-დიაგრამა განათლების ჯგუფის (საშუალო სკოლა, დიპლომი, ბაკალავრიატი) მიხედვით, რათა ნახოთ, არის თუ არა რაიმე განსხვავება ნიმუშებს შორის.
– შექმენით ჰისტოგრამა, რათა ნახოთ, რესპონდენტთა უმეტესობას დაბალი, საშუალო თუ მაღალი ქულები აქვს.
აღწერითი შედეგებიდან გამომდინარე, მკვლევრებმა შეიძლება დაადგინონ, რომ საშუალო ნდობის ქულა „დამაკმაყოფილებელ“ კატეგორიაშია, მაგრამ სტანდარტული გადახრა დიდია, რაც მიუთითებს მაღალი ნდობის მქონე და მაღალი უნდობლობის მქონე ჯგუფების არსებობაზე. ეს დასკვნა შეიძლება შემდგომი ანალიზის საფუძველი გახდეს: რა ფაქტორები ახდენს გავლენას ამ განსხვავებებზე?
შეზღუდვები და სიფრთხილის ზომები
მიუხედავად იმისა, რომ აღწერილობით სტატისტიკას ძალიან სასარგებლოა, მას აქვს შეზღუდვები. მას არ შეუძლია მიზეზობრივი ურთიერთობების დამტკიცება, არ უზრუნველყოფს ჯგუფებს შორის განსხვავებების სტატისტიკურად მნიშვნელოვანობას და არ არის აუცილებლად წარმომადგენლობითი პოპულაციისთვის, თუ ნიმუში მიკერძოებულია. გარდა ამისა, საშუალო მაჩვენებლების კონტექსტის გარეშე წარმოდგენა შეიძლება შეცდომაში შემყვანი იყოს, განსაკუთრებით ასიმეტრიული ან გამონაკლისების შემცველი მონაცემების შემთხვევაში. ამიტომ, სოციალურმა მკვლევარებმა ერთდროულად უნდა წარმოადგინონ მრავალი საზომი, ახსნან კონტექსტი და გამჭვირვალეები იყვნენ მონაცემთა შეგროვების პროცესში.
დახურვა
აღწერითი სტატისტიკის გამოყენება სოციალურ კვლევაში მკვლევრებს მონაცემების ყოვლისმომცველად გააზრებაში დახმარებისთვის გადამწყვეტი ნაბიჯია. ცენტრალური ტენდენციის საზომების, დისპერსიის საზომების, განაწილების ანალიზისა და მონაცემთა ცხრილებსა და გრაფიკებში წარმოდგენის გამოყენებით, მკვლევრებს შეუძლიათ სოციალური პირობების უფრო ობიექტურად და კომუნიკაციურად აღწერა. აღწერითი სტატისტიკა არა მხოლოდ მკითხველს ზოგადი სურათის აღქმაში ეხმარება, არამედ მკვლევრებს ახალი კანონზომიერებებისა და კითხვების აღმოჩენაში შემდგომი კვლევისთვის. მრავალფეროვან სოციალურ სამყაროში მონაცემების ზუსტად შეჯამების უნარი მნიშვნელოვანია ძლიერი, რელევანტური და შინაარსიანი კვლევის წარმოებისთვის.
