WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Екатерина ШУСТЕНКОВА Множественный вейвлет-анализ в социологии Введение. Одна из задач любой области зна- Оно позволяет разложить частотный спектр по ния – наблюдение за процессами в динамике. времени и

обнаружить моменты, когда возни Подобные наблюдения укладываются в число- кают или исчезают различные циклы в дина вую последовательность – временной ряд, име- мике, обнаружить особенности ряда на каждом ющий определенную природу. В социологии, уровне декомпозиции, а также выявить частот как и в других науках, актуальна задача изуче- ные особенности ряда, которые предшествуют ния данной природы, т. е. поведения ряда, вы- во времени резким и одиночным возрастаниям ражающегося в изменении его базовых характе- показателя. Идея состоит в том, чтобы взгля ристик (среднее, дисперсия, период, амплитуда, нуть на ряд сначала под микроскопом, потом – фазы колебаний). Динамика социальных про- через лупу, потом отойти на пару шагов, затем цессов зачастую характеризуется присутствием посмотреть издалека (т. е. менять масштаб).

нерегулярных и резких изменений значения Данная идея осуществляется разными спосо показателя, появлением периодов регулярных бами, но все они сводятся к последовательному колебаний, которые затем сменяются хаотич- огрублению изначальной информации, либо, ными колебаниями. В связи с этим возника- наоборот, после сильного огрубления уточня ет потребность локализации периодичностей, ют особенности, которые еще сохранились, а определения периодов возникновения и исчез- также их положение. Преобразование Фурье и новения циклов. традиционный спектральный анализ не дают Традиционно для анализа временных рядов информации о том, в каком именно месте ис применяется преобразование Фурье, на кото- следуемый показатель действительно изменил ром основан спектральный анализ, реализован- ся, где начался или закончился тот или иной ный в широко используемом социологами па- цикл временного ряда. Решением проблемы кете SPSS. Оно обладает ценной способностью является разбиение ряда на части и анализ их фокусировать в точку информацию о периодич- по отдельности, что приводит к обратной про ности функции при переходе из временной об- блеме – наличию разрешения по времени, но ласти в частотную. Это достигается за счет того, потере разрешения по частотной области. Про что использующаяся система функций (синусы, блема объясняется принципом Хэйзинберга, косинусы или комплексные экспоненты) опре- согласно которому невозможно знать точно делена на бесконечном интервале. Это делает частоту и точное время присутствия/появления преобразование Фурье хорошим инструментом этой частоты в ряду, так как ряд не может быть для изучения процессов, свойства которых не представлен как точка в частотно-временном меняются со временем. Однако это обстоятель- пространстве. Также для преобразования Фурье ство делает преобразование Фурье плохим ме- наличие или отсутствие цикличности фикси тодом для исследования иррегулярных функ- руется для всего временного ряда, что побуж ций, характеристики которых эволюционируют дает делать вывод о присутствие регулярностей во времени. (циклов) с момента возникновения временного Во многих случаях интересно локальное ряда, который не всегда соответствует действи частотное содержание ряда, т. е. информация тельности.

о том, какие частоты нетипичны или типичны Необходимость использования других для конкретного отрезка времени. Данную за- функций подчеркивал Л.И. Мандельштам еще дачу, в отличие от преобразования Фурье и Ла- в 1920-х гг.: «Физическое значение разложения пласа, хорошо решает вейвлет-преобразование1. Фурье в большей мере связаны с резонансными свойствами линейных систем с постоянными Подробнее о нем см.: Kaiser G. A Friendly Guide to Wavelets. Boston:

параметрами;

при переходе к линейным систе Birkhaser, 1994 (рус. пер.: http://www.masters.donntu.edu.ua/2006/kita/ мам с переменными параметрами разложение byelikova/library/art1_rus.html).

Вестник общественного мнения № 2 (94) март-апрель Фурье перестает быть целесообразным и ме- расстояния чувствительны к наличию тренда.

сто функций косинус и синус должны занять Вейвлет-коэффициенты, выступая в качестве другие функции»2. Недавно появившимся ре- мер близости, показывают, насколько колеба шением являются вейвлеты – семейство функ- ния и направления колебаний временных ря ций определенной формы, локализованных по дов относительно их линейных трендов схожи оси аргументов (независимых переменных), между собой.

инвариантных сдвигу и линейных к операции Основы алгоритма. Базовая идея была сфор масштабирования (сжатия или растяжения), мулирована еще 200 лет назад и принадлежит имеющих вид коротких волновых пакетов с Фурье: аппроксимировать сложную функцию нулевым интегральным значением. Они созда- взвешенной суммой простых функций, каж ются с помощью специальных базовых функ- дая из которых получается из одной функции ций, которые определяют их вид и свойства. прототипа. Функция-прототип выполняет роль В отличие от преобразования Фурье, вейвлет- строительного блока, а аппроксимация получа преобразование рядов обеспечивает двумерную ется комбинированием одинаковых по струк развертку, при которой частота и координата туре блоков. Если «хорошая» аппроксимация рассматриваются как независимые перемен- получается при использовании малого числа ные, что делает возможным анализ сразу в двух блоков, то достигается значительное уплотне измерениях (частотном и временном). По ло- ние информации. Фурье в качестве подобных кализации во временном и частотном пред- блоков использовал синусоиды с различными ставлении вейвлеты занимают промежуточное периодами3.

положение между гармоническими (синусои- Гармонические базисные функции преоб дальными) функциями, локализованными по разования Фурье предельно локализованы по частоте, и функцией Дикара, локализованной частоте и не локализованы по времени (опреде во времени. лены на промежутке от - до +). В противо В алгоритме вейвлет-анализа использует- положность импульсные базисные функции ся масштабирующее окно, передвигаемое по Кронекера предельно локализованы во вре всему временному ряду с расчетом спектра мени и не локализованы по частоте. Вейвлеты для каждой его позиции. Процесс повторяет- занимают промежуточное положение между ся множественно с изменением размера окна гармоническими и импульсными функциями, для каждого нового цикла. В данном анализе так как должны быть локализованы как во вре частотно-временное пространство заменяют менной, так и в частотной области. Однако при на масштабно-временное, следовательно, чем проектировании подобных функций неминуе больше масштаб, тем меньше различимы дета- мо возникает проблема, вызванная известным ли сигнала (масштаб, таким образом, обратно принципом неопределенности: чем точнее бу пропорционален частоте). дет осуществляться локализация временного Выявление особенностей поведения ряда, положения функции, тем шире будет стано кроме того, позволяет мерить близость/даль- виться ее спектр, и наоборот. Отличительной ность между различными временными рядами, особенностью вейвлет-анализа является то, что не используя при этом евклидово расстояние. в нем можно использовать семейство функций, Временные ряды считаются близкими, если они реализующих различные соотношения неопре близки как функции времени (т. е. между зна- деленности. Таким образом, исследователь мо чениями временных рядов существует сильная, жет выбирать те функции, которые наилучшим возможно нелинейная, связь). Для сложных образом решают поставленные задачи.

данных (особенно макропоказателей) обычная Принцип вейвлет-преобразования заклю мера близости типа евклидова расстояния зача- чается в разложении числового ряда на две со стую неприменима. Таким образом, меру бли- ставляющие: аппроксимирующую и детализи зости между временными рядами следует рас- рующую. Разложение производится по базису, считывать на основе некоторых характеристик образованному сдвигами и разномасштабными временных рядов, а не на основе их значений. копиями функции-протитипа. Чем больший Обычно используется несколько типов рас- масштаб имеет вейвлет, тем более широкая об стояний между рядами: на основе косинуса и на ласть ряда будет оказывать влияние на результат основе коэффициента корреляции. Однако эти преобразования. За сдвиги и разномасштабные 2 Цит. по: Мандрикова О.В., Тристанов А.Б. Исследование локальных Киселев А. Основы теории вейвлет-преобразования ( http://www.

особенностей временного ряда с использованием пакета расширений basegroup.ru/library/cleaning/intro-to-wavelets/?sessionid=ij58dqd01lqeh Wavelet Toolbox. С.1 (http://content.mail.ru/arch/19862/1307556.html). uecd5odnv85l5).

№ 2 (94) март-апрель 2008 Вестник общественного мнения функции отвечает масштабирующая функция полнения. Вейвлет-коэффициенты а и d m,k m,k (t), которую также называют «отцовским» отражают близость сигнала к вейвлету данного вейвлетом или усредняющим фильтром. Данная масштаба4.

функция есть решение следующего уравнения: Если подвергнуть вейвлет-коэффициенты обратному дискретному вейвлет-преобразова (t) = hk (2t-k).

нию, то из спектра коэффициентов а мы по m’,k лучим тренд А, а из d – детальную состав m’,k m,k Уравнение масштабирования может иметь и ляющую ряда D. Важную роль здесь играет m,k несколько иные формы записи. В частности, в уровень разложения/декомпозиции: чем он пакете Matlab Wavelet Toolbox оно используется выше, тем меньше деталей будет содержать в виде:

тренд. Поясним это следующим уравнением:

0.5(t/2) = wk (t-k), s(t) = A3+D3+D2+D1, где параметр t – локализация, положение на причем A3+D3 = А2, А2+D2 = А1, А1+D1 = s(t).

временной оси;

k – параметр сдвига, вместо ко Если мы раскладываем исходный ряд, к эффициентов hk используются коэффициенты примеру, до третьего уровня, то его можно вос wk = hk / и более удобная для реализации на становить путем сложения тренда третьего ПК нормировка вейвлетов.

уровня и всех детализирующих составляющих.

Значения hk определяются из условия для Несмотря на явные преимущества вейвлет ортонормальных базисов:

анализа применительно к нестационарным временным рядам, в социологии он практи hk = (t)*(2t-k) dt.

чески не используется5. Самой широкой обла Функция-прототип, или «материнский» стью применения вейвлетов является анализ вейвлет, – ортогональный вейвлет-базис, по сигналов различной природы, кардиограмм, рождающий все функции. Если скейлинг сейсмических данных, а также численное мо функция установлена, то базисный («материн делирование динамики сложных, нелинейных ский») вейвлет определяется по формуле:

процессов, распознавание образов, анализ ап паратной информации и изображений в ме (t) = gk (2t-k), дицине, космической технике, астрономии, где gk = (-1)k h2M-1-k.

геофизике, сжатие информации (сигналов и изображений). Наиболее близкой к социологии Разложение функций на вейвлетные ряды областью их применения является макроэконо на уровне масштаба m выполняется по форму мика, однако объектом анализа в таких случаях ле:

являются различные биржевые показатели. Нам s(t) = а m',k + d m,k, m',k m,k кажется важным внедрение вейвлет-анализа в количественный анализ социологических где а = s(t) m,k(t) dt и d = s(t) m,k(t) dt.

m,k m,k данных. В настоящее время доступен множе ственный анализ данных, хотя еще недавно Сумма скейлинг-функций ( а m’,k) дает m’,k можно было анализировать только единичные «сглаженные средние» значения функции s(t) ряды. Одновременное параллельное вейвлет на разных масштабных уровнях, а сумма вейв преобразование полноценных баз данный от летных функций ( d m,k) добавляет к m,k крывает еще более широкие возможности для «грубой» аппроксимации ряда все более под дальнейшей работы с данными. В частности робные детали (значения флуктуаций) на все крайне удобным и интересным становится кла меньших масштабных интервалах.

стерный анализ временных рядов, причем в Коэффициенты вейвлет-преобразования качестве мер близости возможно использовать вскрывают флуктуационную структуру ряда на как вейвлет-коэффициенты, так и восстанов разных масштабах и в разных временных точках.

ленные по ним спектры.

В областях «гладких» значений ряда, которые близки к средней тенденции, коэффициенты детализации d близки к нулевым, в областях m,k значительных отклонений от тренда они имеют Поликар Р. Введение в вейвлет-преобразование (рус. пер.: http:// наибольшее значение. Таким образом, вейвлет iist.3dn.ru/load/73-1-0-163).

анализ измеряет близости между базисными Нам известна лишь одна работа по применению вейвлет-анализа на функциями и самим рядом. Близость в таком социологических данных: Давыдов А.А. Вейвлет-анализ социальных случае понимается как сходство частотного на процессов//Социологические исследования. 2003. № 11.

Вестник общественного мнения № 2 (94) март-апрель Множественный вейвлет-анализ данных Мо- сколькими вариантами ответов. Альтернатива ниторинга общественного мнения. Общие принци- «затрудняюсь ответить» была исключена из всех пы. Для того чтобы составить хорошую, с содер- вопросов, чтобы не усложнять дальнейшую ин жательной и аналитической точек зрения, базу терпретацию данных. В конечный массив во данных, которая в дальнейшем подвергнется шло 30 рядов (см. Приложение), состоящих из вейвлет-преобразованию, следует придержи- 89 наблюдений (опросы Аналитического центра ваться нескольких принципов: Юрия Левады, ранее – ВЦИОМ, ВЦИОМ-А, 1) ряды должны быть как можно длиннее – апрель 1994–март 2008 г.).

вейвлет-анализ рассчитан как раз на анализ до- Проблема заключается в том, что все со вольно большого числа наблюдений. Не суще- бранные ряды расположены в разных частот ствует формального порога, однако стоит учесть, ных областях, имеют разнонаправленные трен что под «большим числом наблюдений» имеется ды и специфическую циклическую компоненту.

в виду «не менее нескольких десятков точек»;

Для определения того, поведение каких именно 2) периодичность замеров должна быть показатели синхронно или крайне схоже, необ равной на протяжении ряда и должна совпадать ходимо провести группировку переменных на у всех рядов, иначе результаты анализа будут основе детализующих вейвлет-коэффициентов.

крайне неточными или даже эвристическими;

Так как для множественного вейвлет-анализа 3) данные должны быть однопорядковы- доступно 53 вейвлет-модели, различающихся ми. База может формироваться из различных как по базисной функции, так и по скэйлинг типов временных рядов: индексы, альтернати- функции, нам необходимо выбрать наилучшую вы ответов одного вопроса, конгломерат аль- для наших данных. Совершенно очевидно, тернатив разных вопросов и т. д. (см. рис. 1). что для всех данных не может быть подобрана Главное – чтобы в одной базе содержались ряды одинаково хорошая модель, но так как в даль одного уровня. нейшем мы собираемся использовать коэффи Согласно данной иерархии и вышеизложен- циенты в качестве мер близости, необходимо, ным условиям, нами была собрана база, состоя- чтобы все данные подвергались единому преоб щая из распределений ответов на вопросы с не- разованию.

Рисунок ИЕРАРХИЯ МНОЖЕСТВЕННЫХ ДАННЫХ Множественные индексные данные:

2 и более индексов Формально множественные индекс ные данные: один индекс разбит на 2 и более группы Целостные данные: распределение по всем градациям одного вопроса Конгломерат однотипных данных Формально множественные Множественные дан- Множественные данные, Вейвлетные множе данные: одна градация отве- ные, составленные из составленные из одной гра- ственные данные: ре та разбивается на 2 и более градаций ответов на дации для разных выборок зультат декомпози группы (например, по ме- разные вопросы (на- (например, затруднивши- ции одной градации сяцам замеров, по четности- пример, только затруд- еся ответить на 1 вопрос в ответа нечетности и т. д.) нившиеся ответить) разных регионах страны) Идея данной иерархии принадлежит А.А. Давыдову, не опубликовано.

№ 2 (94) март-апрель 2008 Вестник общественного мнения При выборе вейвлет-модели необходимо шениями, если коэффициент сходства Жаккар соблюдать следующие критерии: да7 больше 0,7, причем для одного кластерного 1) социологическая теория, которая пока решения выбирается максимальный коэффи отсутствует;

циент для его «объединения» с любым другим.

2) содержательные критерии (соответ- Таким образом, вышеприведенная таблица ствие между классом процесса и семейством приняла следующий вид:

вейвлета);

№ Число вейвлет- Доля вейвлет 3) математические критерии (симметрич кластерного моделей, моделей, ность, ортогональность и т. д.);

решения дающих дающих 4) вычислительные критерии (автокорреля эквивалентное эквивалентное ция, FFT-спектр, энтропия разложения, вос решение решение, % производимость результатов на новых данных).

1+5+9+11 28 52,85% Таким образом, выбор вейвлет-модели – это 2+10 15 28,3% оптимизационная задача.

3+4+6+12 8 15,1% Вейвлет-коэффициенты как меры близости. В 7 1 1,89% ходе анализа были реализованы все 53 модели разложения до 6 уровня (максимально возмож- 8 1 1,89% ный, выделяет наиболее глубинную тенденцию ряда). Для оценки результатов мы руководство- Подобное распределение сложно назвать вались преимущественно вычислительными хорошим, так как мы получили три разных зна критериями, которые свидетельствовали о том, чимых решения. Решениями 7 и 8 можно пре что все модели для нашей совокупности дан- небречь, так как они невоспроизводимы и не ных одинаковы по качеству. Среди них нет ни схожи с остальными.

очень плохих, ни очень хороших, недостатки у Теперь рассмотрим полученные кластеры, всех примерно одинаковые. Поэтому в качестве сосредоточив внимание на решениях № 1 и № дополнительного критерия мы добавили такой (табл. 1).

показатель, как устойчивость кластерного реше- Таким образом, 1 кластер в обоих реше ния, основанного на вейвлет-коэффициентах ниях включает в себя все положительные вы d различных моделей. Таким образом, по- сказывания, тогда как 2 и 3 – отрицательные.

m,k Стоит лишь отметить, что негативные оценки лученные коэффициенты для каждой модели разбивались на 4 группы при помощи иерархи- в первом решении формируют единую группу, ческого кластерного анализа (метод Варда, ев- тогда как во втором они распадаются на группу клидово расстояние). В результате было полу- умеренно негативных и крайне негативных. Ни в одном кластерном решении положительные чено 12 типов кластерных решений: и отрицательные суждения не объединяются Число вейвлет- Доля вейвлет в одну группу. Возвращаясь к первоначальной моделей, моделей, идее классификации рядов на основе вейвлет № кластерного дающих дающих решения коэффициентов, выступающих в качестве мер эквивалентное эквивалентное близости, можно сделать следующий вывод:

решение решение, % при группировке суждений по их характерному 1 24 45, поведению и флуктуационной структуре глав 2 14 26, ным основанием для разбиения, скорее всего, 3 3 5, станет оценка, содержащаяся в данном сужде 4 3 5,66 нии (положительная или отрицательная), а не содержательная компонента. Иными словами, 5 2 3, ближе друг другу скорее одномодальные оцен Уникальные (не ки, разные по тематике, чем разномодальные воспроизводимые) 7 по 1, оценки, касающиеся одной темы. Данное за Для оценки того, насколько значимы раз- ключение хорошо вписывается в концепцию личия между кластерными решениями, исполь- Мясищева, согласно которой негативные и зовались коэффициенты сходства Рэнда и Жак- позитивные оценки – это два параллельно карда, которые изменяются от 0 – абсолютно Коэффициенты Рэнда и Жаккарда взаимосвязаны, однако послед несхожие объекты – до 1 – тождественные ний тип коэффициентов имеет большую дисперсию. Это позволяет луч объекты (см. Приложение). Условимся считать ше дифференцировать оценки сходства между разными кластерными незначимыми различия между кластерными ре решениями и упрощает задание порогового значения коэффициента.

Вестник общественного мнения № 2 (94) март-апрель функционирующих механизма оценочных Очевидно, что до 1999 г. поведение ряда суждений, различающихся по структуре и ди- было крайне хаотичным и непредсказуемым, намике. Подтверждением служат результаты в то время как поведение другой альтернати нейробиологических и когнитивных экспери- вы того же вопроса можно назвать более спо ментальных исследований. Однако в нашем койным. Для проверки того, является ли столь случае данный вывод довольно условен, так как специфическое поведение причиной «изоля в используемой базе данных большинство по- ции» показателя неудовлетворенности жизнью казателей значимо взаимосвязаны, а подоплека от всех остальных, период с 1994 по 1998 гг.

этой взаимосвязи (тематическая или оценоч- включительно был удален из анализа. Повтор ная) неизвестна. ное воспроизведение моделей на усеченных Еще один интересный результат проведен- данных показало, что с 1999 г. характерное по ного анализа – это выделение одного ряда, ко- ведение ряда «жизнь не устраивает» синхрони торый выступает в качестве 1 кластера, ни с кем зируется с другими негативными суждениями.

не объединяясь в 83% случаев (в 44 моделях из В частности одно из кластерных решений дает 53). Этот ряд по своей флуктуационной струк- следующий результат (табл. 2).

туре и характерным отклонениям относитель- При рассмотрении динамик негативных но средней тенденции не похож на остальные суждений, структура которых до 1999 г. схожа со и не взаимосвязан с ними. Этот ряд – «в целом структурой интересующего нас ряда, видно, что жизнь не устраивает» (рис. 2). Рассмотрим его ряд «жизнь не устраивает» выбивается из общей подробнее. картины (рис. 3).

Рисунок ЕСЛИ ГОВОРИТЬ В ЦЕЛОМ, В КАКОЙ МЕРЕ ВАС УСТРАИВАЕТ СЕЙЧАС ЖИЗНЬ, КОТОРУЮ ВЫ ВЕДЕТЕ?

не устраивает устраивает 1994 г. 1995 г. 1996 г. 1997 г. 1998 г. 1999 г. 2000 г. 2001 г. 2002 г. 2003 г. 2004 г. 2005 г. 2006 г. 2007 г. 2008 г.

Рисунок ДИНАМИКА ОТРИЦАТЕЛЬНЫХ СУЖДЕНИЙ № 2 (94) март-апрель 2008 Вестник общественного мнения Авг.

Май Май Май Май Май Май Май Май Май Май Май Май Май Май Апр.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Янв.

Март Март Март Март Март Март Март Март Март Март Март Март Март Март Июнь Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Сент.

Июль Июль Июль Июль Июль Июль Июль Июль Июль Июль Июль Июль Июль Июль Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Нояб.

Таблица РЕШЕНИЯ № 1 И № 1 кластер 2 кластер 3 кластер 4 кластер Все не так плохо, и можно Терпеть наше бедственное по- Экономическое положение Жизнь не жить ложение уже невозможно России плохое устраивает Жить трудно, но можно Следует прекратить экономи- Политическая обстановка в ческие реформы стране напряженная Следует продолжать экономи- В ближайшие месяцы Россию ческие реформы ожидают некоторые/ значи тельные ухудшения в полити ческой жизни В ближайшие месяцы Россию В ближайшие месяцы Россию ожидают некоторые улучше- ожидают некоторые/значи ния в политической жизни тельные ухудшения в эконо мической области В ближайшие месяцы Россию Выступления /митинги насе ожидают некоторые улучше- ления против падения уровня ния в экономической области жизни вполне возможны Материальное положение Скорее всего, приму в них семьи хорошее/среднее участие Экономическое положение Материальное положение России хорошее/среднее семьи плохое/очень плохое Настроение прекрасное Экономическое положение России очень плохое Нормальное, ровное состоя- Испытываю напряжение/страх, ние тоску Политическая обстановка в Политическая обстановка в стране спокойная, благопо- стране критическая, взрывоо лучная пасная В целом жизнь устраивает Все не так плохо, и можно Следует прекратить экономи- Терпеть наше бедственное по- Жизнь не жить ческие реформы ложение уже невозможно устраивает Жить трудно, но можно В ближайшие месяцы Россию В ближайшие месяцы Россию ожидают некоторые ухудше- ожидают значительные ухуд ния в политической жизни шения в политической жизни Следует продолжать экономи- В ближайшие месяцы Россию В ближайшие месяцы Россию ческие реформы ожидают некоторые ухудше- ожидают значительные ния в экономической области ухудшения в экономической области В ближайшие месяцы Россию Скорее всего, приму в них Выступления /митинги насе ожидают некоторые улучше- (выступлениях/митингах/про- ления против падения уровня ния в политической жизни тестах) участие жизни вполне возможны В ближайшие месяцы Россию Материальное положение Экономическое положение ожидают некоторые улучше- семьи плохое/очень плохое России очень плохое ния в экономической области Материальное положение Экономическое положение Политическая обстановка в семьи хорошее/среднее России плохое стране критическая, взрыво опасная Экономическое положение Испытываю напряжение/страх, России хорошее/среднее тоску Настроение прекрасное Политическая обстановка в стране напряженная Нормальное, ровное состоя ние Политическая обстановка в стране спокойная, благопо лучная В целом жизнь устраивает Вестник общественного мнения № 2 (94) март-апрель Решение № Решение № Таблица 1 кластер 2 кластер 3 кластер 4 кластер Все не так плохо, и можно Терпеть наше бедственное В ближайшие месяцы Рос- Экономическое положе жить положение уже невозможно сию ожидают некоторые ние России плохое улучшения в политической жизни Жить трудно, но можно Следует прекратить экономи- В ближайшие месяцы Рос- Политическая обстановка ческие реформы сию ожидают некоторые в стране напряженная улучшения в экономиче ской области Следует продолжать эко- В ближайшие месяцы Рос номические реформы сию ожидают некоторые/ значительные ухудшения в политической жизни В ближайшие месяцы Рос- В ближайшие месяцы Рос сию ожидают некоторые сию ожидают некоторые/ улучшения в политической значительные ухудшения в жизни экономической области Материальное положение Выступления /митинги насе семьи хорошее/среднее ления против падения уровня жизни вполне возможны Экономическое положение Скорее всего, приму в них России хорошее/среднее участие Настроение прекрасное Материальное положение семьи плохое/очень плохое Нормальное, ровное со- Экономическое положение стояние России очень плохое Политическая обстановка Испытываю напряжение/ в стране спокойная, благо- страх, тоску получная В целом жизнь устраивает Политическая обстановка в стране критическая, взры воопасная Жизнь не устраивает Выводы. Наблюдаемое поведение ряда Если за рядами мы будем видеть совокуп «Жизнь не устраивает» свидетельствует о его ность ответов людей, то интерпретацию ре чувствительности и неустойчивости. В перио- зультатов можно развернуть в следующей пло ды, когда все негативные показатели начинают скости. Во-первых, по разрыву в негативных резко возрастать, оценка неудовлетворенности оценках внешних факторов и неудовлетворен жизни возрастает в значительно большей степе- ности жизнью можно судить о присутствии ни. Таким образом, это наиболее чувствитель- других, не учтенных нами оснований, которые ная переменная, характер изменения которой обусловливают выбор альтернативы «жизнь не носит явно нелинейный характер. Противо- устраивает». Другими словами, если индивиды положная рассматриваемой переменной аль- оценивают внешние тенденции как отрица тернатива – «Жизнь устраивает» – по своему тельные, но при этом жизнь в целом не устраи поведению довольно стабильна, а локальные вает их в гораздо большей степени, то для этого флуктуации ряда относительно средней тен- должны быть другие основания. О том, какие денции довольно незначительны. Несмотря на это основания, можно только предполагать: это то, что обе переменные – это две части одного могут быть как психологические особенности вопроса, различие в их природе очевидно. Здесь данной группы людей (например, импульсив напрашивается вывод о том, что нестабиль- ность, мнительность, апатичность и т. д.), так ность показателя неудовлетворенности жизни и другие социальные показатели, которые не обусловлена присутствием большей эмоцио- были учтены в изучаемой базе. Во-вторых, ста нальной составляющей. бильность ряда «жизнь устраивает» и его взаи № 2 (94) март-апрель 2008 Вестник общественного мнения мосвязь с остальными положительными пока- схожим у одновалентных (одномодальных), но зателями свидетельствует о присутствии скорее тематически разных показателей. Умеренные рациональной компоненты в выборе данной оценки ближе к категоричным оценкам той же альтернативы. Таким образом, когда индиви- валентности, чем к умеренным оценкам проти ды отвечают, что «в целом жизнь устраивает», воположной модальности.

то при этом они руководствуются более «объ- Феномен амбивалентности внутри групп по ективными» показателями, что подтверждает- казателей не наблюдается ни в одном из 14 кла ся наличием нелинейной взаимосвязи между стерных решений, что подтверждает слабую удовлетворенностью жизнью и остальными по- дифференцированность оценок. На индивиду ложительными показателями (экономическим альном уровне диапазон оценок крайне узок:

и политическим положением в стране, мате- когда индивиды дают оценки тем или иным риальным положением семьи, ожиданиями на показателям, они придерживаются какого-то ближайшее будущее и т. д.). одного полюса (модальности, валентности) – Обобщая результаты группировок данных, положительного или отрицательного. Выбран можно заключить, что главным основанием для ная модальность распространяется на все оцен разделения показателей на классы является ва- ки вне зависимости от предмета оценивания.

лентность, или модальность суждений – инди- Относительная дифференциация оценок про каторов данных показателей. Поскольку в базе является только в степени их поляризации (от присутствуют суждения, выражающие оптими- категоричных до умеренных) и присуща скорее стические и пессимистические взгляды людей негативным, нежели позитивным оценочным на разные сферы жизни, то из анализа следует, суждениям. Иными словами, поводы для не что характерное поведение показателей отно- довольства более многообразны, чем причины сительно средней тенденции является наиболее удовлетворенности.

Вестник общественного мнения № 2 (94) март-апрель Приложение ОПИСАНИЕ ПЕРЕМЕННЫХ № ряда Формулировка альтернативы/название ряда 1 Все не так плохо, и можно жить 2 Жить трудно, но можно 3 Терпеть наше бедственное положение уже невозможно 4 Следует продолжать экономические реформы 5 Следует прекратить экономические реформы В ближайшие месяцы в политической жизни Россию ожидают 6 некоторые улучшения 7 некоторые ухудшения 8 значительные ухудшения В ближайшие месяцы в экономической области Россию ожидают...

9 некоторые улучшения 10 некоторые ухудшения 11 значительные ухудшения 12 выступления /митинги населения против падения уровня жизни вполне возможны 13 Скорее всего, приму в них участие Материальное положение семьи...

14 хорошее 15 среднее 16 плохое 17 очень плохое Экономическое положение России...

18 хорошее 19 среднее 20 плохое 21 очень плохое 22 Настроение прекрасное 23 Нормальное, ровное состояние 24 Испытываю напряжение 25 Испытываю страх, тоску Политическая обстановка в стране...

26 спокойная, благополучная 27 напряженная 28 критическая, взрывоопасная 29 В целом жизнь устраивает 30 В целом жизнь не устраивает № 2 (94) март-апрель 2008 Вестник общественного мнения КОЭФФИЦИЕНТЫ СХОДСТВА КЛАСТЕРНЫХ РЕШЕНИЙ Рэнд Жаккард Рэнд Жаккард Рэнд Жаккард 1 решение схоже с … 4 решение схоже с … 8 решение схоже с … 2 0,853 0,656 5 0,768 0,468 9 0,743 0, 3 0,876 0,693 6 0,855 0,618 10 0,825 0, 4 0,855 0,665 7 0,715 0,351 11 0,71 0, 5 0,913 0,776 8 0,828 0,579 12 0,784 0, 6 0,779 0,508 9 0,897 0,726 9 решение схоже с … 7 0,777 0,492 10 0,915 0,77 10 0,867 0, 8 0,715 0,426 11 0,754 0,437 11 0,816 0, 9 0,917 0,792 12 0,947 0,845 12 0,94 0, 10 0,839 0,634 5 решение схоже с … 10 решение схоже с … 11 0,899 0,744 6 0,729 0,376 11 0,738 0, 12 0,885 0,714 7 0,772 0,434 12 0,908 0, 2 решение схоже с … 8 0,683 0,33 11 решение схоже с … 3 0,949 0,847 9 0,83 0,577 12 0,784 0, 4 0,966 0,899 10 0,752 0, 5 0,766 0,457 11 0,931 0, 6 0,89 0,69 12 0,798 0, 7 0,726 0,36 6 решение схоже с … 8 0,862 0,643 7 0,782 0, 9 0,88 0,685 8 0,792 0, 10 0,949 0,854 9 0,821 0, 11 0,752 0,426 10 0,931 0, 12 0,922 0,775 11 0,733 0, 3 решение схоже с … 12 0,871 0, 4 0,915 0,76 7 решение схоже с … 5 0,789 0,483 8 0,685 0, 6 0,903 0,714 9 0,749 0, 7 0,763 0,405 10 0,749 0, 8 0,811 0,529 11 0,777 0, 9 0,917 0,763 12 0,754 0, 10 0,936 0, 11 0,775 0, 12 0,968 0, Вестник общественного мнения № 2 (94) март-апрель




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.