В современной литературе (В. А. Ядов, В. В. Семенова) различают два способа обобщения первичных данных:
1. качественно-количественный, статистический или «жесткий» анализ
2. качественный, «Мягкий» анализ.
В количественной социологии элементарными процедурами упорядочения данных являются группировка и классификация.
Простая группировка – это классификация или упорядочения данных по одному признаку в соответствии с описательной гипотезой. Так, в зависимости от гипотез можно сгруппировать выборочную совокупность по возрасту, роду занятий, характеру суждений и т. п.
Квантифицированные данные или количественные показатели группируются в ранжированные ряды по возрастанию (убыванию) признака, качественные или атрибутивные группируются по принципу построения неупорядоченных номинальных шкал.
Число членов группы называют частотой, а отношений данной частоты к общему числу наблюдений – долей или относительной частотой. Статистические приемы поиска средней тенденции (мода, медиана, среднеарифметическая), подсчет дисперсии отклонения позволяют оценить группированный ряд в емком показателе и отобразить результаты графически. Простейший анализ группировки – исчисление частот по процентам.
Перекрестная группировка (или перекрестная классификация) – это связывание данных предварительно упорядоченных по двум признакам с целью:
1) обнаружить какие-то взаимозависимости;
2) осуществить взаимоконтроль показателей (например, ответов на основной и контрольный вопросы);
3) сформировать новый (обобщенный) показатель на основе совмещение двух или более признаков.
Эмпирическая типологизация – поиск устойчивых сочетаний свойств социальных объектов, рассматриваемых в соответствии с описательными гипотезами в нескольких измерениях одновременно. Идею применения подобной типологизации социологии сформулировал П. Лазасфельд. Он ввел понятие «Пространство свойств в трехмерном физическом пространстве». Допустим, свойство A откладывает в «Высоту», B – в «Ширину», а C – в «Длину». Это позволяет определить степень упорядоченности данных свойств в трехмерном пространстве. И. А.Таганов и О. И.Шкаратан применили статистический критерий энтропии (Н). При значении Н=1 наблюдается полная упорядоченность трех свойств, при значении Н=0 фиксируется полный хаос. Они провели массовое обследование для выявления признаков, образующих устойчивые подгруппы рабочих. Всего было изучено 27признаков, из которых построено 2925 возможных трехмерных комбинаций, и для каждой комбинаций рассчитан показатель энтропии. Выявилось, что наибольшую упорядоченность связи дают три признака: профессия, квалификация и образование. Именно они обуславливают возникновение неоднородных подгрупп рабочих.
Задача Многомерной эмпирической типологизации свойств решают с помощью математических процедур распознавания образов – Таксономии и кластерного анализа.
Впервые применили метод таксономии к социальным объектам Т. И.Заславская и ее коллеги в исследовании миграции из села в город и наоборот жителей Сибири. Задача состояла в том, чтобы определить какие именно социальные группы образуют миграционные потоки.
В итоге было выявлено шесть групп (таксонов):
1) семейные мужчины и женщины;
2) неженатые молодые мужчины;
3) молодые девушки и незамужние женщины;
4) престарелые женщины без мужей;
5) одинокие женщины среднего возраста без специальности;
6) одинокие женщины, имеющие специальность.
Эти группы существенно различались по характеру миграции.
Типологизация на основе выявления устойчивых сочетаний множества признаков получила название Кластерный анализ.
Кластеры – сочетание свойств. Например, А. М.Демидов, исследуя стили жизни россиян, выделил пять кластеров: «Ретрограды», «Победители», «Традиционалисты», «Новаторы», «Истэблишмент». Каждый из них характеризуется определенным набором признаков. Г. А.Сатаров успешно использовал кластерный анализ (технику многомерной эмпирической классификации) для изучения расстановки политических сил в Верховном Совете, а позже – в Государственной Думе России.
Методы кластерного анализа позволяют разделить совокупность объектов на однородные группы таким образом, что различия между объектами одной группы оказываются значительно меньшими, чем между объектами разных групп в соответствии с выбраной мерой близости. После того, как мера близости и признаки классификации выбраны, может быть применен один из множества алгоритмов кластерного анализа (иерархические агломеративные алгоритмы, алгоритмы поиска «Опущений» объектов и др.).
Если в эмпирической типологизации определение классов, кластеров, типов осуществляется путем объединения объектов со сходными признаками, то в Теоретической типологизации обобщение признаков социальных явлений осуществляется на основе идеальной (гипотической) теоретической модели и по теоретически обоснованным критериям. Целью теоретической типологизациии является проверка теории путем сопоставления теоретически конструируемых типов с эмпирическими доказательствами соответствия.
Анализ эмпирических данных по теоретической типологизации предполагает: во-первых, определение частот распределения по каждому типу, во-вторых, изучение отклонений от идеализированных моделей по отдельным параметрам, а также измерение интенсивности и вероятности этих отклонений.
Как подчеркивает В. А.Ядов, метод Теоретической типологизации ведет к Объяснению, сформулированному в гипотезах, вытекающих из данной теории, тогда как Эмпирическая типологизация допускает лишь Описание полученных данных и их интерпретацию, что позволяет формулировать более общие гипотезы, продвигает исследование в сторону разработку теории.
Выше были описаны основные методы обобщения данных по методологии количественного («Жесткого») анализа. Между тем, начиная с 60х годов развивается и другая стратегия исследования (качественная социология) – методология «Мягкого» анализа. Если первая стратегия основана на Описании и объяснении обобщенных данных, то вторая на Понимании и интерпретации внешне наблюдаемых действий, высказываний, расшифровки смыслов, которые человек вкладывает в свои действия.
