Направления анализа эмпирических данных

Как уже отмечалось, под анализом обычно понимают проверку гипотез на эмпирическом материале. Поэтому для определения глобальной стратегии анализа полезна следующая классификация гипотез: описательные, объяснительные, прогнозные.

Соответственно на первом этапе проведения анализа основной задачей становится получение максимально компактного и четкого описания полученного эмпирического материала. Почти все исследователи, работающие с эмпирическими данными, в том или ином виде проходят описательный этап, но в его рамках проводится только весьма поверхностный анализ информации.

На этапе описания имеющихся эмпирических данных основной идеей, которая стимулирует развертывание этого вида анализа, является идея сжатия информации. Представим себе массив из 1500 анкет объемом в 20 вопросов в закодированном виде в виде бумажных кодировочных бланков. Матрица, в которой строки соответствуют исследуемым нами объектам (анкетам), а столбцы – признакам (вопросам), называется матрицей "объект – признак". Зрительно можно представить себе матрицу "объект – признак" в виде таблицы EXCEL. Такая матрица является исходным пунктом любого компьютерного анализа. В ней скрыты ответы на многие интересующие вопросы. Однако усмотреть что-либо ценное непосредственно в матрице "объект – признак" или в кодировочных бланках невозможно: слишком много информации и человек не способен ее воспринять адекватно.

Существует такое понятие, как объем человеческого внимания, который равен 7 ±2. Именно столько структурных элементов информации одновременно может находиться в кратковременной памяти исследователя. Поэтому для плодотворной работы с эмпирическими данными их надо или подвергнуть классификации, или отбросить то, что в данный момент не представляет интереса, выделив ограниченное число интересующие параметров. Обычно стараются не отбросить, а сжать исходную информацию.

Простейший вариант сжатия, которым пользуются практически все исследователи, состоит в замене полного набора значений по каждому измеряемому показателю (а их для 1500 анкет будет 1500 для каждого показателя) на некоторое среднее значение, наиболее характерное для рассматриваемого массива. Например, вместо 1500 различных возрастов лиц, прошедших исследование можно определить один единственный показатель – средний возраст, который характеризует весь эмпирический массив в целом. Кроме того, для каждого такого среднего значения можно определить, насколько оно характерно для всего эмпирического массива. Для этого служит показатель разброса (дисперсия) в эмпирическом массиве. Переход от исходной матрицы "объект – признак" к средним значениям и показателям разброса по всем признакам означает сжатие этой матрицы "по вертикали", в направлении сокращения числа исходных объектов.

Далее встает задача поиска таких зависимостей в эмпирических данных, которые позволили бы построить картину причинно-следственных связей исследуемого объекта. При этом необходимо отметить, что только формальными, компьютерными методами выявить причинно-следственные связи невозможно. Для решения этой задачи помимо формальных методов, как правило, необходимо привлекать содержательные соображения. Кроме того, обычно начинают с выявления отдельных причинно-следственных связей и далее стремятся к получению их целостной и непротиворечивой системы. Такая задача чрезвычайно привлекательна, однако ее сложность приводит к тому, что лишь относительно небольшое число исследователей добивается успешного решения. С точки зрения идеи сжатия эмпирической информации определение системы причинно-следственных связей позволяет перейти от исходного эмпирического массива к значительно более компактной и обозримой системе правил типа "если – то" (их обычно называют правилами продукции). Представления о такой системе дает возможность сформировать адекватную модель исследуемого объекта и перейти от понимания его текущего функционирования к предсказанию его развития.

Следовательно, построение на имеющемся эмпирическом материале предсказательных моделей является вершиной в работе исследователя, однако в психологии, в силу сложности изучаемых ею явлений и объектов, такие модели являются скорее исключением, чем правилом.

Исходя из изложенной общей логики анализа изучение методов анализа полезно начать с тех из них, которые используются для проведения описательного этапа. Эта задача усложняется использованием эмпирических данных, имеющих с точки зрения формальных способов анализа принципиально различную природу. В самом деле, данные о поле исследуемых (мужской или женский) принципиально отличаются от сведений об их возрасте (число полных лет), и не только содержательно, но и с формальной точки зрения. Например, вполне ясно, что такое средний по выборке возраст, однако как понимать "средний" пол? Поэтому освоение анализа эмпирической информации придется начать с изучения такого фундаментального для любых эмпирических исследований вопроса, как уровни используемых в них измерений.