- •Введение
- •Глава 1 общие положения по выпускной квалификационной работе (магистерской диссертации)
- •1.1. Основные требования к выпускной квалификационной работе (магистерской диссертации)
- •1.2. Организация процесса подготовки выпускной квалификационной работы
- •1. Назначение научного руководителя вкр
- •2. Выбор и утверждение темы вкр (магистерской диссертации)
- •Глава 2
- •2.1. Структура и содержание вкр (магистерской диссертации)
- •Предмет исследования - свойства, стороны, особенности объекта, которые подлежат непосредственному изучению. Предмет исследования обычно содержит в себе центральный вопрос проблемы.
- •Основная часть работы
- •Глава 3 - аналитическая (30-40 страниц) - посвящена анализу результатов проведенного эмпирического исследования и практические рекомендации, построенные на их основе.
- •Заключение
- •Список литературы
- •Приложение
- •2.2. Требования к оформлению текста вкр (магистерской диссертации)
- •Унифицированные требования к оформлению вкр (магистерских диссертаций)
- •Глава 3 защита выпускной квалификационной работы
- •3.1. Оформление документов для защиты
- •4. Протокол сведений об успеваемости.
- •5. Приказ о допуске к защите.
- •3.2. Подготовка к защите вкр
- •3.3. Процедура защиты вкр (магистерской диссертации) и критерии ее оценки
- •3.4. Критерии и шкала оценки результатов защиты вкр
- •Список использованной литературы
- •Приложения
- •Календарный план выполнения выпускной квалификационной работы
- •Образец оформления титульного листа
- •Выпускная квалификационная работа
- •Образец оформления содержания работы оглавление
- •Глава 1. Современное состояние исследования влияния ценностных ориентаций на восприятие рекламы в сми
- •Глава 2. Организация и методы исследования влияния ценностных ориентаций на восприятие рекламы в сми
- •Глава 3. Особенности влияния ценностных ориентаций на восприятие рекламы в сми
- •Образец оформления рисунков
- •Первичного и повторного срезов
- •Образец оформления таблиц
- •Образец отзыва научного руководителя на выпускную квалификационную работу
- •Отзыв на выпускную квалификационную работу
- •Интернет-ресурсы для подготовки впк
- •Дополнительные методические материалы для написания магистерской диссертации по направлению «Психология» и «Психолого-педагогическое образование»
- •1. Планирование исследования, выбор методов и методик
- •Название серии
- •2. Литература по психологическому исследованию и психодиагностике
- •3. Обработка эмпирических данных - математико-статистический анализ Обработка эмпирических данных
- •1. Анализ первичных статистик.
- •2. Оценка достоверности отличий.
- •3. Анализ сдвигов в значении признака.
- •4. Корреляционный анализ.
- •5. Факторный анализ.
- •4. Литература по математической статистике
- •5. «Этический кодекс психолога-диагноста»
- •Дополнительные методические материалы для написания магистерской диссертации по направлению 39.04.01 «Социология»
- •1. Методология и методы научной работы социолога
- •2. Особенности применения социологических методов в маркетинговых исследованиях
- •3. Примерные темы магистерских диссертаций по профилю «Социология маркетинга и рекламы»
- •4. Список учебной и методической литературы для написания магистерской диссертации по направлению
- •Дополнительные методические материалы для написания магистерской диссертации по направлению «Социальная работа»
5. Факторный анализ.
Данные факторного анализа, как и корреляционного, помогают обнаружить взаимосвязи между переменными, но не могут дать достаточных оснований для выводов о причинно-следственных зависимостях, об иерархии причинных связей. Выделение факторов более высокого порядка и другие усложнения и модификации сути метода не меняют. Неслучайно в различных факторных структурах личностных свойств устойчиво присутствуют именно стержневые психические качества (тревожность, активность, нейротизм и т.д.)
В факторном анализе предполагается, что наблюдаемые переменные являются линейной комбинацией некоторых латентных (гипотетических или наблюдаемых) факторов. Факторная модель основывается на том, что все наблюдаемые переменные являются функциями скрытых факторов. Т.е. не предполагается включение в состав переменных таких, которые являются причинными для других. Но не обязательно, чтобы все переменные были на одном уровне причинности. При достаточном опыте и наличии дополнительной информации о структуре исследуемого явления результаты факторного анализа можно достаточно корректно интерпретировать.
Факторный анализ является сложной процедурой. Как правило, хорошее факторное решение (достаточно простое и содержательно интерпретируемое) удаётся получить, по меньшей мере, после нескольких циклов её проведения – от отбора признаков до попытки интерпретации после вращения факторов. Для того, чтобы прийти к нему, надо соблюдать немало требований, назовём основные.
Переменные должны быть измерены, по крайней мере, на уровне шкалы интервалов (по классификации Стивенса). Многие переменные, такие, как меры отношений и мнений в социологии, различные переменные при обработке результатов тестирования, не имеют точно определённой метрической основы. Тем не менее, предполагается что порядковым переменным можно давать числовые значения, не нарушая их внутренних свойств.
Не следует включать дихотомические переменные. Но если цель исследования состоит в нахождении кластерной структуры, использование факторного анализа к данным, содержащим дихотомические переменные, оправданно.
Отбирая переменные для факторного анализа, следует учесть, что на один фактор должно приходиться по крайней мере три переменные.
Для обоснованного окончательного решения необходимо, чтобы число испытуемых было в три или более раз больше, чем число переменных, в пространстве которых определяется окончательное факторное решение. Поскольку количество испытуемых увеличить труднее по ходу обработки, значит следует отобрать столько переменных, чтобы их число не превышало одной трети от числа испытуемых. Для разведочного компонентного или факторного анализа это требование соблюдать не обязательно, но надо исходить из того, что чем сильнее оно нарушено, тем менее точны результаты.
Не имеет смысла включать в факторный анализ переменные, которые имеют очень слабые связи с остальными переменными. С большой вероятностью они будут иметь малую общность и не войдут ни в один фактор. Если перед вами не стоит задача сформировать шкалу вопросника на основе факторного анализа или какая-либо аналогичная, то не следует также включать все переменные, имеющие друг с другом очень тесные связи. Скорее всего, они образуют один фактор. Чем больше таких переменных вы включаете в факторный анализ, тем больше вероятность того, что они образуют первый фактор или один из первых.
Важнейшим моментом поиска хорошего факторного решения является определение числа факторов перед их вращением. В окончательном решении лучше всего основываться на содержательных предположениях о структуре изучаемого явления. На пути к нему можно использовать критерий Кеттела. Легче принять решение, если будет построен полигон, в котором отображены доли суммарной дисперсии факторов в порядке их убывания. Обычно на графическом изображении видно, что доля дисперсии у первых факторов при переходе от предыдущего к последующему быстро снижается, но затем линия имеет перелом и у остальных факторов доли суммарной дисперсии отличаются мало. Согласно данному критерию следует остановиться на том факторе, как на последнем, за которым линия становится более пологой.
При отборе переменных и сокращении их количества для следующего цикла факторного анализа быстрее можно отобрать переменные, если селектировать их по факторным общностям, а не просматривая их нагрузки по всем факторам.
При интерпретации факторов можно начать работу с того, что выделить наибольшие факторные нагрузки в данном факторе. Для выделения можно использовать приемы аналогичные выделению значимых коэффициентов корреляции. Если вы затрудняетесь подобрать название фактору – для этой процедуры нет формализованных приемов, то используйте, как предварительный вариант, имя переменной, которая вошла в фактор с наибольшей нагрузкой.
Использование прикладных статистических программ. Использование статистических программ в компьютерной обработке на несколько порядков ускоряет обработку материала и представляет в распоряжение исследователя такие методы анализа, которые в ручной обработке не могут быть реализованы.
Существуют стандартные пакеты программ для математической обработки данных. Наиболее известные доступные: “Statistika”, “Stadia”, “Statgraphics”, “SyStat”, SPSS, SAS, BMDP. Все пакеты делятся на виды: 1) специализированные пакеты; 2) пакеты общего назначения; 3) неполные пакеты общего назначения. Для исследователей рекомендуются пакеты общего назначения. По мнению экспертов, наилучший вариант документации у пакета SPSS.
