Пример построения шкал

В качестве примера исследуем данные по средней обеспеченности семей дорогостоящими предметами быта – электроникой, средствами транспорта и дачами (всего 9 предметов) в 38 территориальных общностях (данные RLMS, 1996 г.). В результате применения процедуры шкалирования территориальные общности должны расположиться в двумерном геометрическом пространстве, построенном исходя из расстояний по 9 пере­менным.

Для этого получим файл, в котором объектами будут территориальные общности, а переменными – обеспеченность семей этими предметами. Значения этих переменных – доли семей, обладающих этими предметами. Исходными данными здесь являются ответы на вопрос «Имеете ли Вы холодильник?», «Имеете ли Вы стиральную машину?» и т. д. (1 – да, 2 – нет, 9 – нет ответа) в файле анкет семьи.

Этот файл агрегируем по территориальным общностям (переменная PSU), сохранив доли семей, имеющих соответствующие предметы, в файле property.sav:

AGGREGATE /OUTFILE = 'N:\USR\RLMS\property.SAV' /BREAK = psu /CC9.1A 'холодильник' CC9.3A 'стиральная машина' CC9.4A 'черно-белый телевизор' CC9.5A 'цветной телевизор' CC9.6A 'видеомагнитофон или видеоплейер' CC9.6.1A 'фен' CC9.7A 'легковой автомобиль' CC9.10A 'садовый домик' CC9.11A 'дача или другой дом' = PLT (2, CC9.1A CC9.3A CC9.4A CC9.5A CC9.6A CC9.6.1A CC9.7A CC9.10A CC9.11A).

Полученный файл используется для запуска процедуры многомерного шкалирования:

GET FILE 'N:\USR\RLMS\property.SAV'.

ERASE FILE = 'J:\TEMP\spssalsc.tmp'.

PROXIMITIES cc9.1a cc9.3a cc9.4a cc9.5a cc9.6a cc9.6.1a cc9.7a cc9.10a cc9.11a /PRINT NONE
/MATRIX OUT('J:\TEMP\spssalsc.tmp')

/MEASURE = EUCLID /STANDARDIZE = NONE /VIEW = CASE.

SPLIT FILE OFF.

ALSCAL /MATRIX = IN('J:\TEMP\spssalsc.tmp')
/LEVEL = ORDINAL /CONDITION = MATRIX /MODEL = EUCLID /CRITERIA = CONVERGE(.001) STRESSMIN(.005) ITER(30) CUTOFF(0) DIMENS(2,2) /PLOT = DEFAULT ALL
/outfile = "scale.save" /PRINT = HEADER.

ERASE FILE = 'J:\TEMP\spssalsc.tmp'.

Далее, переменные Dim1 и Dim2, сохраненные подкомандой /outfile = "scale.save" с помощью команды меню Merge files, присоединяются к нашему файлу property.sav.

Проблема выяснить, как же интерпретируются наши шкалы. Для интерпретации можно изучить их связь с имеющимися данными, в частности c исходными переменными, по которым строилась матрица расстояний.

В нашем примере таблица ранговых корреляций с этими переменными свидетельствует о том, что первое измерение (Dim1) характеризует уровень благосостояния жителей территориальных образований в целом, второе измерение связано с приверженностью их садоводству.

 

Таблица7. 7

Коэффициенты ранговой корреляции Спирмена
построенных шкал с обеспеченностью предметами быта

	CC9.1A холодиль­ник	CC9.3A стираль­­ная машина	CC9.4A черно-белый телевизор	CC9.5A цветной теле­визор	CC9.6A видеомагнитофон	CC9.6.1A фен	CC9.7A легковой автомобиль	CC9.10A садовый домик	CC9.11A дача или другой дом
DIM1	Sig.	0,844	0,265	–0,820	0,950	0,773	0,929	0,426	0,426	0,659
0,000	0,108	0,000	0,000	0,000	0,000	0,008	0,008	0,000
DIM2	Sig.	–0,112	–0,156	–0,145	0,113	0,402	0,240	0,262	–0,687	0,232
0,502	0,350	0,385	0,501	0,012	0,148	0,112	0,000	0,161

Наглядную картину дает непосредственное размещения объектов (у нас – территориальных общностей) на поле рассеяния в построенном геометрическом пространстве (рис. 7.6). На этом графике видим, что шкала Dim1 имеет больший разброс, чем шкала Dim2, а значит, объясняет большую часть разброса расстояний объектов. Зримо подтверждается интерпретация первой шкалы: по разным полюсам Dim1 стоят Ханты-Мансий­ский автономный округ – весьма богатый регион и Пензенская область, Кабардино-Балкария – беднейшие регионы России.

Поскольку по поводу развитости садоводства мы не имеем общедоступной информации, для проверки интерпретации второй шкалы полезно рассмотреть диаграмму рассеяния Dim2 и доли семей, имеющих садовые домики (рис. 7.7). На этом рисунке ясно видно, что указанная выше интерпретация небезосновательна.

 

ЛИТЕРАТУРА

1. Green H.William. Econometric Analysis. Upper Saddle River, New Jersey, 1997.

2. Handbook of Statistical Modeling for Social and Behavioral Sciences. New York and London: Plenium press, 1995.

3. Айвазян С. А., Мхиторян В. С. Прикладная статистика и основы эконометрики. М.: Издательское объединение «Юнити», 1998.

4. Толстова Ю. Н. Анализ социологических данных. Методология, дескриптивная статистика, изучение связей между номинальными признаками. М.: Научный мир, 2000.

5. SPSS для Windows. Руководство пользователя SPSS. М.: Статистические системы и сервис. 1995. Кн. 1.

6. SPSS BASE 8.0. Руководство пользователя SPSS. М.: СПСС РУСЬ. 1998.

7. SPSS SPSS BASE 8.0. Руководство по применению SPSS. М.: СПСС РУСЬ. 1998.

8. BASE 7.5. Syntax Reference Guide / SPSS. Chicago, 1997.

9. SPSS. Regression Models 9.0. Chicago, 1999.

10. SPSS. Exact tests 6.1 for windows. Chicago, 1995.

11. SPSS. Professional statistics. Chicago, 1994

12. Ростовцев П. С., Костин В. С., Олех А. Л. Множественные сравнения в таблицах для неальтернативных вопросов // Анализ и моделирование экономических процессов переходного периода в России. Новосибирск: ИЭиОПП СО РАН, 1999. Вып. 4. С. 148 – 164.

13. Российский мониторинг экономического положения и здоровья населения // Мир России. 1999. № 3.