Описательный анализ - первый этап аналитической части исследования, содержащий числовое и графическое описание данных. Описательный анализ включает в себя: построение частотных таблиц, с помощью которых можно подсчитать распределение частот по категориям переменной и определить количество объектов в каждой из категорий, построение таблиц сопряженности, а также вычисление различных показателей и коэффициентов, характеризующих распределение частот значений переменной.

Распределение частот значений переменной - это математическое распределение, целью которого является подсчет ответов, связанных с различными значениями одной переменной (частот), и дальнейшее выражение их в процентном виде (частности). Подсчет распределения частот значений переменной дает возможность построить таблицу с указанием частоты, частности и накопленных частностей для всех значений этой переменной.

Пример 37. Автодилер провел исследование популярности автомобилей эконом-класса в регионе продаж для оценки их популярности у мужчин и женщин. Анализ результатов проводился с использованием частного распределения и построения таблиц сопряженности. В таблице представлено распределение переменной “Предпочтение торговой марки автомобиля”.

Марка автомобиля	Частота, %	Процент,	Валидный процент,	Кумулятивный процент,
Пропущенные
Всего

В столбце 2 указана частота отмеченных респондентами значений переменной “Марка автомобиля”. Например, марка KIA была отмечена в 63 анкетах. В строке “Пропущенные” указывается число заполненных анкет, где марка автомобиля не указана. Строка “Всего” показывает количество собранных анкет, в том числе заполненных с пропусками. Столбец 3 - процент от размера всей выборки для каждого числа наблюдений. Процентная частота соответствует отношению каждого из вариантов ответа к общему количеству опрашиваемых, включая пропущенные значения. Столбец 4 содержит данные о проценте по отношению к числу наблюдений, в которых значение “Марка автомобиля” не пропущено (валидный процент); если нет пропущенных значений, то процент и валидный процент равны. При определении этого значения пропущенные данные исключаются. Разница между процентом и валидным процентом позволяет судить о достоверности полученной в ходе исследования информации. Столбец 5 показывает накопленный валидный процент полученных ответов.

Распределение частот значений переменной позволяет оценить распределение признака на генеральной совокупности, например сделать вывод об отсутствии явных предпочтений к одной из марок автомобиля у представителей целевой аудитории - на каждую марку пришлось примерно по 30% ответов. Для того чтобы повысить информативность результатов и выявить закономерности, не отраженные простым, частотным распределением, применяется оценка сопряженности признаков.

В то время как вариационный ряд распределения частот характеризует одну переменную, построение таблиц кросс-табуляции сопряженности дает возможность одновременно оценить значения двух или больше переменных.

Категории одной переменной помещают в таблицу так, чтобы они размещались в ней (сопрягались) в соответствии с категориями другой (или несколькими другими) переменной. Таким образом, распределение частот одной переменной подразделяется на группы в зависимости от категорий других переменных.

Кросс-табуляция сопряженности переменных “Пол респондента ” и “Предпочтение марки автомобиля” (частота)

Анализ данных позволяет выявить различия в предпочтениях, зависящие от пола респондента. Например, из общего числа опрошенных женщин 54 предпочитают марку автомобиля KIA.

Для структурного анализа от абсолютных величин переходят к относительным (процентам).

Кросс-табуляция сопряженности переменных “Пол респондента ” и “Марка автомобиля” (% по строкам)

Анализ таблицы позволяет выявить предпочтения к маркам автомобиля для двух подмножеств “мужчины” и “женщины”. Мужчины меньше всего предпочитают марку автомобиля KIA (7,9 %).

Кросс-табуляция сопряженности переменных “Пол респондента ” и “Марка автомобиля” (% по столбцам)

Из приведенной таблицы следует, что пол респондента влияет на предпочтения марки автомобиля: большинство мужчин предпочитает автомобили марки Opel, а большинство женщин - марки KIA. Предпочтение женщин выражено более явно (90% выбрало марку автомобиля KIA), предпочтения мужчин разделились почти поровну между Opel (55,6%) и Citroen (48,6%).

Также в рамках описательного анализа производится вычисление показателей, характеризующих распределение значений переменной:

• среднее значение - сумма всех значений распределения, деленная на их количество. Для распределения среднее значение равно: (3 + 5 + 7 + 5 + 6 + 8 + 9)/7 = 6,14;
• медиана - значение, находящееся в середине распределения, полученного из исходного путем упорядочивания по возрастанию. При нечетном количестве значений медиана будет совпадать с одним из измеренных значений. При четном количестве медиана будет средним арифметическим двух соседних значений. Для распределения медиана равна 6, поскольку значение, равное 6, находится в центре последовательности ;
• мода - наиболее часто встречающееся в выборке значение. В распределении мода равна 5, поскольку цифра 5 встречается в нем дважды;
• сумма - сумма всех значений распределения. Для распределения сумма равна 43;
• процентиль - (N-й процентиль) - это такое значение переменной, ниже которого расположено N процентов наблюдений данной переменной. Типичными значениями процентилей являются первый, второй и третий квартиль - точки на шкале измеренных значений, ниже (левее) которых располагаются 25%, 50% и 75% измеренных значений соответственно;
• минимум и максимум - наименьшее и наибольшее из значений распределения. Для распределения минимум равен 3, максимум равен 9;
• размах - разность между максимумом и минимумом распределения. В случае распределения размах равен 9~3 = 6.
• дисперсия равна сумме квадратов отклонений каждого значения от среднего, деленной на N - 1, где N - число значений в распределении;
• стандартное отклонение равно квадратному корню из дисперсии. Оно показывает, на какую величину в среднем отклоняются случаи от среднего значения признака, и особенно большое значение имеет при исследовании нормальных распределений;
• эксцесс показывает “остроту пика” распределения, характеризует относительную остроконечность или сглаженность распределения по сравнению с нормальным распределением. Положительный эксцесс обозначает относительно остроконечное распределение, отрицательный эксцесс - относительно сглаженное распределение. Если эксцесс существенно отличается от нуля, то распределение имеет или более закругленный пик, чем нормальное, или, напротив, имеет более острый пик (возможно, имеется несколько пиков). Эксцесс нормального распределения равен нулю;
• асимметрия, или асимметричность, показывает отклонение распределения от симметричного. Если асимметрия существенно отличается от нуля, то распределение несимметрично, нормальное распределение абсолютно симметрично. Если распределение имеет длинный правый хвост, асимметрия положительна; если длинный левый хвост - отрицательна.

Полученные результаты маркетингового исследования могут соответствовать или не соответствовать гипотезам, которые формируют исследователи в начале исследования.

В статистике принято обозначать гипотезу как Я - от латинского слова Hypothesis:

• нулевая гипотеза НО - предположение о том, что между определенными статистическими параметрами генеральной совокупности связи нет; переменные независимы;
• альтернативная гипотеза Н1 - гипотеза, предполагающая, что между определенными статистическими параметрами генеральной совокупности связь есть; переменные зависимы. Альтернативная гипотеза противоположна нулевой.

Принятие или непринятие статистической гипотезы основано на статистическом критерии (определенное правило принятия или отклонения нулевой гипотезы). В процессе проверки выдвинутой гипотезы исследователь должен убедиться в том, что связь с изучаемым явлением существует или отсутствует.

Проверка гипотезы имеет два исхода:

• 1. Нулевая гипотеза отвергается, а альтернативная принимается.
• 2. Нулевая гипотеза не отклоняется.

При проверке нулевой гипотезы существует две возможности принять ошибочное решение:

• 1. Ошибка первого рода, когда проверяемая гипотеза является верной, но в результате проверки исследователь отвергает ее. Эта ошибка обозначается символом а , называется уровнем значимости и показывает предельную верхнюю границу маловероятного исхода непринятия нулевой гипотезы. Обычно принимают а = 0,05 (или 5%), 0,01 (1%), 0,001 (0,1%). Все критерии в статистических таблицах рассчитываются из этих трех значений.
• 2. Ошибка второго рода, когда проверяемая гипотеза является неверной, но в результате проверки исследователь принимает ее. Эта величина обозначается ? и называется вероятностью ошибки.

Арендный блок

Дескриптивный (описательный) метод

Этот метод представляет собой совокупность приемов и процедур инвентаризации, классификации и интерпретации исследуемых языков и явлений в синхронии.

Целью данного метода является точное и полное описание языковых единиц, а основные задачи состоят в: I) планомерном установлении и систематизации единиц языка; 2) объяснении особенностей их строения и функционирования на каком-либо синхронном этапе развития языка; 3) фиксации данных с помощью принятой системы терминов и обозначений. В отличие от сравнительно-исторического метода. который обращается к прошлому языка, описательный метод используется. как правило, при изучении его современного состояния.

Описательный метод реализуется в такой последовательности 1) инвентаризация (выделение соответствующих анализируемых языковых единиц, представление их полного списка); 2) членение выделенных единиц (сегментация); 3) классификация выделенных единиц (таксономия); 4) выявление признаков групп таксономии (интерпретация). Основными приемами данного метода являются внешняя и внутренняя интерпретация. Внутренняя интерпретация предусматривает классификацию исследуемых единиц по определенным параметрам, а внешняя демонстрирует связи данной языковой единицы с другими языковыми единицами (межуровневая интерпретация) и внеязыковыми явлениями (с реалиями, категориями сознания и др.).

Существуют разные виды описания языка:

I) таксономическое описание - это своею рода классификация, которая предполагает установление классов языковых единиц и связей, существующих между ними; при этом языковые единицы определяются посредством систематизации необходимых и достаточных признаков, покрывающей все объекты, входящие в данный класс, и исключающей все объекты, в данный класс не входящие; такой тип описания базируется на положении о том. что язык состоит из иерархически упорядоченных языковых единиц, каждая из которых обладает уникальным набором признаков и образует особый класс, соотносимый со множеством наблюдаемых фактов;

2) Динамическое описание, к которому предъявляется требование описывать все правила, порождающие правильные языковые выражения. Такой тип описания опирается на тезис о том, что язык – это не просто совокупность языковых единиц, но и некоторый механизм, создающий последовательности этих единиц, соответствующих наблюдаемым языковым фактам.

3) объяснительное описание, которое может быть внутриязыковым, представляющим собой обращение к системным или историческим факторам (в частности, объяснения через аналогию или процессы языковых контактов), ареальным или генетическим связям исследуемого языка, топологическим закономерностям, и внеязыковым (например, обращения к когнитивным структурам и механизмам, устройству внеязыковой действительности, к социальным, психическим, культурным факторам).

Каждый вид описания предполагает адекватность описанию объекта: таксономические и динамические описания отвечают на вопрос, как устроен язык, объяснительные описания призваны ответить, почему язык устроен именно таким образом.

Описательный метод широко используется н лингвистических исследованиях. вследствие чего создаются описательные (академические. школьные) грамматики разных языков, а также нормативные (толковые, орфографические, орфоэпические, морфемные, синонимические и др.) словари.

Дескриптивизм — направление американской лингвистики 1920—-1950-х годов. Основоположником дескриптивизма и его главным теоретиком считается Л. Блумфилд.

На формирование концепции дескриптивизма в решающей степени повлияла исследовательская практика ученых США, занимавшихся изучением языков и культур американских индейцев. Эти языки могли описываться лишь синхронно, у исследователей не было никаких данных об их истории; большие трудности вызывало членение текстов на слова, непонятными оказывались многие грамматические и лексические значения, исследователь не мог ввиду большой разницы культур свободно овладеть изучаемым языком и должен был постоянно обращаться с вопросами к его носителю-информанту. Более того, то, что удавалось узнать об этих языках, плохо сочеталось с привычными представлениями о том, как отображается мир в языке, в результате чего казавшиеся естественными и поэтому единственно возможными европоцентрические семантические модели, казалось, утрачивали свой универсальный статус.

Центральным методом дескриптивной лингвистики стало изучение дистрибуции (распределения) языковых единиц; в то же время дескриптивисты стремились не обращаться к их смыслу.

Другие названия этой школы:

• Американский структурализм
• Американская школа структурной лингвистики
• Дескриптивная лингвистика

«Тема 15. Описательные методы анализа количественных данных 15.1. Общие условия и подходы. Дескриптивные методы для всех уровней измерения...»

Тема 15. Описательные методы анализа количественных данных

15.1. Общие условия и подходы. Дескриптивные методы для всех уровней

измерения

15.2. Доли, проценты, пропорции

15.3.Анализ данных интервального и относительного уровня измерений

15.4.Упрощенное представление нескольких дескриптивных мер

15.1.Общие условия и подходы. Дескриптивные методы для всех уровней измерения

Когда данные собраны, начинается их анализ, т.е. организация данных,

изучение и применение статистических критериев.

В предыдущих главах рассматривались четыре уровня измерения: номинальный, порядковый, интервальный и отношений.

Уровни измерения и соответствующие им статистические методы Таблица 9.

Уровни измерений Описательный метод ана- Номинальный Порядковый Интервальный Отношений лиза данных Распределение частот + + + + Доля + + + + Процент + + + + Пропорция + + + + Мода + + + + Медиана + + + Среднее + +

Примечание:

В таблице 1 обобщаются типы описательных статистик, соответствующих каждому их уровней измерения.

Эта таблица иллюстрирует два важнейших аспекта взаимосвязи между уровнем измерения и анализом данных:

Для более низких уровней измерения имеется меньшее количество применяемых методов анализа данных.

К данным на более высоких уровнях измерения применимы все методы, используемые на низших уровнях измерения.

Далее в рамках этой темы рассматриваются методы описательного (дескриптивного) анализа данных: 1) методы для любого типа данных; 2) методы, применимые только для данных на уровне интервальной шкалы и шкалы отношений.

Дескриптивные методы для всех уровней измерения

Данные на любом из уровней измерения можно описывать в терминах:

1)распределения частот, 2)долей, 3)процентов и 4)пропорций.

Распределение частот

Приведем пример простейшего демографического вопроса:

Укажите свое нынешнее семейное положение (ПРОЧИТАЙТЕ ВСЕ ПУНКТЫ) Не женат (не замужем) и никогда не был (а) женат (замужем) _______(1) Официально женат (замужем), не живем вместе _______(2) Не женат (не замужем), разведен (а) _______(3) Не женат (не замужем), вдовец (вдова) _______(4) Женат (замужем) _______(5) Первым шагом построения распределения часто

–  –  –

Примечание: как показывает эта таблица, исходное распределение частот представляет данные в той форме, в которой они были собраны с помощью вопроса анкеты.

Имея такое распределение, вы можете затем выполнить объединение категорий, в результате чего не будет прямого соответствия первоначальным категориям. В этом случае исходные категории ответов логически группируются, а их частоты складываются.

Вопрос о семейном положении подразделяет «неженатых (незамужних)»

на данный момент респондентов на четыре класса: тех, кто никогда не был женат (замужем); официально состоящих в браке, но не живущих вместе, разведенных и вдовцов (вдов). Вы можете сгруппировать вместе всех «неженатых (незамужних)» участников выборки, чтобы узнать количество состоящих и количество не состоящих в браке. В этом случае распределение частот будет выглядеть таким образом:

Нынешнее семейное положение Количество ответов Состоят в браке 22 Не состоят в браке 28 ВСЕГО 50

–  –  –

Примечание: подобная перегруппировка данных дает возможность рассматривать семейное положение совокупности респондентов под разным углом зрения.

15.2. Доли, проценты, пропорции Построив распределение частот, вы должны выбрать один из трех типов анализа, который способствовал бы более глубокому пониманию свойств собранных вами данных. К этим трем типам анализа относятся: доли, проценты и пропорции.

–  –  –

Но необходимо заметить, что доли – эффективный, но не слишком распространенный способ представления относительных размеров групп.

Проценты. Более распространенным способом обобщенного представления данных служит процентное распределение. Оно вычисляется путем деления количества ответов в каждой категории на общее количество ответов и умножением частного на 100 (это все равно, что умножить долю на 100).

Так, процент женатых (замужних) респондентов в выборке будет составлять 56%, и подсчитывается так:

Процент женатых (замужних)= [ Число женатых (замужних)] = [Общее число участников выборки] *100 =Процент женатых (замужних) = 28/ 50 * 100 = 56%

–  –  –

Подсчет процентов для данных на номинальном, интервальном и относительном уровне измерения очень прост.

Процент представляет частоту в одной конкретной категории, деленную на сумму частот всех категорий. Этот подход к вычислению процентов несколько отличается от порядковых данных. При вычислении процентов для данных на порядковом уровне измерения каждый из пунктов рассматривается как независимая единица. Порядковые шкалы, такие как вопросы на ранжирование, предлагают респонденту несколько объектов или свойств с просьбой упорядочить в соответствии с определенным критерием.

Приведенный ниже пример – типичный вопрос на ранжирование:

Вы только что увидели три рекламных ролика. Каждому из роликов было дано название до того, как вы их просмотрели. Ниже ролики перечислены в порядке, в котором вы их увидели. Пожалуйста, дайте оценку каждому из рекламных роликов, указав степень своего доверия к их содержанию. Поставьте «1» напротив названия ролика, который показался вам наиболее правдоподобным, «2» - напротив менее правдоподобного ролика, а «3» поставьте напротив ролика, показавшегося вам наименее правдоподобным. Каждая из оценок от «1» до «3» ставится только один раз. Повторения не допускаются.

«Ученый нового столетия» __________ «Мама нового столетия» __________ «Окружающая среда в новом столетии» __________

–  –  –

Распределение процентов для порядковых данных также можно читать по строке. Данные в первой строке предыдущей таблицы указывают на то, что рекламный ролик «Ученый» получил наибольшее число рангов «1» (76%), намного превысив число рангов «1», полученными рекламными роликами «Мама» (20%) и «Окружающая среда» (4%).

В общем, процесс вычисления и представления таблиц и графиков распределения долей и процентов довольно прост. Но при этом необходимо придерживаться двух основных правил:

во-первых, всегда указывайте в таблице и на графике общее число наблюдений. Тем самым вы предоставляете своей аудитории возможность оценить объем выборки, для которой построено распределение;

во-вторых, избегайте подсчета долей и процентов, если общее число наблюдений менее 50. Если объем выборки намного меньше этого числа, случайные отклонения данных могут вызвать значительные изменения долей и процентов, сообщающих об отдельной категории ответа.

Пропорции. Третий путь суммирования данных на всех уровнях измерения – использование пропорции. Пропорция одного числа Х в отношении другого числа Y определяется как X деленное на Y.

Слова по отношению к – важная составляющая этого определения. Число, предваряющее по отношению к (в данном случае число Х), ставится в числитель дроби, тогда как число после слов по отношению к ставится в знаменатель дроби.

Пропорции, как следует из этой математической формулы, дают возможность отчетливо видеть соотношения между относительным размером двух категорий, использованных в анкетном опросе.

Что касается данных о семейном положении, мы видим, что пропорция не состоящих в браке респондентов по отношению к состоящим в браке составляет 22/28 или 22:28. Однако понять соотношение будет легче, если наименьший член пропорции представить равным единице. В этом случае пропорция представляет два числа Х и Y, деленные на наименьшее из них. Таким образом, пропорцию не состоящих в браке респондентов по отношению к состоящим в браке можно также выразить как 1:1,27. (Обратите внимание, как использование пропорции сразу делает очевидным относительный объем этих групп).

15.3. Анализ данных интервального и относительного уровня измерений Интервальные и относительные шкалы обладают всеми характерными особенностями, присущими номинальным и порядковым шкалам, а также особыми свойствами, не характерными для этих не столь мощных уровней измерения.

Следовательно, все количественные и графические методы, используемые для описания и презентации номинальных и порядковых данных, могут быть применены для описания и представления интервальных и относительных данных. Но сила данных интервального и относительного уровней позволяет осуществить дополнительный анализ, невозможный на номинальном и порядковом уровне. Характер и количество шагов, которые следует предпринять перед применением этих дополнительных методов анализа, зависят от того, являются ли полученные данные дискретными или непрерывными.

Дискретные данные Рассмотрим следующий вопрос для оценки.

Пожалуйста, дайте оценку рекламному ролику, который вы только что видели. Для выражения своего согласия или несогласия с утверждением «Этот рекламный ролик рассчитан именно на таких людей, как я» воспользуйтесь приведенной ниже шкалой.

Абсолютно согласен ___________(1) Скорее согласен, чем нет ___________ (2) Не могу сказать определенно ___________ (3) Скорее не согласен ___________ (4) Абсолютно не согласен ___________ (5) Данные, полученные с помощью этого вопроса, являются дискретными.

Дискретные данные содержат ответы, ограниченные конкретным набором целых чисел, отделенных друг от друга одинаковыми интервалами. Этот вопрос дает возможность собрать дискретные данные, так как респондент должен выбрать один из вариантов ответа (ограниченный набор), представленных кодами «1», «2» и т.д. (фиксированный и одинаковый шаг между уровнями ответов).

Для применения описательных методов анализа дискретных данных можно не предпринимать каких-либо промежуточных шагов.

Непрерывные данные Непрерывные данные предоставляют такую возможность для ответа, при которой значения, во крайней мере, теоретически, могут быть как угодно близко расположены друг к другу на числовой шкале. Например, с помощью вопроса «Сколько вам лет?» собираются непрерывные данные. Респондент может ответить, что ему 40, 40 и 1/2, 41, 42 и 1/3 и т.п. Поскольку вопросы для сбора непрерывных данных не предполагают наличия каких-либо заранее установленных и предварительно закодированных категорий, данные перед вычислением распределения процентов и построением столбиковых или круговых диаграмм следует определенным образом организовать. Организация непрерывных данных называется группировкой (или организацией). Процесс группировки осуществляется в определенной последовательности.

Данные упорядочиваются.

Определяются число и ширина интервалов категорий.

Строится распределение частот.

Упорядочение данных. Представим, что на предыдущий вопрос о возрасте ответили 100 участников опроса. Первым шагом группировки непрерывных данных будет упорядочивание данных. Результат упорядочивания называется не сгруппированным рядом и его можно сравнить с построением учеников класса по росту или размещением маслин по размеру. Несгруппированный ряд, включающий 100 ответов на вопросы о возрасте, воспроизведен ниже (см. табл.10) Несгруппированный ряд ответов на вопрос «Сколько вам лет?»

Таблица 10 Определение количества и ширины интервалов и категорий. Следующий шаг предполагает определение числа и ширины интервалов категорий. От этого зависит способ группировки данных. По каким критериям группируются данные о возрасте и сколько их – 5 или 25?

Твердо установленных правил для проведения границ между категориями не существует.

Но при определении ширины интервалов и границ между категориями все же следует иметь ввиду, что:

группировки должны отражать характер данных. Если размах данных (т.е. разность между наибольшим и наименьшим значениями) большой, тогда и ширина интервалов категорий, скорее всего, будет также большой. Данные, изменяющиеся в более узком диапазоне, лучше обобщать с ипользованием относительно меньших категорий;

–  –  –

Описательные статистики Среднее и меры изменчивости. Среднее и среднее арифметическое - пожалуй, наиболее распространенная статистика свертки для совокупности интервальных и относительных данных. Понятие среднего балла нам уже хорошо знакомо, поскольку мы часто сами вычисляем это значение, например, при подсчете среднего баллов трех экзаменов в виде теста или при определении среднего балла аттестата. В этих и подобных случаях мы вычисляем среднее, складывая все значения чисел и затем деля полученную сумму на общее их количество. Например, средним для чисел 2,3,7,8, 10 будет число 6 (30: 5).

–  –  –

Если число ответов невелико или данные не сгруппированы, среднее легко вычислить, сложив сырые баллы и поделив полученную сумму на общее число баллов. Большие массивы данных и сгруппированные данные требуют другого метода для вычисления среднего ряда данных. В этом случае подход будет таким же, но математические вычисления другими.

При вычислении среднего ряда сгруппированных данных предполагается, что все ответы одной категории сконцентрированы посередине интервала.

(Обратите внимание: результатом такого предположения является то, что среднее, вычисляемое на основе сгруппированных данных, будет отличаться от среднего, вычисляемого на основе несгруппированного, исходного ряда. Учитывая это предположение, при вычислении среднего сгруппированных данных следует придерживаться следующих четырех шагов (см. табл.11.):

–  –  –

этого распределения иллюстрирует важнейший аспект среднего: среднее становится тем менее репрезентативным по отношению к распределению, на основе которого оно вычисляется, чем больше распределение отличается от нормальной кривой.

Несмотря на то, что среднее намерения купить товар равняется 3,0 для всех трех роликов, это значение более репрезентативно для распределения реакций на ролик 3 по сравнению с реакциями на ролики 1 и 2. Нельзя утверждать, что среднее ответов после просмотра рекламного ролика 2 составляет 3,0 или определять его как нейтральное, так как, в сущности, ни один из респондентов не дал ему подобной оценки.

Таким образом, если вы вычисляете средний балл, важно определить, насколько хорошо среднее представляет распределение ответов, на основе которого оно вычислялось, Это можно сделать, визуально изучив распределение баллов и приняв субъективное решение о представительности среднего или воспользовавшись статистиками для описания этого диапазона. В последнем случае вы вычисляете и изучаете дисперсию и стандартное отклонение, которые могут подсчитываться как для сгруппированных, так и для не сгруппированных данных, являются вычисляемыми показателями рассеивания значений баллов относительно среднего.

Дисперсия (обозначаемая символом s2) вычисляется таким образом: вычисляется сумма квадратов отклонений каждого наблюдения (Xi) от среднего (Х), которая делится затем на общее число наблюдений минус один (N – 1).

Математически это выражается формулой:

m X)2 (Xi S2 = i1 N1 (Поэтапная процедура вычисления дисперсии ряда данных (сгруппированных и несгруппированных) приведена ниже в табл. _5_) Хотя дисперсия – хорошая мера рассеивания данных, все же ее использование имеет один недостаток. Дисперсия выражается в квадратах единиц измерения, а не в исходных единицах. Например, дисперсия для данных табл.5 представляет квадраты оценок. Следовательно, трудно соотнести числовое значение дисперсии с числовым значением среднего.

Эта проблема решается благодаря использованию стандартного отклонения. Стандартное отклонение равно корню квадратному из дисперсии и вычисляется с помощью формулы:

m X)2 (Xi S= i1 N1 Таким образом, стандартное отклонение как квадратный корень из дисперсии выражается в тех же единицах, что и результаты первоначального измерения. В итоге несложно соотнести величину стандартного отклонения со средним.

Если просто руководствоваться интуицией, становится ясно, то что чем больше разброс ряда данных, тем больше дисперсия и стандартное отклонение.

Если разброс отсутствует и каждое значение равняется среднему, тогда все отклонения будут равняться нулю, а значит дисперсия (основанная на сумме квадратов этих отклонений) и стандартное отклонение тоже будут равняться нулю. (Вы можете это самостоятельно доказать. Вычислите дисперсию и стандартное отклонение для ряда, состоящего из десяти одинаковых баллов. Значение баллов не играет роли). При возрастании разброса в ряду данных, отклонения от выборочного среднего также имеют тенденцию возрастать, как и сумма квадратов этих отклонений. Следовательно, если две выборки респондентов отвечают на один и тот же вопрос, большее значение дисперсии указывает на большее рассеивание баллов.

–  –  –

15 1 -2,48 6,15 92,25 45 2 -1,48 2,19 98,55 40 3 -0,4 0,23 9,20 30 4 +0,52 0,27 8,10 70 5 +1,52 2,31 161,70 Итого = 200

–  –  –

Шестой шаг: стандартное отклонение = дисперсия = 2,0 = 1,42 Медиана. Среднее является часто используемой мерой центральной тенденции ряда данных. Дисперсия и стандартное отклонение указывают на разброс значений вокруг среднего, что позволят сделать вывод о том, насколько хорошо среднее описывает совокупность данных. Помимо среднего существуют еще две меры центральной тенденции: медиана и мода. (Причем следует обратить внимание, что использование среднего, медианы и моды зависит от уровня измерения данных. Среднее вычисляется только для интервальных и относительных данных, медиана – для порядковых, интервальных и относительных данных. Мода используется для свертки данных на всех уровнях измерения).

Медианой называется значение, располагающее посередине ранжированного ряда данных. Медиана делит ряд данных пополам таким образом, что 50% значений меньше медианы. При нечетном количестве значений медиана определяется как вариант, расположенный в самом центре распределения.

Медиану в этом случае легко установить визуально по формуле:

Позиция медианы = Общее число единиц совокупности + 1 Если же ряд содержит четное число значений, медиана определяется как среднее двух центральных значений в ранжированном ряду.

Что использовать – среднее или медиану? Определение среднего и медианы ряда значений важно и полезно для более глубокого понимания особенностей данных. В целом, среднее является более предпочтительной мерой в силу своих математических свойств и возможности лучше оценивать среднее генеральной совокупности на основе выборочного среднего. Вместе с тем, существуют две ситуации, когда следует предпочесть медиану.

Первая ситуация - когда ряд данных содержит одно или несколько экстремальных значений (так называемых «выбросов» - необычно малых или больших значений). Определять медиану в таких случаях предпочтительнее, поскольку значение среднего чрезвычайно чувствительно к наличию выбросов, тогда как медианы – нет. Если имеются экстремальные значения, среднее можно представить очень искаженную картину.

Например, предположим, что вы хотите описать уровень доходов целевой аудитории целевой аудитории нового товара. Вы представляете концепцию нового товара репрезентативной выборке и отмечаете уровни доходов тех, кто сильно или умеренно заинтересован в приобретении товара.

Допустим, уровень доходов тех, кто сильно и умеренно заинтересован, был таким:

Доход Частота Среднее доходов части выборки, заинтересованной в новом товаре, составляет 35 314 долл. Это среднее не отражает реальной картины всей совокупности. Оно искусственно завышено, так как ряд содержит одно экстремальное значение, что может повлечь за собой принятие неверного решения.

Медиана, которая в данном случае составляет 12 тыс. долл., гораздо лучше описывает данную совокупность.

Второй ситуацией, когда следует отдать предпочтение медиане, является наличие открытых категорий в группировке данных. Группировка по возрасту, описанная выше в этой главе, состоит из полностью закрытых групп. Это означает, что каждая возрастная категория имеет верхнюю и нижнюю границу.

Однако для некоторых группировок используются открытые категории.

Например, одной из категорий группировки данных о доходах может быть пункт «более 100 тыс. долл.». Среднюю точку этой группы определить невозможно, так как не установлена верхняя граница. Следовательно, в этой ситуации необходимо использовать медиану, поскольку без серединной точки вычислить среднее сгруппированных данных невозможно.

Мода. Еще одной мерой центральной тенденции служит мода. Она определяется как наиболее часто встречающееся значение в ряду данных. Описанные выше шкалы, отражающие намерение купить, имеют различные моды.

Распределение по рекламному ролику 1 под названием «Ультра» многомодально, так как существует более двух значений, которые встречаются, которые встречаются чаще всего. Распределение рекламного ролика под названием «Власть» бимодально, так как чаще других встречаются два значения. Распределение рекламного ролика под названием «Дети» имеет одну моду, равную трем, так как это значение встречается чаще других.

Соотношение среднего, моды и медианы. Среднее, мода и медиана дают различное видение характеристик ряда. Распределение будет симметричным, если среднее, медиана и мода совпадают. (См. ниже на рис.9.)

–  –  –

В таких случаях распределение справа от среднего, медианы или моды это зеркальное отображение распределения слева от этих величин и большинство наблюдений приходится на центр распределения. В этой ситуации среднее служит точной и предпочитаемой мерой центральной тенденции распределения.

Многие распределения не являются симметричными. Распределение, в котором мода меньше медианы, а медиана в свою очередь, меньше среднего, скошена влево. Это распределение имеет целый ряд значений, с низкой частотой в верхней части. (См. на рис.

Мода Медиана Средн.

–  –  –

Распределение, в котором мода больше медианы, а медиана больше среднего, скошено вправо. (См. на рис.11 ниже).

В зависимости от скошенности распределения и диапазона значений в качестве меры центральной тенденции выбирается или медиана, или мода.

–  –  –

15.4.Упрощенное представление нескольких дескриптивных мер С помощью дескриптивных мер обобщаются тенденции, лежащие в основе данных. Тем не менее, бывают случаи, когда многочисленные дескриптивные меры конечным пользователям результатов исследований не предоставляются. Ценность проведенных исследований при этом значительно падает, так как конечный пользователь не видит широкой картины полученных результатов исследования, и поэтому не может установить их значимость для принятия необходимых решений.

Подобной ситуации следует всячески избегать. Для упрощенного представления большого количества мер используются несколько различных аналитических приемов. Выбор подхода зависит от уровня измерения данных.

Номинальный уровень данных: организация представления и вычисление «совокупного» процента.

Рассмотрим следующий вопрос-меню:

Вы только что просмотрели рекламный ролик. Поставьте свою отметку напротив утверждения, если вы считаете, что оно отражает именно те чувства, которые вызвал у вас просмотр рекламного ролика. Вы можете отметить сколько угодно утверждений (или вообще не отмечать) в зависимости от чувств, испытанных вами от просмотра рекламного ролика Было скучно _______ Я кое-что узнал(а), просмотрев рекламный ролик _______

–  –  –

Закономерность ответов на этот вопрос можно сделать более ясной, если придерживаться следующих действий:

Во-первых, определите о чем данные будут говорить, т.е. установите, что вы хотите получить – общую картину положительных или отрицательных откликов, или реакцию на исполнение ролика в сравнении с реакцией на рекламное обращение. (В этом примере мы концентрируем внимание на положительных и отрицательных реакциях).

Во-вторых, сгруппируйте утверждения в соответствии с целью представления данных. Исходя из поставленной цели, отдельно группируются все положительные утверждения и отдельно – отрицательные.

В – третьих, дайте название каждой из группировок. В нашем случае одна группировка будет называться «Положительные реакции», а вторая – «Отрицательные реакции».

В- четвертых, рассчитайте совокупный процент для каждой группы суждений. Этот процент характеризует долю респондентов, выбравших, по крайней мере, один из пунктов группировки. *Следующая

–  –  –

Интервальные и относительные данные: объединение связанных по смыслу шкал. Очень часто для оценки индивидуального отношения и поведения используют набор школьных вопросов. Использование серии шкал обычно обеспечивает многостороннее понимание интересующей области. Например, рекламист, занимающийся репозиционированием товара с целью подчеркнуть его свойства, благотворно влияющие на здоровье человека, сперва может оценить мнение целевой аудитории о рекламировании товаров, благотворно влияющих на здоровье человека, и ее отношение к компаниям, финансирующим такую рекламу.

Для этой цели могли быть использованы следующие утверждения:

6. Корпорации, которые призывают к потреблению товаров, благотворно влияющих на здоровье человека, стремятся лишь заработать побольше денег.

7. Многие корпорации намеренно преувеличивают свойства своих товаров, представляя их как благотворно влияющие на здоровье человека.

В этой серии утверждения 1,2,4 и 5оценивают отношение потребителей к рекламе товаров, благотворно влияющих на здоровье человека, тогда как

–  –  –

–  –  –

Важные результаты лучше всего представить, сперва организовав утверждения, как показано в таблице 16 (См.выше), а затем осуществив дополнительные вычисления. Сначала, как и в случае с вопросами-меню, логически связанные пункты группируются, и группе присваивается название. Далее вычисляется среднее для каждой группы шкал. Эта обобщающая информация, когда она добавляется в исходную таблицу (См. ниже следующую таблицу 17. «Сгруппированные утверждения, выражающие отношение»), делает очевидными и наглядными различия между подгруппами в отношении рекламы и производителей товаров, преподносимых как благотворно влияющие на здоровье человека.

–  –  –

Это ключевая идея утверждения. Шкалы некоторых утверждений перевернуты для обеспечения единообразия интерпретации значений. Большие величины указывают на большую степень согласия и более отрицательное отношение.

–  –  –

Далее надо иметь ввиду, что усреднение ответов на логически взаимосвязанные шкалы – интуитивно обоснованный метод обобщения информации. Однако для того, чтобы вычисление среднего было осмысленной операцией, вы должны прежде убедиться в том, что шкалы содержательно связаны между собой. Затем следует вычислить коэффициент альфа, который отражает внут

–  –  –

Анализ данных и компьютеры Методы описательной статистики, рассмотренные в этом разделе учебного курса, несложны для вычисления, - можно обойтись и обычным калькулятором. Но существуют и методы математико - статистического вывода, требующие значительно более сложных вычислений.

Статистические программы, разработанные для персональных компьютеров, сокращают (а часто и устраняют) необходимость вычисления вручную.

Такие программы, как Minitab и SPSS, дают возможность быстро и эффективно исследовать и анализировать данные. В данном учебном курсе эти программы и методы не рассматриваются.

Резюме

Анализ данных помогает исследователю обнаружить закономерности и тенденции в ответах на вопросы анкеты. Тип анализа, наиболее подходящий для конкретного вопроса, определяется уровнем измерения вопроса.

Все данные, независимо от уровня измерения могут анализироваться с помощью частот, долей, процентов и пропорций. Эти сводные данные могут быть представлены как в виде таблиц, так и в виде графиков.

Для данных, измеренных в шкалах интервалов и отношений, можно использовать дополнительные статистические выводы.

Среднее или среднее арифметическое, медиана, мода, дисперсия и стандартное отклонение вычисляются для данных интервального и относительного уровней.

Среднее характеризует наиболее типичное значение распределения чисел.

Дисперсия и стандартное отклонение – показатели степени рассеивания распределения, которые помогают определить, насколько хорошо среднее представляет распределение.

Определение медианы (значения, располагающегося в центре распределения) и моды (наиболее часто встречающегося значения) способствует более глубокому пониманию особенностей распределения для определения того, насколько хорошо среднее представляет распределение.

Вопросы к теме

1. Что такое подсчет ответов?

2. Что такое распределение частот?

3. Какова зависимость между подсчетом и распределением частот?

4. Что представляет собой доля? Как она вычисляется?

5. В чем заключается связь между распределением частот, долей и процентов?

6. Что легче воспринимается для представления данных: доля или процент? Чем это объяснить?

7. Что лучше всего определить при малом объеме выборки: распределение частот, долей или процентов?

8. Что такое пропорция? Как она вычисляется?

9. Что представляет собой распределение частот данных ранжирования? В чем его сходство, а в чем отличие от распределения частот номинальных данных?

10.Что представляет собой распределение процентов для ранжирования данных? В чем его сходство, а в чем отличие от распределения частот номинальных данных?

11.Что такое дискретные данные? Чем они отличаются от непрерывных данных?

12.Что такое группировка и когда ее следует использовать?

13.Назовите три шага группировки данных. Дайте краткое описание каждому шагу.

14.Какими основными правилами следует руководствоваться при создании категорий непрерывных данных?

15.Что представляет собой среднее или среднее арифметическое ряда чисел?

16.Какие обстоятельства определяют меру репрезентативности среднего данным, на которых оно вычислялось?

17.Что такое дисперсия? Как она вычисляется?

18.Какая существует зависимость между дисперсией и стандартным отклонением?

19.Что такое медиана? Как она определяется?

20.При каких обстоятельствах медиана по сравнению со средним более предпочтительна как описательная мера для набора данных?

21.Что такое мода?

22.Какое соотношение существует между средним, медианой и модой при колоколообразном и ассиметричном распределении?

23.Какие три шага следует проделать для упрощенного представления номинальных данных?

24.Что такое совокупный процент и как он вычисляется?

25.Какие три шага следует проделать для упрощенного представления интервальных и относительных данных?

26.Что такое коэффициент альфа и что он говорит о наборе вопросов?

27.Как вычисляется коэффициент альфа?

Практикум Компания «Собачья радость» создала четыре новых ролика для рекламирования своей линии по производству ароматизированных собачьих бисквитов. Перед тем как выбрать для производства один из рекламных роликов, компания провела исследование реакции целевой аудитории на каждый ролик, а также реакции на те конкретные рекламные утверждения о товаре, которые нес каждый ролик.

Сбор данных осуществлялся методом интервью в торговом пассаже.

Посетители, прошедшие отборочную процедуру и согласившиеся участвовать в исследовании, приглашались в специальное помещение для проведения интервью и просмотра рекламных роликов. После просмотра всех трех роликов профессиональный интервьюер проводил с каждым респондентом двадцатиминутное интервью.

Интервью было довольно обширным. Вот некоторые основные вопросы, которые задавались каждому из респондентов:

Вопрос 1. Пол

ЗАПИШИТЕ НЕ СПРАШИВАЯ

Мужской ______ (1) Женский _______(2) Вопрос 2. Возраст Укажите свой полный возраст ___________________

Будьте добры, прослушайте каждую фразу, которую я сейчас вам прочитаю.

После каждой услышанной фразы отметьте на шкале этой карточки (НА КАРТОЧКЕ – ПЯТЬ ПУНКТОВ:

ОТ «АБСОЛЮТНО СОГЛАСЕН» (1) ДО «АБСОЛЮТНО НЕ СОГЛАСЕН»(5) степень вашего согласия или несогласия с каждой из услышанных фраз.

a) Я думаю, что моей собаке эти бисквиты понравятся больше, чем те, которые я даю ей сейчас.

b) Я думаю, что моя собака будет вести себя намного лучше, если давать ей эти бисквиты в качестве вознаграждения за хорошее поведение.

Вопрос 9. Преимущества товара.

В роликах упоминались несколько преимуществ собачьих бисквитов компании «Собачья радость». Я хотел бы, чтобы вы отметили относительную важность этих преимуществ для вас и вашей собаки, присвоив каждому из них определенное количество очков. У вас есть 100 очков, которые вы можете распределить между приведенными ниже четырьмя преимуществами. Вы можете присвоить меньше или больше очков, или же не присвпаивать ни одного очка. Чем больше очков вы присвоите какому-либо из преимуществ, тем большее значение оно имеет для вас. Убедитесь, что общая сумма присвоенных вами очков равняется 100. ПЕРЕДАЙТЕ АНКЕТУ РЕСПОНДЕНТУ. ПОСЛЕ ЗАПОЛНЕНИЯ СОБЕРИТЕ АНКЕТЫ. УБЕДИТЕСЬ В ТОМ, ЧТО ОБЩАЯ СУММА ПОСТАВЛЕННЫХ РЕСПОНДЕНТОВ ОЧКОВ РАВНЯЕТСЯ 100.

Очищает зубы _________ Предупреждает появление кариеса __________ Освежает дыхание __________ Дополнительное питание для собаки __________ Всего 100 Вопрос 13. Коммерческая привлекательность Ниже приведены названия четырех просмотренных вами роликов. Хочу вас попросить дать оценку каждому из них. Поставьте «1» напротив названия ролика, который вам понравился больше всего, «2» - следующему ролику, «3» - ролику, который понравился меньше, и «4» - ролику, который понравился меньше всех. Каждую из оценок вы должны поставить только один раз. ПЕРЕДАЙТЕ АНКЕТУ РЕСПОНДЕНТУ. ПОСЛЕ ЗАПОЛЕНИЯ

СОБЕРИТЕ АНКЕТЫ. УБЕДИТЕСЬ В ТОМ, ЧТО РЕСПОНДЕНТ ПОСТАВИЛ КАЖДУЮ

ИЗ ОЦЕНОК ТОЛЬКО ОДИН РАЗ.

Праздник для собаки _________ Пять метров _________

–  –  –

Ответы пятидесяти респондентов воспроизведены в таблице (См. ниже).

Воспользуйтесь этими данными и своим знанием связи между уровнем измерения и типом анализа для того, чтобы дать ответы на следующие вопросы:

Вопрос 1. Пол К какому уровню измерения относится этот вопрос?

Как характеризуется выборка с точки зрения половых различий? Какая из мер центральной тенденции (среднее, медиана или мода) лучше всего отражает эту характеристику? Почему эта мера наиболее приемлема при данном распределении? Следует ли в данном случае вычислить дисперсию и стандартное отклонение? Почему? Представьте результаты проведенного вами анализа в виде таблицы и графика.

Вопрос 2. Возраст К какому уровню измерения относится этот вопрос?

Сгруппируйте данные с целью дать характеристику выборки на основе возраста. Какая из мер центральной тенденции (среднее, медиана или мода) лучше всего отражает эту характеристику? Почему эта мера наиболее приемлема при данном распределении? Следует ли в данном случае вычислить дисперсию и стандартное отклонение? Почему? Представьте результаты проведенного вами анализа в виде таблицы и графика.

Вопрос 7. Привлекательность товара К какому уровню измерения относится этот вопрос?

Используя ответы на вопрос 7а, определите степень привлекательности товара для целевой категории. Как каждая из мер центральной тенденции помогает вам понять характеристики распределения ответов? Какая из мер, с вашей точки зрения, наиболее приемлема для иллюстрации степени привлекательности товара? Следует ли в данном случае вычислять дисперсию и стандартное отклонение? Почему Используя ответы на вопрос 7б, определите степень доверия целевой аудитории к утверждению о том, что благодаря бисквитам собака будет вести себя лучше. Так же, как для вопроса 7а, определите, как каждая из мер центральной тенденции помогает вам понять характеристики распределения ответов.

Какая из мер, с вашей точки зрения, наиболее приемлема для иллюстрации уровня убеждения целевой аудитории в том, что благодаря бисквитам собака будет вести себя лучше? Следует ли в данном случае вычислять дисперсию и стандартное отклонение? Почему?

УДК 159.9.072 Вестник СПбГУ. Сер. 12. 2010. Вып. 2 М. Г. Филиппова, Р. В. Чернов, С. А. Мирошников ВЫТЕСНЕНИЕ УГРОЖАЮЩЕЙ ИНФОРМАЦИИ: ИЗУЧЕНИЕ ВОЗМОЖНОСТИ ИЗМЕРЕНИЯ НЕОСОЗНАВАЕМОГО СТРАХА1 Характеристика современного состояния проблемы...»

«Пракрити. Ваша аюрведическая конституция Свобода Роберт Опубликована: 2007 Категории: Виньетки: Аюрведа Роберт Свобода ПРАКРИТИ ВАША АЮРВЕДИЧЕСКАЯ КОНСТИТУЦИЯ Москва ШЬ 2007 УДК 613.86 ББК 53.59 С25 Замечание: Эта книга предназначена для познавательных целей и не может заменить консультацию...»

«Андрей Витальевич Крюков Бухгалтерский учет с нуля Аннотация Профессия бухгалтера была и сегодня остается достаточно популярной. Все знают, что в каждой фирме обязательно работает хотя бы один бухгалтер. Вы тоже решили стать бухгалтером, но, впервые соприкоснувшись с бухгалтерским учетом, решили, что мир счетов и проводок, реестров и...»

«Гороскоп 14 июня 1985 г., 13 ч. 9 мин., г. Краснодар солн. день, лунный день, вторник Перед нами стоят две задачи: первая – разобраться, что Вы за человек, и вторая – где и как Вы можете реализовать себя. Рассмотрен...»

«БРОЙЛЕРЫ Руководство по выращиванию бройлерного поголовья An Aviagen Brand Руководство Цель этого руководства – помочь заказчикам Aviagen добиться оптимальной продуктивности бройлерного стада. Мы не ставим целью предоставить исчерпывающую информацию о каждом этапе производства. Руководство уделяет...»

«Измерительный комплекс для исследования электричества приземного слоя атмосферы Петров А.И., Петрова Г.Г., Панчишкина И.Н., Кудринская Т.В., Петров Н.А. Введение Регулярные измерения атмосферно-электрических характеристик являются основой как экспериментального, так и...» боях, но сердцем глубже других пережил состояние народа на войне. Но есть еще и третий вид военных стихо...», мы в течении 1-2 рабочих дней удалим его.

Я начал исследовать вещи, меня окружающие, еще в раннем детстве. Тогда я не знал, что учеными уже классифицированы по разным признакам методы исследования тех или иных предметов (объектов). Ниже я расскажу об одном из методов исследования , которым (в силу своего развития) обладает каждый человек, а также опишу его особенности.

Методы исследования

Умами человечества разработано бесчисленное множество методов исследования предметов. По способу действия все они делятся всего лишь на два вида - опытное и теоретическое. Что это значит?

Опытное исследование всегда связано с каким-то действием над предметом исследования. Например, вам нужно исследовать воду на химический состав. Предмет этого исследования - химический состав воды. Как вы его исследуете? Совершенно верно - проводите с помощью химических реагентов химический анализ. Закончится это исследование получением результатов анализа.

Теоретическое исследование связано со сбором и обработкой информации о предмете исследования. Любое теоретическое исследование заканчивается определенным умозаключением.

Как правило, опыт всегда заканчивается теоретической обработкой данных. С практической точки зрения, опытный метод познания бессмыслен без теоретической обработки полученного результата. С другой стороны, теоретический метод познания - это обработка результата, полученного опытным путем: исследование не будет завершенным, если не использовать оба этих метода.

Описательный метод исследования

Описать тот или иной объект - это значит изучить объект исследования с разных сторон и дать его развернутую характеристику. Исходя из этого утверждения, описательный метод исследования имеет следующие особенности :

• носит теоретический характер , т.к. изучение объекта проходит способом описания;
• является универсальным в плане познания сути предмета, т.к. описывать тот или иной предмет можно любыми удобными способами - рисовать, показывать его размер жестами, записывать словами его характеристики или говорить о них устно;
• объект описания - материальный предмет (материя);
• систематизированный подход к исследованию;
• после завершения описания, начинается процесс опытного познания .

Охарактеризуйте специфические методы в физико-географических исследованиях (сравнительно-описательный, экспедиционный, литературно-картографический)

Сравнительно-описательный метод -- самый старый в физической географии. Он был и остается впредь не просто основным, но главным методом всей географической науки. Недооценка некоторыми учеными этого метода проистекает из поверхностных представлений о нем и о существе географии.

А. Гумбольдт (1959) писал, что сравнивать между собой отличительные особенности природы отдаленных стран и представить в кратких чертах результаты этих сравнений -- благодарная, хотя и трудная задача общего землеведения. Сравнение выполняет несколько функций: определяет ареал сходных явлений и предметов, разграничивает на первый взгляд близкие предметы и явления, делает через систему образов знакомым незнакомое.

Выражением сравнительно-описательного метода служат различного рода изолинии -- изотермы, изогипсы, изобары, изогиеты (количества осадков в единицу времени), изофены (линии одновременного наступления какого-либо сезонного явления). Без них невозможно представить ни одной отраслевой или комплексной научной дисциплины физико-географического цикла.

Наиболее полное и разностороннее применение сравнительно-описательный метод находит в страноведении, где требует просто-тоты и ясности изложения. Здесь, однако, этот метод долгое время ограничивался ответами на два вопроса: что, где?, тем самым давая обоснованный повод к тому, чтобы видеть в географии чисто хорологическую (от греч. choros -- место, пространство) науку. B настоящее время сравнительно-описательный метод должен включать ответы по крайней мере на пять вопросов: что, где, когда, в каком состоянии, в каких взаимосвязях? Когда означает время, исторический подход к изучаемому объекту; в каком состоянии-- современную динамику, тенденции развития объекта; в каких взаимосвязях -- воздействие объекта на ближайшее окружение и обратное влияние последнего на объект.

Приведем образец применения сравнительно-описательного метода-- описание влажного тропического леса Явы на высоте около 2000 м, принадлежащее А. Н. Краснову: «Издали такой лес не представляет ничего особенного. Это по внешности тот же широколиственный лес умеренной полосы. Достойно внимания то, что и здесь не видишь никогда тех пальмовых крон, которые рисуются при мысли о тропиках. Пальмы в ландшафте лесов фигурируют только в жаркой нижней зоне: выше мы видим только ротанги, аре-ки и им подобные ютящиеся в тени других дерев породы. Масса леса образована лиственными деревьями, и между ними, на фоне опушек, резко выделяются бело-серые стволы Liguidambar, этого характернейшего из деревьев девственных лесов Явы. Фон листвы лесов представляет или бесконечные варианты типа глянцеватого кожистого фикуса, или нежного перистого листа мимозы. Но зато очутившись под самою сенью леса, не только турист, но и самый опытный ботаник становится в положение деревенского мальчика, впервые попавшего в большой шумный столичный город. Не знаешь куда смотреть: внизу на земле, на уровне с головой, выше на стволах,-- везде масса растений, бесконечно разнообразных, одно причудливее другого. Деревья не образуют, как у нас, общего свода. Над кустами, едва превышающими человеческий рост, возвышаются полудеревья; их кроны скрыты за деревьями роста наших лип; их покрывают деревья еще более высокие, над которыми, как шатры, распростерты ветви исполинов, уже совершенно не видных через покровы этого четырехэтажного леса...

Понятно, что под четвертым сводом -- сырость и полумрак, как под сводами таинственного храма. Как громадные паникадила какого-нибудь собора висят над вашей головой, свесившись на тонких лианах или прикрепившись к стволу, как исполинские гнезда, цельнолистовые розетки папоротника Aspidium nidus avis. Растительность этого пояса леса не похожа на нашу. Здесь вы не найдете на земле цветов нежных и благоухающих или чарующих взор красотою венчика. Везде одна только зелень нежной тонкой ваи папоротника, то маленького и изящного, приютившегося к стволу дерева, то громадного, древовидного, способного своею из земли поднимающуюся ваею покрыть человека, то поднимающегося как у пальмы венец вай на высоком чешуйчатом стволе» К

Экспедиционный метод исследования называют полевым . Полевой материал, собранный в экспедициях, составляет хлеб географии, ее фундамент, опираясь на который только и может развиваться теория.

Экспедиции как метод сбора полевого материала берут начало с античных времен. Геродот в середине V в. до н. э. совершил многолетнее путешествие, давшее ему необходимый материал по истории и природе посещенных стран. В частности, без посещения Скифии-- причерноморских степей -- он не сумел бы сообщить много точных подробностей о ее природе -- равнинности, безлесии, суровости климата. 24 года (1271--1295) длилось путешествие итальянца Марко Поло в Китай.

Эпоха Великих географических открытий конца XI--XVII вв.-- это ряд самоотверженных полных лишений экспедиций в поисках новых земель, расшифровки белых пятен на географической карте (путешествия Колумба, Магеллана, Васко да Гамы и др.). В один ряд с ними следует поставить Великую Северную экспедицию в России (1733--1743). Она даже по современным меркам представляется грандиозным мероприятием, поражающим количеством участников, разнообразием и объемом поставленных задач. Во время Великой Северной экспедиции, известной еще под названием Второй Камчатской, была изучена природа Камчатки, открыт северо-запад Северной Америки, описано побережье Северного Ледовитого Океана от Карского моря до Восточно-Сибирского, нанесена на карту крайняя северная точка Азии -- мыс Челюскин.

Глубокий след в истории отечественной географии оставили Академические экспедиции 1768--1774 гг. Они были комплексными, в задачу их входило описание природы, населения и хозяйства огромной территории -- Европейской России, Урала, части Сибири. В составе экспедиции принимали участие П. С. Паллас, И. И. Лепехин, С. Гмелин и другие выдающиеся ученые.

1 Краснов А. Н. Под тропиками Азии. M., 1956. С. 52---53.

Преданность науке, мужество, способность видеть в природе главное, новое и взаимосвязанное, талант писателя-прозаика -- черты лучших представителей большой армии географов-путешественников. Научные отчеты Н. М. Пржевальского (1839--1888), исследователя Центральной Азии, Д. Ливингстона (1813--1873), первооткрывателя озер и рек Южной и Восточной Африки, полные трагизма последние дневниковые записи Роберта Скотта (1868-- 1912), замерзшего на обратном пути от Южного полюса, как и труды многих других путешественников, читаются на одном дыхании, никого не оставляя равнодушным.

о мере дифференциации географической науки экспедиции становились более специализированными, с ограниченным кругом задач. При этом часть вопросов, решавшихся ранее географами, отошли к геологии, биологии, геофизике. Тем не менее многие экспедиции советского периода, будучи междисциплинарными по составу участников, включавших геологов, климатологов, гидрологов, ботаников, зоологов, были по существу комплексными географическими. Таковы экспедиции Совета по изучению производительных сил (СОПС), находящегося до 1960 г. при Президиуме АН СССР. В комплексных экспедициях СОПСа по изучению Кольского полуострова, Каракумов, Башкирии, Якутии, Тувы и других районов принимали участие многие институты Академии Наук.

У части исследователей возникло сомнение в возможности проведения в поле комплексных географических исследований одним лицом. Их выполнение под силу якобы только целому коллективу узких специалистов, а на долю географа остается роль организатора работ, ответственного за синтез собранного другими материала. Не отрицая за географом подобной организаторской функции в тех случаях, когда это возможно, обратим внимание на другое -- физи-ко-географ может и обязан вести, подобно другим узким специалистам, собственные полевые исследования, причем такие, которые не может выполнить за него никто иной. Выявление, картирование, анализ межкомпонентных связей ландшафтных комплексов -- круг задач, решаемых физико-географами в полевых условиях. Выполнить эти задачи может лишь специалист с серьезной и широкой подготовкой. Но не следует при этом и преувеличивать трудности, не думать, что ландшафтовед в одном лице обязан совмещать геолога, климатолога, ботаника, зоолога, гидролога, почвоведа. Он должен оставаться специалистом сравнительно узкого профиля, владеющего методикой изучения природно-территориальных комплексов.

Современные географические экспедиции, с участием узких ланд-шафтоведов или без них, имеют междисциплинарный состав с тенденцией, не всегда реализованной, к комплексности. Особый интерес представляют корабли науки, бороздящие Океан под флагами разных стран. Это даже не лаборатории, а целевые научные институты, оснащенные самой совершенной аппаратурой по изучению водного и воздушного океанов. Судно «Академик Мстислав Келдыш», один из советских кораблей науки, обладает автономностью плавания около 20 тыс. миль.

В Центральной Арктике, на многолетних льдах, непрерывно дрейфуют, сменяя одна другую, научные станции «Северный Полюс». Начало им было положено в 1937--1938 гг. дрейфом отважной четверки, вошедшей в историю под названием папанинцев (И. Д. Папанин, Э. Т. Кренкель, Е. К. Федоров, П. П. Ширшов).

В послевоенные годы происходит активное научное наступление на материк Антарктида. Окраина ледяного материка покрывается сетью научных станций СССР, США, Великобритании, Австрии, Франции, Японии, Новой Зеландии, Австралии, Аргентины, Чили, ЮАР. Из шести действующих (1986) в Антарктиде советских станций в наиболее экстремальных условиях находится «Восток». Она расположена в Восточной Антарктиде на высоком ледниковом плато (3488 м) в районе магнитного и земного полюса холода.

Будучи междисциплинарными, с высоким удельным весом геофизиков, геологов, биологов и других специалистов, морские, арктические и антарктические экспедиции вносят неоценимый вклад в познание строения и динамики географической оболочки и ее ландшафтной сферы. Приходится признать, однако, что географический синтез не всегда успевает за новыми фактами и открытиями, полученными в ходе экспедиций смежными с географией подразделениями науки.

Разновидностью экспедиционного (полевого) метода являются физико-географические стационары. Инициатива создания их принадлежит А. А. Григорьеву. Первый стационар -- Тянь-Шанская высокогорная станция -- была открыта Институтом географии АН СССР в 1945 г. Стационаров до сих пор немного. Устоявшихся программ физико-географических стационаров не выработано. Первоначально они ограничивались изучением геофизики ландшафта (радиационный, тепловой, водный балансы), позднее с включением в программу биотического компонента -- потеряли качественную грань, отделяющую их от биогеоценологических стационаров.

Полезность физико-географических стационаров в развитии географической теории бесспорна, но пока результаты этих исследований не выходят на практику и ожидать в ближайшее время развития широкой сети их, аналогичной, скажем, сети стоковых станций, нет оснований.

Полевые исследования физико-географа не исчерпываются экспедициями и стационарами. При решении частных, особенно краеведческих, вопросов (составление географического очерка района, выбор мест для размещения прудов, лесопосадок и т. п.) возникает необходимость в полевых экскурсиях для сбора недостающего материала. Научные экскурсии -- мини-экспедиции -- распространенный вид полевых географических исследований в высшей школе. Здесь они тесно связаны с учебными географическими экскурсиями и учебной полевой практикой студентов-географов. Методика полевой физико-географической практики и общие вопросы методики комплексных физико-географических исследований отражены в ряде учебных пособий и руководств (В. К. Жучкова, 1977; А. Г. Исаченко, 1980; Комплексная географическая практика в Подмосковье, 1980 и др.).

Литературно-картографический метод в отличие от экспедиционного и полевого методов является кабинетным. Этот метод имеет два аспекта. Первый -- подготовительный, камеральный этап в подготовке к экспедиции. Предварительное литературно-картографическое ознакомление с природой района составляет необходимое условие любых полевых исследований, но при ландшафтных значение его особенно велико. Ландшафтовед по любому району, подлежащему полевому исследованию, находит большое -количество литературно-картографического материала, посвященного отдельным компонентам ландшафта, и анализ его требует больших усилий и хорошей подготовки. Камеральное литературно-картографическое изучение природы района не только поможет выявлению в поле ландшафтных комплексов, но и выявит возможные пробелы в изучении компонентов ландшафта, которые исследователь обязан восполнить или лично сам, или путем приглашения соответствующих специалистов (геоботаника, почвоведа, геолога и т. п.).

Второй аспект -- литературно-картографический метод как основной, начало и конец познания географического объекта. Именно таким путем создается большинство страноведческих работ. Авторы страноведческих монографий могут быть лично знакомы с описываемой территорией, но и при этом условии в основе их труда, за редкими исключениями, лежит анализ имеющегося литературно-картографического материала.

Литературно-картографический метод не так прост, как это может показаться на первый взгляд. Чтобы пользоваться им, надо уметь читать отраслевую литературу, специальные карты и атласы. B них масса разнообразных сведений, разобраться в которых и отделить главное от второстепенного можно лишь овладев всей суммой информативного материала. Наиболее концентрированный вид географической информации представляют атласы, а среди них такие этапные для картографии труды, как Большой советский атлас мира (т. I, 1937), трехтомный Морской атлас и Физико-географический атлас мира (1964). Предисловие к последнему Атласу начинается словами: «Лежащий перед Вами Физико-географический атлас мира предназначен дать возможно более полную и точную картину природы мира, основанную на новейших географических материалах и современной теории наук о Земле». И это не преувеличение, на сотнях специальных карт Атласа нарисована картина физической географии Мира, которую трудно было бы развернуть на страницах многотомной серии монографий.