Научная литература
booksshare.net -> Добавить материал -> Математика -> -> "Математические методы и ЭВМ в историко-типологических исследованиях " -> 5

Математические методы и ЭВМ в историко-типологических исследованиях -

Ковальченко И.Д. Математические методы и ЭВМ в историко-типологических исследованиях — М.: Наука , 1989. — 271 c.
ISBN 5-02-009481-1
Скачать (прямая ссылка): matematmetodiissledovaniya1989.djvu
Предыдущая << 1 .. 2 3 4 < 5 > 6 7 8 9 10 11 .. 124 >> Следующая


Факторы «вступление в колхоз» и «выбытие из сельского хозяйства» близки по набору формирующих их параметров и, как правило, описываются компонентами с невысокой долей объясненной дисперсии. Оба метода факторного анализа выделяют в их составе сходные признаки, которые характеризуют главным образом половозрастную структуру семей, менявших свой социальный статус, принадлежность их к прежним классовым слоям крестьянства, целостность, уровень грамотности лиц и редко включают экономические показатели, что заставляет предположить мысль об усилении с середины 30-х годов значения неэкономических факторов, детерминировавших процесс социальной трансформации крестьянства.

Перейдем к изучению структуры единоличного сектора и возможности идентификации его подразделений с социальными типами доколхозного крестьянства на основе построения моделей для каждой из подгрупп посредством подсчета средних арифметических значений и процентных соотношений ряда существенных характеристик и сравнения их уровней между собой. Одновременно эта операция будет обеспечивать проверку правильности формальной группировки, основой которой служили сведения о распределении величин факторных весов объектов, и позволит оценить корректность выделенных графическим методом структур. Подчеркну, что на базе аналитической группировки такое исследование вряд ли возможно, ибо усложнено не только массовостью и многомерностью объектов наблюдения, для анализа которых нужен гораздо больший набор признаков, чем тот, который может вместить любая комбинационная таблица, составленная ручным способом, но и спецификой и противоречивостью социально-экономических процессов переходного периода, обусловленных разложением прежних и складыванием новых общественных структур на селе. Выявленная методами факторного анализа и наглядно отраженная в таблицах, которые будут проанализированы ниже, системность признаков аргументированно представлена разностью в количественных значениях параметров, описывающих внутренний строй единоличных хозяйств, что в конечном итоге свидетельствует об убедительности графического метода группировки крестьянских хозяйств на базе факторного анализа.

Итоги обработки данных методами факторного анализа обнаруживают полное согласие с результатами исследования источника методом регрессионного анализа. Введенный с целью определения в новых исторических условиях существенности факторов, влиявших на социальную принадлежность семей единоличников пробелов этой характеристики в источнике, регрессионный анализ позволяет судить не только о наличии связи между признаками, но и о ее форме и степени значимости.

Отбор параметров для построения регрессионных моделей

U имеет такое же принципиальное значение, как и для факторных, и опирается на сочетание содержательного анализа, намечающего теоретически допустимый набор сущностных характеристик, и статистических приемов, основывающихся на изучении матрицы парных корреляций факторных признаков. При этом факторные признаки не должны быть сильно связаны между собой, значения показателей одного объекта не должны зависеть от величин параметров других, а результативный признак должен иметь постоянную дисперсию, независимую от факторных характеристик, равно как число вводимых в исследование объектов должно превосходить количество признаков в несколько раз.

Итак, процедура отбора признаков на стадии количественных оценок начинается с анализа матрицы парных корреляций, выявляющего тесноту связи факторов между собой. Затем часть их исключается, с тем чтобы между оставшимися не было тесной связи. Далее осуществляется пошаговый отбор факторов, которые включаются в уравнение регрессии лишь в случае, если они существенно увеличивают значение коэффициента множественной корреляции (R2), описывающего тесноту связи результативного признака с набором факторных, близость величины которого к единице свидетельствует о максимальной степени точности описания эмпирических данных уравнением регрессии и «позволяет судить о том, насколько „удачно" выбран вид функций»7. Статистическая оценка пропусков характеристики социальной принадлежности семей единоличников производилась с помощью того же уравнения регрессии, составлявшегося для выражения зависимости между интересующим нас признаком и наиболее сильно связанными с ним признаками, значения которых для данного объекта известны, и имевшего следующий вид:

у = а + в\Х\ +в2Х2 + ...+вкХк,

где у — результативный признак; х\ ... Xu — факторные; Ь\ ... bk — коэффициенты регрессии; а — свободный член уравнения и где величина в показывает, насколько в среднем изменяется у при увеличении соответствующего фактора х на единицу шкалы его измерения при фиксированных значениях всех остальных 8.

Анализ внутреннего строя единоличных крестьянских хозяйств осуществлялся на материалах похозяйственных книг Ахпаевского сельсовета Воротынского района Горьковской обл., Березовского сельсовета Михайловского района и Завидновского сельсовета Шацкого района Рязанской обл, 1934—1937 гг., представлявших типичные сельскохозяйственные районы российского Нечерноземья, на территории которых в середине 30-х годов индивидуальный сектор еще сохранял свои экономические позиции и имел больший удельный вес в общей массе крестьянских семей по сравнению с другими районами этих областей 9. Выбор же конкретных сельсоветских фондов осуществлялся механическим путем, когда 'для каждого архивного фонда были созданы равные шансы попадания в выборку.
Предыдущая << 1 .. 2 3 4 < 5 > 6 7 8 9 10 11 .. 124 >> Следующая

Реклама

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed

Есть, чем поделиться? Отправьте
материал
нам
Авторские права © 2009 BooksShare.
Все права защищены.
Rambler's Top100

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed