Поиск:
А Б В Г Д Е Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я


Статьи

Словари:

Архитектурный словарь
Бизнес словарь
Биографический словарь
Исторический словарь
Медицинский словарь
Морской словарь
Политический словарь
Психологический словарь
Религиозный словарь
Сексологический словарь
Словарь воровского жаргона
Словарь имён
Словарь компьютерного жаргона
Словарь логики
Словарь мер и весов
Словарь нумизмата
Словарь Русских фамилий
Словарь символов
Словарь синонимов
Социологический словарь
Строительный словарь
Философский словарь
Финансовый словарь
Экономический словарь
Этнографический словарь
Юридический словарь



Социологический словарь

АНАЛИЗ ПРИЧИННЫЙ:



АНАЛИЗ ПРИЧИННЫЙ - – методы  моде­лирования причинных отношений между при­знаками с помощью систем статистич. уравне­ний, чаще всего регрессионных. Существуют другие названия этой довольно обширной и постоянно развивающейся области методов: путе­вой анализ,  как впервые наз. его основополож­ник С. Райт; методы структурных эконометрич. уравнений, как принято в эконометрике, и др. Причинные отношения иногда наз. струк­турными, каузальными и исследуются исходя из трех аспектов: правильности отображения на­правленности влияний признаков и возможного осуществления двух целей – прогнозирования и объяснения, решаемых для каждого из урав­нений системы, описывающей причинные отно­шения. Каждый из трех аспектов требует разъ­яснения, тщательной проработки с применени­ем содержательных и формальных соображений. Указанное операциональное определение   причинного отношения не затрагивает сложных философских проблем, связанных с понятием  причинности. А.п. предлагает операциональное понимание  причинного коэффициента,  с помощью к-рого разрабатывается математич. аппа­рат для проверки как прямых, так и косвенных причинно-следственных связей между призна­ками. На основе А.п. возможно раскрытие внут­реннего смысла корреляционных коэффициен­тов между признаками в тех случаях, когда та­кая коррелированность допускается предполо­жениями, накладываемыми на регрессионные уравнения. Задачи  определения прямых и кос­венных связей между признаками, а также рас­крытия различ. компонент в корреляционных коэффициентах, связанных с прямыми, косвен­ными и мнимыми связями, осуществляются с помощью разложения корреляционного коэффи­циента, называемого разложением Райта. А.п. призван заполнить вакуум между со­держательными теориями, с одной стороны, и математич. методами анализа, с другой  сторо­ны, создавая аппарат для проверок гипотез о при­чинно-следственных связях между признаками на основе эмпирич. интерпретации. Наличие об­щей теории моделируемых явлений и процес­сов, содержательных концепций и гипотез явля­ется важной предпосылкой успешного примене­ния А.п. Процесс  построения модели А.п. состо­ит из следующих этапов: построения диаграм­мы связей между признаками и формульного представления статистич. отношений в виде сис­тем уравнений; идентификации (оценивания) параметров модели; проверки гипотез и интерпретации рез-тов. Основными понятиями А.п. являются: пу­тевая (структурная, причинная) диаграмма,  при­чинный (путевой) коэффициент, прямые, косвен­ные и мнимые компоненты связи между при­знаками. Путевая диаграмма отражает графически гипотетически предполагаемые причинные, направленные связи между признаками модели. Система  признаков с однонаправленными связями наз. рекурсивной, матрица параметров статистич. уравнений, соответствующих такой системе, имеет треугольный вид. Нерекурсивные причинные системы учиты­вают также и обратные связи, напр., два при­знака  системы могут быть одновременно и при­чиной, и следствием по отношению друг к другу. Все признаки делятся на признаки-следст­вия (зависимые, эндогенные) и признаки-причи­ны (независимые, экзогенные). Однако в системе уравнений эндогенные признаки одного из урав­нений могут быть экзогенными признаками др-уравнений. В случае четырех признаков рекур­сивная диаграмма всех возможных связей меж­ду признаками имеет вид: Построение диаграммы связей является необходимой предпосылкой математич. фор­мулирования системы статистич. уравнений, отражающей влияния, представленные на диаграмме. Основные принци­пы построения системы регрес­сионных уравнений проиллюстрируем на при­мере тех же четырех признаков. Идя по ходу стрелок, начиная с Х1, находим первый эндоген­ный признак и отмечаем те признаки, к-рые на него влияют как прямо (непосредственно), так и косвенно (опосредствованно), через другие при­знаки. Первое стандартизированное регрессион­ное уравнение соответствует первому эндоген­ному признаку Х2 и выражает зависимость Х2 от тех признаков, к-рые на него влияют, т. е. от X1. Т.обр., первое уравнение имеет вид Х2=b21Х1. Затем выявляем второй эндогенный признак, к-рый имеет направленные на него связи. Это признак X ему соответствуют экзогенные пе­ременные X1 и Х2, поэтому второе регрессион­ное уравнение в стандартизованном виде фор­мулируется так: Х3=b31Х1 Ь32Х2. Третье регрес­сионное уравнение соответствует третьей эндогенной переменной и выражает следующую за­висимость: Х4=b42Х1 b42Х2 b43Х3. Система стан­дартизированных регрессионных уравнений для нашей конкретной причинной диаграммы с уче­том ошибок измерения U имеет вид: х=U1 X=b31X b32X2 U3 х4=b41х b42х2 b43х3 U4 Чтобы оценить коэффициенты Ъ.., необхо­димо решить три уравнения при соблюдении предположений, к-рым должны удовлетворять данные.  Перечислим эти предположения. 1. От­ношения между признаками модели должны быть линейными, аддитивными и по возможно­сти отвечающими изучаемым причинным свя­зям. 2. Признаки-ошибки измерения не корре­лируют между собой и с др. признаками систе­мы. Экзогенные признаки в уравнениях могут коррелировать между собой, более того, метод призван объяснить корреляцию двух признаков с помощью компонент прямых и косвенных свя­зей, существующих между ними. 3. Все пере­менные имеют интервальный уровень измере­ния. 4. Система признаков имеет только однона­правленные связи, обратные связи между при­знаками изучаются с помощью специальных ме­тодов для нерекурсивных систем. При выполнении всех указанных условий система регрессионных уравнений в стандарти­зованном виде имеет решение,  коэффициенты bij можно определить методом наименьших квадратов, и они наз. причинными коэффициентами, обозначаемыми часто Рг. Т.обр., причин­ный коэффициент Р. показывает ту долю изме­нения вариации эндогенного признака г, к-рая происходит при изменении экзогенного призна­ка j на единицу стандартного отклонения этого признака, при условии, что влияние  остальных признаков уравнения исключается (см. Анализ регрессионный) . Иначе говоря, Pij есть прямой эффект  признака j на признак i . Косвенный эф­фект признака j на i вычисляется на основе уче­та всех путей влияния j на i, за исключением прямого. На диаграмме прямое влияние первого признака на четвертый схематически представ­лено прямой стрелой, непосредственно идущей от Х1 к Х4, символически изображаемое как 1– 4; оно равно коэффициенту причинного влияния Р14. Компоненты прямого, косвенного и мнимого влия­ний являются слагаемыми корреляционного ко­эффициента rij, между признаками X. и X., к-рые можно вычислить на основе формулы разложения Райта: где k пробегает номера переменных, имеющих прямое влияние на признак j. Компонента пря­мого влияния есть первое слагаемое правой   час­ти формулы, под знаком суммы содержатся две компоненты косвенного и мнимого (ложного) влияний. Косвенное влияние всегда представимо в виде произведения прямых влияний. Напр., косвенное влияние Х1 на Х4, схематически пред­ставленное тремя путями опосредствованного влияния Х1 на Х4: 1-»2-»4, 1-»3-»4, 1-»2-»3-»4, вычисляется как сумма трех косвенных влия­ний Р42Р21, P43P31, P43P32P21. Мнимое влияние вы­числяется как остаток от вычитания из величи­ны корреляционного коэффициента суммы пря­мого и косвенного влияний. Величины прямых и косвенных эффектов дают возможность проверять на эмпирич. мате­риале гипотезы о силе тех или иных влияний и правильности содержательных гипотез о причин­ных связях между признаками. Обычно проверяется значимость отличия коэффициентов bij=Рij от нуля, равенство  нулю регрессионных коэффициентов равносильно отсутствию соответ­ствующих коэффициентов прямого влияния. Качество   модели А.п. или ее адекватность  эмпирич. данным оценивается как степень сов­падения коэффициентов корреляций, получен­ных по формуле Райта на основе рассчитанных параметров системы, с коэффициентами корреляций, вычисленными обычным путем по эмпи­рич. данным. Если коэффициенты, полученные по модели, хорошо воспроизводят эмпирич. ко­эффициенты, то можно говорить о соответствии теоретич. предположений о причинных влияниях реально существующим связям. При исклю­чении слабых причинных влияний качество вос­произведения корреляционных коэффициентов может улучшиться, если модель  адекватна дан­ным. Если две конкурирующие модели дают оди­наково хорошее качество воспроизведения кор­реляционной матрицы, то в рамках А.п. не су­ществует средств выбора одной из моделей как наиболее правильной. Поэтому А.п. не может служить окончательным средством для построе­ния теории о причинных связях, скорее всего, он дает формальный аппарат для проверок, подтверждения или опровержения гипотез о при­чинно-следственных связях между признаками. Начало применению А.п. положил сам соз­датель методов С.Райт, к-рый, начиная с 1918 г., использовал их для решения практич. задач в различн. областях: генетике, сельском хоз-ве, экономике. Общая теория   структурных уравне­ний развивается в эконометрике, где причинные уравнения наз. структурными. Трудами Г.Волда, К. Ёрескога и др. развита теория  нерекурсивных взаимозависимых систем. В социологии разви­вались, модифицировались и популяризовались в работах  Блэйлока, Саймона, Лазарсфельда, Будона, Дункана. Недостатком методов, препят­ствующих широкому их использованию в социологии, является необходимость использования шкал высокого измерения (количественных, ин­тервальных) для изучаемых признаков. Суще­ственный вклад в развитие  методов причинного моделирования качественных признаков внесли работы Таганова и его школы; в них развит т.н. информационный подход  к построению таких моделей. Одно из направлений А.п. для классифика­ционных признаков развивается в рамках лог-линейного анализа Гудмэном, Бишопом и др., оно основано на анализе различ. функций от пере­крестных отношений таблиц сопряженностей, предложенных впервые Юлом. Др. развивающее­ся направление следует отнести к традиции  К. Пирсона; его последователи (Ланкастер, Рой, Хэмдам, Хекман и др.) используют концепцию Пирсона, согласно к-рой в основе перекрестной классификации (таблицы сопряженности) лежит дву- или многомерное нормальное распределе­ние признаков. Однако этому подходу не уделя­ется должного внимания. Оценка  параметров моделей очень сложна даже в случае двух урав­нений, потому что основана на расчете тетрахорических коэффициентов корреляций. Современное развитие А.п. в социологии идет по пути синтеза классич. эконометрич. и факторно-аналитич. подходов, определяемых спецификой данных социологич. типа, наличием прямо ненаблюдаемых признаков, прямых и обратных связей между признаками модели. Та­кое развитие осуществлялось в работах Волда, Ёрескога, Гудмэна, Блэйлока и др. Модели А.п. рекомендуется применять для выявления факторов влияния на нек-рые целе­вые (зависимые) признаки, напр, необходимо оценить в количественном отношении влияние факторов семьи, школы, товарищей на стремле­ния и достижения молодежи или выявить фак­торы удовлетворенности работой при условии их направленного влияния друг на друга. Модели А.п. можно применять для проверки соответст­вия поведения установкам,  для исследования панельных данных, для анализа ошибок в дан­ных и во многих др. задачах. Лит.: Маленва Э. Статистические методы экономет­рии. М., 1975; Математика в социологии: моделирование  и обработка информации. М., 1977; Математическое модели­рование в социологии. Новосибирск, 1977; Математико-статистические методы в социологических исследованиях. М. 1980; Хейс Д. Причинный анализ в статистических иссле­дованиях. М., 1981; Елисеева И.И., Рукавишников В.О. Логика  прикладного статистического анализа. М., 1982; Mosbaek E., Wold H. Interdependent systems: structure and estimation. L., 1969; Goldberger A.S. On Boudons method of linear causal analysis//Amer. Soc. Rewiew. 1970. Vol. 35, №1; Hauser R.M., Golderger A.S. The treatment of an observable variables in path analysis//Sociological methodo­logy. 1971; Goodman L.A. The analysis of multidimentional contingency tables when some variables are posterior to others: a modified path analysis approach//Biometrica. 1973. Vol. 60. К.Д. Аргунова.
Похожие на АНАЛИЗ ПРИЧИННЫЙ слова / понятия:

АНАЛИЗ ПУТЕВОЙ
АНАЛИЗ РАЗГОВОРА (CONVERSATION ANALYSIS)
АНАЛИЗ РЕГРЕССИОННЫЙ
АНАЛИЗ РЕГРЕССИОННЫЙ КАЧЕСТ­ВЕННЫЙ
АНАЛИЗ СИСТЕМНЫЙ
АНАЛИЗ СОБЫТИЙНЫЙ
АНАЛИЗ СОЦИАЛЬНЫХ СЕТЕЙ
АНАЛИЗ СТРУКТУРНО-ФУНКЦИОНАЛЬНЫЙ
АНАЛИЗ СТРУКТУРНЫЙ
АНАЛИЗ ТИПОЛОГИЧЕСКИЙ