Влияние способа кластеризации на результаты использования теста "Типы политической культуры"
Способы кластеризации
Идеальная точка деления задает координату, разбивающую всю совокупность респондентов на четыре группы. Поскольку в данном случае мы имеем две аддитивные шкалы с диапазоном возможных значений от 6 до 30, значение, которое делит этот диапазон на две равные половины составляет 17,5. Интуитивным улучшением этого способа является введение некоторой зоны вокруг точки деления (далее это будет 2,5 балла по обеим осям), попадание в которую трактуется как неопределенная позиция в отношении демократии и гражданской активности.
Концептуальная типология заключается в использовании содержательных принципов анализа ответов респондентов, позволяющих сгруппировать наблюдения в рамках теоретически обоснованных групп. Для этого теста я использовал два взаимосвязанных содержательных принципа анализа: 1) «веер» ответов «полностью согласен / скорее согласен / трудно сказать, согласен или нет / скорее не согласен / абсолютно не согласен» задает три основных модальности – согласия, неопределенности и несогласия; 2) шесть индикаторов позволяют выразить респонденту одну из четырех базовых установок – поддержки (в ответах преобладает согласие), амбивалентности (в ответах в равной мере присутствует и согласие, и несогласие), сопротивления (в ответах преобладает несогласие), неопределенности (в ответах преобладает неопределенность).
Исходя из этих принципов, техническое решение для концептуальной типологии будет заключаться в перечислении всех возможных комбинаций для шести индикаторов. При этом я не проводил различия между «полностью согласен» и «скорее согласен», а также между «полностью не согласен» и «скорее не согласен»:
Концептуальная типология для социологического теста «Типы политической культуры»: техническое решение
Поддержка | 1) согласия по четырем и более индикаторам; 2) согласие по трем индикаторам и неопределенность хотя бы по одному из оставшихся. |
Амбивалентность | 1) согласие по трем индикаторам и несогласие по трем индикаторам; 2) одинаковая представленность согласия, несогласия и неопределенности. |
Сопротивление | 1) несогласие по четырем и более индикаторам; 2) несогласие по трем индикаторам и неопределенность хотя бы по одному из оставшихся. |
Неопределенность | 1) неопределенность по четырем и более индикаторам; 2) неопределенность по трем индикаторам и наличие как согласия, так и несогласия среди оставшихся. |
Кластерный анализ методом K-средних представляет собой подход для разбиения некоторого набора данных на К отдельных непересекающихся кластеров. Идея, лежащая в основе этого метода, базируется на минимизации внутрикластерной изменчивости n-размерного набора данных. Для разбиения наблюдений на k кластеров используется следующий алгоритм: 1) первые k наблюдений принимаются в качестве k кластеров с одной точкой в каждом кластере; 2) оставшиеся m – k наблюдений поочередно приписываются к одному из k кластеров на основании кратчайшей дистанции между наблюдением и центроидом кластера; после каждого приписывания центроид пересчитывается для соответствующего кластера; 3) после приписывания каждого наблюдения к одному из k кластеров кластерные центроиды принимаются в качестве начальных точек и каждое наблюдение вновь приписывается одному из k кластеров на основании ближайшей к центроиду дистанции; этот этап повторяется необходимое количество раз.
Латентный классовый анализ является методом или техникой идентификации необозначенных групп индивидов или наблюдений в данных на основании многомерных категориальных переменных. Латентный классовый анализ использует вероятностную модель, описывающую распределение ответов по нескольким вопросам в различных группах. Оценка параметров модели ведет к прояснению групп, лежащих в основе такого распределения, в терминах вероятностных паттернов ответов на вопросы.
Результаты
Несмотря на то, что в оригинале тест предусматривает выделение четырех типов политической культуры, в рамках данной статьи кластеризация предусматривает пять (для идеальной точки деления, кластерного анализа и латентного классового анализа), а также девять (для концептуальной типологии) групп [из анализа исключены слабо наполненные группы; размер шести из них составляет менее 1,0%, одной – 1,2%]. Это сделано с целью учета содержательных характеристик теста. Решение о принадлежности группы принималось на основании средних значений (центроидов) групп.
При рассмотрении этих результатов следует помнить, что лишь в случае концептуальной типологии можно говорить о демократизме / антидемократизме и гражданской активности / пассивности в абсолютном смысле. В остальных случаях такие размышления относительны: для идеальной точки деления – в меньшей степени (благодаря четкости критерия), для кластерного анализа и латентного классового анализа – в большей.
Латентный классовый анализ является методом или техникой идентификации необозначенных групп индивидов или наблюдений в данных на основании многомерных категориальных переменных. Латентный классовый анализ использует вероятностную модель, описывающую распределение ответов по нескольким вопросам в различных группах. Оценка параметров модели ведет к прояснению групп, лежащих в основе такого распределения, в терминах вероятностных паттернов ответов на вопросы.
Результаты
Несмотря на то, что в оригинале тест предусматривает выделение четырех типов политической культуры, в рамках данной статьи кластеризация предусматривает пять (для идеальной точки деления, кластерного анализа и латентного классового анализа), а также девять (для концептуальной типологии) групп [из анализа исключены слабо наполненные группы; размер шести из них составляет менее 1,0%, одной – 1,2%]. Это сделано с целью учета содержательных характеристик теста. Решение о принадлежности группы принималось на основании средних значений (центроидов) групп.
При рассмотрении этих результатов следует помнить, что лишь в случае концептуальной типологии можно говорить о демократизме / антидемократизме и гражданской активности / пассивности в абсолютном смысле. В остальных случаях такие размышления относительны: для идеальной точки деления – в меньшей степени (благодаря четкости критерия), для кластерного анализа и латентного классового анализа – в большей.
Наполненность групп в соответствии с различными решения кластеризации, %
Группа | ИТД | КТ | КА | ЛКА |
Активные демократы | 22,4 | 14,7 | 17,2 | 14,3 |
Пассивные демократы | 56,1 | 43,7 | 21,1 | 14,5 |
Неопределившиеся в обоих смыслах | 10,0 | 5,2 | 30,3 | - |
Пассивные антидемократы | 7,4 | 4,5 | 14,3 | 22,9 |
Активные антидемократы | 4,1 | 2,4 | 17,1 | 23,5 |
Демократы, амбивалентные относительно гражданской активности | - | 5,4 | - | - |
Демократы, неопределившиеся относительно гражданской активности | - | 6,2 | - | - |
Политически неопределившиеся и граждански активные | - | 2,1 | - | - |
Политически неопределившиеся и граждански пассивные | - | 11,5 | - | 24,8 |
ИТД - идеальная точка деления; КТ - концептуальная типология; КА - кластерный анализ; ЛКА - латентный классовый анализ.
Как видно, наиболее похожую наполненность групп демонстрируют способы деления по идеальной точке и с помощью концептуальной типологии. Интересно и то, что в рамках латентного классового анализа пятая группа представлена не теми, кто находится «по середине» относительно всех остальных, а политически неопределившимися и граждански пассивными респондентами.
Краткие выводы
Поскольку я далек от мысли, что в нашем обществе может быть 17,1% и уж тем более 23,5% активных антидемократов, то склоняюсь к выбору результатов концептуальной типологии (максимально учитывает содержательную специфику теста) или идеальной точки деления (хорошо соответствует результатам КТ + проста в реализации и интерпретации).
Краткие выводы
Поскольку я далек от мысли, что в нашем обществе может быть 17,1% и уж тем более 23,5% активных антидемократов, то склоняюсь к выбору результатов концептуальной типологии (максимально учитывает содержательную специфику теста) или идеальной точки деления (хорошо соответствует результатам КТ + проста в реализации и интерпретации).
Data science (3)
Europe (2)
Geopolitics (2)
Infographics (1)
R (26)
Russia (2)
SPSS (2)
Ukraine (2)
Акционализм (1)
Анализ данных (27)
Аномия (1)
Выборка (1)
Выступления (3)
Геополитика (12)
Гражданское общество (2)
Демократизация (1)
Европа (4)
Интернет ресурсы (1)
Инфографика (8)
Исследовательские дизайны (1)
Историческая социология (10)
История социологии (5)
Киберспорт (1)
Книги (7)
Массивы (3)
Методология социальных исследований (1)
Методология социологических исследований (2)
Научная жизнь (3)
Новости (6)
Обратная связь (1)
Персоналии (3)
Православные конфессии в Украине (1)
Президентская власть (1)
Психологический дистресс (18)
Психология (5)
Публицистика (2)
Революция (1)
Результаты исследований (28)
Религия (3)
Россия (2)
Согласование концептов (4)
Социальная гетерогенность (1)
Социальная работа (1)
Социологическая теория (6)
Социологические тесты (1)
Социологическое образование (5)
Теория конфликта (2)
Теория социального измерения (8)
Украина (9)
Учебные планы (2)
Философия (1)
Шкалирование (36)
Экономика (1)
Эмпирическая социология (46)
Europe (2)
Geopolitics (2)
Infographics (1)
R (26)
Russia (2)
SPSS (2)
Ukraine (2)
Акционализм (1)
Анализ данных (27)
Аномия (1)
Выборка (1)
Выступления (3)
Геополитика (12)
Гражданское общество (2)
Демократизация (1)
Европа (4)
Интернет ресурсы (1)
Инфографика (8)
Исследовательские дизайны (1)
Историческая социология (10)
История социологии (5)
Киберспорт (1)
Книги (7)
Массивы (3)
Методология социальных исследований (1)
Методология социологических исследований (2)
Научная жизнь (3)
Новости (6)
Обратная связь (1)
Персоналии (3)
Православные конфессии в Украине (1)
Президентская власть (1)
Психологический дистресс (18)
Психология (5)
Публицистика (2)
Революция (1)
Результаты исследований (28)
Религия (3)
Россия (2)
Согласование концептов (4)
Социальная гетерогенность (1)
Социальная работа (1)
Социологическая теория (6)
Социологические тесты (1)
Социологическое образование (5)
Теория конфликта (2)
Теория социального измерения (8)
Украина (9)
Учебные планы (2)
Философия (1)
Шкалирование (36)
Экономика (1)
Эмпирическая социология (46)
January 2021
September 2020
March 2019
September 2018
August 2018
April 2018
March 2018
December 2017
November 2017
October 2017
September 2017
August 2017
July 2017
June 2017
May 2017
April 2017
March 2017
February 2017
January 2017
December 2016
November 2016
October 2016
September 2016
August 2016
July 2016
June 2016
May 2016
April 2016
March 2016
February 2016
January 2016
December 2015
November 2015
October 2015
September 2015
August 2015
July 2015
June 2015
May 2015
April 2015
March 2015
February 2015
August 2014
July 2014
June 2014
May 2014
April 2014
March 2014
February 2014
January 2014
December 2013
November 2013
October 2013
September 2013
December 2020
November 2020
October 2020September 2020
August 2020
July 2020
June 2020
May 2020
April 2020
March 2020
February 2020
January 2020
December 2019
November 2019
October 2019September 2019
August 2019
July 2019
June 2019May 2019
April 2019March 2019
February 2019
January 2019
December 2018
November 2018
October 2018September 2018
August 2018
July 2018
June 2018
May 2018April 2018
March 2018
February 2018
January 2018December 2017
November 2017
October 2017
September 2017
August 2017
July 2017
June 2017
May 2017
April 2017
March 2017
February 2017
January 2017
December 2016
November 2016
October 2016
September 2016
August 2016
July 2016
June 2016
May 2016
April 2016
March 2016
February 2016
January 2016
December 2015
November 2015
October 2015
September 2015
August 2015
July 2015
June 2015
May 2015
April 2015
March 2015
February 2015
January 2015
December 2014November 2014
October 2014
September 2014August 2014
July 2014
June 2014
May 2014
April 2014
March 2014
February 2014
January 2014
December 2013
November 2013
October 2013
September 2013