INTERPRETACE DAT JARQSLAV KAPR Z D E N ~ K&AFAR
SOC~O nebo
zdravg rozum? Praxe
socialogick4ho prfizkumu
MMDA PRAWA
FRONTA
1. 2. 3. 4. 5.
Nespravna interpretace S p o l e h l i v o s t lidajd ' Zav6reEna z p r a v a Vztah sociologie a praxe ZBkladni orientace v l i t e r a t u f e
Na zav6r knihy jsme si nechali poznimky k mimofadng dbleiit6 etap6 vfzkumu, tj. k interpretaci ziskandch dat. Jednotliva upozorn6ni na tuto problematiku nalezl Etenaf jii v pfedchazejicim textu, ale zde se je pokusime znovu shromaidit a soustfedit tak, aby tvofily uceleny vfklad. Vfzkumnik je v situaci, kdy dostal na stel zpracovane v9sledky a ma pPed sebou stovky rbznfch tabulek, grafb, Ei jin$ch lidajb, a jeho likolem je vysvetlit je, to znamena zafadit do kontextu ucelenych vfrokb, ktere maji takovou hodnotu, i e umoifiuji logicky nespornC vfadit empiricky potvrzend hypotezy do systCmu tvrzeni odvozenych z obecndho modelu. Jinfmi slovy umoiiiuji ohodnoceni toho, jak Ize ziskanC informace vyuiit k obohaceni a zpfesn6ni znalosti fi, vyvraceni omylb, neb0 pfimo k jednhni. Tato liloha neni lehka proto, i e neni moine podat n6jakY nhvod, jak spravn6 interpretovat. J e vSak moino upozornit na nekterd zakladni chyby, kterC se v tdto etap6 prace Easto vyskytuji. Zahajime proto svou analfzu moinYch chyb pfi interpretaci dat jednoduchjrln pfikladem. V jednom u nas publikovanem vj.zkumu byla studentbm poloiena otazka: Jak se nejlepe bavite? a) sam, b) v phru, c) v part6. AutoPi vjrzkumu uvedli tuto tabulku: Na otazku odpov6d6li studenti: a) sam 1 "4, b) v paru 30 % c) v part6 69 O/o Tabulku doplAova1 komenta?, ktery uvadime doslovne: ,,Odpovedi na otazku dokladaji silnP vyvinutjr smysl pospolitosti zaloienjr na souladnosti socialniho postaveni, ale zejmdna na spolerne Einnosti a shodnosti zajmb."
I. Nespr5vnQinterpretace Nespravnost teto interpretace je z?ejma. Pokusime se proto nyni na rozboru tohoto i jinych pfikladh ukhzat, z Eeho plynou rdzne moine typy nespravn6 interpretace. V podstati! mdieme tyto typy rozd6lit asi takto: 1.1 Vznikle chybami v teoreticke koncepci 1.2 Vznikle chybami v procesu zkoumani 1.3 VzniklC chybnfm pochopenim socialni a zejmena vfzkumne role 1.4 Vznikle chybnfm hodnocenim statistickfch operaci ad 1.1
- chyby v teoreticke koncepci
Ctenhf si vzpomene, f e jsme jii hovofili o moinostech stanoveni nespravneho vfchoziho modelu, z kterdho odvozujeme ovi!?itelna tvrzeni, neb0 o nevhodnem vfb6ru hypotez. Tyto chyby rnohou zpdsobit, i e spravni! ziskani a objektivni data jsou nespravni! interpretovana. Uvedme pfiklad: Pfedpokladejme takovf vfzkum, jehoi cilem je zjiSti!ni kulturniho ,,vyuiiti" obrand. Prdzlcum vySel z obecne hypotezy, Ze toto vyZiti bude tim vyJii, Eim vlrtii rozsah kulturnich Einnosti budeme moci osobam pfffadit. Pracovni hypotezy byly potom nap?. takoveto: 1. Osoby navSt6vujici vice kulturnich zafizeni a podnikd, je moino oznaEit za ,,kulturni!jSi" nei osoby navSt6vujici m6n6 kulturnich podnikd a zafizeni. Ukazatelem by1 stanoven poEet nAvSt6v r b n f c h druhd kulturnich podnikS, napf. kina divadla, ,koncertu, vfstavy, poslech rgdia, sledovlni televize atd. 2. Osoby omezujici svdj zijem na jeden typ zapizeni, napf. jen nivSt6vy kina neb0 sledovani televize, ochuzuji svdj rejstEik kulturniho ,,vyiitil', jsou jednostranni! informovhny,
ztrhceji pfehled o kultufe apod., prosti, tat0 specializace na ni! pdsobi negativni!. 3. Na zakladi! prudkeho rozSiPovani televize byla vyslovena hypoteza, i e zejmena televize je tim faktorem, kterjr omezuje pdsobnost ostatnich prostfedkd a phsobi tak negativni! na ,,kulturnostU obEand. Vfsledky opravdu potvrdily, i e ty osoby, ktere pravidelni! sleduji televizi, navSti!vuji velmi malo kulturnich podnikd. Na tomto zakladi! by tuto skuteenost bylo moino interpretovat jako ddkaz hypotezy. 4. DodateEnou revizi vSak byla zjigtlina fakta, kterd dovoluji postaveni hypotdzy opaend, i e totii ti, ktefi pravideln6 sleduji televizi, maji znaEni! Sirokf kulturni pfehled, jsou daleko vice informovini o fiznfch kulturnich akcich nei ti, ktefi televizi nesleduji, i kdyi navSt6vuji rdznd kulturni podniky. Z tohoto pfikladu je zfejm6, t e nejdfive by bylo nutne pfesneji vymezit fadu sledovanfch jevd, jako nap?. intenzitu, rozsah a frekvenci sledovlni kulturnich podnikfi, pfesto v8ak vidime, de jeden a tG2 objektivnlr existujici fakt je moZno na zaklad6 sprcivnlr ziskanQch informad rQzni interpretovat podle toho, jake hypotdzy odvodime z vfchoziho obecn6ho modelu. Ponekud podobnl situace nastane, interpretuji-li sociologick8.. data lid6 fizn6ho mini!ni, ngzord, pfedstav a pouiivajici rdzntS vymezenf ch pojmS. Mdie potom nastat takovi situace: Na otizku: ,,Jsou vyuiity v prlci vaSe schopnosti?" odpovi 7,4% zkoumanych, i e jejich schopnosti jsou plni! vyuZity a 5,5 OI0, i e jejich schopnosti nejsou vdbec vyuiity. Tato fakta rdzne osoby interpretovaly takto: - ,,Pouze 7,4% osob vypovidb, i e jsou v praci vyuiity jejich schopnosti, coi svi!dEi o Spatne hrovni kadrove price na dvodi!."
-
,,Jen 5,50/0 osob odpovida, i e jejich schopnosti nejsou vdbec vyuiity, coi sv6dEi o dobre urovni kadrove prace na zavodi:." Je jasne, i e zde op6t objektivni: zjiSt6ny fakt, sam o sobe neutralni, mdie byt interpretovan podle subjektivnich pfedstav o tom, co je malo a mnoho, co je dobra a Spatna kadrova prace. J e to problem pfesneho vymezeni pojmd a vymezeni tvrzeni odvozenych z obecn6jSiho teoretickkho modelu. ad 1.2
- chyby v
proceru zkoumani
I o techto chybach jsme jii hovofili. Mohou plynout bud pfimo z vdzkumne situace neb0 z chybne zvolenfch technickdch postupzi. Ze situace mohou vyplynout tehdy, kdyi si nap?. neuvgdomujeme, i e vystavujeme zkoumane osoby nejakemu socialnimu natlaku tim, i e se tfeba ptame studentd na hodnoceni pfednaSky v pfitomnosti pfednlSejiciho, delnikd na jejich postoj k zavodu a zjiSCuje ho pfedseda ROH apod., neb0 tehdy, citi-li zkoumane osoby obavy z poruSene anonymity neb0 dotazujeme-li se na vPci intimniho charakteru. Stejni: tak osoba tazatele, misto a Eas i dalSi vlivy, o kterych jsme jii take hovofili, mohou zpdsobit, i e nemdieme potom interpretovat vysledky tak, jako by byly dosaieny ,,v norm8lni" situaci, ale musime je interpretovat s pfihlednutim k moinosti ovlivngni. Na to se ni:kdy v prdzkumech zapomina. Kaida zavereena zprava by proto m6la obsahovat podrobnf popis situace a podminek, za kterych zkoumani probihalo, aby si Ctenaf mohl provest popfipadii urEite korekce v interpretaci dosaienfch informaci. Bi:ine jsou chyby, ktere vznikaji pfi vfb6ru vzortku, pfi nespravne formulaci otazek, technicke manipulaci s dotaznikem, nespravne kategorizaci apod. Uvedme nektere pfiklady:
problem zobecniini
Pfedpokladejme, i e by1 realizovan prdzkum mladeie, v kterem se ovBfovala hypoteza, dnes dosti Easta, i e rnladei dava pfednost iivotnim hodnotam, ktere je moino nazvat ,,konzumni". Prdzkum je proveden na jedne st?edni Skole (450 jedincd) tak, i e se studentdm pfedloii techto deset hodnot k posouzeni: l penize, 2 byt prosp6Sny spoleCnosti, 3 spokojenost v praci, 4 mit auto a hezke vi:ci, 5 dobre pfatele, 6 vzd61ani7 7 mit hodni: di:vEat, 8 byt krasny. 9 moci cestovat. 10 vynikat. Prdzkum zjisti, i e vyznamnii vice jsou vybirany hodnoty 1, 4, 9, tj. takov8, ktere je moino oznaEit za konzumni a hypoteza je tedy potvrzena. Zakladnim problemem je v tomto pfipadii vzorek. Prvni zkresleni mdie znamenat fakt, i e prdzkum by1 uskutefnen na jedne ikole. Vysledky mohly totii byt ovlivfiovany mistne. Dale to, i e vzorkem byla jen stfedoikolska mladei. Tento vzorek vdbec nedovoluje nejen generalizaci na mladei vdbec, ale ani ne na studenty. VysokoSkolaci mohou mit zcela jiny iebfiEek hodnot. Problematicky je sam vybi:r moralnich hodnot, ale o tom se zminime dale. Interpretace takoveho prdzkumu by nutne musela zdhraznit podmin6nost vysledkd a v iadnem pfipadi: si nemdie dovolit zobecfiovani, i kdyi by niikdy neodporovalo prdmi:rnym zkuienostem s mladeii. v o l h ,~kazatelb" DalSi moine chyby tkvi ve volbi: ,,ukazateld". Napf. zvolime-li pro pozorovani soustfed6nosti studentd pfi pfednaSce jako ukazatele pozornosti kategorie piSe poznamky: nepiSe poznamky - a tvrdime-li na zakladi: vysledkd (95 O/, psalo poznamky), i e tPida byla soustPedena a pozorna, mGieme, ale nemusime mit pravdu. Podobni:, zjistujeme-li nap?., v kolika letech se poprve mladi lid6 pohlavni. stykaji, mcieme zvolit celkem bein6 pfijimane kategorie:
-
1. mladistvi (14-18 let) 2. dospivajici (19-24) 3. dosp6li (25-30) Dejme tomu, i e jsme meli vzorek 100 osob a doshhli jsme tohoto rozloieni prvniho pohlavniho styku: 1. mladistvi (14-18) 45 osob 2. dospivajici (19-24) 30 osob 3. dosp6li (25-30) 25 osob Na zaklade techto dat bychom mohli vyslovit tvrzeni, i e jsme u zkoumane skupiny zjistili celkem rovnorn~rn6rozloieni co do uskutetneni prvniho pohlavniho styku. Nejv6tSi poEet mladfrch lidi mivh tyto zkugenosti ve 14-18 letech, a poEet tgch, ktefi se z rdznych ddvodd opozdili, rovnom6rn6 klesh. J e to jev celkem pfirozenfr. Jenomie pfi pfezkoumhni kategorizace mohu zjistit. n6co jineho.
posttehnuti neb0 vedom6 nedbani by vedlo k nesprhvne interpretaci. ad 1.3
- chybnB pochopena vjzkumna role
Problem socihlnich roli je i problemem lidskbho jednhni. Je to oblast zkoumhni v sociologii velmi Easth, ale take velmi slotit& Nemdieme zde pochopiteln6 ani ve zkratce naznaEit ngjakf vfklad. Zminime se pouze jen o nekterfrch vfchozich pfedpokladech, a to jeSt6 jen o tech, ktere budeme potfebovat k charakteristice naSi problematiky. V teto souvislosti jsou pro nas ddleiite odpovedi na tyto othzky: Mdieme spolehat na to, i e to, co nhm o sob6 dotazovan6 osoba povi, je pouiitelne pro charakteristiku jejiho skuteEn6ho nhzoru? Jinfrmi slovy, mluvi pravdu? V pfipade, i e bude mluvit pravdu, mdieme uiit vfrpov6di pro pfedpovec? budouciho chovhni dane osoby? Zhvisi jeji budoucf chovhni na tom, co si ona uvedomuje a co chce? ,,objektivnostu udujti
Napfiklad : mladistvi (14-18) rozepsano poEet osob dospivajici (19-24) rozepsano poEet osob dospeli (25-30) rozepsano poret osob
14 15 16 17 18 let 2 9 23 7 4 celk. 45 19 20 21 22 23 24 let 9 7 8 2 3 1 celk. 30 25 26 27 28 29 30 let 10 7 3 4 1 0 celk. 25
.
Z t6to .,odkategorizovan~" tabulky je zfejm6, i e rozloieni je naopak nerovnomlrn6. Nekdy se nemhie vfrzkumnik ubranit tomu, i e zjisti nevhodnost uiitjrch ukazateld, jejich poEtu, reprezentativnosti apod., a i kdyi je jii nemoino je m6nit. Mhie se vSak ubranit chybam v interpretaci tim, i e znovu pozorn6 pfezkouma vSechna data z hlediska moinfch chyb, plynoucich z techto zminenjrch techllickjrch a metodickych nedostatkh, jejichi ne-
Clov6k je, velmi obecne feEeno, povaiovan za system s cilovfm chovhnim. Prozatim nhm bude IhostejnC, zda si cile sv6ho chovani uvedomujeme neb0 ne. Dalgi specifikou Eloveka je fakt, i e nereaguje pfeviin6 na bezprostfedni podnety, ale zprostfedkovane pomoci pfedstav, pojmovfch sch6mat apoil. Tyto jeho pfedstavy, v dhsledku existence feEi a sloiiteho systemu pfedavani informaci, nejsou zavisle na jeho individualnich zkugenostech, ale jsou spoluurEovhny zkugenostmi ostatnich skupin lidi a dokonce pfedchhzejicich generaci. Ddleiite je to, i e v takto chapanem systkmu mhie zmena pfedstav vest k dalekosahl* ddsledkdm v jednani. V naSi literatufe se v tCto souvislosti hovofi o t6chto prvcich analyzy v termfnech objektivni a subjektivni. Tyto terminy se u n & Easto, zejmena v minulfch letech, chapaly dichotomicky, jako by objektivni bylo skuteen@, nutnC, jednoznahC, rozhodujici a urEujici a subjektivni bylo men6 skuteEn6, zavisejici na
pfedstavach, myllenkach, ovlivfiovane, nahodile, nedbleiite, nerozhodujici. Ve skuteenosti je tomu tak, i e to, co nazfvame objektivnim, vytvafi jakousi danou strukturu, jejimii sloikami jsou jak vBcne prostfedi, tak i urfity system socialnich roli, plynoucich z profesionalni d6lby prace, z politicke moci apod., a urfity system oEekavaneho chovani. Termin ,, d a n f " tu uiiv6me v tom smyslu, i e je urfen pfedchozimi stavy struktury, soufasnjrmi podminkami a jednanim skupin lidi, takie je do znaCne miry nezavisljr na jednani jedince. Druhou sloikou jsou potom systemy hodnot, pfedstav, subjektivne chapane a definovane socialni situace, ve kterjrch se i.lov6k nachazi. Z toho je vid&t, i e vztah mezi tgmito dvgma prvky neni jednosm6rn9, ale vzajemnjr a relativni. Na zakladg toho, co bylo fefeno, bychom mohli zfejm6 sestavovat mnoistvi rdznych variant lidskeho jednani v rdznych situacich. Napf. mdie Elov6k slovn6 vyjadfovat n&jakk pfedstavy, ale jeho ,,skuteEnf" nazor bude jinjr a jeho chovani se bude shodovat s timto ,,skuteEnfm nazorem". Je moine si dale pfedstavit, i e se vlechny tyto sloiky budou v jednani Clovgka shodovat anebo naopak vlechny navzajem liSit apod. Pro nas je tat0 uvaha mimofadnB ddleiita, protoie v socioIogickCm prdzkumu se nejfasteji setkavame ne bezprostfedng se socihlnim jevem, ale s vypov&di o jevu. J e proto potom pro nas hlavni othzkou, jak s dosaienjrmi vypovBdmi pracovat, jak je interpretovat. Vypoved osoby mdie bjrt ovlivnena jejimi subjektivnimi pfedstavami a nazory, ktere mohou bjrt pro jeji chovani rozhodujici, ale take mdie bjrt ovlivngna profesionalni socialni roli anebo mdie bjrt vfsledkem samotne vjrzkumne situace. kterou vlastn6 take mdieme chapat jako zvlaStni roli. socialni role
Kaidf flovek ve svem iivot6 zastava rdzne socialni role. Je iakem, ufngm, dglnikem, mistrem, feditelem - mluvime--1:
o rolich profesiondnich, ale je takC manielem, rodiEem, pfitelem apod. Chovani lidi v rdznjrch rolich je urEeno jednak jejich funkci v d&lb&prhce a jednak urEitjrmi tradifne oEekavanjrmi zpbsoby jednani. Jine se nap?. ofekhvh od feditele zavodu, kdyi ma co Einit se svjrmi podfizenjrmi, a jin6, hraje-li s partou pPBtel kulefnik. Jiny postoj a hodnoceni zpravidla zaujimame pfed vedoucim a jinjr pfed manielkou. Znameni to tedy, i e se vidy chovame v rfiznfch rolich zcela rfime? Z bein6 denni zkugenosti vime, i e ne. JisM dzlslednost chovini je u kaidCho patrni. Stejng tak ovgem plati to, o Eem jsme se zmifiovali, totii i e z vystupovtini v rixznqch socialnich rolich plyne jisth rZlznost chovini. Pro nas je nyni delegitk, s jakqmi pfedpoklady mtlme takove chovani zkoumat. Obvykljr pfistup bfv8 takovjr, i e se hleda jakfsi ,,objektivni6' model lidskkho jednani, jakjrsi ,,skuteen$ nkzor", ,,skuteEnC jednani", ktere by bylo nezdvisle na jeho subjektivnich vfpovedich a take na jeho vystupovani v rdznjrch rolich. Jen takova metoda m i pov6st vedeckeho a objektivniho pfistupu. Domnivame se vSak, i e je to pon6kud jednostranng cesta, ktera krom6 toho vede Easto k omylfim, ke zkreslene interpretaci chovani. Je totii spornk, co je skuteht8j3i. Zda zkonstruovanii abstrakce jednani, nezhvisla na riiznfch rolich, neb0 zkoumlni rfimfch min€ini, postojb, jednani v rSlmfch rolich. PovaEujeme tento druhf postup za vfhodnijgi empiricky a pPesn6jgi teoreticky, je-li pEi interpretaci doprovazen uv6domgnim si toho, i e ziskanh data jsou vjrpovedmi Eloveka v urEitd roli. Analjrza jednfini stejnjrch lidi v rfiznfch rolich a rbznfch lidi ve stejne roli nAm potom poskytne pilesn6jgi obraz i o dfislednosti jednini jednotlivcd a o sile a intenzit&, s kterou lidsk6 jednani ovlivfiuje ta ktera socialni role.
.
vjzkumna role
1
To, i e si Clov6k uvedomi, Ze je pfedmgtem vfzkumu, i e jeho nhzory budou zkoumhny, mdZe jeho vfpoved ovlivfiovat rdznfmi sm6ry. Napf. mdie dht jasne najevo svdj nesouhlas, projevit svou nekonforrnnost, i kdyf by tfeba v jinfch rolich vystupoval umirnengji, a naopak bude vystupovat mime a konform&, zatimco jinde je nesmif-itelnf. Nejvfrazneji se toto ovlivniini vfzkumnou roli projevuje pfi zkoumini urEitfch morllnich postojd a hodnot. Zkoumant5 osoby se nepokouSeji o analfzu vlastnich postojb, ale Easto se ztoto2iiuji s obecne pozitivn6 hodnocenfmi postoji a zavrhuji obecnr! negativnl! hodnocent5 postoje a hodnoty.
nahradit elementarni kurs statistiky, a proto budeme pfedpokladat, i e ho vCtSina i.tenAPd absolvovala a ty, ktefi to z nr!jak6ho dfvodu neufinili, odkbieme na konzultaci ke statistikovi ve vfzkumnem tfmu. NBm pdjde pouze o vyloZeni struEnfch a srozumitelnS.ch zlsad pro Eteni a porozumeni nejbeZn6ji se v sociologii vyskytujiciho materiilu statistickeho charakteru. Nejelementlrnl!jSimi ddaji, ktere jsou pfi dokonEeni sociologickkho prbzkumu k dispozici, jsou tzv. absolutnf Eetnosti. Jsou to napf. Eisla v teto tabulce: Na otlzku ,,Jak jsou v prlci vyufity vaHe schopnosti" odpov8d6lo : 1. - jsou pln& vyuiity 24 osoby 2. spiHe jsou vyuiity 125 osob 3. - nemohu posoudit 104 osoby 4. - spiHe jsou nevyuiity 142 osoby 5. - nejsou vdbec vyuiity 22 osoby Abychom mohli posoudit tyto ddaje ve vztahu k celku, uvhdi se pro vr!tSi nazornost tzv. relativni Eetnosti, tj. procenta.
Ilustraci nejEast6jHiho pfestupku proti interpretaci vfpovgdi osob je nag pfixlad. Odpov6di stud en^ na otlzku, jak se radsji bavi, neni moinC v 2Adn6m pfipad6 interpretovat jalro doklad smyslu pospolitosti a souladnosti socillniho postaveni. Tyto odpovedi to naprosto nedokazuji. Je moZn6 je interpretovat jen a jen jako va5pov6di skupiny studentzl na otdzku formulovanou urEitQm zpbobem v ur&t6 vQzkum6 sltuaci. Abychom mohli tvrdit to, co tvrdi autofi, museli bychom nap?. nejdfive provefit, zda odpovedi nejsou ovlivngny formulaci otlzky neb0 vlzkumnou situaci a pak je navic porovnhvat se skuteEnfm jednhnim.
manipulate s procenty Tedy kdyi 24 osoby odpovidaji, i e jejich schopnosti jsou plnl! vyuiity, je to 5,8 O/o z celkovt5ho poEtu zkoumanfch. Vyjadfovlni vfsledkd v relativnich Eetnostech, ktert5 je b6in6, m i sv8 dskali, zvlllt6 pak bez uvedeni absolutnfch Eetnosti a celkovt5ho vzorku. Vyplfvl z toho jedna zlsada. Pfi uvldeni relativnich Eetnosti je vidy nutne mit v patrnosti, jakl by1 absolutni rozsah sou" boru, z n6hoi jsou procenta pditana. Pfi rozsahu menHim nei 100 jedincd je wlbec problemhtick6 relativnich Eetnosti uiivat jako spolehlivfch ukazateld.
Nls vHak hlavnl! nyni zajiml vGzkumna role. Tim, i e se n6kdo stane objektem vfzkumu, vi o tom, vznikne mezi nim a napf. tazatelem urEitf socialni vztah a vystupuji oba vlastnr! ve zvllitnich rolich. S jednlnim ve vyzkumne roli je tradiEn6 spjato oPekavant5 chovlni, napf. rozvhinost vfpovgdi, pravdivost informaci, objektivita ve smyslu nezaujatosti atd.
ad 1.4
- chyby v hodnoceni statistickjch operaci
Zhkladnim dkolem, kterf pfed temi, kdo vfzkum interpretujf, stojf, je porozumeni ,,Mi fiselu. PovaZujeme zde za nemoint5
-
princip porovnavdni (komparace)
Velmi Easto se setklvlme s dalHfm probl6mem, tj. se vzijemnfm porovnivhnfm rfznfch ddajd.
Dejme tomu, i e jsme v prdzkumu dvou zAvod6 zjistili takov6to data: Na othzku: Jak jsou v praci vyuZity vaSe schopnosti - odpov8d610 : ZAVOD A
1 - pln6 vyuiity
- spiHe vyuiity 3 - nemohu posoudit 4 - spige nevyuiity 2
5
- nejsou wlbec vyuiity
celkem
ZAVOD B
24
5,81 '0
31
10,2 O/o
125
30°/o
74
24'10
104
25
Oi0 34 Ol0
103
34
O/o
79
26
O/o
142 22 147
5,3OI0 100
17 304
5.6 1 '0 100
Elementarnim poznatkem bude, i e nelze dglat zAv6r z toho, f e na obou z&vodech odpov6dGl tCm6f stejnf poEet osob alternativou 3, protoie v obou zivodech neodpovidal stejnf poEet osob. Podobn6 problematickf by by1 ovHem i jii uveden$ komentdf, kterf by se vyjadPova1 na z&kladG tohoto procentu5lniho rozloZeni ke kadrov6 praci na zAvodech. Ovahy, kterC jsou obvykle vyvozovany z takov6 situace, mlEky pf-edpoklitdaji, Ze na obou zavodech by melo bft stejnb procentualni rozloieni odpovgdi, napP. na alternativu 1. Neni-li tomu tak a odpovid6-li v naHem pffklad8 na zhvode B temef dvakrht tolik lidi, ie ,,jsou jejich schopnosti vyuiity", pfimo se vnucuje koment8f-, Ze na tomto zAvod6 bude lepSi kldrova prace. Poloime si nyni otdzku. Je takova dvaha oprdvnSnA? Pfedstavme si, i e rozdhvame kaid6mu ze 4 hraE6 kanasty po Etrnacti karthch. V baliau je 108 karet, 54 modrjlch a 54 fervenfch. Musi kaidf hriE dostat 7 Eervenfch a 7 modrfch
karet? Mohu usuzovat, i e kdyi dostanu 9 modrfch a 5 Eervenfch karet, t e v balifku bylo vice modrfch karet? Anebo jeSte jeden pfiklad. Pfedstavme si, i e mAme urnu a v ni dobfe promichhno 200 kulilek. 100 modrfch a 100 Eervenfch. Potom by nekdo se zavlzanfma oEima vytahoval kulifky 'a kaidou Etvrtou by dal na stranu do misky. Po roztffdeni bychom meli v misce 50 kuliEek. Kdyby v ni bylo 20 Eervenfch kuliEek a 30 modrfch, mohli bychom podezirat toho, kdo je vybiral, i e nas podvAd61 a diva1 se? statisticka v)znamnost
Jak EtenBP jiste jit pochopil, jsou tyto pfiklady zamgf-eny k tvrzeni, f e takto empiricky zjiHt6nf rozdil, vykyv, mdie bft nlihodnL a je pak nepf-ipustnk z ngho delat nejak6 zhv8ry. To nas ovHem stavi p2ed dalSi otazku. Jak pozname, i e je tento rozdil nenahodnf nebo, jak to nejfasteji EfkBme, statisticky vQznamn$? Vratme se proto jeHt6 na chvili k naSim kulifkam. Vzpomefime si na misku s 50 kuliaami. Kdybychom pokus s rozfadovanim opakovali lOOkrBt, dostali bychom v misce vfdy rdzn6 zastoupeni Eervenfch a modrfch kuliEek. Nap?. v 75 O,-,/ by bylo v misce 22 a i 28 Eervenych kuliEek, v 10 OlO 18 a i 22. v 7 OlO 15 a2 18 atd. Takove empirickd pokusy byly nekolikrat dfkladn6 opakovany a mhme k dispozici spolehliv6 tabulky, tj. mo s nlhodnfm rozloienim vfsledkb Aznfch' podobnfch po usf. Co to vlastne pPi techto pokusech dlSlAme? VHimneme si, i e rozloieni 22 a i 28 Eervenfch kulifek se ocitlo v misce velmi fasto, kdeZto rozloieni 15 a i 17 jii pornerne zPidka. P 8 zjiHt6ni statistick6 vfznamnosti vlastne hleddme procento pfipadd, kolikrdt by se urEitf typ rozdeleni Eetnosti objevil v ngjak6m konstruovanem nhhodnkm modelu, tfeba jako nyni v prikladu s kuliekami. Cim je toto procento vySSi, fim vicekrfit se dank rozloieni v pokusu objevuje, tim je v6tSi pravde-
f
podobnost, Ze k nCmu doglo nhhodng. Cim je niiSi, tim v6tSi je pravdtipodobnost, Ze k nemu nedoSlo nahodnd, ale i e bylo zpdsobeno nejakjrmi pHEinami, nam tFeba jest5 neznamfmi. To, co nas nyni zajima, bude mez, hranice, kdy vfsledky ve sledovanfch skupinach jsou tak odlilne, i e musime ddvodn6 pfedpo&ladat, i e nevznikly nahodn8, ale f e jsou zpdsobeny jinfmi vlivy. Sloiitost sociiilnich jevd je takova, Ze to nikdy nemQieme fici s jistotou, ale snaime se stanovit miru pravd&podobnosti, se kterou mdfeme tvrdit, i e dosaiena distribuce hodnot je nenahodna. Hranici takoveho nenahodneho rozdeleni stanovujeme sami podle toho, s jak relkou pravdepodobnosti chceme nejakou distribuci potvrzovat. NejEasteji se stanovuje tzv. 5% hladina vjmamnosti. Neni to nic jineho n e i hranice, ktera pfibliin6 odpovida takovemu rozloieni, ktere se ocitlo v naSem pokusu jen 5X ze 100 opakovani, neb0 mengkrat. TakovC rozloieni se vyskytne v pokusu nahodng tak ziidka, f e objevi-li se, mdieme s urEitou pravdepodobnosti (95 O/O) tvrdit, i e neni nahodne. K tomu, abychom mohli zjistit hladinu statistick6 v$znamnosti, pro urEit6 tvrzeni, slouii cela fada statistickych testb. 0 moinostech pouiiti techto testd, o tzv. jejich parametrech (tj. vlastnostech, hranicich pouiitelnosti, vhodnosti pro urritg typ dat) je nutna konzultace se statistikem. Orelern takove konzultace nebude, aby se kaidy nauEil jak matematicke operace potfebne k zdbvodngni a vjrportdm testu, tak i rdznL prakticke zpdsoby vjrpoEtd, ale daleko spiSe by tu melo jit o upozornBni na slabiny a nevyhody toho ktereho testu, o v ~ k l a d ,ktery by vedl ,k jasnemu pochopeni logickeho smyslu testu. verifikace hypotez
PFedpokladejme, i e jsme si nechali otestovat vyznamnost vjrkyvd v odpovedich na otazku Jsou v prhci vyuiity vaSe
schopnosti na zavodech A a B. Mame potom k dispozici sledujici tabulku : ZAVOD abs. Cet.
Odpovgd Odpoved Odpoved Odpoved Odpovlid
1 2 3 4 5
24 125 104 145 22
A
%
58% 30 % 25 % 34 % 5,3 %
1
(
B
Hl. vvzn. zAVOD o abs. Get. Ir
1
0,l % 7 %
40 %
1
31 74 103 79 17
ria-
Yo
1
102 % 24 % 34 % 26 % 16 %
V prvnim sloupci mame absolutni Eetnosti, ve druhem relativni. Prostfedni sloupec, oznaEeny u (alfa) udava hladinu statistick6 vyznamnosti pro rozdil v relativnich Eetnostech obou zavodb. ZjiSfujeme, i e vykyvy v odpovedi na alternativu 1 b'y se nahodnt' mohl vyskytnout asi jednou z tisice pokusd, kdeito vykyv v odpovedich na alternativu 2 by se nhhodne mohl vyskytnout jii sedmkrat ze sta pokusd a rozdil v odpovedich na alternativu 5 dokonce asi Etyficetkrht ze sta p&usb. J i i jsme uvedli, i e se obvykle povaiuje za konvenCn6 dohodnotou petiprocentni hladina vyznamnosti. To znamena, i e vSechny rozdily, jejichi pfedpokladany ,,nahodny" vyskyt vypoEteme jalso menli neb0 rovnj. 5%, budeme povaiovat za statisticky vyznarnne. Ostatni budeme povaZovat za nevyznamne. Komentaf uvedene tabulky by by1 asi takovfto: Na zkvod6 A je statisticky vyznamne mkn6 odpovBdi alternativou 1 a 3, vjlznamnl! vice odpovidi 4. Vcelku lze tvrdit, t e na zavodii A je statisticky vfznamnb tendence (ve srovnani se zavodem B) odpovidat, i e ,,schopnosti nejsou vyuiity". Nag komentaf je ovSem prohfelkem proti dspornosti vyjadtovani, protoie se da vyEist z tabulky.
\ ,
Ov6fovani hypotez, o kterych jsme mluvili v projektu vyzkumu a pfi sestavovani dotamlb, se d6je timto neznafenfm zptisobem, tj. testovinim. Verifikace projektem takto stanovenfch hypot6z je pom6rn6 jednoduchou interpretahf blohou, jsou-li ovgem hypotezy postaveny tak, aby sebrana data na n6 umoffiovala poskytnout okamiitou odpovgd. V kaidem pon6kud obshhlejgim dotazniku (kolem 50 otizek) lze postavit tisice takovfch elementirnich hypotez, kter6 mohou bft ov6fovdny. Proto stale vice hledhme cesty, jak zpracov8vanf material l6pe utfidit, abychom si usnadnili interpretaci. Tfideni, kterfm jsme se zabjlvali dosud, se nazjrvh tHd6nim prvniho stupn6. Daleko Pastgjtii fonnou tfidgni materihlu, k t e d je n h pfedloien k interpretaci, a kterf lze take srovnhvat s uvedenfmi zpdsoby testovhni, je tzv. tfid6ni druheho stupn8. iityrpolni bbulky - Chi2 test Pfedstavrne si, i e ddaje ngkterfch otizek shrneme do teto I 1 ' 1 tabulky : I C m o l n i tabulka :
1. Menr 2. Vice
131 b
188,l
kontingenini tabulka
Wem
C H I = 31.475
potom vysledky tfid6ni prvniho stupn6. Celkova suma ,,n" oznafuje poEet osob, ktere odpov6d6ly na ob6 othzky. Z teto tabulky mdieme, jak Etenaf jist6 poznal, testovat hypotCzu, zda vice navgt6vuji kin0 ieny Pi muii. Mohli bychom to ud6lat tfeba testovanim podle relativnich Eetnosti pro sloupce muii a ieny, ale nejEast6ji to d6ldme tzv. Chi2 testem, jehof princip je v podstat6 stejnf, jako u ostatnich jii zmin6nfch testd. Jeho vyhodou je, i e se dB snadno programovat a md8e slouiit jako univerdlni kriterium existence zhvislosti mezi dv6ma dichotomickymi znaky. V nagem pHpad6 je vedle tabulky uvedena suma Chi2 a hladina statistick6 vfznamnosti a. Tabulku lze potom interpretovat takto: Mezi nav9tBvou kina a pohlavim osob existuje statisticky vaznamna zhvislost. 0 sm6ru %to Avislosti jsme informovani tzv. ~EekavanymiEetnostmi,l) ktere fasto do tabulky vpisujeme. Tyto oEektivan6 Eetnosti vlastn6 znamenaji model rozloieni Eetnosti za pfedpokladu, f e by mezi sledovanjrmi vlastnostmi nebyl iddn% vztah. Na zhMade porovnani polieka ,,oEekavane" a skutern4 Eetnosti zjigtujeme, i e je vice ien s vlastnosti (znakem) 1 (chodi do kina men6 nei dvakrPt tjrdn6) a men6 muid (viz oEekfivanh Eetnost) s touto vlastnosti. Interpretace neni sloiita. Mdieme fici, i e muii navSt6vuji vjznamn6 vice kin0 ne2 ieny.
a < 0,Ol yo
Tuto formu tabulky nazjlvtirne Ety+polnZ a je vfsledkem zmin6nkho tffd6ni druheho stupn6. V polifku ,,a" mfime totii osoby z nakeho souboru, kter6 maji souEasn6 dva znaky (vlastnosti), a to ,,muiU a ,,ndvSt6va kina men6 nei dvakrat m6s.". Ve sloupcich ,,celkeml' jsou
NejEast6ji se v sociologii setkavame s typem tabulek, kter6 maji vice nei Etyfi poliEka, tj. tfidime spolu znaky o vice nef dvou alternativ8ch. NejEastejSi nazev pro tento typ tabulek je tabulky kontingeneni neb0 tabulky se ,,dvojim vchodem". Nhsledujici tabulka ukazuje vztah mezi bdaji o ,.vzd618ni mlAdefeu kategorizovane jako 1 = zakladni vzd61Ani - 2 = stfedoSkolsk6 3 = vysokoSkolsk6 a
-
I)
Nekdy pou2ivdme ndzvu ,,teoreticke Cetnosti".
itdaji o pfijmu: (Eistjr pfijem)
Vzd6lani
12 3 45
p?ijem pfijem - pfijem plijem - pfijem
do 800 KEs do 1100 KEs do 1500 KEs do 1800 KEs nad 1800 KEs
Interpretace procent uvnitr tabulky, tj. podmínených pravdepodobností výskytu v kategoriích závislé (vysvetlované) promenné pokud patrí do urcitých kategorií nezávislé promenné je NEZBYTNÁ. Samotný test celkové homogenity cetností polí tabulky (napr. zde Chikv. "dobré shody") nestací!
Snadnejli pro interpretaci takovehoto typu tabulek je pouiit opet jii zmin6neho testovaciho kritkria Chiz, kter6 take uvadime v naSi tabulce, a jemu odpovidajici hladinu vfznamnosti alfa. Z techto itdajd mdieme okamiit6 uEinit pro uvad6nou tabulku jednoduchy interpretafni zaver: odmitame hypotezu (na O,O1n/Oblading), i e velikost pfijmu v souboru se neliSi podle typu vzd6lani. Tj. velikost pfijmu je ngjakfm zpdsobem z a v i s l ~ na vzd61ani. Sm6r teto zavislosti (tj. ve kterych kategoriich vzd6lani existuje vySSi - niili pfijem) vyfteme z porovnani tzv. ofekavanfch fetnosti (uvadeno v matici vedle absolutnich fetnosti. pod 01, 02, 03) a Eelnosti absolutnich. V nagem ptikladu je tento rozdil zfeteln6jSi z jednoducheho , znamenkoveho schematu, ktere uvadime v tabulce: kde nap?. ,,+ znaEi ,,absolutni Eetnost je znafn6 vySSi nei fetnost oEekavand" a podobn6 ,,-" znaEi ,,absolutni Eetnost je jeSte vyznamne menSi nei Eetnost oEek5vana". Z takto o~nafeneho pfehledul) lze vyslovit nap?. tyto interpretafni vyroky : Vysokolkolakd je vice ve vyllich pfijmovjrch kategoriich. Pracovnici se zakladnim vzd6lAnim jsou v niiSich plijmovjrch kategoriich, ale na druhe stran6 Eada z nich je v nejvygli apod. Uvedme si jelt6 jeden pfiklad interpretace podobne tabulky: Sledujeme odpovPdi na otazku 6. 1 - Zajima vas grace, kterou vykonavate? 1 - velmi me zajima 2 - vice m6 zajima nei nezajima 3 - zajima i nezajima (tak 50 OlO : 50 OlO) 4 - spiSe m6 nezajima 5 - vdbec me nezajima
+ +"
Leva East tabulky obsahuje absolutni . fetnosti ziskane ze ttid6ni XI. stupne znakd ,,vzd61ani4' (0 tfech hodnotach) a ,,pfijem" (o 5 hodnotach). V tfid6nem souboru je 3815 jedincd (prQseEik sloupcd pod ,,suma6', tyto sloupce fast0 nazfvame marginaly). V pfipad6, i e bychom ziskali pouze tuto strukturu tabulky. bez dalSich statistickych vfpoftb, je zfejme, i e by tat0 tabulka pro ftenafe byla ,,mrtvaU - nedala by se pfimo interpretovat. Jako minimalni interpretaeni pomQcka by mohly bjrt jednotlive absolutni fetnosti v poliekach tabulky plevedeny na procenta - v teto podob6 se take s kontingenfnimi tabulkami Easto setkavame (absolutni Eetnosti v tabulce mdieme pfevest na procenta v podstate trojim zpdsobem: 1000/0 = sumace v fadku, 100 OlO = suma ve sloupcich a 100 ol0 = celkove ,,n" v tabulce).
.) Hodnoceni rozdilu mezi absolutnimi a oCekavanYmi Eetnostmi v kontinnenc'ni tabulce neni vhodne oonech6vat subjektlvnimu odhadu. je opet ~ ~ h o d n 6 jtestovat ~i velikost techto rozdi1Q.-
→ Adjustovaná residua a z nich Znaménkové schéma
tfidene s otazkou E. 3 - Kdybyste me1 moinost jinCho vhodneho zam8stnani, tak 1 - jist8 bych neodeSel(a) 2 - asi bych neodeSel(a) 3 - t8iko fici, jak bych se rozhodl(a) 4 - asi bych odeSel(a) 5 - jist8 bych odeiel(a)
V naSich pi-ikladech si Etenai- viimne, i e odpovedi na sledovane otazky jsou uspofadany urEitym systemem, a to tak, aby mely ordinalni charakter, tj. alternativa jedna je pfiznivejii nei alternativa dv8 apod. Vfhodou takovehoto uspofadani je to, i e mame-li rozdily mezi ~Eekavanymia absolutnimi Cetnostmi uspofadany urEitjrm zpbsobem, tj. ve sm6ru diagonbl~ kontingeneni tabulky (viz znamenka v naSem schematu), m&ieme celou tabulku interpretovat jedin6m vyrokem, jako v naSem pfipad6. Mame-li v kontingenfni tabulce kombinaci dvou znakb, z nichi jeden je ordinalni a druhy nominalni, potom zpravidla interpretujeme obsah tabulky fadou vfrokli - vsicich se k poftu i-adkli neb0 sloupcli tabulky, tj. pro kaidou hodnotu nominalniho znaku vyslovujeme jeden interpretaEni vyrok. Pi-i kombinaci dvou znak6 nominalnich se Easto neobejdeme bez popisu kaideho poEiEka tabulky.1) Interpretaci kontingenenich tabulek s r6znymi typy znakb by si m6l kaidy Etenaf osvojit - je to prozatim nejfrekventovan6jSi ,,feE" sociologickeho prlizkumu. D6leiitym omezenim, kter6 si Etenaf musi uv6domit napf. pfi pouiiti Chi2 testu je to, i e ipatni2 rozliiuje ,,vykyvyU mezi mal6mi Eetnostmi (menSimi nei 10 a zvlaSte meniimi nei 5), ktere se Easto vyskytuji zvlaSt6 pfi vySSich stupnich tfideni. V takovychto tabulkach je formaln6 spravn6 vypoEtena hladina vyznamnosti problematicka - Etenafe odkazujeme. aby interpretaci techto tabulek konzultoval se statistikem. sloGitij3 interpretatni postupy s kontingentnimi tabulkami
,
Obtiie analyzy narlistaji tehdy, kdyi pouiivame vySSich Z tabulky vyplfv,i i e mezi odpovedmi na ob8 othzky je op6t velmi silnf vztah v logickCm srnyslu - Eim vice ,,prAce zajima", tim men6 je ochoten pracovnik odejit.
') Interpretace dat v BontingenEni tabulce v tomto ptipade narati na formdlni ptekdtky vyplyvajici z ,,modelul' Chi' testu. Zpravidla se proto interpretaEni zavery delaji z procentudlniho rozloteni Eetnosti v kontingenEni tabulce (podle tadkh Ei sloupca) - ale i zde zaleti na zkuhenostech interpreta, kterS nesmi poubt8t ze ztetele jiZ zmfnh6 principy srovndvani ITIznych procentudlnich ddaja.
stupW tfid6ni neb0 kdyi se snaiime obsahnout 6spornG v textu tadu tabulek. Studenti, kteti udavaji, i e vice Ctou beletrii, maji lepSi prosp6ch. Studenti, ktefi udavaji, i e vice chodi do divadla, maji lepSi prosp6ch. Studenti, kteti udavaji, i e vice navSt6vuji vystavy a koncerty, ← trídení 3. stupne maji leplji prosp6ch. Studenti, kteti udavaji, i e provozuji aktivni kulturni tinnost, maji lepSi prosp6ch. Studenti, ktefi udlvaji, i e chodi vice do kina a vice poslouchaji televizni pofady, maji statisticky nevyznamne lepSi prosp6ch. Zav6r z techto Sesti vfrokb, ktere jsou podloieny Sesti kontingenrnimi tabulkami, lze vyjadfit jednim vfrokem: Studenti s v6tSimi kulturnimi zajmy maji zpravidla i lepSi prosp6ch. Casto ovSem interpretace neni takto jednoznaka. MBme napf. op6t serii vyrokb, tentokrate ze Etyfpolnich tabulek: Kolejaci propadaji vyznamn6 vice n e i nekolejici. Muii propadaji vpznamne men6 nei ieny. Zeny bydli vice na koleji nei muii. Propadaji kolejaci vjrznamn6 vice proto, i e zde pdsobi faktor bydleni neb0 proto, i e je zde vice Len? I na tuto otazku lze dat jistou (i kdyi podmingnou) odpov6d. Zjistime si totii, (vySljimi stupni tfidgni), i e kolejici ieny propadaji jen nev3iznamn6 vice nef nekolejaci ieny. ZdB se tedy, i e je vzhledem k ,,propadani" siln6jSi faktor ,,pohlaviU nei ,,bydleniC'. NaSe interpretace je ovljem velmi podmin6ni. Schema naSi livahy by totii bylo asi nasledujici:
Propadini : Vyznamn6 pdsobi (podle naSeho zjiSt6ni) a, b, c, d, e Vyznamn6 pdsobi (pfedpokladame) f , g, h . . . Nepfsobi x , y , z , k , l ... K tomu, abychom zjistili, zdali opravdu faktor ,,a" pfsobi na propadhi, museli bychom zajistit sledovani dvou soubord jedincf : SI (jedinci, majici vlastnost ,,a"), S2 (jedinci nemajici vlastnost ,,a6'), ovSem v obou souborech by musely bft ostatni faktory (vlastnosti) zastoubeny stejni. Jinak by se nhm totii mohlo ie v souboru S1 bude vice jedincd nap?. s vlastnosti ,,b" a my budeme experimental116 vyljii vyskyt vlastnosti ,,propadani" pfipisovat faktoru ,,au, i kdyi ve skuternosti by1 zpbsoben faktorem ,,b". Cistou konstrukci teto ulohy zFejm6 nejsme s to zajistit, nikdy si nebudeme jisti, jestli do nami sledovanych struktur nezasahuji vlastnosti, ktere jsme tfeba nemohli sledovat neb0 ktere jsme povaiovali pro dany problem za nepodstatne. Postupem lr vySSim stupfidm tFid6ni doliliieme kontrolovat alespofi zEBsti potfebne (nezkreslene) sloieni souboru - interpretaEni postup je ovBem znaEne sloiity a nepfehledny. K tomu, abychom se orientovali ve znarnem mnoZstvi kontingenrnich tabulek, jejichi poret v prdzkumu o cca 100 otazkPch rasto pfesahuje 1000, bpvh vjrhodne pouLit uriiitfch schemat - napf.:
Z takto uspofadaneho pfehledu mdieme pom6rn6 snadno ,,vyEist" zakladni souvislosti mezi znaky (odpov6d'mi na otazky) naSeho souboru. Kaide poliEko teto tabulky. totii pfedstavuje vlastn6 1 kontingenrni tabulku odpovidajici kombinaci prdseeiku znakd ve sloupci a pfisluSnCm fadku. Jednotliva znamenka pak oznaEuji: ,,04' = v kontingeneni tabulce pro kombinaci techto dvou znakd neni nalezen mezi t6mito znaky statisticky vjrznamnjr vztah (tabulka je statisticky nevjrznamna), ,, = tabulka odpovidajici kombinaci znakd je statisticky vjrznamna na 5% hla= tabulka je vfznamna na men6 nei din6 vjrznamnosti, ,, 1 olO hlading vfznamnosti. Tak nap?. potom, mame-li ve sloupci pod znakem ,,dl' same nuly, mdieme z toho soudit, i e pfisluSnfr znak v danem souboru znakd ,,nepdsobiL', kdeito naopak, u znaku ,,b", kde vimdieme soudit, i e jeho pfitomnost Ei dime kumulaci ,,+ nepfitomnost ovlivliuje vSechny dalSi charakteristiky souboru. J e zfejme, i e orientace v takovemto mnofstvi i'nformaci, i kdyi reprezentovanem tabulkami i se statistickfrmi vfrpoPty,
+"
+ +"
+",
nepostrkda subjektivismus - na druhe stran6 vSak ta osoba, &era plem6fiuje tyto informace v interpretaeni text, musi podat text logicky konsistentni, tj. neodporujici zjiSt6nym souvis. lostem. Interpretace je proto znaEn6 namahava a Easov6 naroEnh prace, kladouci ovSem take naroky na formulaeni zrufnost interpreta a na jeho schopnost vystihnout ,,jadro" problemd a maximalne uspornou a srozumitelnou cestou sva vysvetleni pf edavat. Pro ty pracovniky, ktefi jtSt6 nezaEali vlastni interpretaci materialu ve form6 kontingenenich tabulek, upozorliujeme, i e je nevyhodne slovn6 popisovat kaidou ziskanou tabulku a domnivat se, i e z techto slovnich popisd ziskame pfehlednou informaci, ze ktere budeme vytvafet hlavni text. Ukazuje se, i e orientace v techto popisech je tak pracna a sloiita, i e je vyhodn6jSi vytvafet okamiit6 vlastni ,,publikaaiU text bez uvedeneho mezistupn6 - pfimo z tabulek neb0 plehlednfch informaci. Za dfileiite voditko pro vlastni text slouii projektem formulovane pracovni hGpotezy, ktere zpravidla tvofi jadro prfizkumu. Odpov6di na tyto hypotezy by m6ly tvoFit jadro zav6reEne zpravy - spolu se zjiStGnimi, ktere prdzkumny tym povaiuje za obecn6 zajimava a cenna. Nedomnivejme se, i e staEime pfevest informace, ktere jsou ve form6 tabulek do souvisleho textu b6hem tydne - interpretace v tomto pfipad6 pfi plnem soustfed6ni Easto trva m6sice. miry zavidosti Z paneloveho .prdzkumu mame pfed sebou 2 Etyfpolni tabulky, ktere nam umoifiuji testovat hypotezu, zdali existuje statisticky vyznamny vztah mezi frekvencemi navSt6vnosti kina a pohlavim - jednoduSeji Eefeno, zdali m u 5 chodi do kina vice nei ieny neb0 naopak.
NBvStitva kina 1962
I
muii
1967
I
ieny
I
celkem
I muii /
522
576
3230
1500
Celkem
3752
2076
2400
1352
ieny
I celkem
150
I
I
mtng nei 1~ za14 131 391 dni --2 lx 2009 1221 % 14 dni
I
+1,0 do -1,0, v praxi se uvaditji na 3 desetinna mista. Hodnota ,,+I" a ,,-I" signalizuje maximalni souvislost, velikost koeficientfi ,,O" oznafuje souvislosti minimahi.
714
726
Zmenu hodnot koeficientu asociace v zBvislosti na uspofadani Fetnosti v ftyi-polni tabulce (fiktivnich vlastnosti a -) mbZe ilustrovat nasledujici pf iklad : [pouiivame vjrpoEtu p (fi) koeficientu]
+
2214
--864
2940
V obou, jak zjistime. z velikosti I: Chi2 a uvedene hladiny sta-
tisticke vyznamnosti, je zjiSt6n statisticky vjrznarnny vztah. NaSe ot5zka v tomto pPipadit mdie znit ale takto: v kterem obdobi je sledovanf vztah silnijbi? Lze vdbec nitjak vyEislit silu zjiStitn6 z5vislosti? Pro kvalitativni data je vyEisleni teto sily problematicke, nicmen6 se pouiiva. NaSe dvi? uvedene Etyfpolni tabulky bychom mohli napf. srovnavat okamiiti? - jako ukazatel ,,silya vztahu by ndm mohla slouiit I: Chi2. Jako pfesn8jbich m6r pouiivlme dnes jii fadu vice men6 umele vytvofenych koeficientfi, pro n6i se nejfastiiji uiivd nazev koeficienty asociace (napf. dale uvad6ny g, fi) koeficient, tetrachoricke ,,r", tzv. 7 koeficienty Kruscala apod.). NlSktefi statistikove maji k pouiivdni techto mlSr souvislosti znafne vyhrady, nebot jejich pouiiti byvd omeaovdno fadou pfedpokladb, popf. s nimi nemefeme provaditt fadu dalbich statistickych operaci (napf. testovat vjrznamnost rozdilu dvou koeficientb). Doporufujeme prakticke pouiiti techto m8r konzultovat s odbornikem. Hodnoty koeficienta asociace b$%aji zpravidla v rozmezi od
V sociologicke praxi se ovSem nejfastitji setkavame s typem rozloieni Eetnosti podobnym Etvrte tabulce - tj. s hodnotami koeficientfi asociace kolem 0,5, coi jii signalizuje sttedn6 silnjr vztah. Podobne bychom mohli vypoEitat uvedeny koeficient pro dfive uvedene dv6 Etyfpolni tabulky, kde - jelikoi hodnoty titchto koeficiente souvisi s velikosti hodnoty X Chi2 by by1 zjiSt6n vybSi koeficient asociace pro tabulku z r. 1967. Podobne miry souvislosti byly zkonstruovany pro kontingenEni tabulky. Jejich pouiiti je zpravidla jeStG spornlSjbf neZ pouiiti koeficientfi asociace - nejmenbi namitky jsou proti pouZitf tzv. Spearmenova koeficientu poi-adove korelace p neb0 Kendallova T koeficientu upraveneho pro pouZiti v kontingenrnich tabulkach kombinaci dvou ordinalnbch znakb. Casto pouiivanjr koeficient kontingence v normalizovanC podobit pro jakfkoliv rozmer kontigenrni tabulky Cnorm nab*&
-
pouze kladnych hodnot a je urEen pPevainE pro kombinace dvou nominalnich znak0. Podivejme se, jak by asi vypadalo jedno z moinych rozdeleni Eetnosti v kontingeneni tabulce, aby Cnorm dosahl maximalni hodnoty. PPedstavme si, i e bychom meli dvit obsahove stejne otazky, nap?. otazku E. 1 a otazku C. 13, kaidou s p6ti moinlmi alternativami odpov6di. Tabulka odpovedi spolu s vypoEtem otekavanych Eetnosti by vypadala takto : Otazka E. 1
vhodnC miry, pop?. moinost dalSich operaci s touto mirou a hranice interpretafnich postupb, musi konzultovat s odbornikem. mira souvislosti mezi spojitymi znaky
Daleko v6tSi smysl maji miry vztahb mezi dv6ma spojitymi znaky (intervalovymi a pom6rovymi), ktere nazyvame korelatni koeficienty. V sociologicke praxi, kde pracujeme daleko spibe s kvalitativnimi udaji, vSak s timto typem vztahb pracujeme FidEeji. Smysl korelace (op6t m6fene nekterym z korelacnich koeficientb) ftena? nejlepe pochopi 0pi.t z nAsledujiciho pfikladu: Pfiklad : Skore testu z chemie
E Chi2 = 15 484,O
a
Sk6re testu z fyziky I I1
-= 0,0001OlO C = 1,000
To znamena, i e kaida osoba, ktera odpovGd6la na otazku 1 alternativou l, odpovi i na otazku 13 alternativou l atd.. . . Pouiivani tGchto m6r souvislosti, jak jii bylo feEeno, je znaEn6 podmin6nC. Pro pracovnika, ktery neni statisticky erudovan, pouze postaEi ujiSt6ni o jistych moinostech vyjadfeni sily souvislosti mezi rdznymi typy ziskanych znakb. Vyber
~orov&me-li skore dosaiene v testu z chemie a testu z fyziky (I. sloupec) tymi jedincem, zjistime, i e mezi dosaienfmi vysledky je jednoznafny vztah: Z fyziky dosahuje osoba o 5 bode vice nei z chemie. Tento vztah by se dal vyjadFit jedno5, kde ,.y" je skore testu z fyziky duchou rovnici y = x a ,,x" skore testu z chemie.
+
JednoznaEn6 bychom mohli pfedpovidat z vjrsledku jednoho testu vysledek testu druhkho. V tomto pfipad6 se mezi ob6ma testy jedna o maximalni vztah, vyjadfeny funkEni zavislosti, jejimi zvlAStnim pfipadem je prav6 korelaEni zavislost, a to . korelace rovna +1, tedy rxy = +l. Srovname-li sk6re testu z chemie a sk6re testu z fyziky ve 11. sloupci, pak je zfejme, i e i z optickeho pohledu je mezi obema testy nejakjr vztah - v6tSimu poftu dosaienjrch bodd z chemie zhruba odpovida i vySSi pofet dosaienjr v testu z fyziky. Korelace v tomto pfipade, ru, = +0,935. Za vysoke korelace (pfitomnost silne zavislosti mezi dv6ma znaky) se povaiuji korelace kolem 0,700, jako stfedni kolem 0,500, jako slabe kolem 0,300. Korelace se zapornym znamknkem signalizuji vztah, ktery lze v naSem pfikladu vyjadfit: Cim vyiii sk6re z chemie, tim niiii sk6re z fyziky. Jinak je smysl vyjadreni sily vztahu stejnf. Jako priklad vyjadfeni vztahu mezi sledovanymi faktory pomoci korelaci uvadime nasledujici material. Vzajemne korelace mezi 5 promennymi X, = test z chemie, X? = test z anglietiny; X? = test z fyziky, X, = test z biologie, Xi= test z rugtiny
sondv koeficient korelace pro vSechny kombinace promennjrch. Tak nap?. z tabulky lehce vyfteme, jak silna je korelace mezi vysledky v testu z chemie a rugtiny (r = +0,397) v poiavn8ni nap?. r, licrclaci inezi testem z chemie a testem z biologie (r = +0,613) - samozfejme v temie souboru jedincd. OvSem op6t toto ,,opticke" srovnavani velikosti dvou koreIaEnich koeficientd bez pfedchoziho testovcini jejich rozdilu maie svad6t k urEitym chybam - v podstate se ovSem nebudeme mnoho mylit, kdyi rozdil 2 desetiny budeme povatovat jii za vjrznamny. Ctenaf si mohl udelat pfedstavu o vjrhodnosti vyjadfeni vztahu mezi sledovanfmi znaky pomoci korelaci, ktera je nepopiratelna. JeSt6 vice by tat0 vjrhoda vystoupila do popfedi, kdyby by10 moine sledovat mySlenkove postupy daliich operaci, ktere Ize s takto vyjadfenjrmi vztahy provad6t. NhS jen naznai.en9 myglenkovjr pokus o vyjadfeni ,,pdsobnosti" rdznjlch faktord na vyskyt urfit6 vlastnosti, je s jistymi omezenimi moino aplikovat pomoci tzv. parcialnich neb0 vicenasobnjrch korelaci (pokouSime se ,,vypreparovat" vliv jednotlivjrch faktord neb0 naopak sledovat vliv ,,sdruienychU faktord), jejichi vydstPnim je postup nazyvany faktorovh analgza. Nasazeni techto operaci neb0 alespofi porozumCni jejich smyslu v pfedkladankm textu ovSem vyiaduje jii znafne zkuBenosti ve statistice a matematice, prav6 tak jako &v6rnou znalost rozebiraneho materialu. Mimo tyto naznaEene postupy, ktere EtenaP mohl sledovat v letmkm vjlkladu, ve statistice existuje fada operaci, s kterymi je moino se setkat take v analjrze sociologickjrch dat (sm6rodatnh odchylka, analjrza variance a kovariance, specialni postupy uvnitf Skalovani apod.), kterP vSak povaiujeme za men& podstatne. shrnuti
Vysledky testd jsou zPejm6 n6jaka bodova skore, se kterymi zachazime jako se spojitymi znaky - zde pofitame tzv. Pear-
Pfevaina fast problkmd interpretace statistickeho materialu v sociologii spofiva na postupech, jejich? logicky smysl jsme
se snaiili naznafit. Tyto poznamky, tfkajici se problem6 vyplyvajicich ze statistickych manipulaci a operaci s daty, bychom mohli shrnout do nekolika doporufeni: 1. Interpretace, ktera vychazi jen z prosteho vyEisleni odpov6di na jednotlive otazky, je oiidna. J e tfeba se ji, pokud to jde, vyvarovat. Zejmena je nutno si uvcdomit nespolehlivost nekterych manipulaci s relativnimi Eetnostmi. 2. Byt si vedom moinosti chybne interpretace p?i srovnavani udajh bez pfedchoziho testovani a bez nalezeni hladiny statisticke vyznamnosti rozdilb. 3. J e velmi ddleiite znat logicky princip testovani hypotkz. 4. Um6t Eist ddaje ze ftyfpolnich a kontingenfnich tabulek a um6t je interpretovat. 5. Znat smysl pojmu ,$la vztahu" mezi kvalitativnimi znaky. 6. Znat smysl pojmu ,,sila vztahu" *mezi kvantitativnimi znaky a umet interpretovat vyfisleni korelace mezi znaky. 7. Uvedomit si, i e existuje mnoistvi daliich postuph, ktere je moine pouiit pfi analyze dat a pfi interpretaci a informovat se o nich konzultaci se statistikem. 8. V zaverefne zpravr! bezpodmineEnr! uvest, kterych statistickfch operaci bylo uiito. A zaverem jeitr! tat0 pozn5mka. Vfznam statistickgch operaci byva nekdy, zvlaitr! laiky, p?ecefiovin. Jejich dkolem je uvest data do pfehledne a srozumitelne podoby, zpfesnit vyjadfovani, vylouEit hrube chyby v interpretaci. Zpravidla ochuzuji bohatost empirickych dat a i jejich pfesnost je znafnr! podmint;na, umoifiuje dosti volnou interpretaci. Jejich dkolem v iadneln pfipadr! neni ohromovat sloiitosti a dodavat vfzkumu punc vedeckosti tim, i e se uiiji nektere matematickt5 operace.
2. Spolehlivost 6dajii Sociologickym prdzkumem se snaiime zjistit maximalnr! pravdive a nezkreslene ddaje. Snaiill jsme se upozornit, jake obtiie, a to pfevain6 technickeho charakteru, se tomuto usili stavi do cesty a jake volit vhodne postupy, kterymi bychom se mohli vyhnout alespofi hrubym zkreslenim OvSem ani technicky sebedokonaleji zorganizovany vyzkum nemusi byt ziirukou toho, i e dostaneme skuteen5 pravdive ddaje. Pfedstavme si, i e chceme ziskat skutefne pravdive nazory skupiny osob na naboienstvi. K tomu, abychom je ziskali, je zfejm6 nutne ziskat d6veru osob, jejich ochotu na toto tema vypovidat. Dale je nutne zachovat anonymitu vypovedi, to znamena zajistit, aby vypovidali bez studu, obav apod. Zda se, i e optimalnim zjiitenim t6chto poiadavkd by bylo uzavEit dotazovane mezi .,Ctyfi steny" tak, aby soustfedene, neruiene a bez obav mohli anonymni. odpovedPt na naie otazky. Zamyslime-li se ale nad touto vzniklou situaci, nebudeme s ni spokojeni. J e zPejm6, i e jsme pro dotazovane vytvoEili pPiliS umele prostfedi, v kterem tPeba nikdy v iivote nebyli, neb0 ktere na nr! plisobi tisnivC. TEeba se sami nikdy nad timto problemem takto nezamyileli, byli zvykli na Einnosti a vgpovedi, ktere vyplfvaly z interakce s druhymi apod. J e to zkratka situace, o ktere jsme se jii zmifiovali v poznamkach o pozorovani a o ktere jsme hovofili v souvislosti se socialnimi rolemi. Je to problem, co je skutetny nazor floveka a jak, v kterych situacich, jej zjiilovat. V takovych, v kterych je Elovek ,,doma", ktere jsou ddverne, zname anebo v umele vytvofenych. Ale jak zajistit, aby sam fakt zkoumhni, sama vfzkumna role neporuiila jeho chovani v rolich, ktere jsou mu pfirozene. Stfizlive a bez extrem6 fefeno. da se v rfiznjrch slovnich vypovedich kaide osoby sledovat jista ddslednost. To znamena, i e prakticky kaide zachycnni nam nejak pfispiva k ..pravdi-
