Модель порождения данных

МОДЕЛЬ ПОРОЖДЕНИЯ ДАННЫХ совокупность предположений о характере исходных данных, использующихся (иногда в неявном виде) в любом научном исследовании и обеспечивающих основание для применения того или иного способа анализа этих данных (см. Анализ данных). Вопрос о модели порождения данных особенно остро стоит в науках, изучающих человеческие мнения (в том числе в социологии), поскольку здесь соответствующие предположения трудно вычленяются, не носят однозначного характера (что для социологии имеет самое непосредственное отношение к ее так называемой многопарадигмальности); проверка же их, как правило, бывает практически невозможной.
Можно выделить (в значительной мере условно) несколько источников предположений, лежащих в основе модели порождения данных. Наиболее важными для социолога являются следующие.
Во-первых, предположения, лежащие в основе измерительных процедур. Сюда относятся представления о характере изучаемой эмпирической системы (т.е. о том, какой срез с реальности мы пытаемся изучать); допущения, дающие основание быть уверенными в том, что эмпирическая система достаточно адекватно отобразилась в те математические конструкты (чаще всего в качестве таковых выступают числа), которые служат результатами измерения, т.е. собственно теми данными, о модели порождения которых идет речь и которые являются исходными для применения методов анализа данных. Здесь же выделение тех свойств упомянутых математических конструктов, которые могут быть задействованы при таком анализе. Последний шаг обычно отождествляется с вычленением математической (в частности, числовой) системы (см. Измерение в социологии, Шкала).
Пример. Исходными данными являются ответы респондентов на вопрос анкеты Насколько вы удовлетворены экономическими реформами? с веером предлагаемых ответов от Вполне удовлетворен (ответ закодирован числом 5) до Совершенно не удовлетворен (число 1). Совокупность модельных предположений при анализе таких данных может сводиться, например, к следующему. (1) Мы полагаем, что в у каждого человека имеется некоторый эмоциональный настрой, который можно назвать отношением к реформам. (2) Для любых двух респондентов всегда можно (в принципе) определить, в настрое кого из них содержится больше положительных эмоций; о том, насколько больше, при этом речь не идет. (3) Совокупность настроев всех изучаемых людей хорошо моделируется с помощью числовой прямой (что ассоциируется с существованием одномерной переменной, см. Признак одномерный), на которую эти люди как бы помещаются таким образом, что человеку с большим количеством положительных эмоций отвечает более правая точка на прямой. (4) Приписывание каждому респонденту упомянутого выше кода, отвечающего ответу этого респондента на рассматриваемый вопрос, дает такое расположение респондентов на числовой оси, которое удовлетворяет требованию (3). Предположения (1) и (2) отвечают формированию эмпирической системы, (3) формированию числовой системы, (4) построению шкалы, отображающей первую во вторую (в данном случае эта шкала порядковая). В рассматриваемом случае предположения могут быть и другими: мы можем не согласиться с тем, что удовлетворенности реформами отвечает одномерная переменная (скажем, будем полагать, что последняя многомерна), что рассматриваемый вопрос действительно адекватным образом каждому респонденту ставит в соответствие число (например, предположим, что два респондента, давшие один и тот же ответ, вполне могут обладать совершенно разным уровнем накала упомянутых выше положительных эмоций), что получающаяся шкала имеет тип не выше порядковой (скажем, мы можем придерживаться мнения, в соответствии с которым описанный вопрос дает основания полагать, что респонденты, давшие ответы 5 и 4, в такой же мере отличаются по накалу эмоций друг от друга, как и респонденты с ответами 4 и 3.
Формирование измерительных аспектов модели порождения данных требуют тщательного анализа процесса взаимодействия респондентов и предлагаемых им для оценки объектов (вопросов в анкете и другого рода стимулов).
Во-вторых, использование многих математических алгоритмов для анализа данных, хотим мы того или не хотим, предполагает, что эти данные удовлетворяют некоторым условиям. Так, математико-статистические методы опираются на так называемую вероятностную природу данных (см.). Ярким примером модели порождения данных являются модели векторная и идеальной точки в Многомерном шкалировании (см.).
Вид модели порождения данных тесно связан с Интерпретацией данных (см.).

Лит.: Айвазян С.А., Енюков Е.С., Мешалкин Л.Д. Прикладная статистика: основы моделирования и первичная обработка данных. М., 1983. Интерпретация и анализ данных в социологических исследованиях. М., 1987.