Tilastollisen ryhmittelyn menetelmässä tutkittujen ilmiöiden kokonaisuus jaetaan luokkiin ja alaluokkiin, joilla on tiettyjen ominaisuuksien mukaan homogeeninen rakenne. Jokainen tällainen jako kuvataan tilastoindikaattorijärjestelmällä. Ryhmitellyt tiedot voidaan esittää taulukoissa.
Tämä toiminta on tärkein menetelmä, jota käytetään varsinaisessa sosiaalisten ilmiöiden tutkimuksessa. Se syntyy erilaisten tilastoryhmien, menettelyjen ja analyysimenetelmien soveltamisen edellytyksenä. Luokittelu on esimerkiksi tarpeen yleisten indeksien, kuten keskiarvojen, käyttämiseksi.
V. I:n panos Lenina
Vallankumousta edeltävässä Venäjän tilastossa, erityisesti eri zemstvoissa (nämä ovat paikallishallintoa), saatiin huomattavaa kokemusta erilaisten organisaatioiden ryhmittelystä. Ja myös tuolloin tehtiin merkittävää työtä ei vain luokittelutaulukoiden kehittämiseksi yksitellenominaisuuksia, mutta myös monimutkaisempia järjestelmiä. Niissä kaikki tiedot on ryhmitelty kahden tai useamman parametrin mukaan. Tilastollisten ryhmittelymenetelmien käyttöön liittyvät teoreettiset kysymykset eivät kuitenkaan ole saaneet tieteellistä perustetta. Tämä asiaintila jatkui, kunnes V. I. Lenin. Hänellä oli korkea käsitys luokituksen kognitiivisesta arvosta ja käytännön merkityksestä. Useamman kuin yhden ominaisuuden tilastollisen ryhmittelyn merkkeihin perustuvista taulukoista Lenin kirjoitti: "Voidaan liioittelematta sanoa, että ne mullistavat tieteen ja tietysti maataloustalouden."
Vladimir Iljitšin suositukset tarpeesta tehdä alustava poliittinen ja taloudellinen analyysi kuvioiden luonteesta ja määrittää ilmiötyypit ennen lähtötietojen luokittelun kokeilujen aloittamista, ovat erittäin tärkeitä.
Tilastollisen ryhmittelyn vaiheet
Systematisointia ei käytetä pelkästään populaation rakenteen analysoinnissa, vaan myös ilmiötyyppien määrittämisessä ja erilaisten ominaisuuksien tai tekijöiden välisen suhteen tutkimuksessa. Esimerkkejä väestörakennetta ilmaisevista ryhmittelyistä ovat ihmisten luokitukset iän mukaan (vuoden tai yleisemmin viiden vuoden välein) ja yritysten koon mukaan.
Yhdistämällä luokkia tai asettamalla epätasaiset välit on mahdollista määrittää laadullisia eroja yksittäisten järjestelmien välillä ja sitten määrittää asianomaisten oppiaineiden teknis-taloudelliset tai sosioekonomiset tyypit(esimerkiksi yritykset tai maatilat). Näin ollen maan väestön ryhmittely iän mukaan voidaan tehdä yksinkertaisten kronologisten kohteiden lisäksi sellaisten erityisjaottelujen perusteella, kuten 16-54-vuotiaat naiset ja 16-59-vuotiaat miehet. Näiden erikoisluokkien avulla voidaan laskea kansantalouden indeksi, joka tunnetaan maan työvoimana. Intervallirajat ovat jokseenkin mieliv altaisia ja voivat vaihdella osav altioittain.
Tehtävä
Yritysten ja yritysten yksityiskohtainen määrällinen luokittelu mahdollistaa useiden laadullisten perusryhmien, kuten pienten, keskisuurten ja suurten organisaatioiden, määrittelyn. Sen jälkeen voidaan selvittää useita yleisiä taloudellisia ongelmia, esimerkiksi tuotannon keskittymisprosessi, teollisuuden tehokkuuden kasvu ja työn tuottavuuden kasvu. Vladimir Iljitš Leninin uudet tiedot maatalouden kapitalismin kehitystä säätelevistä laeista on loistava esimerkki syvästä analyysistä, jossa ryhmittelyä käytetään osoittamaan kuvioiden monimutkaisuus. Ja myös yrityksen koon ja sen kokonaistuottavuuden välinen suhde.
Tilastollisten ryhmittelyjen tärkein ja vaikein tehtävä on tunnistaa ja kuvata yksityiskohtaisesti sosioekonomisten ilmiöiden tyypit. Tällaiset aiheet edustavat tietyn sosiaalisen prosessin muotojen tai perusominaisuuksien ilmaisua. Ne näyttävät olevan yhteisiä monille yksittäisille ilmiöille. Vladimir Iljitš Lenin käytti ryhmittelyä talonpoikaisväestön kerrostumista koskevassa analyysissaanperusteellisesti ja kattavasti. Ensinnäkin hän paljasti tärkeimpien yhteiskuntaluokkien muodostumisprosessin vallankumousta edeltäneellä Venäjällä, Länsi-Euroopan maaseudulla ja Yhdysv altain maataloudessa.
Ja kuten kävi ilmi, Neuvostoliiton tiedoilla on huomattava kokemus typologisista ja tilastollisista ryhmittelyistä. Esimerkiksi Neuvostoliiton kansantalouden tase edellyttää monimutkaista ja haaroittunutta luokitusjärjestelmää. Muita esimerkkejä typologisesta tilastollisesta ryhmittelystä neuvostotilassa ovat väestön systematisointi yhteiskuntaluokittain. Sekä kiinteiden tuotantovarojen yhdistäminen sosioekonomisten teollisuusyksiköiden mukaan. Ja voit myös antaa sellaisen esimerkin, kuten sosiaalisen tuotteen tilastollisen perusjoukon ryhmittelyn.
Porvarillinen luokittelu ei käytä tarpeeksi systematisointia. Kun ryhmittelyä käytetään, se on suurimmaksi osaksi virheellinen eikä auta luonnehtimaan kapitalististen maiden todellista tilannetta. Esimerkiksi maatalousyritysten maa-alueen luokittelu liioittelee pientuotannon asemaa tässä suhteessa. Eikä väestön ryhmittely ammatin mukaan paljasta porvarillisen yhteiskunnan todellista luokkarakennetta.
Sosialistisen v altion sosioekonomiset ominaisuudet tarjoavat uusia sovelluksia tilastolliseen ryhmittelyyn. Luokituksen avulla analysoidaan kansantalouden suunnitelmien toteutumista, selvitetään joidenkin yritysten ja toimialojen jälkeenjäämisen syitä. Ja myös tunnistaa käyttämättömät resurssit. Esimerkiksi yrityksetvoidaan ryhmitellä suunnitelman toteutusasteen tai kannattavuustason mukaan. Tieteellisen ja teknologisen kehityksen teollisuuden käyttöönoton luonnehdinnassa on suuri merkitys yritysten ryhmittelyllä teknisten ja taloudellisten tietojen mukaan, kuten automaatio- ja koneistusaste sekä työhön käytettävissä olevan sähkön määrä.
Ryhmitetty data on informaatiota, joka on muodostettu yhdistämällä yksittäisiä tilastollisten havaintojen ryhmittelyjä muuttujan olemassaolosta eri luokkiin siten, että näiden järjestelmien taajuusjakauma toimii kätevänä keinona tehdä yhteenveto ja analysoida kaikkea materiaalia.
Tiedot
Data voidaan määritellä materiaaliryhmiksi, jotka edustavat muuttujan tai muuttujajoukon laadullisia tai kvantitatiivisia attribuutteja. Tämä on analogista sanomiseen, että luokat voivat olla mikä tahansa tietojoukko, joka kuvaa kokonaisuutta. Tilastotietojen ryhmittelyssä järjestelmät voidaan luokitella ryhmiteltyihin ja ryhmittämättömiin objekteihin.
Kaikki tiedot, jotka henkilö kerää ensin, ovat luokittelemattomia. Ryhmittelemättömät tilastolliset ryhmittelyt ovat tietoja, mutta vain käsittelemättömässä muodossa. Esimerkki tällaisista järjestelmistä on mikä tahansa lukuluettelo, jonka voit ajatella.
Ensimmäinen luokittelutyyppi
Ryhmitetty data on tietoa, joka on järjestetty luokkiksi kutsuttuihin ryhmiin. Tämä tyyppi on jo luokiteltu, ja siten jotkutanalyysin taso. Tämä tarkoittaa, että kaikki tiedot eivät ole enää raakaa.
Dataluokka on ryhmä, joka liittyy tiettyyn mukautettuun ominaisuuteen. Esimerkiksi, jos yrityksen johtaja keräsi palkkaamansa ihmiset tietyn vuoden aikana, hän voisi ryhmitellä heidät järjestelmiin iän mukaan: kaksikymmentä, kolmekymmentä, neljäkymmentä ja niin edelleen. Ja jokaista näistä ryhmistä kutsutaan luokaksi.
Tämä ei puolestaan ole viimeinen jako. Jokaisella näistä luokista on tietty leveys, ja tätä kutsutaan väliksi tai kooksi. Tämä käsite on erittäin tärkeä histogrammien ja taajuuskaavioiden piirtämisessä. Kaikilla luokilla voi olla sama tai eri kokoinen tieto sen mukaan, miten kaikki tiedot ryhmitellään. Järjestelmäväli on aina kokonaisluku.
Luokkien rajoitukset ja rajat
Ensimmäinen käsite viittaa todellisiin arvoihin, jotka voidaan nähdä lopputaulukossa. Luokkarajoitukset jakautuvat kahteen luokkaan: järjestelmän alarajaan ja ylärajaan. Tietenkin kaikkia taulukoiden jakoja käytetään oikeellisuuden ja informatiivisuuden varmistamiseksi.
Mutta toisa alta luokkarajoja ei aina noudateta taajuustaulukossa. Tämä käsite antaa järjestelmien todellisen intervallin, ja se on erilaisten rajoitusten tavoin jaettu myös alemman ja ylemmän arvon rajoihin.
Elävät ja elämättömät bändit
Tiede pyrkii ymmärtämään ja selittämään luonnonilmiöitä. Tiedemiehet ymmärtävät asiat luokittelemalla ne. Se kuuluusekä eläviä olentoja että ei-eläviä tilastomateriaalien ryhmiä.
Nämä tyypit voidaan puolestaan jakaa ryhmiin kontrastiominaisuuksien mukaan. Jos opiskelijat ovat esimerkiksi koonneet tieteellisiin aikakauslehtiinsä luetteloita opiskelemistaan erilaisista materiaaleista ja aiheista, he voivat käyttää näitä tietoja laajentaakseen tietoa ja tietoa opiskelijoistaan.
Kaikki tieto voidaan lajitella tai luokitella eri kontrastiominaisuuksien mukaan. Tässä muutamia esimerkkejä:
- Metallit vs. erilaiset epämetallit.
- Kivinen maasto aavikon tai niityn sijaan.
- Näkyvät kiteet vs näkymättömät mineraalit.
- Luonnollinen prosessi keinotekoisen sijaan.
- Aineet, jotka ovat tiheämpiä kuin vettä tai vähemmän painavat kuin tietty neste.
- Magneettinen vs. ei-magneettinen.
Ja voit myös tehdä ryhmäeroja seuraavien ominaisuuksien mukaan:
- Aineen tila huoneenlämpötilassa (kiinteä, nestemäinen, kaasu).
- Metallien sulavuus.
- Fysikaaliset ominaisuudet ja niin edelleen.
Materiaalit:
- Useita artikkeleita, jotka ovat esimerkkejä yllä olevista luokista.
- Magneetit materiaalien ominaisuuksien testaamiseen.
- Vesiastia tarkistaaksesi, kelluuko vai uppoaako.
- Tieteelliset lehdet.
Käyttömenettely
Täsmälleen miten asiat tapahtuvat:
- Oppilaat työskentelevät ryhmissä. Jokaiselle annetaan materiaalia ja heitä pyydetään löytämään tapoja ryhmitellätuotteet luokittain. He kehittävät käyttämänsä kriteerit ja lajittelevat sitten kohteet niiden mukaan. Tulostaulukot kirjataan heidän tieteellisiin julkaisuihinsa.
- Materiaalien ryhmittelyn jälkeen ne lajitellaan uudelleen muiden kriteerien mukaan. Seuraava vaihe on myös tulosluettelon laatiminen. Ja sen jälkeen kirjoitetaan ylimääräinen rivi elementtejä, jotka lajiteltiin eri tavalla muuttuvien kriteerien vuoksi.
- Opiskelijat kirjaavat havaintoja ja taulukoita tieteellisiin lehtiinsä.
Tulokset
Oppilaat korjaavat sarjan taulukoita, jotka osoittavat, kuinka heidän oppiaineensa lajitellaan kunkin kriteerin perusteella. Esimerkiksi ryhmällä oppilaita on paperiliitin, pieni pala graniittia, korkki, muovilelu. Ja sitten pari lajittelutaulukkoa saattaa näyttää tältä.
-
Tuotteet on lajiteltu magnetismin mukaan.
Reagoi magneettiin: paperiliitin, graniitti. Ei vastaa: korkki, muovi.
-
Tuotteet lajiteltu tiheyden mukaan verrattuna veteen.
Pop up: korkki, muovi. Hukkuminen: paperiliitin, graniitti.
Sen jälkeen oppilaat pitävät esityksiä luokalle. He keskustelevat siitä, miksi eri tuotteet luokitellaan eri tavalla käytettyjen kriteerien perusteella.
Oppilaat toistavat nämä havainnot joka kerta käyttämällä erilaisia ominaisuuksia.
Puhu
Tässä vaiheessa:
- Oppilaat voivat laajentaa nämä havainnot muihin materiaaleihin ilman mitäänkäytännön tutkimus.
- Esimerkit ovat näytteitä erityyppisistä kivistä. Oppilaat oppivat tekemään tarkempia havaintoja ja kirjoittamaan tarkalleen, mitä he näkevät suurennuslaitteilla ja muilla käyttämillään esineillä.
- Jos opiskelijat ovat luoneet kortteihin kirjoitetuista ominaisuuksista hakemistotiedoston, ne voidaan myös lajitella. Tästä on hyötyä, jos hakemisto sisältää lisämateriaaleja, jotka eivät ole luokassa.
Yleinen tapa käsitellä jatkuvaa kvantitatiivista dataa on jakaa koko merkitysalue useisiin alialueisiin. Jokaiselle materiaalille on määritettävä sen luokan vakioarvo, johon se kuuluu. Huomaa, että tietojoukko muuttuu jatkuvasta diskreetiksi.
Tilastollisen ryhmittelyn käsite
Järjestäminen tehdään määrittämällä joukko alueita ja laskemalla sitten kuhunkin niistä kuuluva datamäärä. Alaalueet eivät mene päällekkäin. Niiden on katettava tietojoukon koko alue.
Yksi menestyneimmistä tavoista visualisoida ryhmiteltyjä järjestelmiä on histogrammi. Se on joukko suorakulmioita, joissa kuvion kanta kattaa siihen liittyvän alueen arvot. Ja korkeus vastaa tiedon määrää.
