I metoden med statistiske grupperinger er helheden af de undersøgte fænomener opdelt i klasser og underklasser, som har en homogen struktur i henhold til bestemte karakteristika. Hver sådan opdeling er beskrevet af et system af statistiske indikatorer. Grupperede data kan præsenteres i tabeller.
Denne handling er den vigtigste metode, der bruges i selve undersøgelsen af sociale fænomener. Det opstår som en forudsætning for anvendelse af forskellige grupperinger af statistik, procedurer og analysemetoder. Klassificering er f.eks. nødvendig for at bruge generaliserede indeks, såsom gennemsnit.
Bidrag fra V. I. Lenina
I førrevolutionære russiske statistikker, især i forskellige zemstvos (disse er lokale regeringer), blev der opnået betydelig erfaring med at gruppere forskellige typer organisationer. Og også på det tidspunkt blev der gjort et betydeligt arbejde for at udvikle ikke kun tabeller med klassificering en efter enkarakteristika, men også mere komplekse skemaer. I dem er alle data grupperet efter to eller flere parametre. Teoretiske problemstillinger i forbindelse med brugen af statistiske grupperingsmetoder har dog ikke modtaget videnskabelig begrundelse. Denne tilstand varede ved, indtil værkerne af V. I. Lenin. Han havde en høj opfattelse af den kognitive værdi og praktiske betydning af klassificering. Med hensyn til tabeller baseret på tegnene på en statistisk gruppering af mere end én egenskab, skrev Lenin: "Det kan uden overdrivelse siges, at de vil revolutionere videnskaben og selvfølgelig landbrugsøkonomien."
Vladimir Ilyichs anbefalinger om behovet for en foreløbig politisk og økonomisk analyse af mønstrenes art og bestemmelse af fænomentyper, før der påbegyndes eksperimenter med klassificering af indledende data, er af fundamental betydning.
Stadier af statistiske grupperinger
Systematisering bruges ikke kun i analysen af befolkningens struktur, men også til bestemmelse af fænomentyper og i undersøgelsen af sammenhængen mellem forskellige karakteristika eller faktorer. Eksempler på grupperinger, der udtrykker befolkningsstruktur, er klassificeringer af personer efter alder (med et års mellemrum eller mere almindeligt fem år) og virksomheder efter størrelse.
Ved at kombinere klasser eller indstille ujævne intervaller er det muligt at etablere kvalitative forskelle mellem individuelle systemer og derefter bestemme de tekno-økonomiske eller socioøkonomiske typer af de relevante fag(f.eks. virksomheder eller landbrug). Således kan grupperingen af befolkningen i et land efter alder udføres på grundlag af simple kronologiske objekter af sådanne særlige inddelinger som kvinder i alderen 16 til 54 år og mænd i alderen 16 til 59 år. Brugen af disse specialklasser gør det muligt at beregne det nationale økonomiske indeks, kendt som landets arbejdsstyrke. Intervalgrænserne er noget vilkårlige og kan variere fra stat til stat.
Opgave
Detaljeret kvantitativ klassificering af virksomheder og virksomheder giver os mulighed for at gå videre til definitionen af flere grundlæggende kvalitative grupper, såsom små, mellemstore og store organisationer. Derefter kan en række generelle økonomiske problemer afklares, for eksempel processen med koncentration af produktionen, væksten i industriel effektivitet og stigningen i arbejdsproduktiviteten. Vladimir Ilyich Lenins nye data om lovene, der styrer udviklingen af kapitalisme i landbruget, er et strålende eksempel på dyb analyse, der bruger gruppering til at demonstrere mønstrenes komplekse natur. Og også forholdet mellem virksomhedens størrelse og dens samlede produktivitet.
Den vigtigste og sværeste opgave for statistiske grupperinger er at identificere og detaljeret beskrive typerne af socioøkonomiske fænomener. Sådanne emner repræsenterer udtryk for former for en bestemt social proces eller grundlæggende karakteristika. De synes at være fælles for mange individuelle fænomener. I sin analyse af lagdelingen af bønderne brugte Vladimir Iljitsj Lenin grupperingengrundigt og omfattende. Først og fremmest afslørede han processen med dannelsen af de vigtigste sociale klasser i det førrevolutionære Rusland, i det vesteuropæiske landskab og i det amerikanske landbrug.
Og, som det viste sig, har sovjetiske data betydelig erfaring med typologiske og statistiske grupperinger. For eksempel forudsætter balancen for den nationale økonomi i USSR et komplekst og forgrenet klassifikationssystem. Andre eksempler på typologisk statistisk gruppering i det sovjetiske rum omfatter systematisering af befolkningen efter social klasse. Samt forening af faste produktionsaktiver efter socioøkonomiske typer af industrielle enheder. Og du kan også give et eksempel som grupperingen af den statistiske population af det sociale produkt.
Borgerlig klassifikation bruger ikke systematisering nok. Når man bruger gruppering, er det for en stor del ukorrekt og bidrager ikke til at karakterisere tingenes sande tilstand i de kapitalistiske lande. For eksempel overdriver klassificeringen af landbrugsvirksomheder efter landareal placeringen af småskalaproduktion i denne retning. Og grupperingen af befolkningen efter profession afslører ikke den sande klassestruktur i det borgerlige samfund.
De socioøkonomiske karakteristika ved en socialistisk stat giver nye anvendelser til statistisk gruppering. Klassifikationen bruges til at analysere gennemførelsen af nationale økonomiske planer for at bestemme årsagerne til, at nogle virksomheder og sektorer sakker bagud. Og også identificere ubrugte ressourcer. For eksempel virksomhederkan grupperes efter planens gennemførelsesgrad eller rentabilitetsniveauet. Af stor betydning for at karakterisere indførelsen af videnskabelige og teknologiske fremskridt i industrien er grupperingen af virksomheder, ifølge sådanne tekniske og økonomiske data som graden af automatisering og mekanisering og mængden af elektricitet, der er tilgængelig for arbejde.
Gruppede data er information dannet ved at kombinere individuelle grupperinger af statistiske observationer om tilstedeværelsen af en variabel i separate klasser, således at frekvensfordelingen af disse systemer tjener som et bekvemt middel til at opsummere og analysere alle materialer.
Information
Data kan defineres som grupper af materiale, der repræsenterer kvalitative eller kvantitative attributter for en variabel eller et sæt af variable. Dette er analogt med at sige, at klasser kan være ethvert sæt information, der beskriver en enhed. Systemer, i grupperingen af statistiske data, kan klassificeres i grupperede og ikke-grupperede objekter.
Enhver information, som en person først indsamler, er uklassificeret. Ugrupperede statistiske grupperinger er data, men kun i en ubearbejdet form. Et eksempel på sådanne systemer er enhver liste over tal, du kan komme i tanke om.
Første type klassifikationer
Grupperte data er information, der er blevet organiseret i grupper kendt som klasser. Denne type er allerede blevet klassificeret, og dermed nogleanalyseniveau. Det betyder, at al information ikke længere er rå.
En dataklasse er en gruppe, der er knyttet til en specifik tilpasset egenskab. For eksempel, hvis lederen af en virksomhed indsamlede de personer, han ansætter i et bestemt år, kunne han gruppere dem i systemer efter alder: tyve, tredive, fyrre, og så videre. Og hver af disse grupper kaldes en klasse.
Til gengæld er dette ikke den sidste division. Hver af disse klasser har en vis bredde, og dette kaldes mellemrum eller størrelse. Dette koncept er meget vigtigt, når det kommer til at plotte histogrammer og frekvensplot. Alle klasser kan have samme eller forskellige størrelser, afhængigt af hvordan al information vil blive grupperet. Systemintervallet er altid et heltal.
Klassebegrænsninger og -grænser
Det første koncept refererer til de faktiske værdier, der kan ses i sluttabellen. Klassebegrænsningerne falder i to kategorier: den nedre grænse for systemet og den øvre grænse. Alle inddelinger i tabellerne bruges naturligvis for at sikre korrekthed og informativitet.
Men på den anden side bliver klassegrænser ikke altid respekteret i frekvenstabellen. Dette koncept giver det sande interval af systemer og er ligesom forskellige restriktioner også opdelt i grænser for de nedre og øvre værdier.
Levende og ikke-levende bands
Videnskab søger at forstå og forklare naturfænomener. Forskere forstår ting ved at klassificere dem. Det hører tilbåde levende væsener og ikke-levende grupperinger af statistiske materialer.
Til gengæld kan disse typer opdeles i grupper afhængigt af kontrastegenskaberne. Hvis eleverne f.eks. har udarbejdet lister i deres videnskabelige tidsskrifter over de forskellige materialer og emner, de har studeret, kan de bruge disse data til at udvide viden og information om de systemer, de har studeret.
Al viden kan sorteres eller klassificeres efter forskellige kontrastegenskaber. Her er nogle eksempler:
- Metaler versus forskellige ikke-metaller.
- Stenet terræn i stedet for ørken eller eng.
- Synlige krystaller vs usynlige mineraler.
- En naturlig proces i stedet for en kunstig.
- Stoffer tættere end vand eller mindre vægtige end en given væske.
- Magnetisk versus ikke-magnetisk.
Og du kan også gøre gruppeforskelle i henhold til følgende funktioner:
- Materiens tilstand ved stuetemperatur (fast, flydende, gas).
- Smeltebarhed af metaller.
- Fysiske egenskaber og så videre.
Materials:
- Forskellige artikler, der eksemplificerer kategorierne ovenfor.
- Magneter til afprøvning af materialers egenskaber.
- En beholder med vand til at kontrollere, om tingene flyder eller synker.
- Videnskabelige tidsskrifter.
Driftsprocedure
Nøjagtig sådan sker tingene:
- Elever arbejder i grupper. Hver får nogle materialer og bliver bedt om at finde måder at gruppere påvarer efter kategori. De udvikler de kriterier, de vil bruge, og sorterer derefter varerne i overensstemmelse hermed. Tabeller med resultater er registreret i deres videnskabelige tidsskrifter.
- Efter at have grupperet materialerne, sorteres de igen efter andre kriterier. Det næste trin vil også være at udarbejde en liste over resultater. Og derefter skrives en ekstra række af elementer, som blev sorteret anderledes på grund af ændrede kriterier.
- Elever registrerer observationer og tabeller i deres videnskabelige tidsskrifter.
Resultater
Elever ordner en række tabeller, der viser, hvordan deres emner er sorteret ud fra hvert af kriterierne. For eksempel har en gruppe elever en papirclips, et lille stykke granit, en prop, et plastiklegetøj. Og så kan et par sorteringstabeller se ud som følgende.
-
Elementer sorteret efter magnetisme.
Reager på magnet: papirclips, granit. Reagerer ikke: kork, plastik.
-
Elementer sorteret efter densitet sammenlignet med vand.
Pop op: kork, plastik. Drukning: papirclips, granit.
Derefter laver eleverne præsentationer for klassen. De diskuterer, hvorfor forskellige varer klassificeres forskelligt baseret på de anvendte kriterier.
Eleverne gentager disse observationer hver gang og anvender forskellige egenskaber.
Talk
På dette stadium:
- Elever kan udvide disse observationer til andre materialer uden nogenpraktisk forskning.
- Eksempler er prøver af forskellige typer sten. Eleverne vil lære at foretage nærmere observationer og skrive præcis, hvad de ser med forstørrelsesglas og andre genstande, de bruger.
- Hvis eleverne har oprettet en indeksfil over egenskaber skrevet på kort, kan de også sorteres. Dette vil være nyttigt, hvis indekset indeholder yderligere materialer, der ikke er i klassen.
En almindelig måde at behandle kontinuerlige kvantitative data på er at underinddele hele rækken af betydninger i flere underområder. Det er nødvendigt at tildele hvert materiale en konstant værdi af den klasse, det falder ind under. Bemærk, at datasættet skifter fra kontinuerligt til diskret.
Begrebet statistisk gruppering
Organisering udføres ved at definere et sæt intervaller og derefter tælle mængden af data, der falder ind i hver af dem. Underområderne overlapper ikke. De skal dække hele rækkevidden af datasættet.
En af de mest succesrige måder at visualisere grupperede systemer på er histogrammet. Det er et sæt rektangler, hvor bunden af figuren spænder over værdierne i det område, der er forbundet med det. Og højden svarer til mængden af information.
