Все ответы (распределение карточек/выбор карточек) фиксировались экспериментатором для дальнейшей обработки.
Обработка данных
Для подготовки полученных эмпирических данных к последующему анализу для каждой этнической группы были составлены матрицы частот встречаемости каждой из 36 характеристик при описании предложенных этносов.
Для обработки данных использовалась специальная статистическая процедура – анализ соответствий – разновидность метода главных компонент, адаптированная для анализа номинативных данных (таблиц сопряженности). Основная цель метода – поиск структуры, объясняющей имеющуюся вариативность сложных многомерных данных минимальным числом переменных (факторов). Следует отметить, что это достигается не за счет отбрасывания каких-то факторов, а через поиск таких «направлений» или «срезов» в массиве данных, которые максимально простым образом (линейным), объясняют максимально возможную долю вариативности данных. Первый такой «срез» (первая компонента) совпадает с моделью многомерной линейной регрессии. После получения первой компоненты возможно получение второй компоненты, которая будет объяснять наибольшую долю оставшейся дисперсии также линейным методом. Итоговое количество компонент зависит от количества исходных признаков и объектов, а также от структуры самих данных. Все полученные главные компоненты ортогональны, т. е. независимы друг от друга и в порядке убывания объясняют все меньшую долю вариативности массива данных. При типичном применении подобных методов основное внимание сосредоточено на некотором количестве первых компонент, которые объясняют основную долю вариативности. Более подробно с методом анализа соответствий можно ознакомиться в классических работах по данному методу (Benzecri, 1973; Greenacre, 1981, 1984).
Таким образом, анализ соответствий позволяет, во-первых, уменьшить влияние шумовых и малозначимых признаков и, во-вторых, визуализировать многомерные данные в виде двух- или трехмерных графиков максимально корректно. Это существенно увеличивает эффективность экспертной оценки структуры данных.
При обработке данных, описываемых в данном параграфе, анализировались расстояния между уровнями переменной «Этнос», а также характер группировки уровней переменной «Характеристика» относительно уровней переменной «Этнос». Для оценки взаимосвязи уровней переменной «Этнос» с уровнями переменной «Характеристика» использовалось косинусное расстояние между соответствующими отображениями точек в маломерном пространстве, полученном после выделения главных компонент.
Анализ соответствий выполнялся с выделением двух компонент в трех итерациях[2] при помощи пакета Prince для среды Python v. 3.7.
Результаты
Распределение