|
97 На последнем этапе обработки данных использовался кластерный анализ, который объединяет различные процедуры, используемые для проведения классификации. В результате проведения этих процедур исходная совокупность объектов разделяется на кластеры или группы (классы) схожих между собой объектов. Строгого определения кластера не существует,' но под кластером обычно понимают группу объектов, обладающую свойствами плотности (плотность объектов внутри кластера выше, чем вне его); дисперсией, отделимостью от других кластеров; формой (иногда кластер имеет очертания гиперсферы или эллипсоида); размером1. Ба основании данных методологических и методических принципов была составлена анкета эксперта (Приложение 1). Задача, поставленная экспертам с учетом состояния современного российского общества и интегрирующих исследования факторов высказать па поставленные вопросы непредвзятую, всестороннюю взвешенную оценку. Инструментарий экспертного опроса состоял из нескольких блоков вопросов. Первый блок посвящен анализу реального состояния социального контроля в системе муниципальной власти, а таюке проблемам развития местного самоуправления. Наряду с вопросами фактологического плана, фиксирующих степень реализации делегированных органам местного самоуправления государственных полномочий, в него включены вопросы, направленные на выяснение уровня информированности и знаний экспертов по изучаемой проблеме. Во втором блоке с использованием различных методических приемовот прямой постановки вопроса, до фиксации реакции опрашиваемых на распространенные стереотипы массового сознания выяснилось мнение экспертов об эффективности функционирования механизмов социального контроля в системе власти на муниципальном уровне. В данном случае индикаторами выступали: качество управления; результативность работы глав, депутатов и аппаратов муниципальных органов власти, их профессионализм и компетентность; формы реализации социального контроля и степень их предпочтения экспертами. Там же. С. 125. |
114 методы вращения могут быть как ортогональными (в этом случае выделяются независимые факторы), так и косоугольными (тогда факторы могут коррелировать между' собой). В данном исследовании наиболее удобным для объяснения полученных факторов явилось вращение косоугольным методом эквимакс. Хотя следует отметить, что все методы вращения факторов давали очень сходные результаты. Предпочтительность косоугольного метода вращения объясняется, вероятнее всего, тем, что все анализируемые компоненты связаны между собой и трудно достичь ортогональности, то есть независимости факторов. Вопрос о том, сколько факторов следует оставить для дальнейшего рассмотрения, решается в факторном анализе, как правило, произвольно на основе представлений исследователя о результатах исследования и возможности их интерпретировать. Вместе с тем часто используются критерий Кайзера, критерий «каменистой осыпи» и анализ матриц воспроизведенных и остаточных корреляций [131]. На последнем этапе обработки данных использовался кластерный анализ, который объединяет различные процедуры, используемые для проведения классификации. В результате проведения этих процедур исходная совокупность объектов разделяется на кластеры или группы (классы) схожих между собой объектов. Строгого определения кластера не существует, но под кластером обычно понимают группу объектов, обладающую свойствами плотности (плотность объектов внутри кластера выше, чем вне его); дисперсией, отделимостью от других кластеров; формой (иногда кластер имеет очертания гиперсферы или эллипсоида); размером [131.152.174]. Фактически кластерный анализ является не столько обычным статистическим методом, сколько «набором» различных алгоритмов «распределения объектов по кластерам». В отличие от многих других статистических процедур методы кластерного анализа используются в большинстве случаев тогда, когда нет каких-либо априорных гипотез относительно классов. Кластерный анализ определяет «наиболее возможно значимое решение». Поэтому проверка стати 117 тов. Вследствие этого был рассмотрен еще один метод кластерного анализа, имеющий принципиально отличный от предыдущего алгоритм вычислений. Итеративный метод К-средних обычно применяется, когда уже имеются гипотезы относительно числа кластеров. Системе даётся указание образовать конкретное число кластеров так, чтобы они были настолько различны, насколько это возможно. В общем случае метод К-средних строит ровно К различных кластеров, расположенных на возможно больших расстояниях друг от друга. В методе К-средних объект относится к тому классу, расстояние до которого минимально. Каждый класс объектов имеет центр тяжести. Расстояние между объектом и классом есть расстояние между объектом и центром тяжести класса. Программа начинает с К случайно выбранных кластеров, а затем изменяет принадлежность объектов к ним, чтобы минимизировать изменчивость внутри кластеров и максимизировать изменчивость между кластерами. Принципиально метод работает следующим образом: 1. Вначале задается некоторое разбиение данных на кластеры (число кластеров определяется пользователем), затем вычисляются центры тяжести кластеров. 2. Происходит перемещение точек: каждая точка помещается в ближайший к ней кластер. 3. Вычисляются центры тяжести новых кластеров. Шаги 2 и 3 повторяются, пока не будет найдена стабильная конфигурация (то есть кластеры перестанут изменяться) или число итераций не превысит заданное пользователем. Итоговая конфигурация является искомой. На основании данных методологических и методических принципов была составлена анкета эксперта (Приложение 2). Задача, поставленная экспертам с учетом состояния современного российского общества и интегрирующих исследования факторов высказать на поставленные вопросы непредвзятую, всестороннюю взвешенную оценку. |