Метод перекрестного табулирования (таблицы сопряженности) -

используется для изучения связей между переменными - анализируется несколько переменных, которые могут быть сопряжены, связаны.

Как правило, переменные необходимо разделять на зависимые и независимые (гипотезы аналитика о причинах и следствиях).

Чаще всего, предполагается, что зависимая переменная является след­ствием изменения независимых переменных. Это предположение, даже ес­ли оно потом и не подтверждается, тем не менее, влияет на выбор метода анализа и процедуру его применения.

1. ПОСТРОЕНИЕ таблицы сопряженности

1) общее правило:

- столбцы соответствуют уровням независимой переменной;

- строки соответствуют уровням зависимой переменной.

Пример: семейный доход можно описать в трех категориях: высокий, средний, низкий. Если в перекрестном табулировании, помимо «дохода» с 3-мя категориями учавствует, например, переменная «уровень образования» с двумя категориями (есть высшее образование или нет), то мы анализируем таблицу со­пряженности 3x2.

доход	в.обр.
В	+
Н	-
С	-
С	-
В	+
Н	+
Н	-
• • •

	Высшее образование
+	-
доход	В
С
Н

2) расчет процентов: проценты должны рассчитываться в направлении независимой переменной и поперек зависимой переменной.

Сумму ячеек каждого столбца необходимо принимать за 100%, а ячей­ки этого столбца выражать в процентах по отношению к этой сумме.

3) Количество категорий не должно быть слишком большим, иначе целесообразнее применять другие статистические методы.

2. АНАЛИЗ таблицы сопряженности

1) Основные закономерности, содержащиеся в данных, видны уже по­сле просмотра процентных долей, рассчитанных для различных категорий:

- таблица сопряженности;

- гистограмма.

2) Математически корректным заявление о выявленных закономерно­стях будет только лишь в том случае, если подтверждена статистическая значимость этих закономерностей.

Статистические пакеты предоставляют большой выбор критериев, по­зволяющих проверить статистическую значимость связей, анализируемых с помощью перекрестного табулирования. Все эти критерии, с одной сторо­ны, в некоторой степени дублируют друг друга, с другой стороны, отража­ют ту или иную специфику в данных. Чтобы сделать предварительные вы­воды, можно применять, например:

- Хи-квадрат Пирсона;

- фи-коэффициент;

- коэффициент сопряженности признаков;

- V-коэффициент Крамера.

ПРОВЕРКА ЗНАЧИМОСТИ (связи исследуемых переменных)

а) В результате расчета каждого из этих критериев Вы получаете уро­
вень значимости ошибки для связи переменных, наблюдающейся в эмпирических данных.

б) Выводы о статистической значимости Вы делаете на основе прави­ла: если расчетный уровень значимости меньше допустимого (как прави­ло: 0,01 или 0,05), то связь между переменными значима.