К какой шкале относится переменная age group

Типы статистических шкал

В эмпирическом исследовании могут встречаться, к примеру, следующие переменные (указано их наиболее вероятное кодирование):

Пол	1 = мужской
2 = женский
Семейное положение	1 = холост/не замужем
2 = женат/замужем
3 = вдовец/вдова
4 = разведен(а)
Курение	1 = некурящий
2 = изредка курящий
3 = интенсивно курящий
4 = очень интенсивно курящий
Месячный доход	1 = до 3000 DM
2 = 3001 — 5000 DM
3 = более 5000 DM
Коэффициент интеллекта (I.Q.)
Возраст (лет)

Рассмотрим сначала графу «Пол». Мы видим, что назначение соответствия цифр 1 и 2 обоим полам абсолютно произвольно, их можно было поменять местами или обозначить другими цифрами. Мы, конечно, не имеем в виду, что женщины стоят на ступеньку ниже мужчин, или мужчины значат меньше, чем женщины. Следовательно, отдельным числам не соответствует никакою эмпирического значения. В этом случае говорят о переменных, относящихся к номинальной шкале. В нашем примере рассматривается переменная с номинальной шкалой, имеющая две категории. Такая переменная имеет еще одно название — дихотомическая.

Такая же ситуация и с переменной «Семейное положение». Здесь также соответствие — между числами и категориями семейного положения не имеет никакого эмпирического значения. Но в отличии от Пола, эта переменная не является дихотомической — у нее четыре категории вместо двух. Возможности обработки переменных, относящихся к номинальной шкале очень ограничены. Собственно говоря, можно провести только частотный анализ таких переменных. К примеру, расчет среднего значения для переменной Семейное положение, совершенно бессмысленен. Переменные, относящиеся к номинальной шкале часто используются для группировки, с помощью которых совокупная выборка разбивается по категориям этих переменных. В частичных выборках проводятся одинаковые статистические тесты, результаты которых затем сравниваются друг с другом.

В качестве следующего примера рассмотрим переменную «Курение». Здесь кодовым цифрам присваивается эмпирическое значение в том порядке, в котором они расположены в списке. Переменная Курение, в итоге, сортирована в порядке значимости снизу вверх: умеренный курильщик курит больше, нежели некурящий, а сильно курящий — больше, чем умеренный курильщик и т.д. Такие переменные, для которых используются численные значения, соответствующие постепенному изменению эмпирической значимости, относятся к порядковой шкале.

Однако эмпирическая значимость этих переменных не зависит от разницы между соседними численными значениями. Так, несмотря на то, что разница между значениями кодовых чисел для некурящего и изредка курящего и изредка курящего и интенсивно курящего в обоих случаях равна единице, нельзя утверждать, что фактическое различие между некурящим и изредка курящим и между изредка курящим и интенсивно курящим одинаково. Для этого данные понятия слишком расплывчаты.

К классическими примерами переменных с порядковой шкалой относятся также переменные, полученные в результате объединения величин в классы, как «Месячный доход» в нашем примере.

Кроме частотного анализа, переменные с порядковой шкалой допускают также вычисление определенных статистических характеристик, таких как медианы. В некоторых случаях возможно вычисление среднего значения. Если должна быть установлена связь (корреляция) с другими переменными такого рода, для этой цели можно использовать коэффициент ранговой корреляции.

Для сравнения различных выборок переменных, относящихся к порядковой шкале, могут применяться непараметрические тесты, формулы которых оперируют рангами.

Рассмотрим теперь «Коэффициент интеллекта (IQ)«. Не только его абсолютные значения отображают порядковое отношение между респондентами, но и разница между двумя значениями также имеет эмпирическую значимость. Например, если у Ганса IQ равен 80, у Фрица — 120 и у Отто — 160, можно сказать, что Фриц в сравнении с Гансом настолько же интеллектуальнее насколько Отто в сравнении с Фрицем (а именно — на 40 единиц IQ). Однако, основываясь только на том, что значение IQ у Ганса в два раза меньше, чем у Отто, исходя из определения IQ нельзя сделать вывод, что Отто вдвое умнее Ганса.

Такие переменные, у которых разность (интервал) между двумя значениями имеет эмпирическую значимость, относятся к интервальной шкале. Они могут обрабатываться любыми статистическим методами без ограничений. Так, к примеру, среднее значение является полноценным статистическим показателем для характеристики таких переменных.

Наконец, мы достигли наивысшей статистической шкалы, на которой эмпирическую значимость приобретает и отношение двух значений. Примером переменной, относящейся к такой шкале является «Возраст«: если Максу 30 лет, а Морицу 60, можно сказать, что Мориц вдвое старше Макса. Шкала, к которой относятся данные называется шкалой отношений. К этой шкале относятся все интервальные переменные, которые имеют абсолютную нулевую точку. Поэтому переменные относящиеся к интервальной шкале, как правило, имеют и шкалу отношений.

Подводя итоги, можно сказать, что существует четыре вида статистических шкал, на которых могут сравниваться численные значения:

Статистическая шкала	Эмпирическая значимость	Примеры
Номинальная	Нет	Пол, семейное положение
Порядковая	Порядок чисел	Курение, месячный доход
Интервальная	Разность чисел	Коэффициент интеллекта (I.Q.)
Шкала отношений	Отношение чисел	Возраст (лет)

На практике, в том числе в SPSS, различие между переменными, относящимися к интервальной шкале и шкале отношений обычно несущественно. То есть в дальнейшем практически всегда речь будет идти о переменных, относящихся к интервальной шкале.

Пользователь SPSS должен четко разбираться в видах статистических шкал и при выборе метода обращать внимание на то, чтобы были определены надлежащие виды шкал.

Мы уже указывали, что переменные, относящиеся к номинальной шкале допускают весьма ограниченные возможности для проведения анализа. Исключение в некоторых ситуациях составляют дихотомические переменные. Для них можно, по крайней мере, определять ранговую корреляцию. Если, например, обнаруживается корреляция коэффициента интеллекта с полом, то положительный коэффициент корреляции означает, что женщины интеллектуальнее, чем мужчины. Однако если переменные, относящиеся к номинальной шкале не являются дихотомическими, вычисление коэффициентов ранговой корреляции не имеет смысла.

Анализ дискретных переменных при выборе материала оснастки прессов Текст научной статьи по специальности «Прочие технологии»

ИСХОДНЫЕ ДАННЫЕ ДЛЯ АНАЛИЗА / СТОЛБИКОВЫЕ ДИАГРАММЫ / ЧИСЛОВЫЕ ПАРАМЕТРЫ / ВОЗРАСТНАЯ ГРУППА / ПРОГРАММА СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДИСКРЕТНЫХ ПЕРЕМЕННЫХ / BASELINE DATA FOR ANALYSIS / BAR GRAPH / NUMERICAL PARAMETERS / AGE GROUP / THE PROGRAM OF STATISTICAL TREATMENT FOR DISCRETE VARIABLES

Аннотация научной статьи по прочим технологиям, автор научной работы — Гараз Т. В., Иванов В. А., Усенбеков Ж.

Рассмотрены широко распространенные методы анализа дискретных переменных при изучении условий работы на вырубных прессах, в которых исходными данными для анализа являются не только абсолютные значения исследуемых показателей, но и число экспертов (респондентов), необходимое для проведения экспертной оценки; показана возможность вывода значений частот и процентов в виде чисел, изображенных непосредственно на столбиках диаграммы; доказано, что такое представление линейных распределений является значительно более наглядным по сравнению с табличными данными.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Анализ дискретных переменных при выборе материала оснастки прессов»

МАШИНЫ, АГРЕГАТЫ И ПРОЦЕССЫ

Анализ дискретных переменных при выборе материала оснастки прессов

Т. В. Гараз, преподаватель, e-mail: byttech@yandex.ru

В. А. Иванов, д.т.н., проф. каф. «Бытовая техника», e-mail: byttech@yandex.ru ФГОУ ВПО «Российский государственный университет туризма и сервиса», Москва Ж. Усенбеков, к. т. н., проф. Академии моды, г. Алматы

Рассмотрены широко распространенные методы анализа дискретных переменных при изучении условий работы на вырубных прессах, в которых исходными данными для анализа являются не только абсолютные значения исследуемых показателей, но и число экспертов (респондентов), необходимое для проведения экспертной оценки; показана возможность вывода значений частот и процентов в виде чисел, изображенных непосредственно на столбиках диаграммы; доказано, что такое представление “линейных” распределений является значительно более наглядным по сравнению с табличными данными.

Ключевые слова: исходные данные для анализа, столбиковые диаграммы, числовые параметры, возрастная группа, программа статистической обработки дискретных переменных.

Keywords: baseline data for analysis, bar graph, numerical parameters, age group, the program of statistical treatment for discrete variables.

Для предприятий бытового обслуживания и коммунального хозяйства наиболее важным является повышение срока службы технологического оборудования. Весьма остро стоит проблема борьбы с изнашиванием деталей в оборудовании, многие элементы которого работают при высоких нагрузках и скоростях, а часто и при ограниченной подаче смазочного материала. Условия труда на предприятиях бытового обслуживания и легкой промышленности можно оценивать либо по значениям какого-либо параметра (вибрация и шум прессового оборудования, уровень которых часто превышает допустимый санитарными нормами, освещенность и т.п.), либо на основании мнений работающих, способных более объективно классифицировать эти условия. На участках раскроя материалов (в данном случае — кожи) широко распространены вырубные прессы, которые работают с разными видами приводов и различаются между собой по уровню технологических нагрузок. К группе наиболее быстроизнашивающихся номенклатур в так называемом раскройном оборудовании

относится, прежде всего, инструмент — ножи, а также оснастка — вырубные плиты. Увеличение сроков службы наиболее быстроизнашивающихся элементов и узлов машины способствует повышению уровня надежности оборудования и созданию условий для стабильного достижения высокого качества обработки продукции.

С целью обеспечения высоких конечных производственных результатов разработаны комплексные стандарты «Сервис», которые должны включать в себя целый комплект нормативнотехнической документации (НТД), содержащей требования к важнейшим технико-экономическим показателям создаваемых изделий, технологическому оборудованию, а также к исходным материалам — сырью. Так, одним из основных показателей качества, определяющим степень квалиметрическо-го уровня готовых изделий из натуральных кож и возможность их дальнейшего использования после проведения раскроя, является показатель сортности, который устанавливается в зависимости от количества и величины имеющихся на коже пороков.

Точное определение причин и мест возникновения дефектов кожи на протяжении технологического процесса равносильно установлению причин отставания реализуемого уровня качества продукции от проектного. Поэтому правильный раскрой кожи в значительной степени определяет эффективность производства. В этой связи совершенствование учета и анализа возникновения дефектов кож является одним из основных факторов, обеспечивающих достижение запланированного уровня качества продукции на операциях раскроя. Как правило, для определения условий труда исходные данные, представленные в виде дискретных переменных, необходимо трансформировать в значения, эквивалентные непрерывным. При этом, даже если признак является непрерывным (например, уровень вибраций, уровень шума и т.п.), в анкетах он фиксируются как дискретный. Рассмотрим метод анализа дискретных переменных, имеющий широкое распространение [1], при изложении которого будут использованы программы статистической обработки данных SPSS 8.0 Base для Windows [2].

Цель работы — разработка типологии современного прессового оборудования по динамическим признакам его нагружения в процессе работы и установление способов снижения вибраций и шума. Для получения объективного заключения важно учитывать не только абсолютные значения показателей вибрации и шума, но и число экспертов (респондентов), которых необходимо привлечь для проведения экспертной оценки. При этом исходные данные статистического анализа необходимо тщательно проверить и отредактировать до начала более сложного анализа.

Иногда пренебрегают важным первым шагом -чисткой данных. Обычно статистические программы для ЭВМ содержат специальные процедуры, облегчающие такую проверку. В пакете SPSS 8.0 Base этой цели служит процедура «Frequencies» (Частоты), а также визуализация данных (графическое представление) в виде столбиковых и ящичко-вых диаграмм (последний способ представления данных предложен Дж. Тьюки).

Прежде чем излагать сущность процедур, следует напомнить, что, как правило, исходные данные в электронных таблицах (а именно таковыми являются все программы статистической обработки) представляются в виде матрицы, в строках которой расположены так называемые наблюдения, или случаи («Сases»), а в столбцах — переменные («Variables»). Столбцы и строки могут меняться местами; эта операция — транспонирование — производится автоматически средствами программ. В дальнейшем для определенности полагаем, что строками матрицы являются наблюдения (объекты).

Основное требование факторного анализа -факторы должны быть количественными. Поскольку данные социологических опросов (а определение заключений экспертов можно отнести к этой группе опросов) обычно измеряются в номинальных и порядковых шкалах, то требуется их представление в количественных шкалах, для формирования которых использован следующий подход. Как известно, наиболее информативны данные, измеренные на абсолютной шкале. В социологических опросах таковыми являются частости (т.е. частоты, выраженные в долях или процентах) вариантов ответов респондентов. Эти частости относятся к выборочной совокупности, но переходя к генеральной совокупности, их можно интерпретировать как вероятности. Путем построения таблиц сопряженности можно получить оценки этих вероятностей для групп участников опросов, различающихся по тем или иным признакам, что означает переход к переменным, измеренным на абсолютной шкале. Это требование в рассматриваемом случае выполнено, т.е. при переходе от перечисленных признаков к частости положительных ответов по выборке респондентов было получено семь количественных переменных Хь. Х7, которые являются оценками генеральной совокупности в целом.

Подсчет частот и процентов может производиться как для числовых, так и для номинальных (строковых) переменных. В табл. 1 приведен пример табличного представления частотного распределения вариантов ответов респондентов — работников службы быта на вопрос «Как изменились условия работы при внедрении разработок?» (строковая переменная), а на рис. 1 — соответствующая столбиковая диаграмма (линейное распределение).

В первом столбце табл. 1 все наблюдения классифицированы по данной номинальной (строковой) переменной как «валидные» и «пропущенные»: первых — 954, вторых — всего лишь 23 (в итоге 977). Это означает, что в 23 анкетах отсутствуют ответы на данный вопрос, т.е. данные по переменной «Как изменились условия работы при внедрении разработок?» имеют 23 пропуска, и во втором столбце вариант ответа по этим анкетам обозначен как «Системные пропущенные». В то же время остальные анкеты (с валидными ответами) характеризуются вариантами ответов, предусмотренными анкетой («Существенно улучшилось», «Немного улучшилось», «Осталось без изменений», «Немного ухудшилось», «Существенно ухудшилось»). Третий и четвертый столбцы соответственно обозначены как «Процент» и «Валидный процент», что соответствует частостям встре-

Таблица 1. Оценка условий работы при внедрении разработок

Наблюдения Вариант ответа Частота Процент Валидный процент Кумулятивный процент

Валидные Существенно улучшилось 21 2,1 2,1 2,1

Немного улучшилось 116 11,9 12,2 14,3

Осталось без изменений 262 26,8 27,5 41,8

Немного ухудшилось 265 27,1 27,8 69,6

Существенно ухудшилось 290 29,7 30,4 100,0

Всего 954 97,6 100,0 —

Пропущенные Системные пропущенные 23 2,4 — —

Рис. 1. Столбиковая диаграмма распределения вариантов ответов на вопрос «Как изменились условия работы при внедрении разработок?»: а — в частотах; б — в процентах (валидных) (I — существенно улучшилось; II — немного улучшилось; III — осталось без изменений; IV — немного ухудшилось; V — существенно ухудшилось)

чаемости вариантов ответов, рассчитанным в процентах к общему числу наблюдений («Процент») и к числу «валидных» наблюдений («Валидный процент»). В последнем столбце, озаглавленном «Кумулятивный процент», «валидные» частости просуммированы в порядке расположения вариантов ответов. Данные в столбце «Кумулятивный процент» информативны только для количественных или порядковых переменных.

На диаграммах рис. 1 распределения представлены в частотах и в процентах (валидных). Имеется возможность вывода значений частот и процентов в виде чисел, изображенных непосредственно на столбиках диаграммы. Такое представление «линейных» распределений является значительно более наглядным по сравнению с табличными данными.

Наглядны также и другие виды диаграмм: секторные, точечные, ленточные, «объемные» и т.д., отличающиеся друг от друга только характером графического представления частот или валидных процентов (частостей), т.е. практически только своим внешним видом. Однако существуют некоторые правила, которых следует придерживаться. Например, следует учитывать, что сек-

торные диаграммы наглядны до тех пор, пока число уровней номинальной переменной не слишком велико (не более 5 — 7); точечные диаграммы обычно применяют для уровней временного характера и т.п. Поэтому следует предварительно выбрать какой-то определенный способ представления графической информации.

Для непрерывной (квазидискретной) числовой переменной, например, возраста рабочих, который важен с точки зрения состояния здоровья и квалификации, фиксируемого с весьма небольшими интервалами ее изменения (в данном случае -год), табличное представление линейного распределения выглядит слишком громоздко, и следует прибегать к простому приему — укрупнению интервалов ее изменения. При сравнении вибрационной нагруженности прессов типа ПВГ-18 и ПВГ-8 можно видеть, что спектральный состав сигнала, получаемого от подвижной части (ударника, траверсы), достаточно сходен для обоих прессов, в то время как спектры неподвижной части (станины) различны, что можно объяснить существенными отличиями конструкций и в большей части проявляется на станине, чем на ударнике. Следующий импульс, значительно превосхо-

Рис. 2. Распределение возраста респондентов: а — в частотах; б — в процентах (валидных)

дящий по величине предыдущие, имеет место в момент касания ударником резака.

Нужно сказать, что работа на вырубных прессах вызывает не только повышенную усталость, так как прессы работают в условиях ударного нагружения, но и виброболезнь и «сухость рук», когда рабочий держит резак в процессе вырубки. За счет этого повышается производительность труда, но с точки зрения техники безопасности является недопустимым. Поэтому в прессах предусматривается дополнительная защита в виде использования одновременно обеих рук, датчиков попадания посторонних предметов в рабочую зону и т.п. Однако на предприятиях бытового обслуживания встречаются случаи, когда система защиты рук рабочего отключается и он работает.

Одной из важных причин возникновения нарушений слуха и появления многих нарушений здоровья человека является повышенные уровни вибраций и шума. Для его снижения на электро-гидравлических вырубных прессах предусмотрена возможность установки металлических и неметаллических вырубных плит. При работе на алюминиевых плитах в элементах пресса создаются ударные нагрузки, обусловленные высокой твердостью плит, что способствует более частым отказам прессов. При установлении полимерных плит пресс работает в более «мягком» режиме, в результате чего уровень вибрации и шума снижается на 2 — 6 дБ в зависимости от упругодемпфирую-щих свойств этих плит.

В качестве примера на рис. 2 изображены диаграммы распределения возраста респондентов, ответивших на вопросы той же анкеты, причем эти диаграммы получены по «сырым» (несгруппиро-ванным) данным. При этом выбирались респонденты в возрасте от 17 до 84 лет. Это относится как к занятому на производстве, так и находящемуся на пенсии населению. Такой подход объясняется тем, что даже после прекращения трудовой деятельности люди продолжают оценивать условия работы на основе собственного опыта. Тем более что с течением времени, когда у них начинают проявляться болезни и другие последствия трудовой деятельности, бывшим рабочим легче оценить какие-то недостатки в условиях труда, исходя уже из всего своего жизненного и профессионального опыта.

Видно, что из-за неудачного «масштаба» приведенные диаграммы малоинформативны: интервал в один год для числовой квазидискретной переменной «Возраст» слишком мал даже при достаточно большом объеме выборки (977 респондентов); частости по отдельным значениям переменной (точнее, интервалам значений) не достигают и 4%.

Совсем иначе, более информативно, смотрятся те же самые диаграммы для преобразованной путем укрупнения интервалов, теперь уже строковой (порядковой) переменной «Возрастные группы» (рис. 3). Поскольку на вопрос о возрасте (годе рождения: известно, что при такой постановке вопроса меньше ошибок в ответах респондентов) ответили все 977 опрошенных респондента, валид-

Психометрический анализ русскоязычной версии опросника Х. Цахера и М. Фрезе «Профессиональная временная перспектива будущего» Текст научной статьи по специальности «Компьютерные и информационные науки»

возраст / временная перспектива будущего / ограничения / возможности / оставшееся время / характеристики работы / age / future time perspective / limitations / opportunities / remaining time / work characteristics

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Базаров Тахир Юсупович, Парамузов Александр Викторович

Цель. В статье представлены результаты проверки психометрических свойств русскоязычной версии опросника «Профессиональная временная перспектива будущего » (Occupational Future Time Perspective, OFTP) Х. Цахера и М. Фрезе. В основе методики лежит теория социо-эмоциональной селективности Л. Карстенсен, в которой временная перспектива будущего определяется восприятием своего времени индивидом — как неограниченного или ограниченного . Исходная версия OFTP состоит из трёх шкал: «Фокусирование на возможностях », « Оставшееся время » и «Фокусирование на ограничениях ». В статье рассматривается структура опросника, его конвергентная и дискриминантная валидность, внутренняя согласованность и воспроизводимость. Методология. Первоначально были сделаны прямой и обратный перевод всех утверждений оригинальной версии, для оценки которых была использована 7-балльная шкала Ликерта. Далее на выборке из 154 работников, собранной через социальные сети, был проведён конфирматорный факторный анализ, подтвердивший конструктную валидность русскоязычной версии OFTP и её сопоставимость с оригинальной версией. Для проверки воспроизводимости проводилась процедура «тест-ретест» (N = 62). Результаты. Конфирматорный факторный анализ показал устойчивость факторной структуры опросника. Шкалы русскоязычной версии OFTP обладают конвергентной и дискриминантной валидностью. Русскоязычная версия OFTP не подтвердила свою воспроизводимость на ожидаемом уровне (r < 0.70). Все шкалы надёжны (0.75 < α < 0.91). Выводы. Результаты исследования показывают, что русскоязычная версия OFTP обладает приемлемыми психометрическими свойствами, сопоставимыми с оригинальной версией. Ценность результатов. Впервые публикуется русскоязычная версия OFTP, которая может быть рекомендована для использования в научных и практических целях.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Psychometric analysis of the Russian version of “The Occupational Future Time Perspective” by H. Zacher and M. Frese

Purpose. This article aims to analyze the psychometric properties of the Russian version of the Occupational Future Time Perspective (OFTP). This construct based on the socioemotional selectivity theory of L. Carstensen, in which the future time perspective is described as an open-ended or limited. There are three scales Focus on opportunities , Remaining time and Focus on limitations in the OFTP. The article presents the structure of the scale, its convergent and discriminant validity, internal consistency and reproducibility. Methodology. We collected a sample of 154 workers via social networks. The CFA confirmed the constructive validity of the Russian version of the OFTP and its compatibility with the original version. A test-retest was performed to examine reproducibility (N = 62). Results. The CFA showed invariance and robustness of the factorial structure. The OFTP scales have convergent and discriminant validity. The OFTP did not confirm reproducibility at the expected level (r < 0.70). All scales are reliable (0.75 < α < 0.91). Conclusion. The research results show that the Russian version of the OFTP has acceptable psychometric properties comparable to the original version. Value of the results. The Russian version of the OFTP was first published in this article. The OFTP can be used for scientific and practical purposes.

Текст научной работы на тему «Психометрический анализ русскоязычной версии опросника Х. Цахера и М. Фрезе «Профессиональная временная перспектива будущего»»

Психометрический анализ русскоязычной версии опросника Х. Цахера и М. Фрезе «Профессиональная временная перспектива будущего»

БАЗАРОВ Тахир Юсупович ПАРАМУЗОВ Александр Викторович

Московский государственный университет имени М. В. Ломоносова, Москва, Россия

Аннотация. Цель. В статье представлены результаты проверки психометрических свойств русскоязычной версии опросника «Профессиональная временная перспектива будущего» (Occupational Future Time Perspective, OFTP) Х. Цахера и М. Фрезе. В основе методики лежит теория социо-эмоциональной селективности Л. Карстенсен, в которой временная перспектива будущего определяется восприятием своего времени индивидом — как неограниченного или ограниченного. Исходная версия OFTP состоит из трёх шкал: «Фокусирование на возможностях», «Оставшееся время» и «Фокусирование на ограничениях». В статье рассматривается структура опросника, его конвергентная и дискриминантная валидность, внутренняя согласованность и воспроизводимость. Методология. Первоначально были сделаны прямой и обратный перевод всех утверждений оригинальной версии, для оценки которых была использована 7-балльная шкала Ликерта. Далее на выборке из 154 работников, собранной через социальные сети, был проведён конфирматорный факторный анализ, подтвердивший конструктную валидность русскоязычной версии OFTP и её сопоставимость с оригинальной версией. Для проверки воспроизводимости проводилась процедура «тест-ретест» (N = 62). Результаты. Конфирматорный факторный анализ показал устойчивость факторной структуры опросника. Шкалы русскоязычной версии OFTP обладают конвергентной и дискриминантной валидностью. Русскоязычная версия OFTP не подтвердила свою воспроизводимость на ожидаемом уровне (г <0.70). Все шкалы надёжны (0.75 < а < 0.91). Выводы. Результаты исследования показывают, что русскоязычная версия OFTP обладает приемлемыми психометрическими свойствами, сопоставимыми с оригинальной версией. Ценность результатов. Впервые публикуется русскоязычная версия OFTP, которая может быть рекомендована для использования в научных и практических целях.

Ключевые слова: возраст; временная перспектива будущего; ограничения; возможности; оставшееся время; характеристики работы.

В отечественной и зарубежной психологии множество исследований посвящены изучению психологического времени, в частности, такого феномена, как «временная перспектива» (Березина, 2011; Болотова, 1995; Головаха, Кроник, 1984; Нестик, 2015; Carstensen, 1991; Gonzalez, Zimbardo, 1985; Lewin, 1942; 1943; Nuttin, Lens, 1985). Несмотря на большое количе-

Адрес: 125009, Москва, ул. Моховая, д. 11, стр. 9 E-mail: tbazarov@mail.ru

ство научных работ, изучение проблем временной перспективы в контексте организации с учётом возрастных изменений работников по-прежнему остается актуальным. В настоящее время существенно возросло внимание исследователей к связи феномена временной перспективы и изменений, связанных с возрастом (Bluedorn, Ferris, 2004; Mello, Worrell, 2006). Однако в большинстве случаев используются психологические инструменты, теоретическая основа которых не учитывает ограниченность жизни индивида, которая также влияет на способы мышления и поведения (Bluedorn, 2002; Zimbardo, Boyd, 2015).

Динамика возрастных границ рабочей силы в 21 веке вызвала повышенный интерес исследователей к проблемам, связанным с особенностями поведения «возрастных» работников, и к возможностям продуктивного перераспределения человеческих ресурсов на рабочих местах (Warr, 2001; Farr, Ringseis, 2002; Kanfer, Ackerman, 2004). В связи с этим, чтобы точнее предсказать рабочий цикл или удобное время для выхода на пенсию, актуальными становятся следующие вопросы: как человек оценивает своё оставшееся время, на что работник преимущественно обращает своё внимание — на возможности или на ограничения. Зарубежная методика немецких психологов Х. Цахера и М. Фрезе «Профессиональная временная перспектива будущего» (Occupational Future Time Perspective, OFTP), учитывающая возрастные изменения людей, позволит нам сделать шаг вперёд на пути исследования данного феномена в отечественных организациях.

Концептуальной альтернативой теориям, не учитывающим ограниченность жизни индивида, является теория социо-эмоциональной селективности Лоры Карстенсен. В этой теории ключевую роль в выборе и достижении социальных целей играет восприятие времени индивидом. Социальные мотивы делятся на приобретение знаний (the acquisition of knowledge) и регуляцию эмоций (regulation of emotion). Если время воспринимается как неограниченное (open-ended), то приоритет отдаётся целям, связанным со знаниями. Если время воспринимается как ограниченное (limited), то предпочтение отдаётся целям, связанным с эмоциями. С возрастом по причине осознания ограниченности времени происходит сдвиг целей с ориентации на знания в сторону эмоций. Ограниченная временная перспектива будущего усиливается благодаря осознанию субъектом собственной смертности. В этом случае имеет значение не хронологический возраст, а осознание человеком конечности времени своей жизни, которая мотивирует его к изменениям (Carstensen, 1991; Carstensen, Isaacowitz, Charles, 1999). На основе теории социо-эмоциональной селективности был разработан теоретический конструкт «Временная перспектива будущего» (Future Time Perspective, FTP) (Carstensen, Lang, 1996). «Временная перспектива будущего» учитывает возрастные изменения и ограниченность времени индивида. Данный конструкт показывает, как человек воспринимает свою временную перспективу будущего — как ограниченную или неограниченную.

Психологи из Калифорнийского университета Р. Кейт и О. Джон доказали, что инструмент FTP показывает также другие два свойства: «Фокусирование на ограничениях» или «Фокусирование на возможностях». Индивиды, сфокусированные на возможностях, воспринимают будущее время своей жизни позитивно, концентрируются на планах, целях и возможностях своего оставшегося времени. Люди, которые фокусируются на ограничениях, наоборот, встречают больше препятствий на своём жизненном пути (Cate, John, 2007).

Немецкие психологи Ханнес Цахер и Михаель Фрезе адаптировали опросник FTP для рабочего контекста и добавили в название слово «профессиональный» (occupational). Новая методика получила название «Профессиональная временная перспектива будущего» (Occupational Future Time Perspective, OFTP). Вначале она рассматривалась как двумерный

конструкт. Первый фактор назывался «Оставшиеся возможности», второй — «Оставшееся время» (Zacher, Frese, 2009). Позже в структуре OFTP было выделено три фактора: «Фокусирование на возможностях» (Focus on Opportunities), «Оставшееся время» (Remaining Time) и «Фокусирование на ограничениях» (Focus on Limitations) (Zacher, 2013).

Цель данной статьи — проверить психометрические свойства русскоязычной версии OFTP. Для этого анализируется структура методики, конвергентная и дискриминантная валидность, а также её внутренняя и ретестовая надёжность. Выбор OFTP диктовался тем, что эта методика расширяет возможности исследователей, позволяя учитывать возрастные изменения и ограниченность временной перспективы будущего. Кроме того, её легко использовать, она имеет ясную воспроизводимую факторную структуру, обладает высокой надёжностью и имеет хорошие показатели валидности (Zacher, 2013).

Мы исходим из общего предположения о том, что шкалы «Фокусирование на возможностях» и «Оставшееся время» будут отрицательно коррелировать с возрастом. Несмотря на то, что многие компании в последнее время тратят больше ресурсов на обучение и развитие своих возрастных работников (Sterns, Subich, 2002), число целей, планов и возможностей у них значительно меньше по сравнению с молодыми работниками, которые только начали свою трудовую карьеру. Старшие работники реже меняют свою работу (Healy, Lehman, McDaniel, 1995). Они также менее мотивированы на участие в развивающих программах по сравнению с молодыми работниками (Colquitt, LePine, Noe, 2000). Всё это может свидетельствовать о снижении показателей «оставшихся возможностей» у категории более старших работников. Гипотеза 1: Шкалы «Фокусирование на возможностях» и «Оставшееся время» будут отрицательно коррелировать с возрастом, в то время как «Фокусирование на ограничениях» положительно связано с возрастом.

Разнообразие, сложность и значимость работы связаны с наполненностью смыслом. Зрелый сотрудник может максимально использовать свой опыт и проявить себя на работе (Kanfer, Ackerman, 2004). В итоге это даёт высокую внутреннюю мотивацию и высокое качество выполнения работы. Обратная связь свидетельствует о лучшем понимании целей и ценностей работы и, как следствие, объясняет существенно меньшее число прогулов или оставления рабочего места. Автономия (независимость) связана с ответственностью за рабочий результат и ведёт к высокому удовлетворению работой. Чем старше человек, тем больше у него опыта и возможностей реализации в труде по сравнению с молодым специалистом, поэтому оставшееся время в работе для него ценнее. Гипотеза2: Шкалы «Фокусирование на возможностях» и «Оставшееся время» будут положительно коррелировать со шкалами «Разнообразие работы», «Сложность работы» и «Значимость работы», а также со шкалами «Автономия» и «Обратная связь» и с общей шкалой «Индекс потенциальной мотивации». Шкала «Фокусирование на ограничениях» будет иметь обратную корреляцию с перечисленными шкалами.

Добросовестные и открытые к опыту работники видят больше возможностей в своей работе, так как они склонны к планированию своего будущего в деталях и ориентированы на возможности. Эти характеристики показали положительную корреляцию со шкалой «Оставшиеся возможности» в FTP (Cate, John, 2007). Экстраверты и доброжелательные работники больше концентрируются на возможностях, потому что они воспринимают себя и своё будущее более позитивно (Rammstedt, 2007). Гипотеза 3: Шкалы «Фокусирование на возможностях» и «Оставшееся время» будут положительно коррелировать со шкалами

«Открытость к опыту», «Добросовестность», «Экстраверсия» и «Дружелюбие». Шкала «Фокусирование на ограничениях» отрицательно связана с этими переменными.

В качестве одной из самых важных для всех работников ценностей выступает здоровье. Работники с плохим здоровьем часто берут больничные и менее эффективны для компаний. Они раньше выходят на пенсию (Beehr et al., 2000). Если человек здоров, то он больше ориентирован на возможности, предоставляемые работой, и меньше сконцентрирован на ограничениях. Гипотеза 4: Шкалы «Фокусирование на возможностях» и «Оставшееся время» будут положительно коррелировать с «Физическим компонентом здоровья» и «Психическим компонентом здоровья». «Фокусирование на ограничениях» отрицательно связано с этими компонентами здоровья.

Стратегия сбора данных

Сбор данных проходил в три этапа. Данные собрались: (1) для пилотажного исследования, (2) для основного исследования и (3) для проверки надёжности русскоязычной версии OFTP. Стимульный материал исследования был организован с помощью конструктора «Гугл Формы». Ссылка размещалась в социальных сетях в интернете. Пилотажное исследование проводилось в апреле и мае 2018 г., основное — в июне и июле 2018 г. Выборка для пилотажного исследования была сформирована по приципу «снежный ком». В результате были получены ответы от 74 респондентов из 100 ожидаемых. На данном этапе проверялся перевод утверждений OFTP с немецкого языка на русский язык и факторная структура опросника. Для основного исследования данные собирались при помощи метода расслоения (стратификации). Выборка была разделена на страты: по возрасту, полу и месту проживания. В целях репрезентативности выборки опрос был проведён в городах России с населением свыше одного миллиона жителей. В результате основного опроса были собраны адреса электронной почты, на которые через две недели повторно отправлялась ссылка на опросник для проверки надёжности методом тест-ретест.

В целях минимизации и предотвращения систематической ошибки были предприняты несколько шагов. Во-первых, из-за корреляции OFTP с возрастом, были расширены возрастные границы выборки от 18 до 59 лет. Во-вторых, для повышения репрезентативности выборки по возрастному параметру было использовано процентное соотношение в каждой возрастной группе, доступное на сайте Федеральной службы государственной статистики (www.gks.ru). В-третьих, в силу специфики OFTP отбирались только респонденты с опытом работы по найму. Для уменьшения статистической ошибки объём выборки был увеличен на 30%. В результате были получены данные от 154 респондентов без пропущенных значений.

Испытуемым предлагалась следующая инструкция (на этапе основного опроса): «Данный опрос проводится психологами МГУ им. М. В. Ломоносова. Нас интересует то, как люди воспринимают время, и как оно влияет на наше поведение. Мы проводим данный опрос с целью прояснения данного феномена и надеемся на ваше содействие в этом. Пожалуйста, напишите ответы на нижеследующие вопросы. Здесь нет правильных и неправильных ответов. Нас интересует именно Ваша точка зрения. Все желающие могут получить обратную связь, написав нам письмо. Пожалуйста, пишите верный e-mail, через две-четыре недели нужно будет пройти мини-опрос для завершения исследования».

Перед началом работы было запрошено и получено разрешение на перевод и адаптацию OFTP для русскоязычного использования от одного из авторов данной методики профессора Ханнеса Цахера. На начальном этапе профессиональными переводчиками из лингвистического центра Lexxis (www.lexxis.ru) было сделано три варианта перевода с немецкого языка. Затем проводился этап согласования единой предварительной версии перевода методики. После чего были сделаны два обратных перевода с русского языка на немецкий. Далее носитель немецкого языка сравнивал обратные переводы. В итоге был получен перевод утверждений на русский язык, близкий по смыслу к оригиналу.

OFTP состоит из 10 утверждений (см. Приложение). В немецкой версии опросника использовалась 5-пунктовая шкала Р. Ликерта (Zacher, 2013). В русскоязычной версии методики мы использовали 7-пунктовую шкалу Ликерта. Сравнительный анализ влияния на результат анализа данных 5-пунктовых, 7-пунктовых и 10-пунктовых шкал Ликерта показал, что средние значения у 5-пунктовой и 7-пунктовой шкал Ликерта идентичны, у 10-пунктовой меньше (Dawes, 2008). 7-пунктовая шкала Ликерта также использовалась в FTP, на основе которой была разработана OFTP.

В исследовании приняли участие 154 работника (50% мужчин) в возрасте от 18 до 59 лет (средний возраст — 33 года, стандартное отклонение — 11). Респонденты указали следующие города своего проживания: Москва — 57 человек; Курск — 31; Казань — 13; Новосибирск и Самара — по 8; Санкт-Петербург — 6; Красноярск — 5; Волгоград, Челябинск, Элиста, Уфа — по 3,; Калининград, Сочи, Барнаул — по 2; другие города — всего 8 человек.

Уровень образования респондентов распределился следующим образом: высшее — 54.5%; незаконченное высшее — 22.1%; среднее специальное — 14.9%; среднее общее — 5.2%; наличие учёных степеней — 3.2%. Общий средний трудовой стаж респондентов — 11.7 лет (стандартное отклонение — 10), трудовой стаж в профессии — 5.57 лет (стандартное отклонение — 6). Большинство участников (112) являются исполнителями работ, 26 — менеджеры низшего и среднего звена, 7 — менеджеры высшего звена, 9 — не указали свою позицию.

Определение объёма выборки

Все виды анализа обработки эмпирических данных, применяемых в нашем исследовании, можно сгруппировать в три основных: факторный анализ, корреляционный анализ и проверка надёжности (а Кронбаха). Для каждого вида анализа есть свои требования по объёму выборки. В связи с чем был проведён анализ литературы, которая стала для нас критерием по определению размера выборки. Согласно Дж. Т. Роско, от 30 до 500 человек считается достаточным для большинства психологических исследований. Когда исследуются подкатегории (мужчины / женщины, старшие / младшие), то необходимо обследовать по 30 человек в каждой категории. В многомерных исследованиях объём выборки должен быть в несколько раз больше числа переменных, если возможно, в 10 и более. Для простых экспериментальных исследований с сильным экспериментальным контролем удачное исследование может получиться с выборкой в количестве 10-20 человек (Roscoe, 1975; Sekaran, Bougie, 2016).

Для пилотажного исследования советуют выборку от 30 человек и больше. Меньшее количество людей в выборке на данном этапе может не выявить исследуемую проблему (Perneger et al., 2015). Такое же количество необходимо для проверки лингвистического перевода (Beaton et al., 2000). Б. Дж. Табачник и Л. С. Фиделл пишут: «По эмпирическому

правилу хорошо иметь минимум 3QQ случаев [респондентов] для [конфирматорного] факторного анализа» (Tabachnick, Fidell, 2QQ6, p. 613). А. Л. Комри и Г. Б. Ли предлагают такое руководство по размеру выборки: 5Q — очень слабая, 1QQ — слабая, 15Q — приемлемая, 3QQ — хорошая, 5QQ — очень хорошая, 1QQQ — отличная (Comrey, Lee, 1992). Для решения задачи, где несколько переменных с высокой факторной нагрузкой (> Q.8Q), достаточно около 15Q случаев. При некоторых обстоятельствах может быть достаточным наличие 1QQ или даже 5Q испытуемых (Sapnas, Zeller, 2QQ2).

В подтверждении необязательного большого количества респондентов при факторном анализе можно указать ещё два подхода. Первый — учитывающий общую дисперсию, которая играет критическую роль при анализе. Если общая дисперсия больше Q.6, то это значительно снижает размеры необходимой выборки и другие аспекты дизайна исследования. Даже при количестве значительно меньшем, чем 1QQ человек, можно достичь необходимого уровня охвата популяции (MacCallum et al., 1999). Второй подход определяет выборку по соотношению количества испытуемых на шкалу (N:p). Например, 2:1, 5:1 или 1Q:1 (Costello, Osborne, 2QQ5) (в нашем случае — это 1QQ человек).

Для оценки надёжности методики с помощью коэффициента а Кронбаха, достаточно 15-2Q человек для количественной переменной, и нужно больше — для категориальной (Fleiss, 2Q11). Однако Дж. К. Наннэлли и А. X. Бернштайн утверждают, что, согласно теории большой выборки, для уменьшения статистической ошибки необходимо 3QQ и более участников (Nunnally, Bernstein, 1967). Для проверки корреляции между переменными рекомендуется привлекать не меньше 5Q участников (VanVoorhis, Morgan, 2QQ7). Для метода тест-ретест подходит такое же количество (Shoukri, Asyali, Donner, 2QQ4).

Пятифакторный опросник личности (the Five-Factor Personality Questionnaire, 5PFQ) японского персонолога X. Тсуйи и его коллег (Tsuji et al., 1997) в адаптации А. Б. Хромова (Хромов, 2QQQ). Опросник 5PFQ разработан на основе опросника NEO PI-R американских психологов Р. Маккрея и П. Т. Коста-младшего (Costa, McCrae, 1992). Методика состоит из 75 парных противоположных по значению стимульных высказываний, которые описывают поведение человека по пяти факторам: экстраверсия — интроверсия; привязанность — отделённость; контролирование — естественность; эмоциональность — сдержанность; игривость — практичность. Названия шкал опросника 5PFQ отличаются от большинства используемых названий шкал в других методиках по измерению «Большой пятёрки», поэтому мы приводим сопоставление названия шкал опросника 5PFQ с наиболее популярными названиями шкал методик «Большая пятёрка». Экстраверсия — экстраверсия (Extraversion); игривость — открытость опыту (Openness); привязанность — дружелюбие (Agreeableness); контролирование — добросовестность (Conscientiousness); эмоциональность — нейротизм (Neuroticism) (Сергеева, Кириллов, Джумагулова, 2Q16). Далее в нашей статье используются наиболее популярные названия шкал «Большая пятерка».

Анкета для оценки субъективно важных характеристик деятельности (Job Diagnostic Survey, JDS). Методика описывает характеристику труда через следующие свойства: разнообразие, сложность задач, автономия исполнения, значимость работы, наличие обратной связи и индекс потенциальной мотивации (Hackman, Oldham, 1975; Schmidt, Kleinbeck, 1999). Использована русскоязычная адаптация А. Б. Леоновой (Леонова, 2Q14).

Методика оценки качества жизни (Зв-Item Short-Form Health Survey, SF-Зв). Она оценивает качество жизни по двум показателям: физический компонент здоровья (Physical Component Summary) и психический компонент здоровья (Mental Component Summary)

(Ware, Sherbourne, 1992). SF-36 валидизирована сотрудниками аналитического сектора Межнационального Центра исследования качества жизни в Санкт-Петербурге (Шевченко, 2007).

Стратегия анализа данных

Для оценки психометрических характеристик отдельных пунктов, шкал и всей методики в целом использовались: метод главных компонент, конфирматорный факторный анализ и корреляционный анализ. Надёжность (внутренняя консистентность) оценивалась путём вычисления коэффициента а Кронбаха для каждой шкалы. Метод главных компонент, анализ шкал и корреляционный анализ выполнялись в программе IBM SPSS Statistics v. 24 (MacOs), а конфирматорный факторный анализ — в программе R-Studio (RStudio, 2018) с помощью пакетов lavaan и semPlot.

Факторную структуру опросника можно проверить с помощью метода выделения главных компонент или эксплораторного факторного анализа. Это описательные виды анализа, целью которых является — выявить лежащие в основе множества первичных данных компоненты, или факторы. Они оба группируют переменные на основе высокой корреляции между вариантами ответов на вопросы (переменные). Возможны одинаковые результаты, если общности (communalities) близки к единице, однако есть отличия. Метод главных компонент анализирует суммарную дисперсию (total variance), а эксплораторный факторный анализ — общую дисперсию (shared/ common /overlapping variance) и дисперсию ошибок (error variance). В литературе критикуется точка зрения о том, что метод главных компонент и эксплораторный факторный анализ являются одинаковыми (Suhr, 2005). В результате сравнения обоих методов, мы выбрали метод главных компонент.

Для проверки соответствия теоретической модели эмпирическим данным был проведён конфирматорный факторный анализ. Выполняя его, мы действовали по следующему плану:

• описать получившуюся модель в виде рисунка со стандартизированными факторными нагрузками;

• проверить в модели «случай Хейвуда» (Heywood case)1;

• проверить факторные нагрузки;

• проверить корреляцию в остатках (errors / residuals);

• проверить индексы соответствия, которые можно исправить, чтобы улучшить модель;

• внести полученные данные в таблицу.

Конструктная валидность методики проверялась с помощью корреляционного анализа. Конструктная валидность методики — свойство теста измерять то, для чего он был создан. Различают конвергентную и дискриминантную валидность. Любое наличие взаимосвязи, которая теоретически должна быть между конструктами, показывает конвергентную валидность, а отсутствие или незначительную силу взаимосвязи — дискриминантную валидность (Campbell, Fiske, 1959). Коэффициент корреляции принято интерпретировать следующим образом: между 0 и ± 0.3 (слабая), между ± 0.3 и ± 0.7 (средняя), между ± 0.7 и ± 1 (сильная) (Ratner, 2009). Однако при установлении силы связи во время проверки конвергентной и дискриминантной валидности нет определённой границы.

Воспроизводимость результатов диагностики проверялась методом тест-ретест. Слабыми показателями надёжности теста считаются случаи, когда коэффициент корреля-

1 «Случай Хейвуда» — случай в факторном анализе или структурном моделировании, когда появляется отрицательная

дисперсия ошибки (error variance) или значение коэффициента корреляции больше единицы (Kolenikov, Bollen, 2012). Причина может быть в ошибке спецификации модели или маленькой выборке.

ции ниже 0.70. Многие исследователи ориентированы на коэффициент корреляции больше 0.80 (Urbina, 2014).

Индексы соответствия конфирматорного факторного анализа

Существует более 20 индексов соответствия теоретической модели экспериментальным данным. Мы выбрали самые популярные, на основе анализа 194 статей (Jackson, Gillaspy Jr, Purc-Stephenson, 2009). Несмотря на известную популярность, индекс GFI не был нами включён, так как некоторые авторы не рекомендуют его использовать (Hooper, Coughlan, Mullen, 2008).

Показателями хорошего соответствия модели данным, как правило, считают значения RMSEA < 0.06 до 0.08 с 90% CI и SRMR < 0.08; TLI и NFI >0.95 (Schreiber et al., 2006); CFI > 0.95 (Hu, Bentler, 1999); значения х2 — стремящиеся к нулю (Gatignon, 2010).

Оценка конструктной валидности

Для оценки конструктной валидности был использован метод главных компонент. Следуя инструкции оригинальной методики, мы поменяли «обратные» пункты (8—10). Проверили корреляцию между факторами и обнаружили, что она меньше 0.32 (Brown, 2009), поэтому было выбрано ортогональное вращение (Varimax). В результате анализа мы получили трёх-факторную структуру согласно точечной диаграмме и собственным значениям (Рис. 1). Мера адекватности выборки Кайзера-Майера-Олкина показала сильную связь между переменными (КМО = 0.69). Критерий сферичности Бартлетта, который проверяет корреляцию во всей корреляционной матрице, был статистически значимым (х2(45) = 268.47, p < 0.001). Данные критерии показали адекватность использования факторного анализа на данной выборке (N = 74).

График собственных значений

Рисунок 1. Точечная диаграмма и собственные значения (N = 74)

Полученные факторы допускают следующую интерпретацию: Фактор 1 объясняет 37.64% общей дисперсии и по своей структуре отражает шкалу «Фокусирование на возможностях». Фактор 2 объясняет 17.59% общей дисперсии и относится к шкале «Оставшееся время». Фактор 3 объясняет 11.37% общей дисперсии и по содержанию соответствует шкале «Фокусирование на ограничениях». Распределение факторных нагрузок приведено в таблице 1.

Таблица 1. Матрица факторных нагрузок русскоязычной версии OFTP (анализ методом главных компонент; вращение Varimax)

Факторные нагрузки (N = 74)

Типы шкал (Type of scale)

Шкала измерения в статистике — это способ представления переменных (признаков, атрибутов) и их группировки в различные категории. Она определяет характер значений, присвоенных переменным в наборе данных.

Шкала измерений формируется на основе двух ключевых понятий — измерение и масштабирование. Измерение — это процесс записи наблюдений, собранных в рамках исследования. Масштабирование — присвоение объектам числовых значений или определённой семантики. Эти два понятия, объединенные вместе, образуют связи между объектами и наблюдениями.

Шкала измерения используется для определения и описания переменных в наборах данных. Она определяет методы, которые могут быть использованы для их анализа. В зависимости от типа анализируемых данных определяется тип шкалы измерения. Выделяют 4 основных вида шкал: номинальная, порядковая, интервальная и шкала отношений.

Шкалы измерения используются для представления как качественных, так и количественных данных. Номинальная и порядковая шкалы используются для измерения качественных данных, в то время как интервальная и шкала отношений используются для измерения количественных.

Основными свойствами шкал измерений являются:

Идентифицируемость — возможность присвоения числовых значений каждой переменной в наборе данных. Например, в анкете запрашивается пол респондента — «Мужчина» и «Женщина». Для этих двух значений могут быть определены идентифицирующие значения — 1 и 2 соответственно. К таким значениям не могут быть применены арифметические операции, потому что они служат только для идентификации, а не описания.
Величина (магнитуда) — это размерность шкалы измерения, где значения могут быть упорядочены от наименьшего к наибольшему. Например, место в соревновании распределяется от 1-го, 2-го, 3-го до наименьшего.
Равенство интервалов — означают, что шкала имеет стандартизированный порядок, т.е. разность между двумя любыми соседними уровнями шкалы одинакова. Упорядоченность шкалы не гарантирует равенство интервалов. Например, в примере с местами в соревновании, каждая позиция имеет одинаковую разницу интервалов равную 1, но при этом 2-й участник может финишировать на 20 секунд позже, чем первый, а третий на 40 секунд позже, чем второй.
Абсолютный ноль — естественное и однозначное присутствие нулевой точки, изменение которой невозможно. Данная точка характеризует отсутствие измеряемого признака. Например, 0 градусов по Кельвину является абсолютным нулем на шкале, а 0 градусов по Цельсию — нет, т.к. за него принято одно из произвольно взятых физических явлений — температура плавления льда.

Зная различные уровни измерений данных, можно выбрать наилучший метод анализа.

Номинальная шкала (категориальная, наименований) — это шкала измерения, которая используется для идентификации. Она является самой «слабой» из четырех видов шкал в смысле возможности обработки данных. Она присваивает номера атрибутам для удобства идентификации, но может использоваться только как метка. Единственный вид статистического анализа, который можно выполнить с использованием номинальной шкалы, это вычисление процентных долей и частот. Данные в номинальной шкале можно проанализировать графически с помощью гистограммы и круговой диаграммы. Например, если измерить атрибут «Товар» в номинальной шкале, то она будет выглядеть так: 1 — мороженное; 2 — соки; 4 — выпечка. При этом значения шкалы не определяют какого-либо приоритета между товарами, а просто идентифицируют их. Очевидно, что такая шкала может использоваться только для самого просто анализа.
Порядковая шкала (ординальная, ранговая) — предполагает ранжирование (упорядочивание) значений переменной в зависимости от масштабирования. Атрибуты в порядковой шкале обычно располагаются в порядке возрастания или убывания. Порядковая шкала может быть использована в исследованиях рынка, рекламы и опросов удовлетворенности клиентов. Она использует квалификаторы, такие как «очень», «высоко», «больше», «меньше» и т. д. В порядковой шкале можно использовать для статистического анализа такие статистики как медиана, но не среднее значение. Существуют и другие виды анализа, которые могут быть проведены с использованием порядковой шкалы. Например, компания-разработчик ПО может провести опрос пользователей для оценки нового приложения в шкале: «Отлично», «Очень хорошо», «Хорошо», «Плохо», «Очень плохо». Атрибуты в этом примере перечислены в порядке убывания.
Интервальная шкала (разностей) — это шкала, в которой уровни упорядочены, а интервалы между ними равны. Её можно рассматривать как расширение порядковой шкалы. Основным отличием является свойство равных интервалов. Интервальная шкала не только позволяет однозначно определить, какое значение больше (меньше), но и на сколько. Кроме того, в отличие от порядковой и номинальной шкал, в интервальной могут выполняться арифметические операции. Типичным примером является измерение температуры по шкале Фаренгейта. Интервальную шкалу можно использовать при расчете среднего значения, медианы, моды, стандартного отклонения и других статистик.
Шкала отношений (абсолютная) является «наивысшим» уровнем представления данных. Она может рассматриваться как расширение интервальной шкалы, и следовательно, удовлетворяет четырем свойствам шкалы измерения: идентифицируемостью, величиной, равноинтервальностью и наличием абсолютного нуля. Примерами шкал отношения являются длина, вес, время и т. д. В исследованиях рынка примерами шкалы отношений являются цена, количество клиентов, суммы продаж и т. д. Она широко используется в маркетинге и рекламе. Шкала отношений совместима со всеми методами статистического анализа и может использовать как показатели центральной тенденции (среднее значение, медиана, мода и т. д.), так и разброса значения (дисперсии, размаха, стандартного отклонения и т. д.).

Сравнение типов шкал:

Свойства \ Тип шкалы	Номинальная	Порядковая	Интервальная	Отношений
Идентифицируемость	●	●	●	●
Величина (магнитуда)	●	●	●
Равенство интервалов	●	●
Абсолютный ноль	●

Кроме основных четырёх упомянутых типов, шкалы могут быть разделены на компаративные (сравнивающие) и некомпаративными (не сравнивающие). Компаративные шкалы позволяют устанавливать отношения сравнения между объектами (например, товар А продаётся в 5 раз чаще, чем товар Б). Иными словами, один объект оценивается путём прямого сравнения с другим. Некомпоративные шкалы позволяют оценивать объекты только по отдельности, без возможности сравнения с другими объектами.

Понимание концепции шкал измерений является необходимым условием для корректной обработки данных и проведения статистического анализа.