Описательная статистика: что это и как её сделать

Описательная статистика - это раздел статистики, который обобщает и представляет числовые данные без выводов за пределы конкретной выборки: среднее значение, разброс, частоту повторений. В отличие от индуктивной статистики, она не проверяет гипотезы и не переносит результат на генеральную совокупность. Именно с неё начинается анализ данных в любой курсовой, дипломной или диссертационной работе с эмпирической частью.

Что такое описательная статистика

Описательная статистика данных - это набор методов, которые сводят массив чисел к нескольким показателям: центральное значение, степень разброса, форму распределения. Задача описательной статистики - показать, что происходит в собранных данных, а не предсказать, что произойдёт в генеральной совокупности. Это первый и обязательный этап количественного анализа в рамках методологии исследования диссертации, который предшествует любым статистическим тестам. Обычно этот этап идёт сразу после обзора литературы для диссертации, когда уже собраны эмпирические данные для анализа.

• Описательная статистика работает только с имеющейся выборкой, без обобщения на всю совокупность
• Основные показатели - мера центральной тенденции, мера разброса, форма распределения
• Применяется к количественным (числовым) и, частично, к порядковым данным
• Предшествует индуктивному анализу - без описательной статистики проверка гипотез бессмысленна

Зачем нужна описательная статистика в исследовании

Описательная статистика позволяет проверить данные на аномалии ещё до того, как автор перейдёт к более сложным методам анализа. Пропущенные значения, выбросы или ошибки ввода почти всегда заметны уже на этапе расчёта среднего и стандартного отклонения - и что тогда делать с выборкой, если половина значений похожа на опечатку?

Проверенные на этом этапе данные затем ложатся в основу результатов диссертационного исследования, поэтому ошибки, пропущенные на входе, почти всегда попадают и в финальные выводы. Именно поэтому проверку данных часто выносят в отдельный этап практической части дипломной работы, а не совмещают с основным анализом.

Методы описательной статистики

К методам описательной статистики относятся три группы показателей: меры центральной тенденции (среднее, медиана, мода), меры разброса (дисперсия, стандартное отклонение, размах) и меры формы распределения (асимметрия, эксцесс). Отдельно выделяют частотный анализ и графическое представление данных - без них таблица с цифрами плохо читается даже специалистом. Все перечисленные показатели входят лишь в один блок более широких методов диссертационного исследования, куда также входят качественные и сравнительные методы анализа. Эту количественную часть диссертации обычно проверяют раньше остальных разделов, поскольку от неё зависит корректность дальнейших выводов.

• Меры центральной тенденции - показывают типичное значение выборки
• Меры разброса - показывают, насколько сильно значения отличаются друг от друга
• Меры формы распределения - показывают симметричность и "остроту" распределения
• Частотный анализ - группирует данные по интервалам или категориям
• Графическое представление - гистограмма, диаграмма рассеяния, boxplot

Не все методы обязательны в каждой работе

Для небольшой курсовой обычно достаточно среднего, медианы и стандартного отклонения. Асимметрию и эксцесс имеет смысл считать только при работе с большими выборками, где форма распределения реально влияет на выбор дальнейших статистических тестов.

Показатели центральной тенденции: среднее, медиана, мода

Среднее арифметическое - сумма всех значений, делённая на их количество, но эта мера сильно искажается выбросами: одно аномально большое значение способно сдвинуть среднее так, что оно перестанет отражать типичный случай в выборке. Медиана - значение, которое делит упорядоченный ряд пополам, устойчива к выбросам и часто точнее описывает типичный случай при скошенном распределении. Мода - значение, встречающееся чаще всего, единственная мера центральной тенденции, применимая к номинальным данным.

При подготовке эмпирической главы диссертации выбор конкретной меры центральной тенденции нужно обосновывать формой распределения, а не просто указывать среднее по умолчанию - рецензенты и оппоненты нередко задают именно этот вопрос на защите. Такой же выбор приходится делать и при описании методов исследования в дипломной работе, где обоснование меры центральной тенденции проверяют так же строго.

Показатели разброса данных

Разброс данных описывает, насколько сильно значения выборки отличаются от центрального показателя, и без этой характеристики среднее значение почти бесполезно: два набора данных могут иметь одинаковое среднее, но совершенно разный разброс вокруг него. Расчёт разброса - один из базовых основных методов научного исследования, применимый практически к любой количественной выборке.

• Размах - разница между максимальным и минимальным значением, самый простой, но самый неустойчивый к выбросам показатель
• Дисперсия - средний квадрат отклонений от среднего, используется для дальнейших статистических расчётов
• Стандартное отклонение - квадратный корень из дисперсии, выражено в тех же единицах, что и исходные данные
• Коэффициент вариации - отношение стандартного отклонения к среднему в процентах, удобен для сравнения разброса разных по масштабу выборок

Стандартное отклонение читается легче дисперсии

Дисперсия измеряется в квадратных единицах исходных данных, что затрудняет интерпретацию (например, "квадратные баллы"). Стандартное отклонение возвращает результат к исходной размерности - именно поэтому в тексте работы обычно приводят стандартное отклонение, а дисперсию оставляют как промежуточный расчёт.

Частотный анализ и группировка данных

Частотный анализ показывает, сколько раз каждое значение или диапазон значений встречается в выборке - это особенно полезно при работе с категориальными переменными вроде пола, уровня образования или региона респондента.

1. Определить, дискретны данные или непрерывны - от этого зависит, нужны ли интервалы группировки
2. Для непрерывных данных рассчитать количество интервалов (часто по формуле Стёрджеса)
3. Подсчитать абсолютную частоту - число наблюдений в каждой категории или интервале
4. Рассчитать относительную частоту в процентах для сравнения групп разного размера
5. Оформить результат в виде таблицы частот или столбчатой диаграммы

Таблицу частот стоит дополнять процентным распределением, а не только абсолютными числами - "43 человека" мало что говорит без указания, что это составляет от общей выборки в 120 или 4300 респондентов. Такие таблицы нередко оформляют как часть расчётно-графической работы, а не только в рамках отдельной эмпирической главы. Алгоритм расчёта частот в целом повторяет общий алгоритм научного исследования: сбор данных, группировка, расчёт, интерпретация.

Графическое представление данных в описательной статистике

Представление данных и описательная статистика неразрывно связаны: график часто передаёт форму распределения быстрее, чем строка с числовыми показателями, и позволяет читателю работы сразу заметить асимметрию или выбросы. При этом корректное оформление таблиц в диссертации остаётся обязательным даже при наличии графика - таблица и график в тексте работы дополняют, а не заменяют друг друга.

• Гистограмма - показывает частоту значений по интервалам, основной инструмент для непрерывных данных
• Boxplot (ящик с усами) - наглядно показывает медиану, квартили и выбросы одновременно
• Круговая диаграмма - подходит только для небольшого числа взаимоисключающих категорий
• Диаграмма рассеяния - используется для показа связи между двумя переменными, а не для одной

Одна диаграмма не заменяет числовые показатели

График иллюстрирует данные, но не заменяет точные значения среднего, медианы и стандартного отклонения в тексте работы - комиссия и рецензенты ожидают увидеть конкретные цифры, а не только визуальное представление.

Как сделать описательную статистику в курсовой или диссертации

Расчёт описательной статистики удобнее всего выполнять в специализированном программном обеспечении, а не вручную - ручной подсчёт оправдан только для очень маленьких выборок при демонстрации формулы в приложении к работе.

Независимо от выбранного инструмента результат нужно перепроверять вручную хотя бы на одном показателе - например, пересчитать среднее по 5-10 значениям, чтобы убедиться, что данные считаны программой без сдвига столбцов. Это особенно важно перед нормоконтролем диссертации, где несовпадение чисел в тексте и в приложении - частая причина замечаний.

Описательная и индуктивная статистика: в чём разница

Описательная статистика ограничивается тем, что видно в конкретной выборке, тогда как индуктивная статистика (статистический вывод) использует данные выборки, чтобы делать заключения о генеральной совокупности с определённым уровнем значимости.

Индуктивная статистика особенно активно применяется в научно-исследовательской работе магистранта, где помимо описательных показателей часто требуется проверка гипотез и статистическая значимость различий. Итоговые числа обеих статистик обычно сводятся в единые результаты диссертационного исследования, где описательная часть предшествует выводам по гипотезам.

Таблица без интерпретации не считается анализом

Комиссия на защите чаще всего спрашивает не "как считали", а "что это означает для вашего исследования" - таблица описательной статистики без текстового вывода после неё выглядит как нерешённая задача, а не как завершённый анализ.

DisserTop - помощь с описательной статистикой для дипломной и диссертации

DisserTop помогает рассчитать и корректно оформить описательную статистику в рамках подготовки эмпирической главы дипломной работы или диссертации, включая выбор уместных показателей и их текстовую интерпретацию. Специалисты также готовят полный статистический анализ для диссертации, если помимо описательной статистики требуется проверка гипотез и более сложные тесты. Обращение на этапе планирования эмпирической части позволяет заранее подобрать методы под конкретные данные и задачи исследования.