ПРИЛОЖЕНИЕ 4. Выборка

1 - -1 ? 100%= IX - 1 =2,03 % п N V 2410 1071900

где А - ошибка выборки, п - объем выборки, человек, N - объем генеральной совокупности, человек. За объем генеральной совокупности взята численность постоянного населения Тюменской области без автономных округов в трудоспособном и старше трудоспособного возрастах. Полученная ошибка выборки менее 3%, что обеспечивает повышенную надежность исследования.

Всего было опрошено 2410 человек - жителей Тюмени и юга Тюменской области. В том числе: мужчин - 45%, женщин - 55%; респондентов 18-25 лет - 17%, 26-30 лет - 14%, 31-35 - 15%, 36-40 лет - 14%, 41-45 - 16%, 46- 50- 13%, 51- 55 лет - 6%, 56-60 - 3%, старше 60 лет - 2%. Соотношение между этими параметрами представлено в таблице 1.

Таблица 1.

Параметры выборки по полу и возрасту Возраст Пол Всего мужской женский 18-25 лет 193 222 415 (17 %) 26-30 лет 148 175 323 (14 %) 31-35 лет 186 180 366 (15 %) 36-40 лет 150 190 340 (14 %) 41-45 лет 158 230 388 (16 %) 46-50 лет 137 181 318 (13 %) 51-55 лет 60 78 138 (6 %) 56-60 лет 23 37 60 (3 %) старше 60 лет 18 39 57 (2 %) Всего 1073 (44,6%) 1332 (55,4%) 2405 (100 %)

Критерий хи-квадрат показал отсутствие диспропорций по полу в отдельных возрастных группах, то есть воздействие переменной «пол» на зависимые переменные не связано с воздействием переменной «возраст».

Структура выборки оказалась довольно близка генеральной совокупности, небольшое искажение распределения по гендерному признаку было скорректировано при помощи переменной взвешивания (характеристика статистического метода коррекции при нарушении репрезентативности представлена ниже).

Таблица 2.

Параметры выборки по возрасту, полу, образованию, месту жительства, среднемесячному уровню доходов на одного члена семьи, роду занятий (N=2410 человек) 18-25

лет 26-30

лет 31-40

лет 41-50

лет 51-60

лет Старше 60 лет Итого ч

о

В Мужской 207 159 361 317 89 19 1152 (48 %) Женский 209 165 348 386 108 37 125Э (52 %) Образование Высшее 138 191 395 413 98 23 1258 (53 %) Неоконченное высшее 147 38 67 28 9 1 290 (12 %) Среднее специальное 72 71 205 214 73 13 648 (27 %) Среднее общее 51 18 24 35 10 9 147 (6 %) Ниже среднего 5 2 15 10 6 11 49 (2 %) Житель г.

интеллигенция 24 22 35 31 10 0 122 (5 %) Образование 12 16 36 45 19 2 130 (5 %) Здравоохранение 23 20 61 73 13 0 190 (8 %) ИТР 37 41 90 97 41 5 311 (13 %) Рабочий 30 35 78 81 26 2 252 (11 %) Торговый работник и сфера услуг 33 37 92 68 9 0 239 (10 %) Гос. управление и правовая сфера 47 96 149 158 30 3 483 (20 %) Студенты 173 9 3 0 0 0 185 (8 %) Пенсионеры 0 0 1 3 29 43 76 (3 %) Неработающие 4 0 2 3 1 0 10 (0,4 %) Итого 216

17 % 324 14 % 709 29 % 703 29 % 197 8 % 56 2 %

Обзор основных статистических методов, применяемых в работе

При анализе данных в работе исходили из предположения, что в анкете используются порядковые, интервальные или номинальные шкалы. В каждом из случаев приходится применять свои методы анализа и специальные меры связи. Анализ данных проводился в пакете ЗРББ 12.05, поэтому тезисно приведем основные формулы и алгоритмы используемые в рамках данного пакета.

Исходя из того, относились переменные к интервальной или порядковой шкале и подчиняются ли нормальному распределению, использовались различные тесты.

Если переменные, относятся к интервальной шкале и подчиняются нормальному распределению, то используются следующие тесты: Кол-во

сравниваемых

выборок Зависимость Тест 2 Независимые 1;-тест Стьюдента 2 Зависимые 1;-тест для зависимых выборок >2 Независимые Простой дисперсионный анализ >2 Зависимые Простой дисперсионный анализ с повторными измерениями

Если переменные, относятся к порядковой шкале или к интервальной шкале, но не подчиняются нормальному распределению, то применяются тесты: Количество сравниваемых выборок Зависимость Тест 2 Независимые и-тест Манна и Уитни 2 Зависимые тест Уилкокса >2 Независимые Н-тест Крускапа и Уоллиса >2 Зависимые тест Фридмана

Если следовать подразделению статистики на описательную и аналитическую, то задача аналитической статистики — предоставить методы, с помощью которых можно было бы объективно выяснить, например, является ли наблюдаемая разница в средних значениях или взаимосвязь (корреляция) выборок случайной или нет.

Например, если сравниваются два средних значения выборок, то можно сформулировать две предварительных гипотезы: — гипотеза 0 (нулевая): наблюдаемые различия между средними значениями выборок находятся в пределах случайных отклонений; —

гипотеза 1 (альтернативная): наблюдаемые различия между средними значениями нельзя объяснить случайными отклонениями.

В аналитической статистике разработаны методы вычисления так называемых тестовых (контрольных) величин, которые рассчитываются по определенным формулам на основе данных, содержащихся в выборках или полученных из них характеристик.

Существует общепринятая терминология, которая относится к доверительным интервалам вероятности. Высказывания, имеющие вероятность ошибки р > 0,05 называются не значимыми, р <= 0,05, называются значимыми; высказывания с вероятностью ошибки р <= 0,01 — очень значимыми, а высказывания с вероятностью ошибки р <= 0,001 — максимально значимыми.

Этим ошибкам первого рода (когда нулевая гипотеза отвергается, хотя она верна) следует уделять достаточно внимания. Ошибкой второго рода называется ситуация, когда нулевая гипотеза принимается, хотя она ложна. Вероятность допустить ошибку первого рода равна вероятности ошибки р. Вероятность ошибки второго рода тем меньше, чем больше вероятность ошибки р.

Коррекция при нарушении репрезентативности

При нарушениях репрезентативности в исходной совокупности данных по некоторым характеристикам проводится коррекция при отсутствии репрезентативности. Отметим, что в выборке диссертационного исследования в ряде случаев в подвыборках нарушалось репрезентативное распределение по гендерному признаку в возрастных группах. Так таблица сопряженности переменных пол и возраст выглядела таким образом: Ваш пол: мужской женский Total Возраст: 18-25 лет Count

% within Возраст: % within Ваш пол: 193

46,5%

18,0% 222

53,5%

16,7% 415

100,0%

17,3% 26-30 лет Count

% within Возраст: % within Ваш пол: 148

45,8%

13,8% 175

54,2%

13,1% 323

100,0%

13,4% 31-35 лет Count

% within Возраст: % within Ваш пол: 186

50,8%

17,3% 180

49,2%

13,5% 366

100,0%

15,2% 36-40 лет Count

% within Возраст: % within Ваш пол: 150

44,1%

14,0% 190

55,9%

14,3% 340

100,0%

14,1% 41-45 лет Count

% within Возраст: % within Ваш пол: 158

40,7%

14,7% 230

59,3%

17,3% 388

100,0%

16,1% 46-50 лет Count

% within Возраст: % within Ваш пол: 137

43,1%

12,8% 181

56,9%

13,6% 318

100,0%

13,2% 51-55 лет Count

% within Возраст: % within Ваш пол: 60

43,5%

5,6% 78

56,5%

5,9% 138

100,0%

5,7% 56-60 лет Count

% within Возраст: % within Ваш пол: 23

38,3%

2,1% 37

61,7%

2,8% 60

100,0%

2,5% старше 60 лет Count

% within Возраст: % within Ваш пол: 18

31,6%

1,7% 39

68,4%

2,9% 57

100,0%

2,4% Total Count

% within Возраст: % within Ваш пол: 1073

44,6%

100,0% 1332

55,4%

100,0% 2405

100,0%

100,0%

Из таблицы сопряженности можно заключить, что в данной выборке 44,6% являются мужчинами, 55,4% - женщинами, хотя из статистических данных по Тюмени и югу области известно, что доля мужчин составляет 47,9 %, а доля женщин - 52,1 %.

необходимое значение

Весовой коэффициент =

существующее значение Для мужчин весовой коэффициент равен 47,9/44,6=1,07. А для женщин 52,1/55,4=0,94. После проведения коррекции, таблица сопряженности переменных пол и возраст стала выглядеть следующим образом: Ваш пол: мужской женский Total Возраст: 18-25 лет Count

% within Возраст: % within Ваш пол: 207

49,8%

18,0% 209

50,2%

16,7% 416

100,0%

17,3% 26-30 лет Count

% within Возраст: % within Ваш пол: 159

49,1%

13,8% 165

50,9%

13,2% 324

100,0%

13,5% 31-35 лет Count

% within Возраст: % within Ваш пол: 200

54,2%

17,4% 169

45,8%

13,5% 369

100,0%

15,3% 36-40 лет Count

% within Возраст: % within Ваш пол: 161

47,4%

14,0% 179

52,6%

14,3% 340

100,0%

14,1% 41-45 лет Count

% within Возраст: % within Ваш пол: 170

44,0%

14,8% 216

56,0%

17,2% 386

100,0%

16,0% 46-50 лет Count

% within Возраст: % within Ваш пол: 147

46,4%

12,8% 170

53,6%

13,6% 317

100,0%

13,2% 51-55 лет Count

% within Возраст: % within Ваш пол: 64

46,7%

5,6% 73

53,3%

5,8% 137

100,0%

5,7% 56-60 лет Count

% within Возраст: % within Ваш пол: 25

41,7%

2,2% 35

58,3%

2,8% 60

100,0%

2,5% старше 60 лет Count

% within Возраст: % within Ваш пол: 19

33,9%

1,6% 37

66,1%

3,0% 56

100,0%

2,3% Total Count

% within Возраст: % within Ваш пол: 1152

47,9%

100,0% 1253

52,1%

100,0% 2405

100,0%

100,0%

Тест хи-квадрат

При проведении теста хи-квадрат проверяется взаимная независимость двух переменных таблицы сопряженности и благодаря этому косвенно выясняется зависимость обоих переменных.

Для вычисления критерия хи-квадрат применяются три различных подхода: формула Пирсона, поправка на правдоподобие и тест Мантеля-Хэнзеля. Например, при проведении теста хи-квадрат для переменных «пол» и «частота участия в неформальной занятости» были получены следующие результаты: Asymp. Sig. (2-sided) Value (Асимптотическая (значение) df значимость) Pearson Chi-Square (Хи-квадрат по Пирсону) a

62,145 4 ,000 Likelihood Ratio (Отношение 62,233 4 ,000 правдоподобия) Linear-by-Linear Association (Зависимость 42,501 1 ,000 линейный-по-линейному) N of Valid Cases 2392 з. 0 cells (,0%) have expected count less than 5. The minimum expected count is 30,72. (0 ячеек имеют ожидаемую частоту менее 5. Минимальная ожидаемая частота 30,72)

Критерий хи-квадрат по Пирсону

Обычно для вычисления критерия хи-квадрат используется формула Пирсона: ( fo - f. )2

X =!?

Здесь вычисляется сумма квадратов стандартизованных остатков по

J е

всем полям таблицы сопряженности. Поэтому поля с более высоким стандартизованным остатком вносят более весомый вклад в численное значение критерия хи-квадрат и, следовательно, — в значимый результат. Согласно правилу, стандартизованный остаток 2 или более указывает на значимое расхождение между наблюдаемой и ожидаемой частотами.

Корректность проведения теста хи-квадрат определяется двумя условиями: во-первых, ожидаемые частоты < 5 должны встречаться не более чем в 20 % полей таблицы; во- вторых, суммы по строкам и столбцам всегда должны быть больше нуля.

Критерий хи-квадрат с поправкой на правдоподобие

Альтернативой формуле Пирсона для вычисления критерия хи-квадрат является поправка

на правдоподобие: х2 = — 2 * ^ Iо *1п “Т-

1 о

При большом объеме выборки формула Пирсона и подправленная формула дают очень близкие результаты. В приведенном примере критерий хи-квадрат с поправкой на правдоподобие составляет 62,233, а критерий хи-квадрат по Пирсону 62,145.

Тест Мантеля-Хэнзеля

Тест Мантеля-Хэнзеля — еще одна мера линейной зависимости между строками и столбцами таблицы сопряженности.

Пирсона на количество случаев, уменьшенное на единицу: %2

=г2 *(и-1)

Полученный таким образом критерий имеет одну степень свободы. Однако для данных, относящихся к номинальной шкале, этот критерий неприменим.

Меры связи между переменными

Критерии количественной оценки зависимости между переменными называются коэффициентами корреляции или мерами связанности. Две переменные коррелируют между собой положительно, если между ними существует прямое, однонаправленное соотношение. Две переменные коррелируют между собой отрицательно, если между ними существует обратное, разно-направленное соотношение. Значения коэффициентов корреляции всегда лежат в диапазоне от -1 до +1.

В качестве коэффициента корреляции между переменными, принадлежащими порядковой шкале был использован коэффициент Спирмена, а для переменных, принадлежащих к интервальной шкале — коэффициент корреляции Пирсона (момент произведений). При этом следует учесть, что каждую дихотомную переменную, то есть переменную, принадлежащую к номинальной шкале и имеющую две категории, можно рассматривать как порядковую. Для словесного описания величин коэффициента корреляции применяется следующая таблица: Значение коэффициента корреляции Интерпретация 0 < r <= 0,1 Нет корреляции 0,1 < r <= 0,3 Слабая корреляция <

0, Г <= 0,5 Умеренная корреляция <

0, r <= 0,7 Заметная корреляция <

t-'

0, r <= 0,9 Высокая корреляция 0,9 < r <0,99 Очень высокая корреляция r =1 Функциональная связь

Например, при изучении корееляции между показателями частоты участия в неформальной занятости и частоты использования связей при трудоустройстве были получены следующие результаты:

Symmetric Measures (Симметричные меры) Value

(значение) Asymp. Std. Errora Approx.

Tb Approx.

Sig. Interval by Interval (интервальный - Pearson's R (R Пирсона) ,236 ,022 11,830 c

,000 интервальный) Ordinal by Ordinal (порядковый - Spearman Correlation (Корреляция по ,244 ,020 12,247 c

,000 порядковый)

N of Valid Cases Спирмену) 2367 з. Not assuming the null hypothesis. (Нулевая гипотеза не принимается) b.

Using the asymptotic standard error assuming the null hypothesis. (Используется асиптотическая стандартная ошибка с принятием нулевой гипотезы) c.

Based on normal approximation. (На основе нормальной аппроксимации)

Т.е. выявлена максимально значимая, но слабая корреляционная зависимость.

Коэффициент корреляции нельзя применять в качестве характеристики зависимости между переменными, если эти переменные принадлежат к номинальной шкале и имеют более двух категорий, потому что между их кодировками невозможно установить порядкового отношения и, следовательно, они не могут быть расположены в определенном, рационально объяснимом порядке. Наилучшим средством для анализа таких зависимостей считается тест хи-квадрат.

Меры связанности для переменных с номинальной шкалой

Для переменных с номинальной шкалой не применимы коэффициенты корреляции. В этом случае возможно использование таких мер связанности, как коэффициент сопряженности признаков (Пирсона), критерий Фишера, критерий Крамера, коэффициент неопределенности и др. Эти критерии показывают степень взаимной зависимости или независимости двух переменных, принадлежащих к номинальной шкале, причем значение 0 соответствует полной независимости переменных, а 1 - их максимальной зависимости.

Меры связанности не могут иметь отрицательных значений, так как при отсутствии порядкового отношения нельзя дать ответа на вопрос о направлении зависимости.

При анализе данных был использован коэффициент сопряженности признаков (Пирсона). Он рассчитывается по формуле:

х2

где N -общая сумма частот в таблице сопряженности.

X2 + N

Так как N всегда больше нуля, коэффициент сопряженности признаков никогда не достигает единицы. Максимальное значение зависит от количества строк и столбцов таблицы сопряженности и в таблице.

Например, при оценке связи между формой собственности предприятия, на котором работает респондент, и частотой участия в неформальной занятости был получен следующий результат:

Symmetric Measures (Симметричные меры) Value

(значение) Approx. Sig. Nominal by Contingency Coefficient Nominal (коэффициент ,207 ,000 сопряженности) N of Valid Cases 2238 a. Not assuming the null hypothesis. (Нулевая гипотеза не принимается) b.

Using the asymptotic standard error assuming the null hypothesis. (Используется асимптотическая стандартная ошибка с принятием нулевой гипотезы)

При максимальном уровне значимости коэффициент сопряженности равен 0,207, что свидетельствует о наличии связи между этими признаками. При оценке полученных значений мер связанности, следует учесть, что значение 1 достигается очень редко или вообще никогда.

Непараметрические тесты

Непараметрические (не основанные на каком-либо распределении вероятности) тесты применяются там, где выборки из переменных, принадлежащих к интервальной шкале, не подчиняются нормальному распределению. Так как в этих тестах обрабатывается не само измеренное значение, а его ранг (положение внутри выборки), то эти тесты нечувствительны к выбросам. Непараметрические тесты применяются также в

^ ^ 197 T'I

тех случаях, когда переменные относятся к порядковой, а не к интервальной шкале . В работе были использованы U-тест по методу Манна и Уитни и Н-тест по методу Крускала и Уоллиса.

U-тест по методу Манна и Уитни

Это самый распространенный тест непараметрического сравнения двух независимых выборок. Он основан на использовании одной общей последовательности значений обоих выборок 102. Например, данный тест использовался для анализа связи между частотой работы без трудового договора и местом жительства (Тюмень и юг Тюменской области). Были получены следующие результаты: Вы работали без трудового договора Mann-Whitney U (U-тест по Манну и Уитни) 339722,500 Wilcoxon W (W Уилкоксона) 406883,500 Z -1,896 Asymp. Sig. (2-tailed) (Асимптотическая значимость) ,058 з. Grouping Variable: место жительства (Групповая переменная: место жительства)

Разница показателей частоты участия в неформальной занятости в г. Тюмени и по югу Тюменской области не является статистически значимой.

Н-тест по методу Крускала и Уоллиса

Этот тест является модификацией Ц-теста Манна и Уитни на случай для более двух независимых выборок. Он также базируется на общей ранговой последовательности значений всех выборок. В результаты расчёта входят:

усреднённые ранги в отдельных группах (где большим значениям отдаются более высокие места);

величина критерия хи-квадрат, соответствующее число степеней свободы (ёГ) и вероятность ошибки р.

Например, необходимо было протестировать четыре позиции на предмет значимости различия показателя частоты работы без трудового договора. Были получены следующие результаты:

Ranks(Ранги) Позиция N Mean Rank Вы работали без Работодатель 381 1354,17 трудового договора Наемный раб. с ВО 965 1120,48 Наемный раб. без ВО 778 1192,77 Неработающий 261 1226,58 Total 2385

Test Statistics (Статистика теста) a,b Вы работали без трудового договора Chi-Square (хи-квадрат) 39,770 df 3 Asymp. Sig. (Статистическая значимость) ,000 a. Kruskal Wallis Test (Тест Крускала-Уоллиса) b.

Grouping Variable: Позиция (Групповая переменная: позиция)

В данном примере р=0,000. Это означает, что различия показателя частоты работы без трудового договора по занимаемой на рынке труда позиции являются максимально значимыми.

Ранговые коэффициенты корреляции по Спирману и Кендалу

Для переменных, принадлежащих к порядковой шкале или для переменных, не подчиняющихся нормальному распределению, а также для переменных, принадлежащих к интервальной шкале, рассчитывается ранговая корреляция по Спирману. Для этого отдельным значениям переменных присваиваются ранговые места, которые впоследствии обрабатываются с помощью соответствующих формул. Коэффициенты ранговой корреляции весьма близки к соответствующим значениям коэффициентов Пирсона (исходные переменные имеют нормальное распределение). Ещё одним вариантом ранговых коэффициентов корреляции является коэффициент Кендала (тау Кендала). В этом методе одна переменная представляется в виде монотонной последовательности в порядке возрастания величин, а другой переменной присваиваются соответствующие ранговые места. Количество инверсий (нарушений монотонности по сравнению с первым рядом) используется в формуле для корреляционных коэффициентов. Применение коэффициента Кендала является предпочтительным, если в исходных данных встречаются выбросы.

Например, тестирование на предмет выявления корреляции между показателями участия в неформальных практиках дало следующий результат:

Correlations (Корреляции) Вы

работали

без

трудового

договора Вы

использовал и рабочее время в личных целях Вы брали для себя с места работы какие-либо крупные вещи Kendall's Вы работали без Correlation Coefficient tau_b трудового договора (коэффициент 1,000 ,209** ,265** корреляции) Sig. (2-tailed) ,000 ,000 N 2394 2367 2386 Вы использовали Correlation Coefficient рабочее время в (коэффициент ,209** 1,000 ,241** личных целях корреляции) Sig. (2-tailed) ,000 ,000 N 2367 2373 2364 Вы брали для себя с Correlation Coefficient места работы (коэффициент ,265** ,241** 1,000 какие-либо крупные корреляции) вещи (например, Sig. (2-tailed) ,000 ,000 технику, N строительный материал и т.д.) 2386 2364 2391 **. Correlation is significant at the 0.01 level (2-tailed). (Корреляция является значимой на уровне 0,01 (2-сторонняя)

Рассчитав корреляционную матрицу Кендала, становится заметным, что между показателями участия в неформальных практиках наблюдается максимально значимая (на уровне 0,01), но слабая связь (коэффициенты корреляции > 0,1, но < 0,3).

Факторный анализ

Таблица 1

Полная объясненная дисперсия Компон

ента Начальные собственные значения Суммы квадратов нагрузок вращения Всего %

дисперсии Кумулятивный

% Всего %

дисперсии Кумулятивный

% 1 5,094 26,811 26,811 2,873 15,121 15,121 2 2,002 10,536 37,347 2,187 11,513 26,634 3 1,541 8,111 45,458 1,985 10,447 37,081 4 1,202 6,326 51,784 1,729 9,099 46,181 5 1,140 6,001 57,786 1,715 9,025 55,206 6 1,057 5,564 63,350 1,547 8,144 63,350 7 ,963 5,066 68,416 8 ,840 4,421 72,838 9 ,764 4,023 76,860 10 ,611 3,213 80,074 11 ,554 2,914 82,988 12 ,521 2,741 85,729 13 ,483 2,542 88,271 14 ,471 2,476 90,747 15 ,423 2,228 92,975 16 ,417 2,192 95,167 17 ,346 1,823 96,990 18 ,304 1,601 98,591 19 ,268 1,409 100,000 Примечание. Метод выделения: Анализ главных компонент.

Таблица 2

Матрица преобразования компонент Компонента 1 2 3 4 5 6 1 ,622 ,499 ,446 ,276 ,235 ,181 2 -,374 -,156 -,118 ,556 ,487 ,525 3 -,445 ,307 ,319 -,367 ,604 -,326 4 -,410 ,407 ,273 -,214 -,480 ,562 5 ,050 ,615 -,776 -,075 ,103 ,028 6 ,323 -,297 -,091 -,655 ,319 ,518 Примечание. Метод выделения: Анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера.

Матрица повернутых компонентов Вопросы Компонента 1 2 3 4 5 6 Вы использовали казенное имущество (канцелярские принадлежности, телефон, машину и т.д.) в личных целях. ,821 Вы брали для себя с места работы какие-либо мелкие вещи (например, канцелярские принадлежности) ,794 Вы использовали рабочее время в личных целях ,695 ,217 Вы проехали в общественном транспорте "зайцем", без билета ,619 ,210 Вы брали для себя с места работы какие-либо крупные вещи (например, технику, строительный материал и т.д.) ,490 ,281 ,404 Вы помогали устроиться на работу своему родственнику или знакомом ,752 Вас устраивали на работу "по знакомству" ,648 ,244 Вам приходилось получать подношение ,247 ,648 Вам приходилось делать подношение ,231 ,625 ,260 Вы работали без трудового договора ,746 Вам выплачивалась зарплата из "черной кассы", без выплаты налогов ,244 ,679 Вы брали товар в магазине не заплатив за покупку ,448 ,489 Вы покупали нелицензированное программное обеспечение ,880 Вы покупали нелицензированное видео, аудио ,873 Вы предоставляли услугу без формального договора (сдавали квартиру, делали ремонт, другую работу) ,372 ,722 Вы давали деньги знакомым в долг без расписки -,260 ,718 Вы представляли услугу без выплаты налогов ,265 ,459 ,622 Вас обсчитывал продавец ,844 Вам сообщали неверную информацию о товаре или предоставляемых услугах ,788

Примечание. Метод выделения: анализ методом главных компонент. Метод вращения: Варимакс с нормализацией Кайзера. Вращение сошлось за 9 итераций.

Здесь: фактор 1 - воровство, 2 - злоупотребление общественным положением, 3 - неформальная занятость, 4 - активное нарушения норм права в торговле; 5 - неформальные отношения в финансовой сфере; 6 - пассивное нарушение норм права в торговле.

Таблица 4

Статистика критерия хи-квадрат Value df Asymp. Sig. (2-sided) Воровство Pearson Chi-Square 26,98 12 0,01 Likelihood Ratio 26,22 12 0,01 Linear-by-Linear Association 0,00 1 0,95 Злоупотребление общественным положением Pearson Chi-Square 55,99 12 0,000 Likelihood Ratio 54,07 12 0,000 Linear-by-Linear Association 19,26 1 0,000 Неформальная занятость

Pearson Chi-Square 12,99 12 0,37 Likelihood Ratio 12,92 12 0,37 Linear-by-Linear Association 0,012 1 0,91 Активное нарушение норм права в торговле Pearson Chi-Square 16,28 12 0,18 Likelihood Ratio 16,42 12 0,17 Linear-by-Linear Association 0,19 1 0,67 Нефомальные отношения в финансовой сфере Pearson Chi-Square 15,51 12 0,21 Likelihood Ratio 15,33 12 0,22 Linear-by-Linear Association 0,022 1 0,88 Пассивное нарушение норм права в торговле Pearson Chi-Square 27,25 12 0,01 Likelihood Ratio 26,97 12 0,01 Linear-by-Linear Association 5,73 1 0,02

Кластерный анализ

Таблица 5

Критерий хи-квадрат (кластерный анализ) Значение ст. св. Асимпт. значимость (2-стор.) Хи-квадрат Пирсона 61,537 4 ,000 Отношение правдоподобия 62,350 4 ,000 Линейно-линейная связь 4,597 1 ,032 Критерий МакНемара-Бокера Кол-во валидных наблюдений 1092

Таблица 6

Частота проявления неформальных отношений по слоям Слой

ниже

среднего Слой

выше

среднего Средний

слой Низшая

часть

среднего

слоя Высшая

часть

среднего

слоя никогда, редко % от Воровства 14 3 15 39 28 Станд. остатки 1,1 -1,5 0,0 0,1 -0,2 % от Злоупотребление общественным положением 18 4 17 41 20 Std. Residual 3,1 -1,1 0,8 0,6 -2,7 % от Неформальная занятость 12 4 13 44 27 Std. Residual 0,0 -0,6 -0,8 1,3 -0,6 % от Активное нарушение норм права в торговле 15 5 13 41 25 Std. Residual 1,6 0,0 -0,8 0,6 -1,1 % от Неформальные отношения в финансовой сфере 11 7 13 37 32 Std. Residual -0,4 1,6 -0,8 -0,5 0,8 % от Пассивное нарушение норм права в торговле 8 7 15 33 37 Std. Residual -1,7 1,4 -0,2 -1,5 2,4 % от Воровства 11 5 11 49 25 Std. Residual -0,3 -0,3 -1,7 2,3 -1,1 % от Злоупотребление общественным положением 12 4 19 38 27 Std. Residual 0,1 -0,8 1,4 -0,2 -0,5 % от Неформальная занятость 11 5 18 37 29 Std. Residual -0,3 0,1 1,0 -0,5 0,0 % от Активное нарушение норм права в торговле 9 4 15 44 28 Std. Residual -1,5 -0,8 0,1 1,2 -0,2 % от Неформальные отношения в финансовой сфере 15 4 18 32 31 Std. Residual 1,4 -1,0 1,0 -1,6 0,6 % от Пассивное нарушение норм права в торговле 11 7 13 42 26 Std. Residual -0,3 1,2 -0,8 0,9 -0,7 % от Воровства 12 4 17 35 32 Std. Residual 0,1 -0,8 0,6 -0,9 1,0 % от Злоупотребление общественным положением 9 4 13 46 28 Std. Residual -1,4 -0,7 -0,8 1,7 -0,1 % от Неформальная занятость 10 5 17 41 26 Std. Residual -0,7 0,1 0,7 0,6 -0,8 % от Активное нарушение норм права в торговле 9 6 15 38 31 Std. Residual -1,1 0,9 0,0 -0,3 0,7 % от Неформальные отношения в финансовой сфере 11 4 16 43 26 Std. Residual -0,4 -0,8 0,3 1,1 -0,9 % от Пассивное нарушение норм права в торговле 11 4 17 42 27 Std. Residual -0,3 -1,0 0,6 0,7 -0,6 % от Воровства 10 9 18 34 30 Std. Residual -0,8 2,6 1,0 -1,4 0,3 % от Злоупотребление общественным положением 8 9 12 31 41 Std. Residual -1,8 2,7 -1,4 -2,1 3,4 % от Неформальная занятость 14 6 13 33 34 Std. Residual 1,0 0,4 -1,0 -1,4 1,6 % от Активное нарушение норм права в торговле 14 5 17 33 31 Std. Residual 1,1 -0,1 0,7 -1,6 0,7 % от Неформальные отношения в финансовой сфере 11 6 14 42 27 Std. Residual -0,5 0,3 -0,6 0,9 -0,4 % от Пассивное нарушение норм права в торговле 17 3 16 39 26 Std. Residual 2,3 -1,6 0,4 -0,1 -0,9 к

К

<и

S

(U

Л

и

н

о

(U

л

и

о

н

о

C?

о

К

к

«

о

н

о

о

с

Таблица 7

Корреляция между основными показателями неформальных практик

Корреляция Пирсона Уровень

дохода Частота криминаль ного воздейств ия на респонден та Качество

проведени

я

свободног о времени Уклонять ся от выплаты налогов Законы в нашей стране согласован ы друг с другом В нашей стране органы правопоряд ка хорошо следят за соблюдение м норм закона Законы в нашей стране справед ливы Договоры в любом случае должны выполняться, даже если их выполнение становится невыгодным Начальник может использовать свою власть, чтобы предоставить работу нуждающемус я

родственнику Государст венные чиновник и могут помогать лично им знакомым людям Вам приходилось уклоняться от выплаты налогов ,420(**) ,168(**) -,004 1 Значимость значения ,000 ,000 ,847 Количество наблюдений 1180 2134 2048 2390 Законы в нашей стране согласованы друг с другом -,022 ,072(**) -,010 ,069(**) 1 Значимость значения ,445 ,001 ,638 ,001 Количество наблюдений 1177 2127 2039 2363 2376 В нашей стране органы правопорядка хорошо следят за соблюдением норм закона -,041 ,022 -,023 ,488(**) ,481(**) 1 Значимость значения ,156 ,301 ,310 ,000 ,000 Количество наблюдений 1176 2123 2033 2356 2366 2370 Законы в нашей стране справедливы ,004 ,070(**) ,011 ,079(**) ,445(**) ,440(**) 1 Значимость значения ,879 ,001 ,628 ,000 ,000 ,000 Количество наблюдений 1168 2109 2019 2336 2347 2343 2350 Договоры в любом случае должны выполняться, даже если их выполнение становится невыгодным ,638(**) ,014 -,020 *

*

3( ,049(*) ,075(**) *

*

ОО

3 1 Значимость значения ,008 ,510 ,364 ,000 ,018 ,000 ,000 Количество наблюдений 1170 2109 2022 2343 2353 2351 2331 2357 Начальник может использовать свою власть, чтобы предоставить работу нуждающемуся родственнику -,494(**) -,051(*) -,052(*) *

*

3

-, ,151(**) ,156(**) *

*

ОО

2 ,014 1 Значимость значения ,001 ,018 ,019 ,000 ,000 ,000 ,000 ,489 Количество наблюдений 1176 2124 2036 2358 2368 2365 2346 2353 2373

Государственные чиновники могут помогать лично им знакомым людям -,521(**) -,026 -,036 -,112(**) ,155(**) ,161(**) *

*

41 -,010 ,489(**) 1 Значимость значения ,000 ,228 ,105 ,000 ,000 ,000 ,000 ,635 ,000 Количество наблюдений 1178 2126 2038 2361 2370 2367 2348 2355 2371 2375 Продавец среди клиентов имеет право выделять лично знакомых покупателей (дает им скидки с цены, более качественный товар) -,042 -,055(*) -,035 *

*

6

-, ,081(**) ,126(**) ,084(**) ,006 ,300(**) ,385(**) Значимость значения ,153 ,012 ,117 ,000 ,000 ,000 ,000 ,781 ,000 ,000 Количество наблюдений 1177 2124 2035 2357 2367 2364 2345 2352 2368 2371 Вы предоставляли услугу без формального договора (сдавали квартиру, делали ремонт, другую работу) -,212(**) *

*

9( ,006 *

*

6(

9 ,023 ,075(**) ,034 ,029 -,048(*) -,015 Значимость значения ,006 ,000 ,795 ,000 ,270 ,000 ,098 ,155 ,019 ,473 Количество наблюдений 1179 2130 2043 2361 2350 2344 2324 2332 2347 2349 Вы представляли услугу без выплаты налогов ,390(**) *

*

4(

6 -,016 ,341(**) ,027 ,050(*) ,042(*) ,049(*) -,074(**) -,032 Значимость значения ,002 ,000 ,475 ,000 ,187 ,015 ,045 ,018 ,000 ,124 Количество наблюдений 1176 2126 2038 2358 2347 2341 2321 2328 2344 2346