Лекция 7 Формализация и измерение исторических явлений. Продолжение. Ошибки и погрешности измерения исторических явлений

Причины ошибок 1. Ошибки, возникающие вследствие несостоятельности методов измерения Они являются результатом несостоятельности социально- экономических и общественно- политических теорий, а также несовершенства статистических и математических посылок измерения

Причины ошибок 2. Ошибки как результат неточности самих измерений Являются результатом как ошибок регистрации количественных значений признаков, а также ошибками в исчислении

Типы ошибок измерения 1. Ошибки регистрации Возникают в результате определенных причин, которые чаще всего могут быть установлены

Виды ошибок регистрации Систематические – они будут присутствовать всегда, их невозможно избежать Различают две группы ошибок регистрации

Виды ошибок регистрации Систематические преднамеренныенепреднамеренные

Преднамеренные ошибки Осознанное искажение статистических сведений в самом тексте документа (например, приписки)

непреднамеренные ошибки Причина: Округлением показателей Трудностью восстановления точных данных по памяти Имеют однонаправленный характер

Случайные ошибки Присутствуют не во всех случаях Причины: -небрежность или невнимательность регистратора -неисправность измерительных приборов - несовершенство методов измерения

Случайные ошибки Имеют однонаправленный характер: В одних случаях показатель завышается, в других - занижается

Ошибки исчисления Возникают при обработке количественных данных в результате многократных вычислительных операций с неточными исходными показателями, замены точных расчетов приблизительными, многократных округлений

Пути преодоления ошибок Определение цели исследования Исходя из нее: определение для ее достижения фактической или реальной точности Или необходимой точности

фактическая или реальная точность Абсолютное значение измеряемых признаков

Необходимая точность Приблизительное значение показателей

Пути преодоления ошибок Использование вероятностно- статистических методов Следует иметь ввиду, что погрешность исходных первичных данных составляет 10-20% Погрешность агрегированных (укрупненных данных) -3-5% Это происходит вследствие действия закона больших чисел, когда при большом количестве наблюдений происходит взаимное погашение ошибок

Пример фактической и необходимой точности Допустим, например, что средняя зарплата рабочего на одном промышленном предприятии равна 175 руб., а на другом 200 руб. Нас интересует вопрос: можно ли считать зарплату рабочих второго предприятия более высокой, чем первого, если погрешность данных принять равной 5%?

Пример фактической и необходимой точности При такой ошибке истинные размеры зарплаты на первом предприятии бу дут находиться в интервале (с округлением) руб., а на втором руб. Интервалы эти не пересекаются, и поэтому на поставленный вопрос можно ответить утвердительно.

Пример фактической и необходимой точности Но если бы на первом предприятии зарплата равнялась 180 руб., а на втором 195 руб., то при указанной погрешности в 5% интервалы пересекаются и нельзя утверждать, что зарпла та на втором предприятии выше, чем на первом. Этот простейший пример показывает, какое важное значение имеет учет точности количественных показателей. К сожалению, проверка этой точности делается историками крайне редко.

Точность количественных данных в источниках следует отметить рост ее степени по мере приближения к современности. Используя показатели, обладающие разной степенью точности, и предполагая применить математические методы для их обработки и анализа, историк должен особенно осторожно относиться к данным с сомнительной точностью.

Точность количественных данных в источниках Вместе с тем никоим образом не следует проявлять и нигилизма по отношению к неточным данным и делить сведения источников на пригодные и непригодные для обработки и анализа Задача состоит в том, чтобы, ясно представляя себе недостатки данных, найти пути для их преодоления.

Проблема восполнения полноты источника Существенным моментом в измерении совокупности объектов, характеризуемых тем или иным выбором показателей, является полнота данных. В источниках могут быть пробелы в данных. Поэтому возникает проблема их восполнения.

Проблема восполнения полноты источника Существуют различные методы восполнения пробелов в количественных данных. В основе их лежат соответствующие расчеты. Простейшим, и в определенном отношении наиболее обоснованным методом восполнения пробелов в показателях является замещение их средним значением данного признака во всей совокупности рассматриваемых объектов.

Проблема восполнения полноты источника Для восполнения пробелов широко применяются и математические методы (уравнения регрессии, аналитического выравнивания динамических рядов и другие).

Проблема восполнения полноты источника Всякое восполнение пробелов расчетными данными снижает точность количественных показателей, ибо любой расчет является приближенным. Поэтому восполнение пробелов в показателях путем расчетов может быть ограниченным. Особенно осторожно надо применять экстраполяцию значений признаков более поздних эпох на более ранние.

Проблема восполнения полноты источника Правомерность такой экстраполяции должна быть всесторонне обоснована. При необходимости получить систему показателей, не имеющую пробелов и невозможности или нецелесообразности заполнения пробелов расчетными данными, полноты данных можно добиться либо исключением тех объектов измерения, по которым много пробелов по ряду признаков либо исключением признаков, по которым отсутствуют показатели по многим объектам.