„Ievads
Statistikas pazīmju sakarību raksturotāji (tos sauc arī par rādītājiem), vispirms regresijas un korelācijas koeficienti, sākotnēji tika aprēķināti un lietoti pavisam konkrētu pētījumu ietvaros. Kā norādīts literatūrā, tos izstrādāja 19. gadsimta otrajā pusē Galtons, Pirsons, Lī u.c. savu bioloģiska rakstura pētījumu ietvaros; viena no problēmām bija iedzimtība. Diezgan drīz izrādījās, ka regresijas un korelācijas koeficienti un citi sakarību rādītāji ir noderīgi daudziem un dažādiem pētījumiem ne vien bioloģijā, lauksaimniecībā un līdzīgās zinātņu nozarēs, bet arī sociālajās zinātnēs – ekonomikā, socioloģijā, demogrāfijā u.c. Mūsdienu terminoloģijā izsakoties, šīs metodes, biometrijā dzimušas, 20. gadsimta vidū kļuva par ekonometrijas kodolu un plašu statistikas daļu, par samērā universālu pētniecības instrumentu.
Līdz datortehnikas ēras sākumam regresijas un korelācijas koeficientu un citu sakarību rādītāju izskaitļošana bija ļoti darbietilpīga. Tādēļ zinātniskajā un mācību literatūrā, no vienas puses, tika atvēlēts daudz vietas paņēmieniem, kā aprēķinus vienkāršot, bet, no otras puses, tika aprobežots aprēķināmo rādītāju skaits. Izvēlējās tikai dažus no tiem, kuri konkrētajam uzdevumam bija vispiemērotākie.
Kad plaši kļuva pieejama datortehnika, tika izstrādātas programmu standartpaketes, ar kuru palīdzību viegli aprēķināt turpat vai visus sakarību rādītājus viena darba procesa ietvaros un dažu sekunžu laikā. Īpaši raksturīgi tas programmpaketēm SASS, SPSS un citām.
Ir kļuvis par tradīciju pētniekam daudz nedomāt, kuri sakarību rādītāji viņam patiešām vajadzīgi. Ja ir savākti dati par divām vai vairākām pazīmēm, starp kurām varētu būt sakarības, skaitļus ievada datorā, izvēlas vienu no regresijas-korelācijas analīzes kompleksajām programmām un nospiež starta pogu. Rezultātā dators izdrukā nevis vienu, divus koeficientus, ar kuriem konkrētajā gadījumā pētniekam varbūt pietiktu, bet veselu tabulu. Sevišķi plaša šī tabula kļūst, ja apstrādā daudzfaktoru datus. Nereti dators izdrukā pat vairākas tabulas un piedevām vēl kādus grafikus.
Ir labi, ja speciālists šīs izdrukas izvērtē, paņem no tām tikai vajadzīgo un pašam saprotamo. Bet ir gadījumi, kad visu datorizdruku tiešā veidā pārceļ uz maģistra vai doktora darbu, zinātnisku rakstu vai grāmatu. Pat neiztulkojot no angļu valodas!
Ja pajautā, ko viens vai otrs sarežģītāks rādītājs konkrētā pētījuma ietvaros nozīmē, seko tradicionāla atbilde: „dators tā izrēķināja”. Tad rodas skumjas pārdomas. Kurš būs nākotnes pētnieks: doktors vai dators, un kas būs pētnieka asistents?
Gribētos, lai pētnieks tomēr būtu doktors. Bet tad ir būtiski jāpārkārto gan studiju, gan zinātniskā darba process. Daudz lielāka vērība nekā līdz šim ir jāpievērš konkrētu profesionālu uzdevumu pareizai formulēšanai, vajadzīgo rādītāju izvēlei (no desmitiem iespējamo), ierobežojumiem, ko uzliek savākto datu raksturs, un jo sevišķi – iegūto, izskaitļoto rādītāju profesionālai interpretācijai. Ja konkrētam pētījumam izskaitļo, piemēram, visus datorprogrammas piedāvātos sakarību rādītājus, tad parasti izrādās, ka vairāk nekā pusei no tiem šajā gadījumā nekāda profesionāla satura vispār nav. Ir jāizdara vajadzīgā atlase un tā jāpamato.
Pēc mūsu domām, nākotnes mācību grāmatas statistikā un ekonometrijā saturēs daudz mazāk formulu un pierādījumu, bet vairāk loģiski profesionālu pārspriedumu teksta un piemēru veidā. Vēl neuzrakstītas paliek grāmatas „Statistikas loģika”, „Statistikas kļūdu bibliotēka”, „Ekonometrija, kādai tai nevajadzētu būt”.
Tas nav šī raksta un arī ne tā autoru uzdevums. Arī par virsrakstā norādīto raksta ietvaros nespēsim dot visu vajadzīgo zināšanu apjomu, bet tikai dažus, pašreiz zināmos, galvenos norādījumus, brīdinājumus no kļūdām un, pats galvenais – aicinājumu domāt, domāt, nepaļaujoties uz datoru, ka tas visu izdarīs pareizi un pētnieka vietā.
Datkopu veidi sakarību pētīšanai
…
