Публикации автора

Статья затрагивает общие вопросы, касающиеся использования искусственно сгенерированных данных в процессе разработки и внедрения математико-статистических методов в социологическую сферу. Кратко охарактеризованы основные направления применения симулированных данных в социологии. Очерчена зона ответственности специалистов-социологов по отношению к математикам при верификации математико-статистических методов и их интеграции в социологические научные отрасли.

Дана авторская классификация математико-статистических методов в зависимости от необходимости применять искусственные данные для их верификации. Объяснена классификация симуляций при верификации математико-статистических методов по степени значимости научных проектов, при этом к каждому классу приложен реальный кейс в рамках социологической проблематики. В качестве проекта низкой степени значимости приведен эксперимент с частотными доверительными интервалами А. Крыштановского, использующий искусственные выборки данных социологических опросов. В качестве образца научного кейса средней значимости выступило исследование Дж. К. Ф. де Винтера и Д. Додоу перспектив применения t-критерия Стьюдента для анализа выборок наблюдений, выраженных в порядковой шкале Ликерта. Примером научной симуляции высокого уровня стал собственный опыт автора, связанный с внедрением байесовской методологии в эмпирическую социологию в контексте разработки методов анализа размера эффекта при проведении сравнительных биномиальных социальных экспериментов с бинарными данными.

В исследовании поднят вопрос о требованиях к публикации методологических исследований, использующих сгенерированные данные. Приводятся стандарты публикации исследований с симуляциями, начиная от классических соглашений общего профиля и заканчивая жесткими стандартами, принятыми в таких ответственных сферах, как медицинские исследования.

Статья посвящена байесовскому моделированию простых сравнительных биномиальных экспериментов с двоичными наборами данных (формата «успех» и «неудача») в социологии и других социальных науках. Кратко рассмотрены основные методологические основы применения байесовского подхода в статистике: применение априорных установок в анализе, особенности байесовского статистического вывода, различия частотных и байесовских доверительных интервалов, особенности проверки гипотез в байесовской статистике. Построена байесовская модель сравнительного биномиального эксперимента, поддерживающая сравнение независимых и зависимых выборок биномиальных переменных, а также допускающая различия в размерах сравниваемых выборок. Возможности модели, а также принципы байесовской проверки гипотез были продемонстрированы на тестовых данных с применением современных свободных пакетов байесовского моделирования и анализа - PyMC и ArviZ. Использование указанных инструментов позволяет реализовывать прямые тензорные операции с получаемыми апостериорными распределениями, предоставляя исследователю результативный способ расчета размера эффекта при сравнении двух биномиальных выборок без необходимости прибегать к усложненным формам вычисления данного параметра. Показаны возможности и ограничения байесовского подхода в контексте сравнительного анализа результатов биномиальных экспериментов в социальных науках путем расчета вероятности гипотез посредством вычисления и сравнения площади интервалов апостериорных распределений