150 matches
-
în America de Nord și Europa Occidentală este corelată cu absența războiului. Acceptarea acestei realități, susțin promotorii pacifismului democratic, nu echivalează cu o anulare completă a principiilor realiste, care vor continua să se aplice în exteriorul lumii democratice. Consecința practică a identificării covariației istorice dintre democrație și război ar conduce însă la o politică de răspândire treptată a democrației, cu speranța scăderii, dacă nu a eliminării complete a războiului ca principal instrument al politicii externe. Problematic însă este tocmai faptul că această relație
[Corola-publishinghouse/Science/2061_a_3386]
-
http://www.pcr.uu.se/research/UCDP/UCDP toplevel.htm" http://www.pcr.uu.se/research/UCDP/UCDP toplevel.htm). De asemenea, pe situl Universității din Hawaii există date statistice folositoare: tabele de frecvențe, distribuția democrației pe națiuni, criteriile folosite, regresiile și covariațiile stabilite între democrații etc. ( HYPERLINK "http://www.hawaii.edu/powerkills/MIRACLE.HTM" http://www.hawaii.edu/powerkills/MIRACLE.HTM). O dată în plus, spațiul restrâns nu permite o abordare completă a diferitelor semnificații ale celor două concepte. Este suficient să notăm
[Corola-publishinghouse/Science/2061_a_3386]
-
democratizării asupra nivelului corupției este fals. De fapt, chiar dacă relația dintre democrație și corupție a fost considerată ca fiind în general negativă (cu cât există mai multă democrație cu atât există mai puțină corupție), există puține studii sistematice ale acestei covariații în raport cu indicatorii economici, și (cum s-a menționat anterior) cauzalitatea rămâne incertă. Cunoscând faptul că țările sărace sunt mult mai corupte decât cele bogate și că țările sărace au sisteme mai autoritare decât cele bogate (în general, cu câteva excepții
Integritate publică şi corupţie:abordări teoretice şi empirice by Florin Marius POPA () [Corola-publishinghouse/Administrative/230_a_217]
-
dovezi care indică următoarele: fobiile au o componentă moștenită (Torgersen, 1979; Phillips et al., 1987); gradul de transmitere depinde de stimulii care provoacă teama (Rose și Ditto, 1983); un singur factor genetic este responsabil de cea mai mare parte a covariației genetice (Phillips et al., 1987). În acord cu această descoperire, Kendler și colaboratorii săi (1992a) au găsit dovezi care demonstrează că, deși fobiile specifice presupun existența unor factori genetici care predispun individul la toate tulburările fobice, factorii unici de mediu
Psihoterapia tulburărilor anxioase () [Corola-publishinghouse/Science/92028_a_92523]
-
sub forma unei relații universale și necesare, sub formă de lege deci, dependența unui fenomen (efectul) de un alt fenomen (cauza): „Ori de câte ori C, atunci și E” sau „C este cauza lui E”. Empiric, enunțul cauzal ia forma unui enunț de covariație: variația lui C este însoțită de variația lui E. Covariația poate fi discretă: diferitele stări distincte ale lui C sunt însoțite de stări distincte ale lui E. Este cazul legii productivitate/stratificare socială: productivității la nivelul de subzistență îi corespunde
[Corola-publishinghouse/Science/2238_a_3563]
-
lege deci, dependența unui fenomen (efectul) de un alt fenomen (cauza): „Ori de câte ori C, atunci și E” sau „C este cauza lui E”. Empiric, enunțul cauzal ia forma unui enunț de covariație: variația lui C este însoțită de variația lui E. Covariația poate fi discretă: diferitele stări distincte ale lui C sunt însoțite de stări distincte ale lui E. Este cazul legii productivitate/stratificare socială: productivității la nivelul de subzistență îi corespunde o societate egalitară; rarității, o societate inegală; abundenței, o societate
[Corola-publishinghouse/Science/2238_a_3563]
-
fi discretă: diferitele stări distincte ale lui C sunt însoțite de stări distincte ale lui E. Este cazul legii productivitate/stratificare socială: productivității la nivelul de subzistență îi corespunde o societate egalitară; rarității, o societate inegală; abundenței, o societate egalitară. Covariația poate fi și continuă, cantitativă: „Cu cât este mai mare C, cu atât este mai mare E”. Legea ierarhie/diferențiere a satisfacției muncii este de acest tip. Astfel, o cercetare empirică poate determina existența, într-un eșantion de întreprinderi, auneicorelații
[Corola-publishinghouse/Science/2238_a_3563]
-
Practica sociologică a scos la iveală faptul că explicația cauzală, atât de simplu de mânuit la prima vedere, ridică în fapt o mulțime de dificultăți. Cele mai importante mi se par a fi următoarele: Problema sensului cauzării. Dacă înregistrăm o covariație empirică a două variabile (fenomene), putem presupune că suntem în fața unei posibile relații cauzale. Pentru a stabili însă sensul cauzării (care dintre cele două fenomene este cauza și care efectul), nu este însă suficientă simpla înregistrare a covariației. Astfel, multe
[Corola-publishinghouse/Science/2238_a_3563]
-
înregistrăm o covariație empirică a două variabile (fenomene), putem presupune că suntem în fața unei posibile relații cauzale. Pentru a stabili însă sensul cauzării (care dintre cele două fenomene este cauza și care efectul), nu este însă suficientă simpla înregistrare a covariației. Astfel, multe cercetări au înregistrat corelații pozitive semnificative între satisfacția muncii și performanță. Satisfacția muncii este cauza performanței sau, invers, performanța este cauza satisfacției? Cercetările empirice din sociologie s-au izbit de la început de această dificultate. Cele mai importante procedee
[Corola-publishinghouse/Science/2238_a_3563]
-
relației de cauzalitate ca un proces de producere a efectului de către cauză. Ca orice proces real, și acesta se desfășoară în timp, are nevoie de o anumită perioadă. Pornind de la această proprietate, putem considera că dacă avem o relație de covariație, despre care avem temeiuri să presupunem că este o relație cauzală, fenomenul anterior este cauza, iar cel posterior, efectul. Cel mai adesea însă, pentru sociolog este greu, dacă nu chiar imposibil, să determine cu claritate succesiunea temporală. În multe situații
[Corola-publishinghouse/Science/2238_a_3563]
-
pot susține o relație cauzală. Problema cauzelor aparente. Introducerea legilor cauzale din regularități empirice poate duce adesea la imaginarea de cauze false, aparente. Relația clasă socială-natalitate (Stinchkomb, 1968). Analizele întreprinse în SUA au scos în evidență o relație clară de covariație între clasa socială și natalitate. Clasele sociale mai sărace prezintă o natalitate semnificativ mai ridicată decât clasele mai bogate. Putem, pe această bază, să considerăm clasa socială o cauză a natalității? Stinchkomb argumentează că o asemenea presupoziție, care adesea a
[Corola-publishinghouse/Science/2238_a_3563]
-
producerea respectivului efect. În acest sens, încetățenirea termenului de factor determinant exprimă o opțiune comodă, neangajantă. În al doilea rând, această insensibilitate este susținută și de cele mai multe dintre tehnicile actuale de analiză empirică, centrate în mod special pe detectarea simplei covariații. Distingerea diferitelor tipuri de factori determinanți este mai puțin operațională. Pe măsură însă ce se va dezvolta explicația teoretică a procesului de producere cauzală a diferitelor fenomene sociale, listele factorilor determinanți vor trebui să fie tot mai structurate, precizându-se
[Corola-publishinghouse/Science/2238_a_3563]
-
complexe care leagă cauzele de efecte. În ultimul timp au fost dezvoltate în mod special diferite tehnici de determinare empirică a contribuției factorilor cauzali. Tehnica cea mai simplă și mai frecvent utilizată este corelația. Corelația ne oferă o măsură a covariației variabilelor presupuse a fi cauză și efect. Pentru ilustrare voi utiliza aceeași analiză asupra calității vieții citată mai sus. În cadrul colectivității noastre actuale, corelația dintre venit și calitatea percepută a vieții (unul dintre indicatorii calității vieții utilizați în cercetare) este
[Corola-publishinghouse/Science/2238_a_3563]
-
a putea stabili relații între variabile sau între obiecte, este nevoie ca obiectele să varieze în funcție de însușirile relevante pentru fenomenul studiat. Chiar și atunci când aceste variații nu pot fi puse în legătură, obținem o informație la fel de importantă ca atunci când observăm covariație, și anume aceea că între variabile nu există corelație, că variabilele sunt independente. Dar, atunci când nu există variație, nu putem arăta nimic, nu putem demonstra nimic - lucrurile sunt date și nu explică, nici nu pot fi explicate de nimic, nici
[Corola-publishinghouse/Science/2075_a_3400]
-
datele din primul eșantion. Confirmarea modelului pentru cel de-al doilea eșantion este considerată o validare a modelului. Logica analizei factorialetc "Logica analizei factoriale" Analiza factorială pleacă de la presupunerea că există un număr redus de variabile latente („factori”) care determină covariația între variabilele observate. Acest lucru înseamnă că fiecare dintre cele m variabile observate, X1 X1, X2, ..., Xm, poate fi exprimată ca o combinație liniară între n variabile latente F1, F2, ..., Fn, n < m. Dintr-o perspectivă cauzală, putem considera variabilele
[Corola-publishinghouse/Science/2075_a_3400]
-
Fn determină pe X1, adică sunt responsabili de o parte din varianța lui X1, iar F1, F2, ..., Fn determină pe X2, adică aceiași factori explică o parte din varianța lui X2, atunci acești factori, F1, F2, ..., Fn, sunt responsabili de covariația variabilelor X1 și X2 (de corelația care există între acestea). Îndepărtând factorii comuni, între variabilele X1 și X2 nu va mai exista nici o corelație. Toate lucrurile exprimate mai sus pot fi reprezentate printr-o diagramă cauzală în felul următor: Figura
[Corola-publishinghouse/Science/2075_a_3400]
-
în care două variabile observate, X1 și X2, sunt determinate de un singur factor latent, F1. Acest lucru înseamnă că atât o parte din varianța lui X1, cât și o parte din varianța lui X2 sunt datorate variației lui F1. Covariația dintre X1 și X2 poate fi explicată prin aceea că factorul F1 determină atât pe X1 (este responsabil de variația sa), cât și pe X2. Astfel, în cazul unuia dintre exemplele de mai sus, putem afirma că tendința de a
[Corola-publishinghouse/Science/2075_a_3400]
-
unuia dintre exemplele de mai sus, putem afirma că tendința de a răspunde similar la întrebările „Guvernul ar trebui să cheltuiască mai mulți bani pentru reducerea șomajului” (X1) și „Guvernul ar trebui să încurajeze angajarea tinerilor” (X2), cu alte cuvinte covariația dintre X1 și X2, se datorează împărtășirii aceleiași convingeri politice, de tip liberal social (acesta este factorul F1). Dat fiind că cele două variabile (întrebări) nu sunt perfect identice, una referindu-se la șomaj în general, cealaltă la șomajul în
[Corola-publishinghouse/Science/2075_a_3400]
-
iar saturația factorului F2 pentru variabila X2, b21 , poate fi considerată coeficientul de regresie standardizat pentru regresia lui X2 după F1. În continuare, vom încerca să aflăm în ce fel varianța variabilelor observate este determinată de factor, cum putem exprima covariația (corelația) dintre variabile și factor și în ce fel covariația (corelația) dintre X1 și X2 este determinată de dependența acestora de același factor comun F1. Acest lucru ne folosește la estimarea saturațiilor factoriale, căci singurele date empirice de care dispunem
[Corola-publishinghouse/Science/2075_a_3400]
-
considerată coeficientul de regresie standardizat pentru regresia lui X2 după F1. În continuare, vom încerca să aflăm în ce fel varianța variabilelor observate este determinată de factor, cum putem exprima covariația (corelația) dintre variabile și factor și în ce fel covariația (corelația) dintre X1 și X2 este determinată de dependența acestora de același factor comun F1. Acest lucru ne folosește la estimarea saturațiilor factoriale, căci singurele date empirice de care dispunem sunt covariațiile (corelațiile) dintre variabilele observate. Varianța lui X1, adică
[Corola-publishinghouse/Science/2075_a_3400]
-
dintre variabile și factor și în ce fel covariația (corelația) dintre X1 și X2 este determinată de dependența acestora de același factor comun F1. Acest lucru ne folosește la estimarea saturațiilor factoriale, căci singurele date empirice de care dispunem sunt covariațiile (corelațiile) dintre variabilele observate. Varianța lui X1, adică abaterea pătrată medie de la media variabilei X1, poate fi exprimată în funcție de varianțele variabilelor care o determină, F1 și U1. Fiindcă am considerat F1 și U1 independente, covarianța (corelația) dintre acestea este nulă
[Corola-publishinghouse/Science/2075_a_3400]
-
variabile). (Σ hi2) / m De ce este important să cunoaștem aceste concepte? Pentru că ele vor constitui criterii de decizie importante în alegerea celei mai bune soluții factoriale, dintr-o mulțime infinită de soluții, care, toate, sunt deduse din aceeași matrice de covariații (corelații) între variabilele observate și care au același grad de adecvare 1. Dacă în modelul general renunțăm la una dintre condițiile de până acum, și anume ortogonalitatea factorilor, ne vom găsi în situația unui model factorial oblic. Acest lucru înseamnă
[Corola-publishinghouse/Science/2075_a_3400]
-
renunțăm la una dintre condițiile de până acum, și anume ortogonalitatea factorilor, ne vom găsi în situația unui model factorial oblic. Acest lucru înseamnă că factorii care determină variabilele observate nu mai sunt independenți unul de celălalt, adică există o covariație între ei: Cov(F1,F2) ≠ 0 sau r(F1,F2) ≠ 0. În acest caz, matricea saturațiilor și matricea corelațiilor între factori și variabile (matricea structurală) nu vor mai coincide. De asemenea, formulele de descompunere a varianțelor variabilelor observate, a corelațiilor
[Corola-publishinghouse/Science/2075_a_3400]
-
componentelor principale nu presupunem existența unor factori latenți. Componentele principale sunt funcții matematice de variabile observate. Ca și în cazul analizei factoriale propriu-zise, metoda este folosită pentru a obține o reducere a reprezentării, dar obiectivul ei nu este să explice covariația dintre variabile (un model cauzal), ci să explice cât mai mult din varianța datelor. Analiza factorială, în schimb, are ca scop principal explicarea corelației (covariației) dintre variabilele observate. Diferența dintre cele două abordări poate fi prezentată și astfel: analiza factorială
[Corola-publishinghouse/Science/2075_a_3400]
-
folosită pentru a obține o reducere a reprezentării, dar obiectivul ei nu este să explice covariația dintre variabile (un model cauzal), ci să explice cât mai mult din varianța datelor. Analiza factorială, în schimb, are ca scop principal explicarea corelației (covariației) dintre variabilele observate. Diferența dintre cele două abordări poate fi prezentată și astfel: analiza factorială propriuzisă reprezintă structura de covarianță în termenii unui model cauzal ipotetic, în timp ce analiza componentelor principale sumarizează datele prin intermediul unei combinații liniare a datelor observate. Prima
[Corola-publishinghouse/Science/2075_a_3400]