Для ввода, просмотра, корректировки и хранения заложенных в анкете сведений о пожилых, эвакуированных из зоны ЧА, была создана специальная программа (язык программирования — Clipper).

Компьютерный банк заполнялся анкетными данными эвакуированных пожилых по следующим разделам:

— изменения в условиях жизни и наиболее существенные потери (материальные, моральные и др.) в связи с переселением;

— изменения в образе жизни, здоровье и медико-социальной помощи;

— изменения в жизни в связи с кризисной ситуацией в стране;

— получение на новом месте вселения помощи из различных источников, включая льготы и компенсации, предусмотренные Законом.

Вся совокупность респондентов была разделена на однородные группы по социально-демографическим показателям, так называемым неуправляемым факторным признакам: пол, возраст, место поселения. Здесь более подробно рассмотрим группу респондентов, к которой относятся женщины в возрасте 60-69 лет (82 чел.), эвакуированные в Киев из зоны аварии на ЧАЭС.

Исследование проводилось по этапам, последовательность которых приводится ниже.

Результаты и их обсуждение. Исследование проблемы адаптации представляет собой изучение сложного многофакторного комплекса, поэтому главной задачей анализа является выделение факторных и результативных признаков.

Оценка адаптации, как правило, производится сравнением состояния здоровья до начала адаптации и после ее завершения. Мы решили отойти от использования привычных показателей здоровья и выбрали критерием адаптации показатель общей удовлетворенности условиями жизни на новом месте проживания, как субъективную оценку социально-психологического благополучия [5]. При анализе данных анкетного обследования, проведенного в 1979 г. лабораторией медицинской демографии по вопроснику общему для 11 стран, разработанному Европейским региональным бюро ВОЗ, была отмечена достоверная корреляция данного показателя со многими другими. Кроме этого, благодаря десятилетнему наблюдению за пожилыми людьми, попавшими в эту группу обследованных, удалось выяснить, что доля лиц, умерших за этот период наблюдения, в подгруппе неудовлетворенных условиями жизни была в 1,7 раза больше (Р<0,01) по сравнению с подгруппой удовлетворенных условиями жизни.

По аналогии с определением ВОЗ понятия "здоровье” и адекватно поставленной задаче в качестве факторных признаков рассмотрены признаки социально-экономического, психологического и физического благополучия индивида.

Следующим этапом была оценка частоты значений каждого признака в изучаемой совокупности. При этом следует учитывать, что чем ближе значение частоты к 50% (в случае номинальных признаков), тем вероятнее полагаться на достоверные результаты при дальнейшем анализе, т.е. более устойчивые признаки менее значимы.

Важной ступенью исследования является изучение связи главного признака с факторными. Поскольку признаки принадлежат к тому или иному типу классификации — количественные (размеры жилплощади, приусадебного участка и др.), порядковые (жилищные условия, материальное положение и др.), классификационные (образование, семейное положение и др.), то для их обработки необходимо использовать различный математический аппарат [7]. Для оценки силы связи и ее направленности могут быть применены несколько показателей, такие, как коэффициенты контингенции, коллигации, ассоциации, риска, ранговый коэффициент корреляции. Проанализировав практически однотипные формулы и проделав несколько пробных расчетов, мы отдали предпочтение коэффициентам риска, ассоциации (называемого иначе тетрахорическим показателем связи) и ранговому коэффициенту корреляции Спирмена. Коэффициент ассоциации (rа и ранговый коэффициент корреляции Спирмена (гс) выражаются в долях единицы, как и пирсоновский коэффициент корреляции; его величина изменяется в пределах от 0 до 1. Коэффициент риска (RR) показывает, во сколько раз доля лиц с высоким уровнем удовлетворенности условиями жизни на новом месте жительства выше (или ниже) в подгруппе с положительной оценкой рассматриваемого факторного признака по сравнению с подгруппой с отрицательной его оценкой. Достоверность коэффициентов оценивали по критериям Х2 Пирсона и Стьюдента. Достоинство этих коэффициентов заключается в том, что они позволяют измерять степень сопряженности между варьирующими признаками независимо от закона их распределения и вида связи. Причем коэффициенты ассоциации и Спирмена являются более строгими по сравнению с коэффициентом риска. Для расчета коэффициентов риска, ассоциации, критерия значимости Х2 статистический материал с помощью программ, написанных на языке программирования Clipper, группировали в четырехпольные таблицы сопряженности, с предварительным преобразованием порядковой и классификационной шкал в номинальную. Полученные таблицы обрабатывали с помощью пакета компьютерных программ Epi Info. Коэффициент ассоциации рассчитывали по формуле

Ранговый коэффициент корреляции Спирмена и его достоверность определяли с помощью пакета компьютерных программ STATGRAPHICS.

На основе рассчитанных коэффициентов проведен качественный и количественный анализ факторных признаков, т.е. отброшены менее информативные признаки, а также те, которые статистически выглядят взаимозависимыми, исключены причинно-следственные связи, и таким образом сформирован комплекс факторных признаков для дальнейшей оценки их совместного влияния на результативный признак. Для определения влияния комплекса факторных признаков на результативный можно использовать различные методы многомерного статистического анализа, к которым в первую очередь следует отнести факторный, дисперсионный, дискриминантный, регрессионный, канонический [7].

В основе факторного анализа лежит способ описания сложного комплекса взаимосвязанных переменных несколькими латентными (гипотетическими или ненаблюдаемыми) факторами. Исходя из этого, применение факторного анализа имеет большее значение для решения сложных проблем с большим числом взаимопереплетающихся признаков, когда трудно понять, где причина, а где следствие.

Дисперсионный анализ позволяет выявить долю, вносимую каждым из включенных в исследование факторов в общую дисперсию комплекса, и рассчитать их жокупное влияние. Преимущества этого метода наиболее ощутимы при изучении одновременного действия двух факторов на какую-либо структуру, однако они уменьшаются с увеличением числа факторов.

Каноническая корреляция позволяет одновременно учесть комплекс взаимосвязанных факторов с несколькими результативными признаками. Данный метод целесообразно применять в случаях, когда приходится иметь дело не только с большим числом факторов, но и с комплексом результативных признаков.

Дискриминантный анализ применяется для классификации объектов на группы по нескольким переменным одновременно.

Учитывая задачи нашего исследования, выбран метод многомерного регрессионного анализа, который позволяет одновременно изучить количественные и качественные стороны взаимосвязей внутри системы [9]. В отличие от компонентного (факторного) анализа данный метод позволяет выделить исходные признаки, нагружающие факторы, иллюстрируя сжатие информации. При проведении регрессионного анализа удается оценить влияние каждого из факторов в отдельности и их совместное влияние на результативный признак, рассчитать ряд коэффициентов, имеющих большое значение для анализа статистических данных. Например, по величине коэффициента множественной детерминации можно судить, как полно результативный признак зависит от исследуемой совокупности факторов. Дисперсии признаков позволяют оценить степень влияния факторных признаков на вариацию результативного. Показатель интенсивности мультиколинеарности характеризует проявление функциональных стохастических связей между отобранными в ходе регрессионного анализа переменами. Таким образом, уравнение многомерной регрессии может быть успешно применено для интерпретации проблемы адаптации с учетом межгрупповых различий.

Для рассматриваемой группы эвакуированных из всей совокупности факторах признаков были отобраны шесть (таблица). Здесь кроме названных коэффициентов связи для сравнения приведены парные коэффициенты корреляции (r), рассчитанные с помощью пакета STATGRAPHICS. В процессе отбора признаков необходимо соблюдать следующее правило: недопустимо использовать признаки, дублирующие друг друга и соподчиненные, т.е. все признаки должны занимать в цепочке "причины — следствия” один и тот же уровень.

Как видно из таблицы, различия между коэффициентами связи, вычисленными разными методами, незначительны. Поэтому вполне обосновано для построения уравнения множественной регрессии использовать пакет прикладных программ STATGRAPHICS, который помимо расчета корреляционных матриц дает возможность построить различные виды уравнений регрессии: линейные, степенные, экспоненциальные. Адекватность подобранного аналитического уравнения для описания зависимости

где у — результативный признак, х1—х11— факторные признаки, оценивается по критерию Фишера

Если F>Fst (Fst — табличное значение F) и В>0,5, то можно считать, что факторные признаки и вид зависимости между результативным признаком и факторными выбраны верно.

При этом нужно учитывать силу связей между факторными признаками. Наличие корреляционной связи между ними приводит к снижению точности определения коэффициентов, входящих в уравнение множественной регрессии; поэтому анализ матриц парных корреляций проводится с условием, чтобы парные коэффициенты корреляции удовлетворяли следующим неравенствам (рассматриваются два факторных признака— i и j):

Валидность коэффициентов регрессии оценивается по критерию Стьюдента, который определяется по формуле

где n — объем выборки.

Коэффициенты значимы при условии T>Tst (ts—табличное значение t).

Следуя указанной последовательности анализа данных, была получена линейная зависимость

где у — интегральный критерий адаптации, х1-х6 — факторные признаки (см. табл.), а0-а6 — коэффициенты регрессии (здесь не приводятся).

Построенное аналитическое уравнение достаточно точно аппроксимирует вязь интегрального критерия адаптации с выбранными факторными признаками, т.к. F = 36,2 (Fst = 2,2 для Р = 0,05), В = 0,73.

Чтобы оценить стохастические связи между факторными признаками, дополнительно рассчитывали показатель интенсивности мультиколинеарности

где Вуi — коэффициенты парной детерминации (г2).

Полученное значение показателя I = 0,24 значительно меньше 1, поэтому имеет смысл исследовать самостоятельное влияние каждого признака на критерий адаптации.

Нагрузку факторных признаков определяли расчетным путем по формуле

где D2y/хi — сумма квадратов отклонений у, обусловленных влиянием признака хi.

Расчеты показали, что на социально-экономические факторы в дисперсии арамегра у приходится 52%, психологические — 7%, физические — 14%.

Использование переменных главного уравнения в качестве результативных признаков в других уравнениях дало возможность представить взаимодействие структур изучаемой системы. На рисунке представлена схема формирования адаптации женщин городской выборки с указанием парных коэффициентов корреляции. Ана- из показал, что на дисперсию интегрального критерия адаптации влияют все три оставляющие качества жизни с преобладающим влиянием социально-экономического фактора, при этом следует отметить сильную связь между социально-экономической и психологической составляющими. 

Структурная схема формирования социально-психологической адаптации женщин 60-69 лет, эвакуированных из зоны аварии на ЧАЭС, к новым условиям жизни (городская выборка): 1 — жилищно- бытовые условия; 2 — уровень образования; 3 — контакты с медработниками; 4 — наличие ограничений; 5 — надежды на стабилизацию материального положения; 6 — отношение к возможному возвращению; 7 — потери в связи с переселением (подсобного хозяйства, жилья); 8 — помощь соседей; 9 — размер пенсии; 10 — состав семьи; 11 — взаимоотношения с семьей детей.

Таким образом, выбранный подход к изучению проблемы адаптации позволил не только провести анализ причинно-следственных связей признаков и выделить наиболее значимые из них, но и сделать важный вывод о существенном влиянии социально-психологических факторов на адаптацию эвакуированных пожилых людей к новому месту жительства.