Вимірювання довіри населення України до міліції (за матеріалами Європейського соціального дослідження 2011 року)
Андрій Бова
25-05-2025
Вступ
Довіра громадян до поліції становить фундаментальну основу ефективної правоохоронної діяльності та соціальної стабільності. Високий рівень суспільної підтримки стимулює активну співпрацю населення з правоохоронцями, що призводить до зниження злочинності та зміцнення авторитету державних інституцій. Дефіцит довіри, навпаки, провокує напруження у стосунках між громадянами та поліцією, ускладнює розкриття правопорушень і дестабілізує безпекову ситуацію.
З огляду на це, систематичний моніторинг громадської думки щодо правоохоронних органів набуває критичного значення для оцінки результативності реформ та формування адресних стратегій покращення поліцейської роботи. Однак, ефективність такого моніторингу та обґрунтованість висновкі безпосередньо залежать від якості використовуваного інструментарію – від того, наскільки точно, надійно та теоретично обґрунтовано він вимірює такий складний і багатогранний соціальний конструкт, як довіра.
Відтак завданням цієї роботи є перевірка та обґрунтування запропонованої теоретичної схеми її вимірювання. Основний фокус дослідження спрямований на емпіричну валідизацію п’ятифакторної моделі довіри до міліції (згодом - поліції), що грунтується на даних Європейського соціального дослідження. Метою є продемонструвати психометричні властивості обраного інструментарію, підтвердити його конструктну валідність та надійність, тим самим забезпечуючи міцну методологічну основу для подальших наукових розвідок та практичного застосування результатів моніторингу громадської думки в Україні. Забезпечення дослідників та практиків валідним інструментом є ключовою передумовою для глибокого розуміння динаміки суспільних настроїв та розробки дієвих стратегій зміцнення взаємодії між поліцією та громадою.
1 Довіра до поліції як критерій оцінки діяльності: постановка питання
Запровадження довіри населення як базового критерію оцінювання поліцейської діяльності демонструє демократичну трансформацію правоохоронної системи та її переорієнтацію на громадоцентричний підхід. Така парадигма підкреслює пріоритетність служіння суспільству над традиційними бюрократичними показниками. Проте цей інноваційний підхід потребує ретельного аналізу, оскільки поряд із очевидними перевагами містить певні методологічні виклики та ризики неоднозначної інтерпретації. Розглянемо комплексно сильні та проблемні аспекти цього індикатора.
1.1 Переваги використання довіри як індикатора
Демократична легітимація. У демократичному суспільстві державні інституції, особливо ті, що володіють монополією на застосування примусу, мають служити народові та користуватися його підтримкою. Рівень довіри виступає індикатором відповідності поліцейської діяльності суспільним очікуванням та демократичним стандартам.
Стимулювання громадської співпраці. Високий рівень довіри легітимізує правоохоронну діяльність та мотивує громадян до активної взаємодії: надання інформації про правопорушення, участі у свідченнях, добровільного виконання законних вимог. Така співпраця безпосередньо підвищує результативність поліцейської роботи.
Зменшення конфліктності. Суспільна довіра сприяє деескалації напруження між правоохоронцями та населенням, знижує ймовірність конфліктних ситуацій та звинувачень у зловживанні владою.
Діагностична функція. Динаміка довіри слугує індикатором системних проблем у правоохоронній сфері. Падіння довіри сигналізує про необхідність структурних змін.
Захист від інституційної деградації. Орієнтованість на громадську підтримку створює природний бар’єр проти трансформації поліції у замкнену репресивну структуру, що переслідує корпоративні інтереси замість суспільного блага.
1.2 Потенційні обмеження
Методологічні виклики. Довіра як психологічний феномен характеризується суб’єктивністю та мінливістю. Її рівень може флуктуувати під впливом медійних наративів, резонансних подій, політичної кон’юнктури або загальних суспільних настроїв, не завжди корелюючи з реальною ефективністю правоохоронної діяльності.
Популістські спотворення. Прагнення підвищити рейтинги довіри може провокувати імітаційну активність: показові акції замість системної роботи, концентрацію на зовнішніх ефектах на шкоду довгостроковій стратегії забезпечення безпеки.
Складність вимірювання. Об’єктивна оцінка рівня довіри потребує досконалої методології. Результати емпіричних досліджень залежать від якості інструментарію, репрезентативності вибірки, формулювання запитань. Існують ризики маніпулятивного використання даних або отримання спотворених результатів.
Дисбаланс оціночних критеріїв. Надмірна фокусація на показниках довіри може призвести до нехтування об’єктивними індикаторами ефективності: статистикою злочинності, відсотком розкриття справ, швидкістю реагування, рівнем професійної підготовки, дотриманням процедурних стандартів та прав людини.
Проблема нереалістичних очікувань. Суспільство може формувати завищені або недосяжні вимоги до поліцейської діяльності. Неможливість їх задоволення автоматично знижуватиме довіру, навіть за умови якісного виконання правоохоронцями своїх функцій у межах наявних ресурсів.
Вплив зовнішніх чинників. Рівень довіри до поліції може залежати від факторів, що перебувають поза сферою її безпосереднього контролю: економічної ситуації, соціальної напруженості, загального ставлення до владних інституцій.
Сегментованість громадської думки. Усереднені показники довіри можуть маскувати суттєві розбіжності у ставленні різних соціальних, етнічних, вікових або територіальних груп. Така диференціація потребує окремого аналізу для розробки адресних стратегій взаємодії з конкретними спільнотами.
2 Теоретико-методологічні засади дослідження
2.1 Теоретичні основи вимірювання соціальних конструктів
У соціальних науках, зокрема в соціології, психології та політології, довіра розглядається як складний соціальний конструкт, який не може бути безпосередньо спостереженим. Вимірювання таких конструктів потребує ретельного методологічного підходу, який ґрунтується на сучасних психометричних теоріях та статистичних методах.
Основні поняття
Конструкт – теоретичне поняття, яке не можна спостерігати безпосередньо (наприклад, довіра, задоволеність, цінності). Конструкти є абстрактними категоріями, що існують на концептуальному рівні та потребують операціоналізації для емпіричного вимірювання.
Латентна змінна – формалізована змінна, що відображає конструкт і моделюється на основі спостережуваних даних. Латентна змінна є статистичним відображенням теоретичного конструкту, що дозволяє кількісно оцінити його прояви.
Індикатори – спостережувані змінні (запитання анкети, відповіді на питання), що відображають різні прояви конструкта. За індикаторами оцінються латентні змінні.
Похибка вимірювання – різниця між справжнім значенням конструкта та виміряним через індикатори. Похибка може бути систематичною (зміщення) або випадковою.
Багатовимірність конструкту «Довіра до поліції» Довіра до поліції – це багатовимірний конструкт, який не зводиться до одного простого показника. Ефективне вимірювання вимагає врахування різних аспектів довіри, таких як довіра до професіоналізму поліцейських, їх чесності, справедливості дій, ефективності роботи та легітимності інституції в цілому. Кожен з цих аспектів може по-різному проявлятися у відповідях респондентів та потребувати окремих індикаторів для адекватного вимірювання.
Теоретичні рамки вимірювання
Класична теорія тестування (Classical Test Theory -
CTT) становить фундаментальну основу для розуміння процесу
вимірювання в соціальних науках. Основне рівняння CTT:
X = T + E, де:
X – спостережуваний бал (відповідь на питання анкети);
T – істинне значення (фактичний рівень довіри);
E – похибка вимірювання.
CTT грунтується на кількох ключових припущеннях: похибки вимірювання є випадковими та не корелюють між собою; очікуване значення похибки дорівнює нулю; похибки не корелюють з істинними значеннями. Ці припущення дозволяють оцінити надійність вимірювання через внутрішню узгодженість індикаторів.
Конфірматорний факторний аналіз (Confirmatory Factor Analysis, CFA) представляє більш досконалий підхід до вимірювання латентних конструктів, який органічно поєднується з принципами класичної теорії тестування, але значно розширює її можливості.
Зв’язок між CTT та CFA
Конфірматорний факторний аналіз можна розглядати як розширення класичної
теорії тестування у багатовимірному просторі. Якщо CTT фокусується на
одновимірному вимірюванні, то CFA дозволяє моделювати складні структури
з множинними латентними факторами та їх взаємозв’язками. В рамках CFA,
рівняння класичної теорії набуває вигляду:
X_i = λ_i × η + ε_i, де:
X_i – i-й спостережуваний індикатор;
λ_i – факторне навантаження (зв’язок між латентною змінною та
індикатором);
η – латентна змінна (фактор);
ε_i – унікальна похибка для i-го індикатора.
Переваги конфірматорного факторного аналізу
Перевірка теоретичних гіпотез. CFA дозволяє формально
тестувати теоретичні припущення щодо структури конструкту. Дослідник
може перевірити, чи відповідає емпірична структура даних теоретично
обґрунтованій моделі довіри до поліції.
Підвищена точність вимірювання. CFA забезпечує більш точне вимірювання через можливість врахування специфічної дисперсії кожного індикатора та корекції систематичних похибок. Метод дозволяє отримати “очищені” оцінки латентних змінних, позбавлені впливу похибок вимірювання.
Експліцитне моделювання похибок вимірювання. На відміну від традиційних підходів, CFA явно моделює похибки вимірювання для кожного індикатора, що дозволяє оцінити якість окремих показників та загальну надійність інструменту.
Оцінка багатовимірної валідності. CFA надає можливість перевіряти конвергентну валідність (індикатори одного фактору повинні сильно корелювати між собою) та дискримінативну валідність (індикатори різних факторів повинні мати помірні кореляції). Порівняння альтернативних моделей. Метод дозволяє порівнювати різні теоретичні моделі структури довіри (одно-, дво- чи багатофакторні) та обирати найкращу на основі статистичних критеріїв відповідності.
Інваріантність вимірювання. CFA дає змогу перевіряти, чи однаково функціонує інструмент вимірювання у різних групах населення, що є критично важливим для валідних порівнянь між соціально-демографічними категоріями.
2.2 Емпірична база дослідження
Дані, що аналізуються, походять з п’ятого раунду Європейського
соціального дослідження (ЄСД), проведеного в Україні у 2011 році.
Польовий етап цього дослідження в Україні був реалізований Центром
соціальних та маркетингових досліджень SOCIS, який опитав 1931
респондента. Цільовою групою було населення країни віком від 15 років та
старше. Збір даних здійснювався методом особистого формалізованого
інтерв’ю “віч-на-віч”.
Вибірка незважувалася. У даному дослідженні аналізується рівень довіри
до міліції, яка функціонувала в Україні на момент збору даних. Слід
зазначити, що у 2015 році в Україні відбулася реформа правоохоронних
органів, внаслідок якої міліцію було реорганізовано в Національну
поліцію.
2.3 Операціоналізація конструктів: змінні п’ятифакторної моделі
Теоретичною основою для вимірювання довіри в рамках ЄСД слугує модель, розроблена Jonathan Jackson, Mike Hough, Stephen Farrall, Jan de Keijser та Kauko Aromaa. Вказані автори в опитувальнику “Довіра до поліції та судів” запропонували низку конструктів та змінних для їх вимірювання [2]. Варто зазначити, що оригінальна концептуалізація довіри до поліції, запропонована Джонатаном Джексоном та його колегами, акцентувала увагу на трьох ключових факторах: довіра до ефективності поліції (Trust in police effectiveness), довіра до розподільчої справедливості поліції (Trust in police distributive fairness) та довіра до процедурної справедливості поліції (Trust in police procedural fairness.
Розширена модель прагне охопити деякі додаткові аспекти взаємодії громадян з поліцією, що відображені в даних ЄСД [3].
Для вимірювання латентних факторів використовувалися такі запитання та шкали:
Довіра до ефективності поліції (Trust in police effectiveness, TrEf) вимірюється за допомогою:
Ґрунтуючись на тому, що Ви чули, або на Вашому власному досвіді, як Ви вважаєте, наскільки міліція в Україні успішна у попередженні злочинів, що пов’язані із застосуванням насильства або загрозою застосування насильства? (plcpvcr)
- Шкала відповідей: 0 означає «Зовсім неуспішна», а 10 – «Дуже успішна».
А наскільки, на Вашу думку, міліція в Україні успішна у затриманні грабіжників, які вчиняють пограбування квартир зі зломом? (plcpbrg)
- Шкала відповідей: від 0 («Зовсім неуспішна») до 10 («Дуже успішна»).
Якщо б в районі, неподалік від місця Вашого проживання, був би скоєний злочин із застосуванням насильства або пограбування квартири, і була викликана міліція, як Ви думаєте, наскільки повільно чи швидко вона діставалися б до місця злочину? (plcarcr)
- Шкала відповідей: 0 означає «Дуже повільно», а 10 – «Дуже швидко».
Довіра до процесуальної справедливості поліції (Trust in police procedural fairness, TrFa) вимірюється за допомогою:
Ґрунтуючись на тому, що Ви чули або на Вашому власному досвіді, як часто, на Вашу думку, міліція в Україні ставиться до людей з повагою. (plcrspc)
- Шкала відповідей: 1 – “Зовсім не часто”, 2 – “Не дуже часто”, 3 – “Часто”, 4 – “Або дуже часто”.
Як Ви вважаєте, як часто міліція в Україні приймає справедливі та неупереджені рішення стосовно тих справ, якими займається? Ви б сказали, що… (plcfrdc)
- Шкала відповідей: 1 – “Зовсім не часто”, 2 – “Не дуже часто”, 3 – “Часто”, 4 – “Або дуже часто”.
Як Ви думаєте, як часто міліція, розглядаючи справи людей в Україні, пояснює свої рішення і дії, коли її просять це зробити? Ви сказали б, що… (plcexdc)
- Шкала відповідей: 1 – “Зовсім не часто”, 2 – “Не дуже часто”, 3 – “Часто”, 4 – “Або дуже часто”. Додаткова категорія: Ніхто ніколи не просить міліцію пояснити свої рішення.
Відчуття обов’язку підкорятися поліції (Felt obligation to
obey the police, ObOb) вимірюється за допомогою:
У якій мірі це є Вашим громадянським обов’язком…
… дотримуватись рішень, що приймаються міліцією, навіть коли Ви не згодні з ними? (bplcdc)
- Шкала відповідей: від 0 («Зовсім не мій громадянський обов’язок») до 10 («Повністю мій громадянський обов’язок»).
… робити те, що міліція Вам говорить, навіть якщо Ви не розумієте підстав чи не погоджуєтесь із ними? (doplcsy)
- Шкала відповідей: від 0 («Зовсім не мій громадянський обов’язок») до 10 («Повністю мій громадянський обов’язок»).
… робити те, що говорить Вам міліція, навіть якщо Вам не подобається, як міліція ставиться до Вас? (dpcstrb)
- Шкала відповідей: від 0 («Зовсім не мій громадянський обов’язок») до 10 («Повністю мій громадянський обов’язок»).
Моральна узгодженість з поліцією (Moral alignment with the
police, MoAl) вимірюється за допомогою:
Загальна інструкція: “Використовуючи цю картку, скажіть, будь ласка,
якою мірою Ви погоджуєтесь чи не погоджуєтесь з кожним із наведених
нижче тверджень щодо міліції в Україні.
В цілому у міліції таке ж саме уявлення про те, що є правильним, а що – неправильним, як і у мене. (plcrgwr)
- Шкала відповідей: 1 – “Повністю погоджуюсь”, 2 – “Погоджуюсь”, 3 – “Наскільки погоджуюсь, настільки і не погоджуюсь”, 4 – “Не погоджуюсь”, 5 – “Зовсім не погоджуюсь”.
Міліція поділяє ті ж цінності, які є важливими для таких людей, як я. (plcipvl)
- Шкала відповідей: 1 – “Повністю погоджуюсь”, 2 – “Погоджуюсь”, 3 – “Наскільки погоджуюсь, настільки і не погоджуюсь”, 4 – “Не погоджуюсь”, 5 – “Зовсім не погоджуюсь”.
В цілому я підтримую те, як зазвичай діє міліція. (gsupplc)
- Шкала відповідей: 1 – “Повністю погоджуюсь”, 2 – “Погоджуюсь”, 3 – “Наскільки погоджуюсь, настільки і не погоджуюсь”, 4 – “Не погоджуюсь”, 5 – “Зовсім не погоджуюсь”.
Готовність співпрацювати з поліцією (Willingness to cooperate with the police, WiCo) вимірюється за допомогою:
Уявіть, що Ви були на вулиці і побачили, як хтось штовхнув людину на землю і поцупив її гаманець. Наскільки імовірно, що Ви викличете міліцію? (caplcst)
- Шкала відповідей: 1 – “Зовсім неймовірно”, 2 – “Не дуже імовірно”, 3 – “Імовірно”, 4 – “Або дуже імовірно”.
Наскільки охоче Ви б брали участь у впізнанні особистості грабіжника? (widprsn)
- Шкала відповідей: 1 – “Зовсім неохоче”, 2 – “Не дуже охоче”, 3 – “Охоче”, 4 – “Або дуже охоче”.
А наскільки охоче Ви б стали свідчити проти обвинувачуваного в суді? (wevdct)
- Шкала відповідей: 1 – “Зовсім неохоче”, 2 – “Не дуже охоче”, 3 – “Охоче”, 4 – “Або дуже охоче”.
3 Підготовка даних та дескриптивний аналіз
Імпорт даних
Вибір змінних
variables_to_select <- c(
"plcpvcr", "plccbrg", "plcarcr",
"plcrspc", "plcfrdc", "plcexdc",
"bplcdc", "doplcsy", "dpcstrb",
"plcrgwr", "plcipvl", "gsupplc",
"caplcst", "widprsn", "wevdct"
)
PoliceData <- df %>% select(all_of(variables_to_select))3.1 Відсутні значення
na_counts <- colSums(is.na(PoliceData))
df_for_kable <- data.frame(
Variable_Name = names(na_counts),
NA_Count_Value = unname(na_counts)
)
kable(df_for_kable,
caption = "Кількість NA значень по змінних",
rownames = FALSE,
col.names = c("Змінна", "NA_Кількість")) %>% # Тут задаємо кириличні назви для відображення
kable_styling(full_width = FALSE, bootstrap_options = c("striped", "hover", "condensed")) %>%
column_spec(column = 1, width = "25em") %>%
column_spec(column = 2, width = "25em")| Змінна | NA_Кількість |
|---|---|
| plcpvcr | 186 |
| plccbrg | 209 |
| plcarcr | 219 |
| plcrspc | 232 |
| plcfrdc | 386 |
| plcexdc | 394 |
| bplcdc | 264 |
| doplcsy | 273 |
| dpcstrb | 275 |
| plcrgwr | 239 |
| plcipvl | 242 |
| gsupplc | 219 |
| caplcst | 155 |
| widprsn | 195 |
| wevdct | 218 |
Очищення від NA
3.2 Частоти змінних
## How successful police are at preventing crimes in country (plcpvcr) <numeric>
## # total N=736 valid N=736 mean=3.61 sd=2.09
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------------
## 0 | Extremely unsuccessful | 72 | 9.78 | 9.78 | 9.78
## 1 | 01 | 57 | 7.74 | 7.74 | 17.53
## 2 | 02 | 86 | 11.68 | 11.68 | 29.21
## 3 | 03 | 145 | 19.70 | 19.70 | 48.91
## 4 | 04 | 107 | 14.54 | 14.54 | 63.45
## 5 | 05 | 143 | 19.43 | 19.43 | 82.88
## 6 | 06 | 63 | 8.56 | 8.56 | 91.44
## 7 | 07 | 43 | 5.84 | 5.84 | 97.28
## 8 | 08 | 12 | 1.63 | 1.63 | 98.91
## 9 | 09 | 7 | 0.95 | 0.95 | 99.86
## 10 | Extremely successful | 1 | 0.14 | 0.14 | 100.00
## 77 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 88 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 99 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How successful police are at catching house burglars in country (plccbrg) <numeric>
## # total N=736 valid N=736 mean=3.71 sd=2.16
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------------
## 0 | Extremely unsuccessful | 63 | 8.56 | 8.56 | 8.56
## 1 | 01 | 54 | 7.34 | 7.34 | 15.90
## 2 | 02 | 102 | 13.86 | 13.86 | 29.76
## 3 | 03 | 141 | 19.16 | 19.16 | 48.91
## 4 | 04 | 98 | 13.32 | 13.32 | 62.23
## 5 | 05 | 137 | 18.61 | 18.61 | 80.84
## 6 | 06 | 58 | 7.88 | 7.88 | 88.72
## 7 | 07 | 52 | 7.07 | 7.07 | 95.79
## 8 | 08 | 20 | 2.72 | 2.72 | 98.51
## 9 | 09 | 9 | 1.22 | 1.22 | 99.73
## 10 | Extremely successful | 2 | 0.27 | 0.27 | 100.00
## 77 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 88 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 99 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How quickly would police arrive at a violent crime scene near to where you live (plcarcr) <numeric>
## # total N=736 valid N=736 mean=4.12 sd=2.36
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------------------------------------
## 0 | Extremely slowly | 54 | 7.34 | 7.34 | 7.34
## 1 | 1 | 47 | 6.39 | 6.39 | 13.72
## 2 | 2 | 91 | 12.36 | 12.36 | 26.09
## 3 | 3 | 126 | 17.12 | 17.12 | 43.21
## 4 | 4 | 84 | 11.41 | 11.41 | 54.62
## 5 | 5 | 143 | 19.43 | 19.43 | 74.05
## 6 | 6 | 56 | 7.61 | 7.61 | 81.66
## 7 | 7 | 71 | 9.65 | 9.65 | 91.30
## 8 | 8 | 40 | 5.43 | 5.43 | 96.74
## 9 | 9 | 15 | 2.04 | 2.04 | 98.78
## 10 | Extremely quickly | 9 | 1.22 | 1.22 | 100.00
## 55 | Violent crimes never occur near to where I live | 0 | 0.00 | 0.00 | 100.00
## 77 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 88 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 99 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How often do police treat people in country with respect (plcrspc) <numeric>
## # total N=736 valid N=736 mean=1.99 sd=0.70
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
## 1 | Not at all often | 171 | 23.23 | 23.23 | 23.23
## 2 | Not very often | 417 | 56.66 | 56.66 | 79.89
## 3 | Often | 134 | 18.21 | 18.21 | 98.10
## 4 | Very often | 14 | 1.90 | 1.90 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How often do police make fair, impartial decisions (plcfrdc) <numeric>
## # total N=736 valid N=736 mean=1.98 sd=0.68
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ---------------------------------------------------------
## 1 | Not at all often | 167 | 22.69 | 22.69 | 22.69
## 2 | Not very often | 425 | 57.74 | 57.74 | 80.43
## 3 | Often | 134 | 18.21 | 18.21 | 98.64
## 4 | Very often | 10 | 1.36 | 1.36 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How often do the police explain their decisions and actions when asked (plcexdc) <numeric>
## # total N=736 valid N=736 mean=1.94 sd=0.68
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------------------------
## 1 | Not at all often | 184 | 25.00 | 25.00 | 25.00
## 2 | Not very often | 423 | 57.47 | 57.47 | 82.47
## 3 | Often | 118 | 16.03 | 16.03 | 98.51
## 4 | Very often | 11 | 1.49 | 1.49 | 100.00
## 5 | No one ever asks the police to explain | 0 | 0.00 | 0.00 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## Duty to: back decisions made by police, even if disagree (bplcdc) <numeric>
## # total N=736 valid N=736 mean=4.30 sd=2.97
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -----------------------------------------------------------
## 0 | Not at all my duty | 107 | 14.54 | 14.54 | 14.54
## 1 | 1 | 48 | 6.52 | 6.52 | 21.06
## 2 | 2 | 63 | 8.56 | 8.56 | 29.62
## 3 | 3 | 101 | 13.72 | 13.72 | 43.34
## 4 | 4 | 63 | 8.56 | 8.56 | 51.90
## 5 | 5 | 114 | 15.49 | 15.49 | 67.39
## 6 | 6 | 61 | 8.29 | 8.29 | 75.68
## 7 | 7 | 60 | 8.15 | 8.15 | 83.83
## 8 | 8 | 46 | 6.25 | 6.25 | 90.08
## 9 | 9 | 19 | 2.58 | 2.58 | 92.66
## 10 | Completely my duty | 54 | 7.34 | 7.34 | 100.00
## 77 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 88 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 99 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## Duty to: do what police say, even when don't understand or agree (doplcsy) <numeric>
## # total N=736 valid N=736 mean=4.05 sd=2.85
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -----------------------------------------------------------
## 0 | Not at all my duty | 110 | 14.95 | 14.95 | 14.95
## 1 | 1 | 50 | 6.79 | 6.79 | 21.74
## 2 | 2 | 75 | 10.19 | 10.19 | 31.93
## 3 | 3 | 92 | 12.50 | 12.50 | 44.43
## 4 | 4 | 85 | 11.55 | 11.55 | 55.98
## 5 | 5 | 128 | 17.39 | 17.39 | 73.37
## 6 | 6 | 52 | 7.07 | 7.07 | 80.43
## 7 | 7 | 46 | 6.25 | 6.25 | 86.68
## 8 | 8 | 37 | 5.03 | 5.03 | 91.71
## 9 | 9 | 16 | 2.17 | 2.17 | 93.89
## 10 | Completely my duty | 45 | 6.11 | 6.11 | 100.00
## 77 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 88 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 99 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## Duty to: do what police say even if treated badly (dpcstrb) <numeric>
## # total N=736 valid N=736 mean=4.07 sd=2.83
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -----------------------------------------------------------
## 0 | Not at all my duty | 102 | 13.86 | 13.86 | 13.86
## 1 | 1 | 55 | 7.47 | 7.47 | 21.33
## 2 | 2 | 72 | 9.78 | 9.78 | 31.11
## 3 | 3 | 91 | 12.36 | 12.36 | 43.48
## 4 | 4 | 96 | 13.04 | 13.04 | 56.52
## 5 | 5 | 134 | 18.21 | 18.21 | 74.73
## 6 | 6 | 46 | 6.25 | 6.25 | 80.98
## 7 | 7 | 44 | 5.98 | 5.98 | 86.96
## 8 | 8 | 28 | 3.80 | 3.80 | 90.76
## 9 | 9 | 21 | 2.85 | 2.85 | 93.61
## 10 | Completely my duty | 47 | 6.39 | 6.39 | 100.00
## 77 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 88 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 99 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## Police have the same sense of right and wrong as me (plcrgwr) <numeric>
## # total N=736 valid N=736 mean=3.02 sd=1.11
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------------
## 1 | Agree strongly | 65 | 8.83 | 8.83 | 8.83
## 2 | Agree | 181 | 24.59 | 24.59 | 33.42
## 3 | Neither agree nor disagree | 239 | 32.47 | 32.47 | 65.90
## 4 | Disagree | 179 | 24.32 | 24.32 | 90.22
## 5 | Disagree strongly | 72 | 9.78 | 9.78 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## Police stand up for values that are important to people like me (plcipvl) <numeric>
## # total N=736 valid N=736 mean=3.15 sd=1.09
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------------
## 1 | Agree strongly | 56 | 7.61 | 7.61 | 7.61
## 2 | Agree | 147 | 19.97 | 19.97 | 27.58
## 3 | Neither agree nor disagree | 241 | 32.74 | 32.74 | 60.33
## 4 | Disagree | 214 | 29.08 | 29.08 | 89.40
## 5 | Disagree strongly | 78 | 10.60 | 10.60 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## I generally support how the police act (gsupplc) <numeric>
## # total N=736 valid N=736 mean=3.25 sd=1.06
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -------------------------------------------------------------------
## 1 | Agree strongly | 42 | 5.71 | 5.71 | 5.71
## 2 | Agree | 122 | 16.58 | 16.58 | 22.28
## 3 | Neither agree nor disagree | 278 | 37.77 | 37.77 | 60.05
## 4 | Disagree | 201 | 27.31 | 27.31 | 87.36
## 5 | Disagree strongly | 93 | 12.64 | 12.64 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How likely to call police if you see a man get his wallet stolen (caplcst) <numeric>
## # total N=736 valid N=736 mean=2.96 sd=0.76
##
## Value | Label | N | Raw % | Valid % | Cum. %
## ----------------------------------------------------------
## 1 | Not at all likely | 36 | 4.89 | 4.89 | 4.89
## 2 | Not very likely | 123 | 16.71 | 16.71 | 21.60
## 3 | Likely | 413 | 56.11 | 56.11 | 77.72
## 4 | Very likely | 164 | 22.28 | 22.28 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How willing to identify person who had done it (widprsn) <numeric>
## # total N=736 valid N=736 mean=2.43 sd=0.81
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -----------------------------------------------------------
## 1 | Not at all willing | 84 | 11.41 | 11.41 | 11.41
## 2 | Not very willing | 317 | 43.07 | 43.07 | 54.48
## 3 | Willing | 269 | 36.55 | 36.55 | 91.03
## 4 | Very willing | 66 | 8.97 | 8.97 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>
##
## How willing to give evidence in court against the accused (wevdct) <numeric>
## # total N=736 valid N=736 mean=2.30 sd=0.83
##
## Value | Label | N | Raw % | Valid % | Cum. %
## -----------------------------------------------------------
## 1 | Not at all willing | 119 | 16.17 | 16.17 | 16.17
## 2 | Not very willing | 333 | 45.24 | 45.24 | 61.41
## 3 | Willing | 227 | 30.84 | 30.84 | 92.26
## 4 | Very willing | 57 | 7.74 | 7.74 | 100.00
## 7 | Refusal | 0 | 0.00 | 0.00 | 100.00
## 8 | Don't know | 0 | 0.00 | 0.00 | 100.00
## 9 | No answer | 0 | 0.00 | 0.00 | 100.00
## <NA> | <NA> | 0 | 0.00 | <NA> | <NA>3.3 Описові статистики
PoliceDataUA <- data.frame(lapply(PoliceData_final, as.numeric))
descr(PoliceDataUA, stats = c("mean", "sd", "min", "med", "max", "iqr", "cv", "skewness"))## Descriptive Statistics
## PoliceDataUA
## N: 736
##
## bplcdc caplcst doplcsy dpcstrb gsupplc plcarcr plccbrg plcexdc
## -------------- -------- --------- --------- --------- --------- --------- --------- ---------
## Mean 4.30 2.96 4.05 4.07 3.25 4.12 3.71 1.94
## Std.Dev 2.97 0.76 2.85 2.83 1.06 2.36 2.16 0.68
## Min 0.00 1.00 0.00 0.00 1.00 0.00 0.00 1.00
## Median 4.00 3.00 4.00 4.00 3.00 4.00 4.00 2.00
## Max 10.00 4.00 10.00 10.00 5.00 10.00 10.00 4.00
## IQR 4.00 0.00 4.00 4.00 1.00 4.00 3.00 0.25
## CV 0.69 0.26 0.70 0.70 0.33 0.57 0.58 0.35
## Skewness 0.24 -0.59 0.35 0.38 -0.15 0.18 0.19 0.36
##
## Table: Table continues below
##
##
##
## plcfrdc plcipvl plcpvcr plcrgwr plcrspc wevdct widprsn
## -------------- --------- --------- --------- --------- --------- -------- ---------
## Mean 1.98 3.15 3.61 3.02 1.99 2.30 2.43
## Std.Dev 0.68 1.09 2.09 1.11 0.70 0.83 0.81
## Min 1.00 1.00 0.00 1.00 1.00 1.00 1.00
## Median 2.00 3.00 4.00 3.00 2.00 2.00 2.00
## Max 4.00 5.00 10.00 5.00 4.00 4.00 4.00
## IQR 0.00 2.00 3.00 2.00 0.00 1.00 1.00
## CV 0.34 0.35 0.58 0.37 0.35 0.36 0.33
## Skewness 0.28 -0.16 0.08 0.01 0.35 0.20 0.094 Моделювання довіри до міліції: конфірматорний факторний аналіз
Специфікація моделі CFA
Model <- "
TrEf =~ plcpvcr + plccbrg + plcarcr
TrFa =~ plcrspc + plcfrdc + plcexdc
ObOb =~ bplcdc + doplcsy + dpcstrb
MoAl =~ plcrgwr + plcipvl + gsupplc
WiCo =~ caplcst + widprsn + wevdct
"
ordered = c("plcrspc", "plcfrdc", "plcexdc", "caplcst", "widprsn", "wevdct")4.1 Візуалізація кореляційної матриці
cor_matrix <- lavCor(PoliceDataUA, ordered = ordered)
# kable(round(cor_matrix, 2), caption = "Кореляційна матриця") %>% kable_styling()
corrplot(cor_matrix, method = "color", type = "full",
order = "original", tl.col = "darkgray", tl.cex = 0.8,
number.cex = 0.7, addCoef.col = "darkgray")
4.2 Результати конфірматорного факторного аналізу
Для перевірки запропонованої факторної структури було проведено конфірматорний факторний аналіз (CFA). Аналіз грунтувався на вибірці з N = 736 спостережень. Оскільки деякы змінні були порядковими застосовувався метод оцінювання діагонально зважених найменших квадратів (DWLS) з робастними стандартними помилками та масштабованим критерієм узгодженості χ² (Satorra-Bentler scaled χ²).
FittedModel <- cfa(model = Model, data = PoliceDataUA, ordered = ordered, std.lv = TRUE)
summary(FittedModel, fit.measures = TRUE, standardized = TRUE)## lavaan 0.6-19 ended normally after 55 iterations
##
## Estimator DWLS
## Optimization method NLMINB
## Number of model parameters 61
##
## Number of observations 736
##
## Model Test User Model:
## Standard Scaled
## Test Statistic 50.250 131.333
## Degrees of freedom 80 80
## P-value (Chi-square) 0.996 0.000
## Scaling correction factor 0.506
## Shift parameter 32.074
## simple second-order correction
##
## Model Test Baseline Model:
##
## Test statistic 17678.735 5987.591
## Degrees of freedom 105 105
## P-value 0.000 0.000
## Scaling correction factor 2.987
##
## User Model versus Baseline Model:
##
## Comparative Fit Index (CFI) 1.000 0.991
## Tucker-Lewis Index (TLI) 1.002 0.989
##
## Robust Comparative Fit Index (CFI) NA
## Robust Tucker-Lewis Index (TLI) NA
##
## Root Mean Square Error of Approximation:
##
## RMSEA 0.000 0.030
## 90 Percent confidence interval - lower 0.000 0.020
## 90 Percent confidence interval - upper 0.000 0.038
## P-value H_0: RMSEA <= 0.050 1.000 1.000
## P-value H_0: RMSEA >= 0.080 0.000 0.000
##
## Robust RMSEA NA
## 90 Percent confidence interval - lower NA
## 90 Percent confidence interval - upper NA
## P-value H_0: Robust RMSEA <= 0.050 NA
## P-value H_0: Robust RMSEA >= 0.080 NA
##
## Standardized Root Mean Square Residual:
##
## SRMR 0.027 0.027
##
## Parameter Estimates:
##
## Parameterization Delta
## Standard errors Robust.sem
## Information Expected
## Information saturated (h1) model Unstructured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## TrEf =~
## plcpvcr 1.710 0.076 22.369 0.000 1.710 0.817
## plccbrg 1.819 0.079 22.937 0.000 1.819 0.842
## plcarcr 1.917 0.092 20.819 0.000 1.917 0.811
## TrFa =~
## plcrspc 0.836 0.016 52.354 0.000 0.836 0.836
## plcfrdc 0.912 0.012 76.240 0.000 0.912 0.912
## plcexdc 0.851 0.014 60.685 0.000 0.851 0.851
## ObOb =~
## bplcdc 2.591 0.137 18.955 0.000 2.591 0.873
## doplcsy 2.700 0.114 23.767 0.000 2.700 0.949
## dpcstrb 2.491 0.112 22.175 0.000 2.491 0.881
## MoAl =~
## plcrgwr 0.800 0.048 16.606 0.000 0.800 0.720
## plcipvl 0.866 0.046 19.020 0.000 0.866 0.792
## gsupplc 0.799 0.043 18.764 0.000 0.799 0.757
## WiCo =~
## caplcst 0.628 0.025 25.336 0.000 0.628 0.628
## widprsn 0.959 0.018 53.783 0.000 0.959 0.959
## wevdct 0.857 0.018 46.493 0.000 0.857 0.857
##
## Covariances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## TrEf ~~
## TrFa 0.686 0.027 25.194 0.000 0.686 0.686
## ObOb 0.239 0.036 6.687 0.000 0.239 0.239
## MoAl -0.509 0.034 -14.939 0.000 -0.509 -0.509
## WiCo 0.007 0.044 0.168 0.866 0.007 0.007
## TrFa ~~
## ObOb 0.279 0.039 7.223 0.000 0.279 0.279
## MoAl -0.551 0.035 -15.672 0.000 -0.551 -0.551
## WiCo 0.130 0.042 3.057 0.002 0.130 0.130
## ObOb ~~
## MoAl -0.248 0.039 -6.454 0.000 -0.248 -0.248
## WiCo 0.074 0.040 1.839 0.066 0.074 0.074
## MoAl ~~
## WiCo -0.199 0.044 -4.478 0.000 -0.199 -0.199
##
## Intercepts:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .plcpvcr 3.607 0.077 46.622 0.000 3.607 1.723
## .plccbrg 3.711 0.081 46.026 0.000 3.711 1.717
## .plcarcr 4.125 0.088 46.776 0.000 4.125 1.745
## .bplcdc 4.299 0.112 38.271 0.000 4.299 1.448
## .doplcsy 4.049 0.110 36.823 0.000 4.049 1.423
## .dpcstrb 4.067 0.110 36.964 0.000 4.067 1.439
## .plcrgwr 3.016 0.041 73.629 0.000 3.016 2.716
## .plcipvl 3.151 0.041 77.331 0.000 3.151 2.881
## .gsupplc 3.246 0.039 82.850 0.000 3.246 3.078
##
## Thresholds:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## plcrspc|t1 -0.731 0.051 -14.333 0.000 -0.731 -0.731
## plcrspc|t2 0.838 0.053 15.916 0.000 0.838 0.838
## plcrspc|t3 2.074 0.109 19.102 0.000 2.074 2.074
## plcfrdc|t1 -0.749 0.051 -14.612 0.000 -0.749 -0.749
## plcfrdc|t2 0.857 0.053 16.185 0.000 0.857 0.857
## plcfrdc|t3 2.209 0.123 17.990 0.000 2.209 2.209
## plcexdc|t1 -0.674 0.050 -13.420 0.000 -0.674 -0.674
## plcexdc|t2 0.934 0.054 17.176 0.000 0.934 0.934
## plcexdc|t3 2.172 0.119 18.318 0.000 2.172 2.172
## caplcst|t1 -1.655 0.079 -21.088 0.000 -1.655 -1.655
## caplcst|t2 -0.786 0.052 -15.165 0.000 -0.786 -0.786
## caplcst|t3 0.763 0.051 14.820 0.000 0.763 0.763
## widprsn|t1 -1.205 0.061 -19.832 0.000 -1.205 -1.205
## widprsn|t2 0.113 0.046 2.431 0.015 0.113 0.113
## widprsn|t3 1.343 0.065 20.635 0.000 1.343 1.343
## wevdct|t1 -0.988 0.055 -17.816 0.000 -0.988 -0.988
## wevdct|t2 0.290 0.047 6.180 0.000 0.290 0.290
## wevdct|t3 1.422 0.068 20.928 0.000 1.422 1.422
##
## Variances:
## Estimate Std.Err z-value P(>|z|) Std.lv Std.all
## .plcpvcr 1.458 0.105 13.869 0.000 1.458 0.333
## .plccbrg 1.359 0.099 13.744 0.000 1.359 0.291
## .plcarcr 1.912 0.139 13.704 0.000 1.912 0.342
## .plcrspc 0.302 0.302 0.302
## .plcfrdc 0.168 0.168 0.168
## .plcexdc 0.276 0.276 0.276
## .bplcdc 2.099 0.365 5.745 0.000 2.099 0.238
## .doplcsy 0.811 0.272 2.981 0.003 0.811 0.100
## .dpcstrb 1.789 0.294 6.082 0.000 1.789 0.224
## .plcrgwr 0.593 0.040 14.818 0.000 0.593 0.481
## .plcipvl 0.447 0.034 13.298 0.000 0.447 0.373
## .gsupplc 0.474 0.041 11.556 0.000 0.474 0.426
## .caplcst 0.606 0.606 0.606
## .widprsn 0.081 0.081 0.081
## .wevdct 0.265 0.265 0.265
## TrEf 1.000 1.000 1.000
## TrFa 1.000 1.000 1.000
## ObOb 1.000 1.000 1.000
## MoAl 1.000 1.000 1.000
## WiCo 1.000 1.000 1.000Якість допасованості моделі оцінювалася за допомогою кількох
індексів. Масштабований тест-статистика χ² Сартори-Бентлера становив
χ²(80, N = 736) = 131.333, p < .001. Хоча значущість тесту χ² часто
спостерігається у великих вибірках і не обов’язково вказує на погану
модель, інші індекси допасованості свідчать про високу якість
моделі:
Порівняльний індекс допасованості (CFI) склав 0.991.
Індекс Такера-Льюїса (TLI) склав 0.989.
Значення CFI та TLI перевищують рекомендований поріг у 0.95 (Hu &
Bentler, 1999), що вказує на відмінну допасованість моделі.
Середньоквадратична похибка апроксимації (RMSEA) становила 0.030, з 90%
довірчим інтервалом [0.020, 0.038].
Тест нульової гіпотези про те, що RMSEA ≤ 0.050, був не значущим (p =
1.000).
Значення RMSEA є нижчим за рекомендований поріг 0.06 для хорошої
допасованості та 0.08 для прийнятної допасованості (Browne & Cudeck,
1993; Kline, 2016). Той факт, що верхня межа 90% ДІ (0.038) також нижча
за 0.06, свідчить про дуже добру відповідність моделі даним.
Стандартизований середньоквадратичний залишок (SRMR) склав
0.027.
Значення SRMR значно нижче порогового значення 0.08 (Hu & Bentler,
1999), що додатково підтверджує добру допасованість моделі.
Загалом, сукупність індексів допасованості свідчить про те, що
запропонована факторна модель добре відповідає емпіричним даним.
Аналіз стандартизованих факторних навантажень
Усі стандартизовані факторні навантаження (колонка “Std.all”) були
статистично значущими (p < .001) та продемонстрували високі значення,
що свідчить про те, що відповідні індикатори є надійними вимірювачами
своїх латентних факторів.
Фактор TrEf:
plcpvcr: β = 0.82
plccbrg: β = 0.84
plcarcr: β = 0.81
Фактор TrFa:
plcrspc: β = 0.84
plcfrdc: β = 0.91
plcexdc: β = 0.85
Фактор ObOb:
bplcdc: β = 0.87
doplcsy: β = 0.95
dpcstrb: β = 0.88
Фактор MoAl:
plcrgwr: β = 0.72
plcipvl: β = 0.79
gsupplc: β = 0.76
Фактор WiCo:
caplcst: β = 0.63
widprsn: β = 0.96
wevdct: β = 0.86
Усі стандартизовані факторні навантаження перевищують 0.60, причому переважна більшість з них є вищими за 0.70 і навіть 0.80. Це вказує на те, що індикатори є сильними та надійними вимірювачами відповідних латентних конструктів, і що ці індикатори добре пояснюються своїми факторами. Найвищі навантаження спостерігаються для індикаторів widprsn (β = 0.96) на фактор WiCo та doplcsy (β = 0.95) на фактор ObOb. Найнижче, але все ще дуже прийнятне навантаження, має індикатор caplcst (β = 0.63) на фактор WiCo.
Результати CFA свідчать про дуже добру допасованість запропонованої п’ятифакторної моделі до емпіричних даних. Індекси допасованості (CFI, TLI, RMSEA, SRMR) знаходяться в межах рекомендованих значень для відмінної або хорошої моделі. Стандартизовані факторні навантаження є високими та статистично значущими, що підтверджує конструктивну валідність вимірювальної моделі та вказує на те, що обрані індикатори ефективно вимірюють відповідні латентні фактори.
5 Оцінка психометричних властивостей вимірювальної моделі
5.1 Конвергентна валідність та надійність конструктів
Після підтвердження задовільної допасованості моделі до даних за допомогою CFA, наступним кроком є оцінка психометричних властивостей вимірювальної моделі, зокрема її конструктної валідності та надійності.
## TrEf TrFa ObOb MoAl WiCo
## alpha 0.86 0.84 0.93 0.81 0.81
## alpha.ord NA 0.90 NA NA 0.85
## omega 0.86 0.83 0.93 0.80 0.81
## omega2 0.86 0.83 0.93 0.80 0.81
## omega3 0.86 0.83 0.93 0.79 0.81
## avevar 0.68 0.75 0.81 0.57 0.68Конвергентна валідність
Конвергентна валідність вказує на ступінь, до якого індикатори (пункти
опитувальника), що теоретично належать до одного конструкту, дійсно
сильно корелюють між собою та з цим конструктом. Вона оцінювалася за
допомогою:
Стандартизованих факторних навантажень. Як було показано в результатах
CFA, всі стандартизовані факторні навантаження (Std.all) були високими
(від 0.63 до 0.96) та статистично значущими (p < .001). Навантаження,
що перевищують 0.50, вважаються прийнятними, а ті, що перевищують 0.70 –
бажаними. У даному випадку більшість навантажень значно перевищують
0.70, що свідчить про сильну конвергенцію індикаторів на свої латентні
фактори.
Середньої вилученої дисперсії (Average Variance Extracted, AVE): AVE
відображає середню частку дисперсії індикаторів, яка пояснюється
відповідним латентним фактором. Рекомендований поріг для AVE становить ≥
0.50 (Fornell & Larcker, 1981), що означає, що фактор пояснює
щонайменше 50% дисперсії своїх індикаторів.
TrEf: AVE = 0.68
TrFa: AVE = 0.75
ObOb: AVE = 0.81
MoAl: AVE = 0.57
WiCo: AVE = 0.68
Усі значення AVE перевищують 0.50, що підтверджує належну конвергентну
валідність для всіх п’яти конструктів. Найвищий показник AVE (0.81)
спостерігається для конструкту ObOb, що вказує на те, що цей фактор
пояснює в середньому 81% дисперсії своїх індикаторів. Навіть найнижче
значення для MoAl (0.57) є прийнятним.
Надійність відображає ступінь узгодженості та стабільності
результатів вимірювання. Внутрішня узгодженість, що оцінює, наскільки
пункти однієї шкали вимірюють один і той самий конструкт, аналізувалася
за допомогою коефіцієнтів альфа Кронбаха (α) та омега Макдональда (ω).
Альфа Кронбаха (α): Цей коефіцієнт є поширеним показником внутрішньої
узгодженості. Значення α ≥ 0.70 зазвичай вважаються прийнятними
(Nunnally & Bernstein, 1994).
TrEf: α = 0.86
TrFa: α = 0.84
ObOb: α = 0.93
MoAl: α = 0.81
WiCo: α = 0.81
Усі значення альфа Кронбаха значно перевищують поріг 0.70, вказуючи на
добру або відмінну внутрішню узгодженість для всіх шкал. Особливо висока
надійність (α = 0.93) спостерігається для конструкту ObOb.
Ординальна Альфа (alpha.ord). Для конструктів TrFa (α.ord = 0.90) та
WiCo (α.ord = 0.85) було розраховано ординальну альфу. Цей коефіцієнт є
більш доречним, коли дані мають порядковий характер, оскільки він
базується на поліхоричних кореляціях. Високі значення ординальної альфи
для цих двох конструктів підтверджують їхню надійність, враховуючи
природу даних. Відсутність значень для інших конструктів може бути
пов’язана з особливостями розрахунку в програмному забезпеченні або
припущенням про інтервальний характер відповідних індикаторів при
розрахунку звичайної альфи. Омега Макдональда (ω3 або ω_total).
Коефіцієнт омега вважається більш точним показником надійності, ніж
альфа Кронбаха, оскільки він не спирається на припущення про
тау-еквівалентність (тобто рівність усіх факторних навантажень у межах
одного фактора). Значення ω ≥ 0.70 також вважаються прийнятними. TrEf:
ω3 = 0.86
TrFa: ω3 = 0.83
ObOb: ω3 = 0.93
MoAl: ω3 = 0.79
WiCo: ω3 = 0.81
Значення омега Макдональда для всіх конструктів також високі та подібні
до значень альфа Кронбаха, що додатково підтверджує високу внутрішню
узгодженість шкал.
5.2 Дискримінативна валідність
htmt_results <- htmt(model = Model, data = PoliceDataUA, ordered = ordered)
print(round(htmt_results,2))## TrEf TrFa ObOb MoAl WiCo
## TrEf 1.00
## TrFa 0.69 1.00
## ObOb 0.24 0.28 1.00
## MoAl 0.51 0.55 0.24 1.00
## WiCo 0.02 0.09 0.08 0.20 1.00Усі значення HTMT у вашій матриці значно нижчі за порогові значення 0.85 (і тим більше 0.90). Найвище значення становить 0.686 (між TrEf та TrFa), що все ще є дуже хорошим показником.
Висновки
Проведений аналіз результатів переконливо свідчить про високі психометричні показники запропонованої вимірювальної моделі довіри до поліції. П’ятифакторна структура, що охоплює довіру до ефективності (TrEf), довіру до процесуальної справедливості (TrFa), відчуття обов’язку підкорятися поліції (ObOb), моральну узгодженість з поліцією (MoAl) та готовність співпрацювати з поліцією (WiCo), продемонструвала добру відповідність емпіричним даним українського раунду Європейського соціального дослідження 2011 року.
Усі п’ять латентних конструктів показали належну конвергентну та дискримінативну валідність, підтверджуючи, що вони є емпірично різними та вимірюють окремі, хоча й взаємопов’язані, аспекти довіри. Внутрішня узгодженість усіх шкал, оцінена за допомогою відповідних коефіцієнтів надійності, виявилася доброю. Таким чином, отримані результати вказують на те, що розроблений на основі відібраних питань ЄСД інструментарій є надійним та валідним для вимірювання відповідних латентних конструктів довіри до поліції в досліджуваному контексті.
Практичні та теоретичні наслідки
Отримані результати мають низку важливих практичних та теоретичних
наслідків
Практичні наслідки Моніторинг та оцінка реформ. Валідована п’ятифакторна модель надає державним органам та аналітичним центрам деталізований інструмент для моніторингу громадської думки, дозволяючи відстежувати зміни в окремих аспектах довіри та більш точно оцінювати ефективність реформ.
Розробка цільових інтервенцій. Розуміння специфічних “проблемних” аспектів довіри дозволяє розробляти сфокусовані стратегії для покращення відносин між поліцією та громадою, наприклад, зосереджуючись на підвищенні ефективності розкриття злочинів або на вдосконаленні стандартів процесуальної справедливості.
Інформування політики безпеки. Дані, отримані за допомогою цього інструментарію, можуть слугувати основою для розробки обґрунтованих політик у сфері громадської безпеки, спрямованих на зміцнення легітимності поліції.
Підвищення підзвітності поліції. Систематичне вимірювання різних аспектів довіри може сприяти підвищенню підзвітності поліцейських структур перед суспільством.
Теоретичні наслідки
Поглиблення розуміння конструкту “довіра до поліції”.
Дослідження емпірично підтверджує багатовимірну природу довіри до
поліції, виокремлюючи п’ять відносно самостійних, але взаємопов’язаних
вимірів. Це збагачує теоретичні моделі, які часто розглядають довіру як
більш монолітний конструкт.
Внесок у методологію вимірювання. Валідація інструментарію на основі даних ЄСД для українського контексту надає дослідникам надійний інструмент для подальших наукових розвідок, уможливлюючи проведення порівняльних досліджень та вивчення факторів і наслідків різних аспектів довіри.
Основа для подальших досліджень. Ідентифікація та валідація чітких вимірів довіри відкриває можливості для дослідження більш складних зв’язків, наприклад, як різні профілі довіри співвідносяться з поведінкою громадян чи їхнім сприйняттям безпеки.
Розвиток теорії легітимності. Дослідження окремих компонентів довіри, особливо процесуальної справедливості та моральної узгодженості, робить внесок у ширші теорії легітимності влади, підкреслюючи важливість не лише інструментальної ефективності, але й нормативних аспектів діяльності поліції.
Література
- European Social Survey European Research Infrastructure (ESS ERIC).
(2023). ESS5 - integrated file, edition 3.5 (Austria not included) [Data
set]. Sikt - Norwegian Agency for Shared Services in Education and
Research. https://doi.org/10.21338/ess5e03_5
- European Social Survey (ESS). (2023). ESS Round 5 – Question Design Template with background information about the module and final survey questions. Retrieved from https://www.europeansocialsurvey.org/sites/default/files/2023-06/ESS5_final_trust_in_police_courts_.pdf
- Katsikatsou, M. (n.d.). The Pairwise Likelihood Method for Structural Equation Modelling with ordinal variables and data with missing values using the R package lavaan. Department of Statistics, London School of Economics and Political Science, UK. Retrieved from https://users.ugent.be/~yrosseel/lavaan/pml/PL_Tutorial.pdf