Главная > Автореферат диссертации


И только по квартильному разбиению можно сказать, что значение переменной 2 - «в основном удовлетворен» является важной средней характеристикой для всей выборочной совокупности.

Квантильное разбиение для переменной «удовлетворенность уровнем образования» будет выглядеть следующим образом:

Первый квартиль – это градация «2» переменной, поскольку градации «1» и «2» отметили 25% опрошенных. Второй квартиль (медиана) – так же равен «2». Третий квартиль – градация «3». Квартильное отклонение незначительно, составляет равно 1. Следовательно, центральная тенденция – значение переменной «в основном удовлетворен образованием».


Полезным и нередко используемым показателем при анализе количественных переменных является децильное отношение.

В этом случае в окне Frequencies Statistics в Percentile Values с помощью флажка нужно отметить Cut points for equal group. При этом по умолчанию (в окошке появится цифра 10) все респонденты делятся не на 4 части (квартили), а на 10 равных частей.

Например, с помощью децильного разбиения можно изучить насколько высока неоднородность доходов, получаемых респондентами в месяц.

Децильное разбиение для переменной «доход» выглядит следующим образом:

Данные таблицы говорят о том, что доход до 5000 рублей в месяц получают 10% респондентов (граница первого дециля), а также о том, что для 10% опрошенных доход в месяц составляет 25000 руб. и выше (граница десятого дециля). Децильное отношение – это отношение деятого дециля к первому. Этот показатель демонстрирует, во сколько раз больше получают 10% наиболее высокооплачиваемых респондентов по сравнению с 10% наименее оплачиваемых. В нашем примере децильное отношение составляет 5,00, что показывает степень неоднородности доходов респондентов.

На интервальном уровне измерения, предполагающим не только упорядочение категорий по признаку «больше - меньше», но и установление фиксированного интервала измерения. Поэтому можно осуществлять все операции с натуральными числами.

Наиболее распространенной средней величиной для интервальных вычислений является среднее арифметическое (mean). Характерной особенностью среднего арифметического является высокая чувствительность к кренам в распределении, связанным с наличием в совокупности одного или нескольких предельных значений.

Традиционной мерой разброса значений вокруг средней на интервальном уровне выступает стандартное отклонение.

По методике вычисления описательных статистик проведем одномерный анализ интервальной переменной «доход в месяц». Ход вычислений: Analyze – Descriptive Statistics - Frequencies – Statistics – флажки на Mean, Median, Mode, Std. Deviation, Variance, Range, Minimum, Maximum.

Среднее арифметическое для переменной «доход в месяц» составляет 13,737 (средний доход в месяц составляет 13 тыс. руб.), стандартное отклонение – 12,2770 достаточно большое значение, показывающее на разброс значений, минимальное значение – 1000 руб. в месяц, максимальное – 150 тыс. в месяц, размах составляет 149 тыс. руб.

Задание: 1. Определить какие шкалы необходимы для измерения переменных «Какие городские проблемы вызывают у Вас сейчас наибольшую тревогу?», «Как Вы оцениваете эффективность работы городской администрации в решении существующих в городе проблем?», «Как часто вы смотрите передачи на политические темы по телевидению?». Сформулировать значения переменных (варианты ответов).

2. (по массиву данных файла opros.sav). На основании вычисления описательных статистик (моды, стандартного отклонения, ассиметрии и эксцесса), а так же частоты и процентных соотношений определить характер распределения респондентов по категориям отношения к политической деятельности – переменная «интерес к политической жизни» (var11). Выяснить какая категория (значение переменной) типична для выборочной группы. Построить столбиковую диаграмму.

3. Создать описательные статистики, выбранных двух-трех переменных собственного исследования.

5. Взаимосвязь переменных.

5.1. Двумерный анализ социологических данных.

Парные распределения.

Обработка социологических данных с помощью одномерных частотных распределений, как правило, является исходным этапом анализа собранной информации. Вместе с тем наиболее интересные для социологов вопросы связаны с одновременным анализом значений более одной переменной.

Процесс анализа собранных данных предполагает формирование гипотез типа: «социальные группы с разным уровнем образования (дохода, должностью, местом жительства и т.д.) отличаются по электоральным предпочтениям (степенью удовлетворенности жизнью и т.д.)». Другими словами, допускается, что существует переменная (такая как «принадлежность к определенной социальной группе»), которая объясняет поведение других переменных. Таким образом, есть объясняющие переменные, которые называются независимыми, и объяснимые переменные – зависимые.

Корреляционный анализ основан на расчете отклонения значений изучаемого признака от линии регрессии (от лат. regression – возврат, в данном случае – возврат к средней) – условной линии, к которой эти значения тяготеют. Чем меньше разброс значений, тем сильнее связи.

Корреляция (от лат. correlatio - соотношение) – это статистическая взаимозависимость между признаками изучаемого явления. Корреляционный анализ представляет собой математическую процедуру, с помощью которой изучается эта взаимозависимость.

Наиболее частыми инструментами изучения взаимосвязи двух переменных являются двумерные методы анализа таблицы сопряженности.

При анализе зависимостей двух переменных важнейшим является вопрос о том, какую из переменных считать зависимой, то есть подверженной влиянию, а какую – независимой, то есть влияющей.

Например, примем переменную «возраст» как независимую переменную, а переменную «электоральная активность» как зависимую. По гипотезе исследования возраст респондента оказывает влияние на готовность прийти на выборы. В таблице сопряженности (парном распределении) данные будут выглядеть следующим образом.

По данным в таблице можно увидеть, что действительно есть прямая зависимость возраста респондента и его электоральной активности. Среди респондентов старше 50 лет подавляющее большинство – 74,1% - готово голосовать на выборах, что свидетельствует о высокой электоральной активности людей старшей возрастной категории. Среди молодых респондентов в возрасте до 30 лет готовность голосовать на выборах продемонстрировали всего лишь 55,3% респондентов, почти четверть из них – 24,3% - заявили, что не будут участвовать в голосовании. Таким образом, чем старше возраст респондентов, тем выше их электоральная активность.

Если же принять переменную «электоральная активность» за независимую, а переменную «возраст» за зависимую, то можно получить несколько другие данные таблицы, где нормирование можно провести не от сумм по строкам, а от сумм по колонкам.

В этом случае распределения необходимо сравнивать по разным колонкам таблицы, а не по строкам. Из тех респондентов, кто не собирается голосовать на выборах, большинство составляет молодежь в возрасте до 30 лет (51,4%), респондентов в возрасте 50 лет среди них всего 8,3%. Таким образом, низкая электоральная активность в большей степени характерна для молодых людей, чем для старшего поколения.

Для работы с таблицами сопряженности в программе SPSS используется команды Analyze – Descriptive Statistics - Crosstabs (Таблицы сопряженности). Например, нам нужно выяснить есть ли зависимость готовности голосовать на выборах от возраста респондентов.

Исследуем эту зависимость чуть более детально; для этого нам понадобится точно ответить на следующие вопросы:

  •  Существует ли зависимость вообще?

  •  Что можно сказать об интенсивности этой зависимости?

  •  Что можно сказать о направлении и характере этой зависимости?

Для создания таблицы с переменными «возраст» и «готовность голосовать», нужно сначала выделить переменную «возраст» и с помощью кнопки с треугольником переместить в список Row(s) (Строки), а переменную «готовность голосовать» в список Column(s) (Столбцы).

Раздел Layer 1 of 1 диалогового окна позволяет построить таблицу сопряженности для трех и более переменных.

Для получения данных в процентах нужно щелкнуть на кнопке Cells (Ячейки), открыть диалоговое окно Crosstabs: Cells Display.

Например, нужно установить, существует ли на самом деле статистическая зависимость двух переменных – «возраст» и «готовность голосовать на выборах».

По умолчанию установлен флажок Observed (Наблюдаемые) в группе Counts (Значения), так как наблюдаемые частоты являются главной вычисляемой величиной. При установке флажка Expected (Ожидаемые) в группе Counts (Значения) отображается значение ожидаемой частоты для каждой ячейки. Ожидаемая частота – количество респондентов, которые должны быть в ячейках таблицы в случае независимости переменных. Сопоставляя эти ожидаемые частоты с наблюдаемыми частотами мы можем судить о том, действительно ли два номинальных признака независимы. Чем больше расхождение наблюдаемых и ожидаемых частот, тем эти два признака сильнее связаны друг с другом. При установке флажка Unstandardized (Нестандартизированные) в группе Residuals (Остатки) отображается разность между наблюдаемой и ожидаемой частотами.

Как показывают данные в таблице реальные частоты Count и ожидаемые частоты Expected Count разные в большинстве ячеек таблицы. Следовательно, можно сделать вывод о том, что независимость переменных не подтверждается.

Установление соответствия между наблюдаемыми и ожидаемыми значениями возможно при применении критерия независимости χ2 (хи-квадрат), величина которого определяется, как сумма отношений суммы квадратов отклонений наблюдаемой величины ʄо от ожидаемой величины ʄе к ожидаемой величине в каждой ячейке.

Для того, чтобы провести тест хи-квадрат с помощью SPSS, нужно выполнить следующие действия:

  •  выбрать в меню команды Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Crosstabs... (Таблицы сопряженности)

  •  кнопкой Reset (Сброс) удалите возможные настройки.

  •  перенести переменную «возраст» в список строк, а переменную «готовность голосовать» — в список столбцов.

  •  щелкнуть на кнопке Cells... (Ячейки). В диалоговом окне установить, кроме предлагаемого по умолчанию флажка Observed, еще флажки Expected и Standardized. Подтвердить выбор кнопкой Continue.

  • щелкнуть на кнопке Statistics... (Статистика).

Откроется описанное выше диалоговое окно Crosstabs: Statistics.

  •  установить флажок Chi-square (Хи-квадрат). Щелкнуть на кнопке Continue, а в главном диалоговом окне — на ОК.

Получится следующая таблица сопряженности.

(2 ячейки (12,5%) имеют ожидаемую величину менее 5. Минимальная ожидаемая величина 2,33.)

Принимаются во внимание абсолютные значения остатков, превышающие 1,65. Это служит индикатором существования значимой статистической зависимости между изучаемыми признаками. Знак «плюс» в стандартизированных остатках свидетельствует о том, что реальное количество наблюдений больше ожидаемого, знак «минус» - о том, что оно меньше ожидаемого. Следует учитывать, что величина стандартизированных остатков указывает лишь на вероятность наличия линейной зависимости между изучаемыми переменными, но не на направление и интенсивность этой зависимости.

Для вычисления критерия хи-квадрат применяются три различных подхода: формула Пирсона (Pearson Chi-Square), поправка на правдоподобие (Likelihood Ratio) и тест «линейно-линейная связь» (Linear-by-Linear Association). Если таблица сопряженности имеет четыре поля и ожидаемая вероятность менее 5, дополнительно выполняется точный тест Фишера (Fishers Exact Test).

Df (Ст.св.) – степени свободы, произведение количеств градаций переменных, уменьшенных на 1. Это количество ячеек таблицы, которые могут быть заполнены числами, прежде чем содержание всех остальных ячеек станет постоянным.

Asymp.Sig. (Асимт. значимость) – вероятность случайности связи или р-уровень значимости. Чем меньше эта величина, тем выше статистическая значимость (достоверность) связи. При р-уровне значимости р>0,05 считается, что различия между наблюдаемыми и ожидаемыми значениями незначительны.

Критерий хи-квадрат по Пирсону

О
бычно для вычисления критерия хи-квадрат используется формула Пирсона:

Здесь вычисляется сумма квадратов стандартизованных остатков по всем полям таблицы сопряженности. Поэтому поля с более высоким стандартизованным остатком вносят более весомый вклад в численное значение критерия хи-квадрат и, следовательно, — в значимый результат. Стандартизованный остаток (Std. Residual) 2 или более указывает на значимое расхождение между наблюдаемой и ожидаемой частотами.

В рассматриваемом нами примере формула Пирсона дает максимально значимую величину критерия хи-квадрат (р<0,001). Если рассмотреть стандартизованные остатки в отдельных полях таблицы сопряженности, то на основе вышеприведенного правила можно сделать вывод, что эта значимость в основном определяется полями, в которых переменная «готовность голосовать» имеет значение ";нет";. У молодых людей до 30 лет это значение повышено (2,2).

Корректность проведения теста хи-квадрат определяется двумя условиями: во-первых, ожидаемые частоты < 5 должны встречаться не более чем в 20% полей таблицы; во-вторых, суммы по строкам и столбцам всегда должны быть больше нуля.

В рассматриваемом примере это условие выполняется полностью. Как указывает примечание после таблицы теста хи-квадрат, только 12,5% полей имеют ожидаемую частоту менее 5.

Критерий хи-квадрат с поправкой на правдоподобие

Альтернативой формуле Пирсона для вычисления критерия хи-квадрат является поправка на правдоподобие. При большом объеме выборки формула Пирсона и подправленная формула дают очень близкие результаты. В нашем примере критерий хи-квадрат с поправкой на правдоподобие составляет 26,133.

Тест «линейно-линейнаясвязь» (Linear-by-Linear Association)

Дополнительно в таблице сопряженности под обозначением linear-by-linear (";линейный-по-линейному";) выводится значение теста Мантеля-Хэнзеля (3,826). Эта еще одна мера линейной зависимости между строками и столбцами таблицы сопряженности. Она определяется как произведение коэффициента корреляции Пирсона на количество наблюдений, уменьшенное на единицу:

Полученный таким образом критерий имеет одну степень свободы. Метод Мантеля-Хэнзеля используется всегда, когда в диалоговом окне Crosstabs: Statistics установлен флажок Chi-square. Однако для данных, относящихся к номинальной шкале, этот критерий неприменим.

Таблицы сопряженности, пример которых мы рассмотрели выше, имеют тот недостаток, что в них приводятся только абсолютные значения. Чтобы узнать, насколько эти значения важны по отношению к общему количеству, надо определить их процентную долю, для вычисления процентных значений нужно выполнить следующие действия:

  •  выбрать в меню команды Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Crosstabs... (Таблицы сопряженности)

  •  Не изменяя прежних настроек, щелкнуть на кнопке Cells... Откроется диалоговое окно Crosstabs: Cell Display (Таблицы сопряженности: Отображение ячеек). В группе Percentages (Проценты) можно выбрать один или более из нижеследующих вариантов отображения:

  •  Row (По строкам): Вычисляются процентные значения по строкам: количество наблюдений в каждой ячейке, отнесенное к сумме по строке.

  •  Column (По столбцам): Вычисляются процентные значения по столбцам: количество наблюдений в каждой ячейке в отношении к сумме столбца.

  •  Total (Полные): Вычисляются полные процентные значения: количество наблюдений в каждой ячейке, отнесенное к общей сумме наблюдений.

Таким образом, можно получить данные в двумерной таблице по строкам и столбцам и интерпретировать их в зависимости от заданной задачи. Возможно создание общей таблицы, где представлены проценты по строкам и колонкам таблицы, а так же частоты.

По данным таблицы можно сказать, что среди молодых респондентов в возрасте до 30 лет готовность прийти на выборы гораздо ниже, чем у респондентов других возрастных категорий. Только 55,3% молодых респондентов готовы придти и проголосовать на выборах. В категории респондентов старше 50 лет тех, кто придет голосовать значительно больше – 74,1%.

С другой стороны, из числа тех, кто не собирается голосовать на выборах, большинство составляют молодые респонденты – 51,4%, в возрасте от 45 до 50 лет таких респондентов в три раза меньше – 16,7%, среди пожилых – всего 8,3%. В категории тех, кто еще не решил голосовать ли ему не выборах, больше всего респондентов в возрасте от 31 до 40 лет – 37,1%.

Задание. 1. (по массиву данных файла opros.sav). Построить таблицу сопряженности двух переменных «Как вы относитесь к политической деятельности» и «vozrast» (с использованием интервальной шкалы). Проанализировать процентные соотношения.

2. Провести тест хи-квадрат переменных «Как вы относитесь к политической деятельности» и переменной «vozrast», выявить корреляционную зависимость/независимость этих переменных, по стандартизированному остатку, критерию хи-квадрата проанализировать связи переменных.

3. Исходя из задач и гипотез собственного исследования, выбрать переменные, удовлетворяющие условиям зависимости. Определить зависимые и независимые переменные. Построить таблицы сопряженности переменных собственного исследования, проанализировать данные на наличие зависимости переменных. Выяснить интенсивность зависимости переменных с помощью теста хи-квадрат.

5.2. Коэффициенты корреляции

До сих пор мы выясняли лишь сам факт существования статистической зависимости между двумя признаками. Далее мы попробуем выяснить, какие заключения можно сделать о силе или слабости этой зависимости, а также о ее виде и направленности. Критерии количественной оценки зависимости между переменными называются коэффициентами корреляции или мерами связанности. Значение коэффициента служит показателем интенсивности связи.

Следует отметить, что коэффициенты корреляции выражают не причинную (обусловленность одного признака другим), а функциональную (взаимная согласованность изменения признаков) зависимость между признаками. Различают парную (между двумя признаками) и множественную (между несколькими признаками) корреляции.

Две переменные коррелируют между собой положительно, если между ними существует прямое, однонаправленное соотношение. Положительная корреляция соответствует значениям 0

Для словесного описания величин коэффициента корреляции применяется следующая таблица:

Значение коэффициента корреляции r

Интерпретация

0 < г <= 0,2

0,2 < г <= 0,5 

0,5 < г <= 0,7 

0,7 < г <= 0,9

0,9 < г <= 1

Очень слабая корреляция

 Слабая корреляция

 Средняя корреляция

 Сильная корреляция

 Очень сильная корреляция

Пример сильной положительной корреляции служит зависимость между ростом и весом человека. (если, r = 0,83)

Отсутствие корреляции определяется значением r = 0. Нулевой коэффициент корреляции говорит о том, что значения переменных никак не связаны друг с другом. Примером пары величин с нулевой корреляцией является рост человека и результат его IQ-теста.

Две переменные коррелируют между собой отрицательно, если между ними существует обратное, разнонаправленное соотношение. Отрицательная корреляция соответствует значениям –1 < r < 0. Если значения одной переменной возрастают, то значения другой имеют тенденцию к убыванию. Чем коэффициент корреляции ближе к –1, тем сильнее эта тенденция, и, наоборот, с приближением к 0 тенденция ослабевает.

Для изучения взаимосвязи признаков, измеренных с помощью различных типов шкал, используются разные коэффициенты корреляции. В качестве коэффициента корреляции между переменными, принадлежащими порядковой шкале применяется коэффициент Спирмена, а для переменных, принадлежащих к интервальной шкале — коэффициент корреляции Пирсона (момент произведений). При этом следует учесть, что каждую дихотомическую переменную, то есть переменную, принадлежащую к номинальной шкале и имеющую две категории, можно рассматривать как порядковую. Коэффициент Спирмена равен +1, когда два ряда проранжированы строго в одном порядке, -1, когда два ряда проранжированы в строго обратном порядке, и равен нулю при полном взаимном беспорядочном расположении рангов. Коэффициент корреляции Пирсона равен +1 при строгой (полной) прямой взаимозависимости двух признаков, равен -1 при строгой (полной) обратной взаимозависимости.

Для начала мы проверим существует ли корреляция между переменными «возраст» и «готовность голосовать на выборах». Нужно выполнить следующие действия:

  •  выбрать в меню команды Analyze (Анализ) Descriptive Statistics (Дескриптивные статистики) Crosstabs... (Таблицы сопряженности)

  •  перенести переменную «возраст» в список строк, а переменную «готовность голосовать» — в список столбцов.

  •  щелкнуть на кнопке Statistics... (Статистика). В диалоге Crosstabs: Statistics установить флажок Correlations (Корреляции). Подтвердить выбор кнопкой Continue.

  •  В диалоге Crosstabs нужно отказаться от вывода таблиц, установив флажок Supress tables (Подавлять таблицы). Щелкнуть на кнопке ОК.

Будут вычислены коэффициенты корреляции Спирмена и Пирсона, а также проведена проверка их значимости:

Т
ак как здесь порядковая переменная, мы рассмотрим коэффициент корреляции Пирсона. Он составляет -0,095. р-уровень - 0,050

Исходя из данных таблицы, можно сделать следующие заключения: Между переменными «возраст» и «готовность голосовать на выборах» существует слабая корреляция (заключение о силе зависимости), переменные коррелируют отрицательно (заключение о направлении зависимости).

Следовательно, разнонаправленность соотношения можно интерпретировать следующим образом: чем моложе респонденты, тем ниже их готовность прийти на выборы, и наоборот, чем старше респонденты, тем чаще они готовы голосовать на выборах. Таким образом, электоральная активность респондентов в некоторой степени зависит от возраста респондентов.

Задание. 1. (по массиву данных opros.sav ) с помощью коэффициентов корреляции определить направленность, характер и интенсивность связи между переменными «Как вы относитесь к политической деятельности?» и «Согласны ли Вы с утверждением - «политических деятелей не заботит что думают такие люди как я».

2. Исходя из задач и гипотез собственного исследования, выбрать переменные, удовлетворяющие условиям зависимости. Проанализировать данные на наличие зависимости переменных с помощью коэффициентов корреляции. Выяснить интенсивность, характер и направленность зависимости переменных.

6. Анализ множественных ответов

В данном разделе мы рассмотрим особенности кодирования и анализа множественных ответов. Вопросы, на которые можно дать несколько ответов одновременно (это и есть множественные ответы), имеются во многих анкетных исследованиях. Для кодировки анализа таких множественных ответов SPSS представляет два различных метода: метод множественной дихотомии и категориальный метод. Наиболее удобным и часто используемым является категориальный метод, который и будет рассмотрен более подробно.

6.1. Анализ множественных ответов

с применением категориального метода

В анкетных опросах достаточно часто встречаются вопросы, на которые можно дать несколько ответов одновременно. Возьмем в качестве примера вопрос о симпатиях респондентов различным политическим силам. Например, в анкете содержится вопрос под номером 27:

«Каким политическим силам Вы симпатизируете? (возможно любое число вариантов ответа)»

    1. сторонникам коммунистической идеологии

    2. сторонникам социалистических идей, другим левым силам

    3. сторонникам социально-ориентированного государства

    4. тех, кто выступает против наплыва мигрантов

    5. сторонникам возрождения в стране православия



Скачать документ

Похожие документы:

  1. Ханты-мансийского автономного округа ханты-мансийского автономного округа – югры»

    Документ
    ДЕПАРТАМЕНТ ОБРАЗОВАНИЯ И НАУКИ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГАГОУВПО «СУРГУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГА – ЮГРЫ» Кафедра политологии М.Ю. Мартынов Е.В. Иванчихина ...
  2. Ханты-мансийского автономного округа ханты-мансийского автономного округа – югры» (1)

    Учебное пособие
    ДЕПАРТАМЕНТ ОБРАЗОВАНИЯ И НАУКИ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГАГОУВПО «СУРГУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГА – ЮГРЫ» Кафедра политологии М.Ю. Мартынов Е.В. Иванчихина ...
  3. Ханты-мансийского автономного округа ханты-мансийского автономного округа – югры» (2)

    Документ
    ДЕПАРТАМЕНТ ОБРАЗОВАНИЯ И НАУКИ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГАГОУВПО «СУРГУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГА – ЮГРЫ» Кафедра политологии М.Ю. Мартынов Е.В. Иванчихина ...
  4. Гоу впо «с ханты-мансийского автономного округа – югры» дневник практики

    Документ
    ГОУВПО «СУРГУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГА – ЮГРЫ» ФАКУЛЬТЕТ ЛИНГВИСТИКИ ДНЕВНИК ПРАКТИКИ ...
  5. Ханты-мансийского автономного округа — югры отчёт

    Автореферат диссертации
    ДЕПАРТАМЕНТ ОБРАЗОВАНИЯ И МОЛОДЕЖНОЙ ПОЛИТИКИ ХАНТЫ-МАНСИЙСКОГОАВТОНОМНОГООКРУГА — ЮГРЫ ГОУВПОСУРГУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ УТВЕРЖДАЮ Ректор СурГУ, ...

Другие похожие документы..