3

ГАОУ Школа "ШИК 16"

СВАО

66

58

существует с 1956 года, углубленное изучение отдельных предметов

3

ГБОУ Школа № 618

Зеленоград

69

57

углублённое изучение иностранных языков, физики и математики (с расчетом на поступление в МИЭТ)

3

ГБОУ Школа № 446

ВАО

63

48

школа существует с 1938 года, с углубленным изучением экологии, окружной оператор по экологическому образованию в ВАО

3

ГБОУ Школа № 123

ЦАО

70

44

с углубленным изучением предметов художественно-эстетического цикла средствами театрального искусства

3

Школы с ярко выраженным брендом или со специализированной программой обучения

ГБОУ Школа № 734

ВАО

69

54

"Школа самоопределения", была в списке школ ЮНЕСКО

3

ГБОУ СОШ № 1471

ЗАО

62.5

53.7

специализация на компьютерных проектах. Активный участник проектов "Школьная электронная почта", iEARN - (International Education and research Network), Дневник.Ру

3

ГБОУ ЦО № 1602

ВАО

65

42

существует с 1918 года, бывшая школа "Экополис, культура и здоровье",

3

ГБОУ № 1702

САО

60

39

Петровский кадетский корпус, ТОП-500

2

ОО

Округ

рус

мат

Причины, по которым школы могли отказаться от реорганизации в ТОК

ТОП

Новые школы

ГБОУ Школа № 2120

Т НМАО

70.5

56.4

школа существует с 1975 года, но в Новой Москве с 1.09.2014. Не успели реорганизоваться?

3

ГБОУ ООШ № 740 Перспектива

САО

70

41

новая школа в новом районе (с 1.09.2014). Не успели реорганизоваться?

3

Неясные причины отказа от реорганизации

ГБОУ ЦО № 1483

ВАО

69

44

существует с 1936 года

3

ГБОУ СОШ № 1143

ЮВАО

65.9

40.9

существует с 1937 года, низкое качество обучения

3

ГБОУ СОШ № 216

САО

62

40

существует с 1935 года, низкое качество обучения

3

ГБОУ Школа № 374

ВАО

62

28

существует с 1936 года, низкое качество обучения

3

ГБОУ "Школа № 58"

ЮЗАО

65.9

38.2

существует с 1960 года, низкое качество обучения

3

ГБОУ Школа № 544

ЮАО

76

56

причины неясны

3

ГБОУ Школа № 719

Зеленоград

74

47

причины неясны

3

ГБОУ СОШ № 1065

ЮЗАО

73

45

причины неясны

3

ГБОУ Школа № 51

ЮЗАО

66

45

причины неясны

3

ГБОУ Школа № 1055

ЮАО

75

36

причины неясны

3

Примечания: 1. В колонках данных о результатах ЕГЭ серым цветом выделены показатели ниже средних значений по г. Москве (русский язык - 66.5, профильная математика - 45); 2. Коды переменной ТОП в таблице: 1 - школа входит в российский ТОП-25, 2 - входит в российский ТОП-500, 3 - не входит в российский ТОП-лист 2015 года

Указанные в табл.7 группы ОО, имеет смысл объединить по 4 основным направлениям, которые в свою очередь вполне корригируются с теорией дифференциации маркетинговых стратегий по охвату рынка и издержкам и дают возможность сопоставить полученные данные с различными маркетинговыми теориями. Школы, у которых высокие результаты и которые не хотят объединяться, чтобы не снизить стандарты, и школы с этнокультурным компонентом вполне можно отнести к стратегии дифференцированного маркетинга, полученные нами данные совершенно четко говорят о достаточно небольшой доли охвата рынка образовательных услуг и достаточно высоких издержках. Отказ таких школ от реорганизации кажется вполне оправданным.

Во вторую группу попали школы с углубленным изучением иностранных языков, они в свою очередь занимают свою нишу, и результаты ЕГЭ по математике и русскому языку это доказывают. А с введением двух типов экзаменов по математике (база и профиль) существование таких школ вне процесса реорганизации тоже вполне оправданно. Очевидно, что сильное филологическое направление является их конкурентным преимуществом.

В третью группу попали школы с углубленное изучение отдельных предметов и школы с ярко выраженным брендом или со специализированной программой обучения. Нам хотелось бы назвать их школами с «пустым» брендом, зачастую полученным в те времена, когда от того, как называется ОО, зависело ее финансирование. Большинство этого типа попало под реорганизацию, так что проследить охват рынка достаточно затруднительно, но из показателей качества образования абсолютно очевидно, что отказ от реорганизации этой группы школ является неэффективным решением, так как само поддержание «пустого бренда» предполагает достаточно высокие издержки, совершенно не оправданные показателями качества образования.

В четвертую группу попали новые школы и школы с неясными причинами отказа от реорганизации, результаты качества образовательного процесса у тех и других достаточно низкие. А ведь чтобы решить как раз эту проблему и создавались ТОКи. Большинство таких школ также были реорганизованы, а в этой группе представлены ОО которые безусловно только выиграли бы от присоединения или слияния.



Глава 2. Статистическая модель исследования

2.1 Краткая характеристика источников и качества статистического материала

К сожалению, качество и систематизация статистического материала в области московского образования поражает своей неструктурированностью и сложностью в получении. Может быть, это связано с лишь недавно завершившейся волной реорганизации ОУ, и работа в этом направлении уже ведется, но так как изначально задача исследования должна быть реализована на стопроцентной выборке, то трудоемкость получения информации по основным критериям была достаточно большой, и, к сожалению, некоторые из них пришлось исключить из анализа именно из-за невозможности получения полноценной информации.

Итак, за неимением единой систематизированной базы пришлось использовать официальные сайты ОУ, где информация тоже размещена достаточно хаотично, например, одни и те же документы, в разных ОУ размещены в разных разделах сайта. Но очевидно, что есть ряд обязательных документов, которые должны быть размещены на сайте ОУ в обязательном порядке. Одним из таких документов является Устав образовательного учреждения.

В нем всегда точно и подробно описана история реорганизации: год слияния, какие образовательные учреждения присоединены и в каком порядке (если реорганизация происходила поэтапно). Поэтому две переменные - число школ в ТОКе и год начала реорганизации - всегда можно получить из этого источника.

Также были весьма полезны Отчеты самообследования. Существует две формы таких отчетов. В одной (Приложение №2 к приказу Минобрнауки России от 14 июня 2013 года и 10 декабря 2013 года № 1324), если она качественно заполнена, содержится очень много информации: средние баллы ЕГЭ по обязательным предметам, число учащихся, число учителей и их распределение по квалификационным категориям.

Вторая форма отчета самообследования содержит более общую информацию, главным образом о финансовой деятельности образовательного учреждения. Никаких показателей, кроме численности учащихся и учителей, из нее получить нельзя.

Безусловно, очень интересна в рамках нашей работы была страница «Сведения о заработной плате» на сайте образовательного учреждения.

На ней указано число учителей в школе (именно учителей, а не всех категорий педагогических работников!) и средняя зарплата по месяцам. Показатель, используемый в нашем анализе - средняя зарплата за сентябрь-октябрь 2015 года.

Публичный отчет директора оказался наименее информативным источником данных. Примерно в 15% учебных заведений, вошедших в выборку, отчеты относятся к 2013-2014, а иногда и к 2012-2013 учебному году. К тому же отчет служит скорее для представления общей стратегии развития, методической составляющей процесса образования. У таких отчетов нет стандартной формы, поэтому необходимая информация в них разбросана на 200-300 страницах текста или 50-60 слайдах, если отчет выполнен в форме презентации. Помимо этого, данный документ имеет еще один недостаток: в реорганизованных школах та малая доля статистики, которая представлена в этом документе, дана по школьным отделениям, а не по комплексу в целом, что влекло за собой дополнительные трудозатраты для понимания картины в целом по комплексу.

Следующий источник, используемый в работе - страница «Результативность обучения» на сайте образовательного учреждения.

Ее не так просто найти на сайте, поскольку раздел, в котором она располагается, в каждой школе называется по-разному: это может быть «Обучение в школе», «Учебно-воспитательный процесс», «Образование» или «Образовательный процесс». На ней могут быть (теоретически, но не всегда бывают) средние баллы по обязательным ЕГЭ.

2.2 Описание переменных, используемых для оценки адекватности выбранной типологии

В данной части работы хотелось бы поговорить о тех показателях, описание которых все-таки позволило сформировать базу данных школ города Москвы, на основании которой, собственно, и выполнено исследование. Но, следуя модели 4Р, выбранной нами в качестве теоретической основы исследования, опишем прежде фактор place, то есть характеристики места расположения школы. Обратимся для этого к данным Всероссийской переписи населения 2010 года - последних доступных данных о населении административных округов Москвы, чтобы определить, что представляют собой потенциальные потребители образовательных услуг.

Из ниже перечисленных источников удалось получить данные по следующим показателям:

1. Среднемесячная заработная плата по району

2. Процент не владеющих русским языком от населения района

3. Процент лиц, имеющих законченное высшее образование, от населения района

4. Процент граждан из стран СНГ от населения района

5. Процент учащихся из неполных семей

6. Процент учащихся, для которых русский язык не является родным

7. Процент учащихся, состоящих на учете в КДН и ЗП



Табл.8 Зарплаты работников бюджетной сферы и работников образования в Москве в 2014 году

По данным переписи населения 2010 года, в Москве проживал 1 млн детей в возрасте от 7 до 17 лет. Из них только 0.1%, или 1 на 1000, не владели русским языком. Во всем населении Москвы таковых было 0.2%.

Рис.2. Доля граждан СНГ в населении Москвы по округам и доля лиц среди них, не владеющих русским языком

В среднем, в 2010 году 1% населения Москвы составляли граждане СНГ. В ряде административных округов (ЮАО, ЦАО, ЗАО) показатели были в 1.3-1.5 раза выше средне городских. Показатели доли лиц в населении, не владеющих русским языком, по округам различались незначительно; самый высокий показатель (0.3%) наблюдался в ЦАО, против 0.18 в среднем по Москве.

Доля лиц с высшим образованием в 2010 году составляла в среднем по Москве 40%; в округах она варьировала от 54% в ЦАО до 30% в Троицком АО (рис.3).

Рис.3. Доля лиц с высшим образованием (высшее + послевузовское) в населении Москвы, по административным округам

По данным переписи населения 2010 года, в Москве проживало 5409 детей школьного возраста, являющихся гражданами СНГ. 9.7% из них не посещали учебные заведения в момент проведения переписи (октябрь 2010 года). Самые высокие показатели неохваченных школьным образованием были в возрастах 7 лет (возможно, пойдут в школу через год) и 16-17 лет (возможно, остановились на основном общем образовании). В остальных школьных возрастах доля не посещающих учебные заведения не превышала 5%, а в возрасте 10 лет все дети - граждане СНГ посещали школу (рис.4). Но если рассматривать этот показатель в разрезе административных округов, можно видеть существенную дифференциацию: если на юге, юго-западе и западе, а также в новой Москве 14-15% граждан СНГ в возрасте 7-17 лет не посещают школу, в ВАО, ЦАО и СЗАО этот показатель не превышает 6% (рис.5).



Рис.4 Доля граждан СНГ школьного возраста, не посещающих учебные учреждения, по всей Москве

Рис.5 Доля детей школьного возраста - граждан СНГ, которые не посещают учебные заведения, по административным округам

Более трети учащихся Москвы живут в семьях с одним родителем, при этом наблюдается существенная разница по округам (рис.6). В среднем по Москве этот показатель равен 36.8%, но, к примеру, в ЮВАО он составляет 41%, тогда как в СЗАО и ЦАО - лишь 33%.

Среди неполных семей, в которых есть дети-учащиеся, каждая пятая -отец-одиночка с детьми.



Рис.6 Доля детей-учащихся в возрасте 7-17 лет, проживающих в неполных семьях

По данным переписи, в Москве 945 тыс. детей в возрасте 7-17 лет посещают образовательные учреждения; из них для 3.5% русский язык не является родным. Этот показатель также демонстрирует существенные различия по административным округам (рис.7). Минимальная доля школьников, для которых русский язык не является родным, отмечена в Зеленограде (2.0%), максимальная - в ЦАО (4.3%).

Рис.7 Доля учащихся в образовательных учреждениях в возрасте 7-17 лет, для которых русский язык не является родным



2.3 Статистический анализ

При проведении анализа в диссертационном исследовании был использован программный продукт IBMSPSSStatistics 20.0 для Windows. SPSS (аббревиатура англ. «Statistical Package for the Social Sciences», «статистический пакет для социальных наук») -компьютерная программа для статистической обработки данных, предназначенная для проведения прикладных исследований в социальных науках.

Для проверки нашей гипотезы (с учетом возможностей использованных нами источников информации), различия в маркетинговых стратегиях реорганизованных и нереорганизованных школ анализировались с использованием следующих переменных: такому показателю, как доля учителей с высшей категорией, был присвоен код kat_high.

Этот критерий является достаточно важным, так как абсолютно очевидна зависимость качества получаемого образования от квалификации педагогических кадров.

Чем выше вложения в человеческий капитал, тем больше стоимость конечного продукта. Совершенно очевидно, что этот показатель относится к первому фактору стратегии 4Р, а именно иллюстрирует - product. Процесс аттестации педагогических работников по новой форме, как на первую, так и высшую категорию, тоже зависит от того входит ли ОУ в ТОП, что в свою очередь должно мотивировать педагогов на работу на общий результат.

Второй показатель, kat_1, - доля учителей в ОУ с первой квалификационной категорией. Представители этой группы педагогических работников также вносят свой ощутимый вклад в качество образовательного процесса и, естественно, тоже относятся к первому фактору стратегии 4Р.

Но именно качество этих двух переменных отражает и третий по важности фактор нашей модели, а именно promotion. Качество вложений в человеческий капитал учителя отражается не только на образовательных результатах его учеников, но и на уровне общения учителя с родителями.

Очевидно, что именно учитель является основным носителем информации о школе, как он говорит, что он говорит и что при этом делает, играет огромную роль в выборе родителями ОО. Абсолютно не секрет, что в начальную школу идут на определенного учителя, а дальше дети могут поменять школу в поисках сильного математика или физика. Причем эта сила может быть и не подтверждена объективными результатами, просто учитель ведет себя таким образом, выражаясь языком маркетинга, грамотно себя продает, что на него идут родители и дети, но бывает и наоборот - педагог с действительно хорошими результатами по тем или иным причинам не в состоянии найти подход к основной массе учеников и родителей.

Один из ключевых показателей исследования -charge, т.е. нагрузка на одного учителя или количество учеников на одного педагога. От этого показателя напрямую зависит качество обучения. Он относится ко второму фактору стратегии 4P, а именно - price. Этот показатель совершенно четко отражает конкурентное преимущество тех школ, в которых он проявился.

Следующий показатель wage - средняя заработная плата именно учителей, т.е. людей, напрямую задействованных в образовательном процессе. Этот показатель, как и предыдущий также относится ко второму фактору стратегии 4P.

Последние два показателя rus и math отражают средние баллы ЕГЭпо русскому языку и математике соответственно. Они относятся к первому фактору стратегии 4Р, а именно иллюстрируют - product.

В целях анализа, ОУ были разбиты на группы по количеству ОУ, объединившихся в территориальные образовательные комплексы (переменная tok), которой присвоены следующие коды:

1 - ОУ не реорганизовано

2 - ОУ реорганизовано, в его состав входит одна школа

3 - ОУ реорганизовано, в его состав входит две школы

4- ОУ реорганизовано, в его состав входит три и более школы



Описательная статистика:

Переменная	Код tok	Число наблюдений	Среднее значение	Стандартное отклонение	Стандартная ошибка	Min	Max
kat_1	1	41	,3130	,10994	,01717	,09	,53
	2	152	,3024	,08987	,00729	,10	,68
	3	203	,3190	,09236	,00648	,00	,75
	4	175	,3194	,07211	,00545	,10	,56
	Всего	571	,3143	,08747	,00366	,00	,75
kat_high	1	41	,4163	,14189	,02216	,19	,73
	2	152	,4196	,13170	,01068	,10	,76
	3	203	,4114	,13026	,00914	,03	1,00
	4	175	,4140	,09921	,00750	,15	,73
	Всего	571	,4147	,12262	,00513	,03	1,00
charge	1	41	13,5506	3,65103	,57019	5,21	20,95
	2	152	15,7931	2,21631	,17977	9,75	23,80
	3	203	15,5176	2,42146	,16995	8,01	24,36
	4	175	15,1504	2,41764	,18276	5,74	25,14
	Всего	571	15,3371	2,53105	,10592	5,21	25,14
wage	1	41	72,5585	13,60496	2,12474	54,10	118,30
	2	152	74,6809	10,02445	,81309	53,20	125,90
	3	203	73,3828	7,09784	,49817	55,00	97,10
	4	175	76,2886	15,07221	1,13935	52,60	250,10
	Всего	571	74,5597	11,33640	,47441	52,60	250,10
rus	1	41	72,0418	7,80022	1,21819	51,00	85,90
	2	152	72,6755	6,04282	,49014	53,00	87,00
	3	203	71,4291	5,63909	,39579	46,00	88,00
	4	175	71,9722	4,30752	,32562	59,00	86,00
	Всего	571	71,9713	5,57798	,23343	46,00	88,00
math	1	41	53,1441	13,90724	2,17195	28,00	86,00
	2	152	50,2579	7,88491	,63955	33,00	74,40
	3	203	48,8375	7,91358	,55542	27,00	84,00
	4	174	50,2561	7,30515	,55380	27,00	79,20
	Всего	570	49,9591	8,35367	,34990	27,00	86,00

Задача дальнейшего анализа - выяснить, являются ли различия в средних значениях переменных между группами школ незначимыми, т.е. вызванными какими-то случайными факторами или значимыми, т.е. разница между средними значениями переменных определяется типом ОО.

Однофакторный дисперсионный анализ ANOVA

ANOVA
		Сумма квадратов	Число степеней свободы	Средний квадрат	Табличное значение теста Фишера	Значимость
kat_1	Between Groups	,031	3	,010	1,334	,262
	Within Groups	4,331	567	,008
	Total	4,362	570
kat_high	Between Groups	,006	3	,002	,134	,940
	Within Groups	8,565	567	,015
	Total	8,571	570
charge	Between Groups	175,169	3	58,390	9,523	,000
	Within Groups	3476,368	567	6,131
	Total	3651,537	570
wage	Between Groups	970,693	3	323,564	2,538	,056
	Within Groups	72282,221	567	127,482
	Total	73252,914	570
rus	Between Groups	135,269	3	45,090	1,453	,227
	Within Groups	17599,605	567	31,040
	Total	17734,874	570
math	Between Groups	700,195	3	233,398	3,387	,018
	Within Groups	39006,776	566	68,917
	Total	39706,971	569

Судя по этой таблице, значимые различия между школами наблюдаются для переменной charge - нагрузка учениками на одного учителя. Статистическая значимость критерия Фишера (Sig.) в приведенной таблице указана как 0,000, это означает, что различия значимы на уровне0,1%(то есть с вероятностью 99,9% различия в средних величинах нагрузки учениками на одного учителя действительно зависят от типа школы). Кроме того различия между школами значимые - на уровне 0.5% - наблюдаются для средних значений переменной math, т.е. для результатов ЕГЭ по профильной математике.

Однофакторный дисперсионный анализ с апостериорными тестами

Тест Дункана.

По трем переменным - kat_high, kat1 и rus - выборка гомогенна, т.е. значимых различий между средними значениями этих показателей для каждого типа школ нет. На основании итогов этого теста мы можем говорить о том, что система повышения квалификации в городе Москве и уровень подготовки педагогических кадров города, а именно вложения в человеческий капитал в этом направлении, достаточно высоки, что в свою очередь и объясняет полученные результаты. Помимо этого можно предположить, что мы обладаем неполной картиной данных о качестве прохождения аттестации педагогическими работниками, так как практически невозможно отследить в облегченной форме (эта форма отдает на откуп ОО аттестацию своих сотрудников, при условии ее вхождения в ТОП-400) или обычной проходил тот или иной сотрудник. А так как ситуация во многих школах весьма нестабильна, в этом году вошли в ТОП, в следующем уже не вошли, а через год реорганизовались и снова вошли, очень сложно отследить зависимость. На наш взгляд этот вопрос нуждается в дальнейшем изучении, но на данном результате различия не очевидны.

Что касается значений экзамена по русскому языку, то результаты вполне прогнозируемы, так как субъективность и присутствие человеческого фактора в этом экзамене намного выше, чем в математике.

kat_high
tok	N	Subset for alpha = 0.05
		1
3	203	,4114
4	175	,4140
1	41	,4163
2	152	,4196
Sig.		,680
kat_1
tok	N	Subset for alpha = 0.05
		1
2	152	,3024
1	41	,3130
3	203	,3190
4	175	,3194
Sig.		,225
rus
tok	N	Subset for alpha = 0.05
		1
3	203	71,4291
4	175	71,9722
1	41	72,0418
2	152	72,6755
Sig.		,160

Для других переменных можно сказать, что ОУ первого типа - не реорганизованные - значимо отличаются от остальных по средним значениям показателей charge (нагрузка учениками на одного учителя) и math (средний балл ЕГЭ по математике).

Как мы уже говорили выше, значения экзамена по математики гораздо более объективны, и, на наш взгляд, действительно отражают реальную картину происходящего. Значение такого показателя, как нагрузка на одного педагога, является конкурентным преимуществом этих школ, здесь идет речь о «штучном товаре» - возможности практически индивидуального подхода к каждому ученику, ухода от стратегии конвейерного массового производства в образовании.

Также мы видим, пусть и не большие, отклонения в заработной плате, но здесь хочется высказать предположение о том, что учитель это прежде всего профессия творческая, и не для всех ее представителей деньги являются основным мотиватором. Иногда удовольствие от самого процесса преподавания, и такие не материальные факторы как шаговая доступность к месту жительства и комфортная организационная среда, способны перевесить разницу в пару тысяч в рублевом эквиваленте.



charge
tok	N	Subset for alpha = 0.05
		1	2
1	41	13,5506
4	175		15,1504
3	203		15,5176
2	152		15,7931
Sig.		1,000	,089
math
tok	N	Subset for alpha = 0.05
		1	2
3	203	48,8375
4	174	50,2561
2	152	50,2579
1	41		53,1441
Sig.		,267	1,000
wage
tok	N	Subset for alpha = 0.05
		1	2
1	41	72,5585
3	203	73,3828	73,3828
2	152	74,6809	74,6809
4	175		76,2886
Sig.		,222	,092

Тест Шидак.

Этот тест дает те же результаты: средние значения переменной chargeв ОУ типа 1 значимо отличаются от средних значений этой переменной в других типах ОУ; наблюдаются значимые различия средних значений переменной mathв ОУ типа 1 и 3.

Dependent Variable	(I) tok	(J) tok	MeanDifference (I-J)	Std. Error	Sig.	95% Confidence Interval
						LowerBound	UpperBound
kat_1	1	2	,01058	,01538	,983	-,0300	,0512
		3	-,00602	,01496	,999	-,0455	,0335
		4	-,00639	,01516	,999	-,0464	,0336
	2	1	-,01058	,01538	,983	-,0512	,0300
		3	-,01660	,00937	,382	-,0413	,0082
		4	-,01697	,00969	,395	-,0426	,0086
	3	1	,00602	,01496	,999	-,0335	,0455
		2	,01660	,00937	,382	-,0082	,0413
		4	-,00037	,00902	1,000	-,0242	,0234
	4	1	,00639	,01516	,999	-,0336	,0464
		2	,01697	,00969	,395	-,0086	,0426
		3	,00037	,00902	1,000	-,0234	,0242
kat_high	1	2	-,00331	,02163	1,000	-,0604	,0538
		3	,00489	,02104	1,000	-,0507	,0605
		4	,00234	,02132	1,000	-,0540	,0586
	2	1	,00331	,02163	1,000	-,0538	,0604
		3	,00820	,01318	,990	-,0266	,0430
		4	,00564	,01363	,999	-,0303	,0416
	3	1	-,00489	,02104	1,000	-,0605	,0507
		2	-,00820	,01318	,990	-,0430	,0266
		4	-,00255	,01268	1,000	-,0360	,0309
	4	1	-,00234	,02132	1,000	-,0586	,0540
		2	-,00564	,01363	,999	-,0416	,0303
		3	,00255	,01268	1,000	-,0309	,0360
charge	1	2	-2,24245*	,43575	,000	-3,3929	-1,0920
		3	-1,96694*	,42396	,000	-3,0863	-,8476
		4	-1,59972*	,42962	,001	-2,7340	-,4654
	2	1	2,24245*	,43575	,000	1,0920	3,3929
		3	,27551	,26559	,882	-,4257	,9767
		4	,64273	,27454	,112	-,0821	1,3676
	3	1	1,96694*	,42396	,000	,8476	3,0863
		2	-,27551	,26559	,882	-,9767	,4257
		4	,36722	,25542	,626	-,3071	1,0416
	4	1	1,59972*	,42962	,001	,4654	2,7340
		2	-,64273	,27454	,112	-1,3676	,0821
		3	-,36722	,25542	,626	-1,0416	,3071
wage	1	2	-2,12238	1,98696	,867	-7,3685	3,1237
		3	-,82422	1,93321	,999	-5,9284	4,2800
		4	-3,73003	1,95903	,299	-8,9024	1,4423
	2	1	2,12238	1,98696	,867	-3,1237	7,3685
		3	1,29816	1,21107	,866	-1,8994	4,4957
		4	-1,60765	1,25186	,737	-4,9129	1,6976
	3	1	,82422	1,93321	,999	-4,2800	5,9284
		2	-1,29816	1,21107	,866	-4,4957	1,8994
		4	-2,90581	1,16467	,075	-5,9808	,1692
	4	1	3,73003	1,95903	,299	-1,4423	8,9024
		2	1,60765	1,25186	,737	-1,6976	4,9129
		3	2,90581	1,16467	,075	-,1692	5,9808
rus	1	2	-,63368	,98045	,988	-3,2223	1,9550
		3	,61276	,95393	,988	-1,9059	3,1314
		4	,06967	,96666	1,000	-2,4826	2,6219
	2	1	,63368	,98045	,988	-1,9550	3,2223
		3	1,24645	,59759	,205	-,3314	2,8242
		4	,70336	,61772	,829	-,9276	2,3343
	3	1	-,61276	,95393	,988	-3,1314	1,9059
		2	-1,24645	,59759	,205	-2,8242	,3314
		4	-,54309	,57470	,921	-2,0604	,9743
	4	1	-,06967	,96666	1,000	-2,6219	2,4826
		2	-,70336	,61772	,829	-2,3343	,9276
		3	,54309	,57470	,921	-,9743	2,0604
math	1	2	2,88614	1,46092	,259	-,9711	6,7434
		3	4,30657*	1,42140	,015	,5537	8,0595
		4	2,88799	1,44117	,244	-,9171	6,6931
	2	1	-2,88614	1,46092	,259	-6,7434	,9711
		3	1,42043	,89044	,507	-,9306	3,7714
		4	,00185	,92167	1,000	-2,4316	2,4353
	3	1	-4,30657*	1,42140	,015	-8,0595	-,5537
		2	-1,42043	,89044	,507	-3,7714	,9306
		4	-1,41857	,85765	,464	-3,6830	,8459
	4	1	-2,88799	1,44117	,244	-6,6931	,9171
		2	-,00185	,92167	1,000	-2,4353	2,4316
		3	1,41857	,85765	,464	-,8459	3,6830
*. Разница средних значима на уровне 0.05

Остальные 15 апостериорных тестов, приведены в приложении. Все они дают один и тот же результат. Во-первых, значимая разница средних значений переменной charge между ОУ типа 1 и остальными типами.

Об этом эффекте мы уже упоминали выше и данный тест лишь подтверждает предположение о конкурентном преимуществе не реорганизованных школ, способных обеспечить более индивидуальный подход к подготовке каждого обучающегося к экзамену по той же математике.

Во-вторых, значимая разница средних значений переменной math между ОУ типа 1 и 3. Эту разницу на наш взгляд, можно объяснить, в основном шаговой доступностью или месторасположением «забор в забор» данного типа школ, что в свою очередь позволило максимально эффективно использовать кадровые ресурсы, а именно учителя, показывающие высокие образовательные результаты в состоянии легко перемещаться между школьными отделениями.

t-критерий для независимых выборок.

Очевидно, что при анализе на t-критерий нужно в качестве порогового значения выбирать 2, так как выборка делится по следующему принципу: в одну группу попадают ОО, у которых значение переменной tok больше или равно пороговому значению 2 (то есть все реорганизованные школы), а во вторую группу - те, у которых значение tok меньше 2, то есть нереорганизованные.

	tok	N	Mean	Std. Deviation	Std. ErrorMean
kat_1	>= 2	530	,3144	,08562	,00372
	< 2	41	,3130	,10994	,01717
kat_high	>= 2	530	,4146	,12116	,00526
	< 2	41	,4163	,14189	,02216
charge	>= 2	530	15,4753	2,37240	,10305
	< 2	41	13,5506	3,65103	,57019
wage	>= 2	530	74,7145	11,14200	,48398
	< 2	41	72,5585	13,60496	2,12474
rus	>= 2	530	71,9659	5,37812	,23361
	< 2	41	72,0418	7,80022	1,21819
math	>= 2	529	49,7123	7,72667	,33594
	< 2	41	53,1441	13,90724	2,17195

Все школы поделились на две группы - реорганизованные и нереорганизованные, и для каждой из наших шести зависимых переменных приведены: число наблюдений N, средние значения показателя, стандартное отклонение и стандартная ошибка среднего.

В следующей таблице - собственно результаты теста.

1) Анализируем значения t-критерия, учитывая результаты теста Ливиня. С его помощью определяем, равны или не равны дисперсии обеих выборок. Для всех переменных, кроме wage, Sig. < 0.05: следовательно, дисперсии неравны. Для переменной wage используем значение t-критерия при равенстве дисперсий, для остальных переменных - значения t-критерияпри неравенстве дисперсий (используемые значения t-критерия для каждой переменной выделены в таблице цветом).

2) Значимые различия средних значений между группами реорганизованных и нереорганизованных школ отмечены только для переменнойcharge (на уров...