авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |

«1 ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ ...»

-- [ Страница 3 ] --

Одна из основных характеристик поведения и действий людей – это их целесообразность, преднамеренность. Цели и соответствующие им за дачи, а также ценности далеко не так едины и просты, как того требует и предполагает процедура измерения. Они разнятся не только от человека к человеку и время от времени, они переплетаются друг с другом так, что в любом данном контексте наверняка несколько из них будут присутство вать одновременно. В политике, когда говорят о господстве, вспоминают классическое трио Гоббса: власть, деньги, славу – вещи, безусловно, из меряемые, но как их соотнести с верностью избранной цели? Как трио Гоббса объединено в одной цели? Разные ценности трудно сопоставимы друг с другом: как можно сравнивать свободу с безопасностью, стабиль ность жизни семьи или сообщества в целом с промышленным развитием, прогрессом?

Конечно, измерение сталкивается здесь с реальными трудностями, но ситуацию не следует заранее расценивать как безнадежную. Для анали за специфических целей можно найти основу для сравнения различных ценностей. Такие показатели, как денежные затраты или потреблнная энергия, могут быть полезны как легко измеряемые, без скрытого значе ния, их собственная ценность часто взаимозаменяема с той, которая изме ряется. Измерения в социальной сфере не ограничены скалярными вели чинами, то есть величинами, которые можно подвергнуть простому упо рядочению. Могут быть использованы векторы и многомерные измерения.

Индивид выбирает работу или дом после первой прикидки и взвешивания по отдельности ряда компонентов (заработная плата, условия труда, жиз ненные перспективы;

арендная плата, площадь, месторасположение), а за тем принимает решение, просуммировав, взвесив результаты так, будто компоненты можно свести к ординарному измерению. Но люди не выби рают себе друзей, суммируя свои оценки о различных чертах и привыч ках, они скорее реагируют на личность в целом. Такой конфигурационный (комплексный) метод, вероятно, более подходит в практике социально политических измерений, чем просто суммирование скалярных величин.

Обычно такой комплексный метод измерения связан с экспертами. К измерению сложных социальных ситуаций, которые тяжело поддаются количественному анализу – например, влиянию политического руково дства на ту или иную сторону общественной жизни – проще всего подой ти со стороны «человеческого измерения». Оценку делают предположи тельно компетентные наблюдатели, и затем в качестве стандарта измере ния бертся некая, подходящая статистическая комбинация. В итоге уче ный, использующий такое измерение, описывает не поведение субъектов, а скорее, поведение группы, состоящей из субъектов и экспертов (судей).

Однако эта комбинация не дат оснований говорить о таком измерении, как о субъективном. Получаемые измерения касаются не качеств, прису щих измеряемому объекту, а отношений между этим объектом и другими, взятыми как стандарт измерения. Если это отношения с другими людьми или даже с самим наблюдателем, их нельзя рассматривать как субъектив ные. Как всегда, здесь вс зависит от контроля, который может осуществ ляться, и от чувствительности и наджности, с которыми делаются раз личные оценки.

Есть мнение о невозможности применять процедуру измерения в со циально-политических науках на том основании, что в этой сфере нельзя произвести полноценную операцию соединения, которая будет иметь структуру арифметического сложения. В истории естественных наук та кие мнения высказывались о многих явлениях природы, но всякий раз скепсис бывал отброшен, хотя измерительные процедуры осуществлялись в иной, нежели первоначально предполагалось, форме. Ресурс измерения ни в коей мере ещ не исчерпан. «Систематическое исследование может быть проведено в социальных науках, как и в любых других, всюду при помощи многих примов, которые менее точны, чем строгое количествен ное измерение, но тем не менее они намного лучше, чем индивидуальное суждение, ничем не подкрепленное. Существует непосредственная линия логической последовательности, состоящая из качественной классифика ции, подводящей к строгим формам измерения через приемы системати ческих оценок, классифицирующих шкал, многомерных классификаций, типологий и простых количественных индексов. В широком смысле тер мина “измерение” социальные феномены измеряются каждый день»57.

Lerner D. and Lasswell H.D. (eds.) The Policy Science. - Palo Alto, 1951. - Р.155.

Однако большие ресурсы, предоставляемые математикой, подводят исследователей социальной жизни к важной дилемме, когда начинается разработка процедуры измерения. Эту дилемму сформулировал Кумбс:

«Если исследователь избирает сильную систему аксиом, типа интерваль ной шкалы или шкалы отношений, он вкладывает больше в данные, он будет иметь сильные математические и статистические инструменты, и он более вероятно найдт решение, и оно будет более простым. С другой стороны, у него будет больше несоответствий, ошибок, он будет ограни чивать количество данных, а то, что он получит, будет в большей степени представлять то, что он вложил в данные через свои предположения… Социальный исследователь сталкивается с дилеммой, когда делает выбор между приведением своих данных в простой порядок и запросом на эти данные, которые должны соответствовать этому простому порядку»58. Для этой дилеммы не существует общего, единого решения. Эта дилемма из разряда тех экзистенциальных дилемм, как та, что существует между раз работкой теории и постановкой эксперимента, с которыми учные должны просто сжиться. Жизнь учного становится легче, когда возрастает пони мание им цены выбора.

Следует заметить, что выбор затрудняется ситуацией, когда измере ние происходит в ином контексте действий, чем это определялось целями научного исследования. Часто начинают измерять разнообразие ненауч ных причин. Общество как бы требует простых шкал, простых оценок (плохо – хорошо, следует покупать, потреблять – не следует покупать, по треблять). Социальный исследователь часто вынужден быть «ненауч ным», вынужден относиться к своей теории измерения или шкале как к «правильной, несмотря на данные». Ученый не должен принимать реше ния, какие цели и оценки более важны. Но для него важно ясно понимать, какая цель для него главная в данном контексте и каковы требования со циальной среды. Часто задают вопрос «как», не размышляя над вопросом «зачем».

Coombs C.H. A Theory of Psychological Scaling // Univercity of Michigan Engineering Research Bulletin. - 1952. - № 34. - Р.486-488.

ГЛАВА 3. СТАТИСТИКА В СОЦИОЛОГИИ 3.1. Использование статистики в социальных науках Описанная нами выше процедура измерения – важнейший элемент исследования в области любой научной дисциплины. И в любой, даже очень хорошо организованной, процедуре измерения содержится элемент ошибки. Самое точное описание или попытка предсказать развитие собы тий, что, собственно, и составляет смысл деятельности ученого, носят только приблизительный характер. Если предсказанное ученым событие происходит в предсказанных же параметрах, это следует рассматривать как случайность и, как отмечает Джевонс, «это скорее должно возбудить подозрение, чем удовлетворение»59. Статистика в социально политических исследованиях часто указывает на ошибки в измерении.

Статистику можно назвать теорией ошибки, конечно, это не конкретная процедура поиска ошибки с характерными процедурами, но теория абст рактных или структурных характеристик ошибки. Статистика демонстри рует эти характеристики для определения ошибки, подсказывает величи ны ошибки и способы учесть ошибку в исследованиях. Это важнейшая функция статистики в исследовательской программе.

В общем же виде статистику определяют как область науки, имею щую дело со сбором, анализом и интерпретацией данных. Е основная за дача – помочь понять многие проблемы, касающиеся не только научной деятельности. Перед нами не стоит задача детально разобраться в особен ностях и специфике статистических методов, важно осветить только ме тодологически важные для социологических исследований проблемы. Ра зумеется, в своих исследованиях мы опирались на специальные работы по статистике60.

Даже если конкретное измерение было бы свободно от ошибки и было совершенно точным, повторение измерения почти наверняка не мог ло бы дать всегда одни и те же результаты. Надо учесть, что концептуаль ные схемы и контексты, в которых будут применяться полученные ре зультаты, носят открытый характер и разные наблюдатели будут иметь в некоторой степени разные концепции, будут по-разному рассматривать то, что называют «одной и той же ситуацией». Чтобы делать предметными результаты исследования, нужно обеспечить некоторую степень меж Jevons W.S. The Principles of Science. - London, 1892. - Р. 457.

Елисеева И.И., Юзбашев М.М. Общая теория статистики. 4-е изд.– М.: Финансы и статистика, 1998;

Воронов Ю.П. Методы сбора информации в социологических ис следованиях.– М.: Статистика, 1974;

Джессен Р. Методы статистических обследова ний.– М.: Финансы и статистика, 1985;

Статистическое моделирование и прогнозиро вание: Учебное пособие / Под ред. А.Г. Гранберга.– М.: Финансы и статистика, 1990.

предметного постоянства. И здесь проявляет себя ещ одна функция ста тистики. Некоторые ученые даже определяют статистику через фиксацию этой функции: «...искусство работать с неопределенностью и межлично стными различиями в ситуациях, требующих принятия решения… Стати стика в целом исследует сходства во мнениях определенных групп людей и ищет приемы уместного в данном случае наблюдения, которые миними зируют различия мнений людей»61. Ряд наблюдателей, каждый из которых дает свою оценку некой величине, или один наблюдатель, который дает оценку о последовательном ряде наблюдений,– все эти случаи дают мно жество данных, которые нужно свести к некоему единству, некоему не противоречивому ряду.

Зачастую разнообразие относится к предмету исследования и только вторично соотносится с наблюдениями, которые над ним производятся.

Исследование может быть направлено на большой класс объектов и си туаций, которые в достаточной степени похожи, чтобы их сгруппировать в один класс, хотя, разумеется, они не идентичны. Они могут быть отнесены к данному классу с различной степенью приближения к характерным чер там этого класса. Вновь выявленное разнообразие снова надо свести к не коему единству. Какое из описаний наилучшим образом характеризует класс, объединяющий гетерогенные объекты, ситуации?

Предположим, есть объяснение, которое должно дать возможность объединить большую группу случаев. Данные, подтверждающие это, ни когда не могут быть абсолютно убедительными, уверенность в них нико гда не будет полной, несомненной. Ведь обычно факт – это только неко торое количество случаев, примеров и степень неопределенности будет соотносима с оставшимися случаями, например теми, которые относятся к ненаблюдаемому будущему. Даже в сравнительно редких случаях, когда данные можно считать исчерпывающими (когда удается изучить каждого члена группы), возможность ошибки нельзя отбрасывать при оценке всех данных, подтверждающих вывод. Более сложным можно назвать случай, когда есть группа фактов, подтверждающая вывод, и группа фактов, ему противоречащая, и тогда исследователь стоит перед необходимостью сравнивать позитивные и негативные факты. Здесь статистика сталкивает ся с задачей определения степени вероятности правдоподобности вывода, который будет результатом исследования, в свете присутствия негативных фактов. Можно сказать, что статистика в широком смысле слова состоит из способов, приемов работы с множеством разнообразных данных для определения, какие выводы эти данные подтверждают и с какой степенью вероятности.

Savage L.J. The Foundation of Statistics. - N.Y., 1954. - Р. 154, 156.

С этой точки зрения статистику можно характеризовать как опера ции с данными, сопутствующими рассуждениям, когда принимается ре шение в ситуации неопределенности. «Статистический вывод – это при нятие разумных решений в условиях неопределенности»62. Вероятно, в области социально-политических исследований все решения носят харак тер неопределенности, за исключением чисто математических действий.

Решения, принимаемые ученым-эмпириком в любом исследовании, безус ловно, сталкиваются с моментом неопределенности. Ведь ни одно иссле дование нельзя считать окончательным, всегда есть что-то, что ещ можно учесть, чтобы сделать принятое решение более обоснованным.

Можно столкнуться с двумя видами неопределенности, прежде всего – с риском. Это ситуация, когда мы знаем о действующем законе, но пред полагаем элемент случайности. Вероятность этой случайности присутст вует, но каков будет результат в данном конкретном случае – неизвестно.

Другой тип неопределенности – статистическое невежество. Какой закон действует – неизвестно. Неизвестны не обязательно все обстоятельства, но достаточно важные, поэтому нет возможности определить степень веро ятности того или иного варианта. Различие между этими двумя видами неопределенности иллюстрируется тем, к каким решениям можно прийти, играя в карты с незнакомцами (исключая самое правильное решение – не играть вообще): существует элемент риска, присущий самой игре, и ста тистическое невежество, то есть незнание игроков, их умений, стиля и, конечно, честности. По ходу игры элемент риска остатся фиксированным правилами игры, тогда как статистическое невежество постепенно сокра щается.

Является ли различие между двумя типами неопределенности значи тельным, фундаментальным? Мы никогда полностью не находимся в не ведении относительно возможностей, с которыми сталкиваемся. В приве денном выше примере тот факт, что другие игроки – незнакомцы, уже го ворит об определенных ожиданиях, и у этих ожиданий есть рациональные основания. С другой стороны, риски не настолько определенны, как мо жет первоначально показаться. Никогда нельзя знать наверняка, какова вероятность, можно только дать ей оценку. Эта оценка может быть более или менее ошибочна, и если бы было известно хотя бы направление, наши оценки были бы более верными. Тем не менее методологически различия между двумя типами неопределенности важны. Не так уж редко, особенно в социальных науках, по незнанию ситуация статистического невежества трактуется как ситуация определенного риска. Вызывает возражение не Кимбл Г. Как правильно пользоваться статистикий.- М.: Финансы и статистика, 1982.- С.24.

то, что выдвигается предположение, которое лежит вне границ доступных фактов, это свойственно всем предположениям. Возражение вызывает то, что неизвестно, как много предполагается. Незнание служит поводом для того, чтобы утверждать, что что-то знают. Вероятность наступления того или иного события неизвестна, но это не повод делать вывод, что вероятность =. Априорная интерпретация вероятности возможна, но всегда есть условия, которые должны удовлетворяться. Опасность кроется в предположении, что эти условия относятся к данному случаю, без пони мания того, какие это условия. Незнание хорошо до тех пор, пока не при ходится расплачиваться за ошибки.

Иногда кажется, что знание статистики – это некая подмена, паллиа тив знания. Использование статистики воспринимается как признак отсут ствия знания, статистика понимается как знание второго плана, фон. Воз можно, это проистекает ещ из теории знания Платона, в соответствии с которой ничто не может называться знанием до тех пор, пока истинность этого не станет и универсальной, и необходимой. То, что только, вероят но, относится скорее к «мнению», чем к знанию. Противоположность зна ния и мнения стирается в современной науке и практике. Ортодоксальный детерминизм умаляет значение статистического знания. Каждое событие имеет свои причины, а научное знание – это понимание причинно следственных законов, при помощи которых событие можно увидеть как необходимое следствие прошлого. Если бы знать о монете достаточно много, можно предсказывать е падение на «орл» или «решку». Вероят ность используется только из-за незнания.

За последние примерно сто лет, возможно благодаря развитию самой статистической науки, такой взгляд оказался значительно потесненным.

Сейчас многие считают причинно-следственные законы упрощением того, что является по существу статистическими отношениями. Эта позиция защищалась Райхенбахом: «Причинно-следственные законы вводятся в процессе схематизации. Мы допускаем, что они верны для идеальных ус ловий, зная, что неизбежные ошибки наблюдения приведут к отклонениям от идеала. Говоря здесь об ошибках, мы делаем уступку априорной фило софии, которая настаивает на том, что существует строгий закон в основе наблюдаемых случаев. Это больше соответствует установлению корреля ции только с высоким процентом, опуская иные интерпретации отклоне ний, как ошибочные. Затем можно прийти к утверждению, что процент подтверждающих наблюдений может быть повышен посредством подхо дящего выбора благоприятных факторов»63. Какое бы мнение ни высказы валось о природе научных законов, статистическое предположение следу Цитата из книги: Lerner D. and Lasswell H.D. (eds.) The Policy Science. - Palo Alto, 1951. - p.122.

ет рассматривать как знание в самом полном смысле слова. Статистика дает возможность узнать больше, выясняя вероятность наступления цело го класса событий, нежели когда точно известно только, каков будет кон кретный результат.

Но, как и любой другой вид знания, статистическое знание не явля ется случайным, у него есть специфическая природа и технология произ водства. Сама по себе статистика - это не источник знания. В статистиче ских вопросах особенно широко распространена «мистика количества», как будто статистическая сводка дает сво собственное содержание. Ма гия чисел не может доставать мыслящих кроликов из действительно пус тых шляп. Похожая на все другие ветви математики, статистика является только инструментом трансформации данных, а не их производства. Когда данные представлены в статистической форме, это вс же только данные, они не превращаются в научные выводы. Смысл статистической форму лировки и трансформации – дать возможность извлечь всю информацию, которую содержит массив данных, чтобы наделить их затем соответст вующими гипотезами.

В социально-политических науках наблюдение остается основным источником информации. В процессе исследования наблюдают, измеряют, возможно, даже ставят эксперименты. Статистику можно рассматривать как общую и абстрактную теорию этого ряда процедур. Е роль - это по лучение информации и е обработка, когда требуется, и приложение ин формации к решению проблем, которые мотивированы исследованием.

Разумеется, математическая статистика совершенствуется сама по себе.

Но с точки зрения методологии статистика полностью подчинена эмпири ческим процедурам.

3.2. Вероятность и индукция Теория вероятности является наиболее распространенной, даже ос новной, для различных операций статистики. Исчисление вероятности для любой концепции, для любой математической системы можно развивать до очень большой степени. «Вероятность» можно взять как первичный, базовый термин для вычислений, не определенных постулатами, которые определяют его формальные качества. Само исчисление не дает никаких особых вероятностей, к ним приходят иными путями. И эти пути зависят от конкретной используемой теории. Что действительно дат вычисление, так это возможность преобразовывать характеристики вероятности в дру гие вероятности. Это, в свою очередь, дает возможность выполнять вы числения при условии, что в наличии есть данные, на которых можно ос новываться в расчетах. Это очень похоже на арифметику. Если известно, что 1,5 курицы откладывают в среднем 1,5 яйца за 1,5 дня, можно легко подсчитать производительность семи кур в течение семи дней. Но ариф метика ничего не говорит о размножении домашней птицы, птичьем гриппе и так далее, эту информацию нужно получать где-то ещ.

Мы не ставим своей целью описать математические процедуры вы числений вероятности. Но обратим внимание на характеристики исчисле ния, важные при их использовании. Мы представим здесь их свободно, даже не обращая особого внимания на различие между формальным свой ством исчисления и интерпретацией результатов.

Термин «вероятность» применяется непосредственно, скорее к клас сам событий, чем к конкретным индивидуальным случаям, из которых та кие классы состоят. Если говорят о вероятности наступления какого-то отдельного события, то «по умолчанию» относят его к классу событий, для которого вероятность дана или может быть просчитана. Более того, нужно учитывать, что такой класс фактически бесконечен. Можно разли чать только конечный набор альтернатив, который должен рассматривать ся, однако каждая из них затем рассматривается, как способная повторять ся бесконечно. У монеты, конечно, только две стороны, но е можно бро сать снова и снова. В частности, вероятность не следует рассматривать как относящуюся к достаточно большим подклассам только для того, чтобы можно было рассматривать все альтернативы. Вероятность «1 к 4-м»

(1:4), например, не означает, что 1 из каждых 4-х случаев является «бла гоприятным». Наоборот, много рядов из 4-х не будут иметь благоприят ных случаев вовсе, тогда как другие будут иметь 2 или 3 или даже будут состоять только из благоприятных случаев. Это так называемый эффект полноты, характерный для случайных последовательностей: случается, что в течение месяцев или лет определенный термин, имя не встречается, а затем вдруг они встречаются 2-3 раза в неделю.

Вероятности связаны с некоторым набором обстоятельств. Эти об стоятельства определяют класс вероятностей: если обстоятельства меня ются, то и вероятности будут иными. Вероятность вытащить определен ные карты из колоды, очевидно, зависит, например, от того, возвращается ли каждая вытащенная карта в колоду или откладывается в сторону;

пере мешивается ли колода или определенным образом складывается;

состоит ли она из обычных карт или нет. Рейхенбах и другие используют в этой связи термин референтного класса, подчеркивая, что вероятности, связан ные с различными референтными классами, не могут непосредственно сравниваться друг с другом. Во многих случаях интересующий нас рефе рентный класс абсолютно ясен и понятен и какие-либо уточняющие его процедуры не нужны. Это всегда связано с ситуацией и требует внимания.

Любой сколько-нибудь связанный с политикой житель Белоруссии лучше предскажет, как изменится режим правления в стране, чем какой-либо аналитик в Брюсселе, учитывая, что каждый из них будет оценивать раз витие форм правления, исходя из своих представлений.

Измерение вероятности довольно часто проводят по шкале от 0 до включительно. Отрицательная вероятность и вероятность больше едини цы исключаются правилами исчисления. Появление таких значений сви детельствует об ошибке в вычислениях или в интерпретациях, а возмож но, и в том и в другом. Вероятность может быть вычислена в долях или процентах, а также в реальных числах с интервалами. Например, говорят о вероятности наступления какого-то события с вероятностью 1 к 3.

Формулировка в смысле шансов предполагает закон дополнения: ес ли предполагать, что вероятность некоего события «Р», то вероятность то го, что оно не произойдет, «1 – Р». Используя в социополитической сфере этот закон, мы должны быть уверены, что наблюдаемое событие действи тельно не произошло и не произошло событие, альтернативное данному.

В общественной жизни, где вс переплетено и взаимосвязано, сделать это не просто. Используем для объяснения, например, цвета. Если наблюдае мый случай «белый», закон дополнительной вероятности применим к лю бому цвету, кроме белого, а не только, скажем, к чрному. И конечно, сле дует зафиксировать, что референтным остатся вс тот же класс.

Когда есть отдельные вероятности появления двух событий, вероят ность того, что произойдет либо одно, либо другое, датся суммой двух вероятностей при условии, что события являются взаимоисключающими.

В том случае, если события нельзя специфицировать как исключающие друг друга, следует применять закон суммирования. Он гласит, что осу ществление по крайней мере одного из событий находится суммой их возможных вероятностей минус вероятность их одновременного появле ния (как будет показано ниже).

Игнорирование условий исключаемости может привести ко многим ошибкам. Иногда эти ошибки проявляются в том, что сумма просчитан ных вероятностей превышает единицу. Сложнее найти ошибку, когда она никак не проявляет себя. В теориях частотности на ошибку можно ука зать, обратив внимание на события, повторяющиеся дважды. Простой пример, традиционный для теории игр: вероятность вытащить из колоды карт карту с фигурой – 3 к 13, а одну из мастей – пики – 1 к 4. Вероятность просчитывается для каждого случая, но не суммируется, хотя валет, дама и король пик можно просчитать и как карты с фигурой, и как пики. Под счет вероятности появления одной из этих карт будет связан с исключени ем одного из возможных вариантов подсчета.

Вероятность появления обоих событий является результатом их спе цифических возможностей, потенций, при условии, что события незави симы одно от другого. Если проводится подсчет вероятности, надо про следить, чтобы независимость не трактовалась в причинно-следственных терминах. Два события статистически независимы одно от другого, если вероятность появления их обоих не меняется в результате появления или непоявления одного из них. Иными словами, вероятность одного события остатся той же, когда оно относится к референтному классу, измененно му только в том отношении, что появление другого события включается в спецификацию класса. Таким образом, вероятность вытащить из колоды две пиковые карты – квадрат вероятности, что одна карта – пики, при ус ловии, что первая вытащенная карта заменена в колоде, затем перемешан ной. В другом случае обстоятельство, что первая карта – пика, сократит вероятность того, что следующая карта тоже пика;

здесь два события не являются независимыми. Закон результата заключается в том, что вероят ность одновременного появления двух событий датся вероятностью пер вого, помноженного на вероятность второго в таких обстоятельствах, что первое уже произошло. Когда это обстоятельство неуместно, эта формула эквивалентна перемножению отдельных вероятностей.

Мы уже обращали внимание, что вероятность, скажем, «m к n», не означает, что из первых «n» случаев следует появление «m». Наоборот, это скорее сомнительный результат. Более вероятны шансы, что в «2n»

случаях появляется приблизительно «2m», и это соотношение становится ещ более вероятным с возрастанием количества рассматриваемых случа ев. В то же время шансы точности соотношения «m к n» будут сокращать ся. Этот эффект, столь часто наблюдаемый в общественной жизни 64, обычно описывается как закон больших чисел (теорема Бернулли). Его можно сформулировать следующим образом: если есть достаточно боль шое количество случаев, наблюдаемое отношение всегда следует считать более вероятным, чем заранее определенное приближение. То, насколько большим здесь будет число, зависит от степени приближения, избранной заранее. И ситуации, когда наблюдаемое соотношение будет точно совпа дать с предполагаемым соотношением, очень маловероятны.

У закона больших чисел был случай продемонстрировать себя в ис торическом казусе «дела Дрейфуса». Обвинение утверждало, что коррес понденция Дрейфуса зашифрована, так как частотное распределение букв алфавита, содержащихся в его корреспонденции, отклонялось от «нормы»

французского языка. Свидетельские показания Пуанкаре, сводившиеся к защите того, что предполагаемая вероятность распределения маловероят на, показались судьям неубедительными, несмотря на то, что это действи тельно так. Возможно, сыграло роль то обстоятельство, что Пуанкаре на звал самого себя самым компетентным из живущих экспертов в теории Ядов, В.А. Стратегия социологического исследования. С.45-46 в объяснении со держания социального факта.

вероятности. То есть это была тактическая ошибка, которую Пуанкаре позже объяснял своим друзьям тем, что тогда он находился под присягой.

Надо заметить, в социальных исследованиях теорема Бернулли, под именем «закона о среднем арифметическом», часто применяется неверно.

Ошибочно предполагают, что преобладание непредсказанных, неблаго приятных случаев в одной части последовательности должно «уравнове шиваться» в другой части, где, как ожидается, соответственно, будет большая часть благоприятных случаев. Возможно, это связано с бытую щим представлением, что жизнь – «в полоску»;

если вначале чрная поло са, то затем должна быть белая, и нельзя терять надежды на лучшее в бу дущем. К сожалению, это хорошо известная математикам «ошибка кар тжника». Делается неверный вывод, что появление решки при подбрасы вании монеты реверса, обратной стороны монеты, делает более вероятным в следующем броске аверс – орел. ( В действительности более рациональ но продолжать ставить на решку.) Нельзя забывать, что каждый бросок независим от предыдущих. У монеты нет памяти о прошлом, она не под считывает «среднее арифметическое». С математической точки зрения, какое бы предпочтение ни наблюдалось, оно имеет вс меньшее значение с увеличением числа наблюдаемых случаев – в результате нечего «усред нять».

Итак, вычисление вероятности дат возможность трансформировать или объединять данные вероятностей так, чтобы прийти к иным данным.

Но как мы получаем первоначальные данные и что узнаем, когда перей дем к другим – эти вопросы не решаются с помощью процедур вычисле ния, они зависят от интерпретации.

Исторически самая ранняя и во многом самая простая интерпретация – та, что датся априорной теорией, имеющей дело, как говорят, с матема тической вероятностью в узком смысле слова. Грубо говоря, вероятность интерпретируется как отношение благоприятных случаев к общему числу альтернатив. Самая простая иллюстрация – карточные игры. Кости, карты, рулетка и другое – это устройства, которые дают фиксированный набор четких альтернатив. Шансы ставок, связанных с этими альтернативами или их сочетаниями, можно вычислить. Априорные теории к первона чальным вероятностям рекомендуют идти путем анализа ситуации и е альтернативных результатов;

подсчитываются возможности, а они опре деляются природой случая. И их не надо раскрывать, организуя специаль ные наблюдения. Важно, чтобы альтернативы были одинаково вероятны, или им следует давать соответствующий различный вес при подсчтах.

Использование примов исследования, рекомендованных теорией вероятности, дат возможность приходить к индуктивным выводам. Сле дует заметить, что индуктивная логика в течение последних полутора ве ков вошла в новую фазу развития и теперь значительно отличается от то го, чему учили Аристотель, Бэкон, Милль. Новизна связана с тем, что те перь индуктивная логика тяготеет к алгоритму «логики открытия», пред ставляя собой алгоритмы ряда практик, ориентированных на инновацию.

Сегодняшняя индуктивная теория представляет собой ряд процедур, ори ентированных на возможно более полную реконструкцию процесса от крытия нового знания. Хорошим примером такого типа алгоритма являет ся «логическая последовательность действий при установлении социаль ных фактов» В.А. Ядова65. Как замечал Карнап, ситуация здесь стала по ходить на ситуацию дедуктивной логики: не существует более рутинных путей открытия дедуктивных теорем и их доказательств, нет более таких путей и для индуктивных гипотез или свидетельств их наличия. Но у нас есть пути установления, фиксации обоснованности неких данных доказа тельств, а также фиксации значения данной суммы свидетельств.

В настоящем достигнуто согласие среди ученых, что использование индуктивной логики опирается на какой-то вариант теории вероятности, требующий ко всему прочему интерпретации. Заключения индуктивного вывода не могут содержать абсолютной, универсальной истины, а только приближаются к ней в той или иной степени. А вот в какой степени – не избежно зависит от предпосылок, из которых делается вывод, то есть, так или иначе, от общего состояния нашего знания. С точки зрения Райхенба ха, ученый всегда должен рассматривать как можно более узкий класс яв лений, для которого у него имеется надежная статистика. Карнап сформу лировал соответствующее требование: использовать все доступные свиде тельства66. Это простой и действительно верный принцип, ведь в любом случае мы всегда исходим из того, что мы знаем, и вероятность остатся нашим гидом в науке, так же как и в жизни. С точки зрения методологии значение теории вероятности заключается в реконструкции, которую тео рия вероятности может подтолкнуть к индуктивному выводу. Что касается философского истолкования проблемы индукции, которая столь долго об суждалась философами со времен Д. Юма, то для методологии социаль ных наук достаточно идеи Ч. Пирса, что свидетельство истинности любо го частного предположения не будет одинаково долго разделяться всеми учеными: вероятность, вес или степень подтверждения любого предполо жения не остаются неизменными бесконечно долго. Ведь проблема, кото рую мы решаем, организуя научное исследование, заключается не в том, как мы вообще получаем какое-либо знание, а в том, как мы можем наи лучшим образом использовать имеющееся знание в качестве средства уз нать больше о том, чего мы ещ не знаем.

Ядов В.А. Указанное сочинение.– С. 50.

Carnap R. Logical Foundations of Probability.- Chicago, 1950.- Р. 211.

С точки зрения методологии социальных наук имеют значение раз личные образцы получения индуктивных выводов. У Карнапа в указанном ранее сочинении можно найти четыре вида случаев, в которых такие вы воды уместны: от населения (генеральной совокупности) к выборке – то, что он называет «непосредственным выводом»;

от выборки к населению – «обратный вывод»;

от одной выборки к другой – «предсказательный вы вод»;

от выборки к индивиду за пределами выборки – «частный предска зательный вывод». Последний случай представляется Карнапу основным, а все другие сводятся к нему. С точки зрения Райхенбаха, основным явля ется «обратный вывод» – от выборочной совокупности к генеральной, что называется «индукцией посредствам простого перечисления». С нашей точки зрения, какой бы из случаев мы ни взяли за основу, подчиняясь принципу «максимальной схожести», наше исследование будет продолже но в рамках индуктивного метода. Особенность социальной реальности – е разнообразие. Разнообразие социальных ситуаций, к которым можно приложить модели индуктивного вывода, бесконечно. Каждая социальная дисциплина, экономическая, политическая или иная может сформировать на основе этой модели свой специфический метод. То, на какой из моде лей останавливаются исследователи того или иного аспекта социального мира, зависит от частоты верных прогнозов, от частоты ошибочных оце нок, от простоты и удобства вычислений, даже, возможно, от эстетиче ских характеристик. И разумеется, знание о социальном мире не может быть абсолютным, так же как абсолютно правильными не могут быть ме тоды исследования этого мира.

3.3. Статистическое описание Многие статистические процедуры носят формализованный харак тер, они стандартизированы. Точно известно, какие вычисления надо сде лать и в каком порядке. Их можно уложить в некие формулы. Обычным является вопрос о том, насколько ценным является знание, полученное с помощью формул. Используемые теперь программы СПСС и «Статисти ка» являются не чем иным, как алгоритмом, серией шагов. Хотя надо за метить, что эти шаги – результат предыдущих, когда-то показавших хо рошие результаты, что не гарантирует того же в будущем. Применением статистики в исследовании нельзя считать просто применение формул для вычислений, в этом случае можно говорить о неполноте статистической функции. Формула организует вычисление, но не может подменять ход размышления о том, что надо вычислять, как интерпретировать и что де лать с результатами. Непродуманное использование статистических фор мул можно назвать «поваренной книгой статистики». Даже обычной до мохозяйке недостаточно просто следовать рецепту. Она учитывает вопро сы диеты, соображения экономии, эстетику и так далее.

Каждое применение формулы должно быть основано на ряде суще ственных предположений о природе проблемы, на ряде гипотез о том, что может продвинуть решение проблемы. Когда в решении научной пробле мы ориентируются на статистику, появляется проблема второго плана, но разобраться с ней необходимо. Это структурирующая проблема: проблема создания модели проблемной ситуации, при которой возможен рацио нальный, имеющий смысл, приемлемый выбор статистических техник и примов, а также возможных объяснений результатов. Решение структу рирующей проблемы требует уточнения, детализации альтернатив, выте кающих из изучения данного случая;

типа распределения между этими альтернативами, природы их зависимости (если она есть) друг от друга;

величины ошибок в оценках, на которых может быть основана классифи кация;

величины этих ошибок по некоей шкале;

наконец, значения ожи даемых результатов для последующих ступеней исследования. Коротко говоря, чтобы точно знать, какую же операцию мы совершаем и какие ре зультаты получим, используя статистику, мы должны знать значительно больше, чем просто статистику. Результативное применение статистиче ского инструментария, как и любого другого, зависит от нашего знания об изучаемых материалах, а также о том, как результат будет использован.

Наиболее простой случай использования статистики – когда пыта ются сократить, свернуть большое количество данных до приемлемых в использовании величин. В социальных исследованиях, где нет устойчивой, общепринятой системы измерений, зачастую сталкиваются результаты из мерения одной и той же величины, сделанные по-разному или сделанные разными наблюдателями. В этом случае нужно найти простой способ оха рактеризовать этот массив данных в целом, найти единую оценку или ре презентирующий элемент, который может быть использован либо как ос нова для сравнения с другими массивами, либо как способ идентификации образца отношений между соответствующими элементами.

Это область дескриптивной статистики. В начале постулируется не кая структура массива данных, которая и будет описываться, а затем бу дут использоваться разнообразные приемлемые процедуры измерения для оценки характеристик этой структуры. Каждая процедура измерения – это статистика, а оцениваемые характеристики – это параметры описанного распределения. Какая бы статистическая процедура ни использовалась, она имеет свои отличительные черты, являющиеся решающими для выне сения суждения о е соответствии и для верной интерпретации, объясне ния результата измерения, произведенного с е помощью. В практике со временных российских социальных исследований можно отметить до вольно много ошибок, являющихся результатом того, что специфические черты статистических процедур не учитывались. С нашей точки зрения, причина этого – невысокий уровень подготовки в этом направлении рос сийских социальных исследователей. Дескриптивная статистика чревата и еще одной типичной ошибкой – когда оцениваемые параметры, относя щиеся к распределению в целом, переносят на отдельные случаи, состав ляющие это целое.

Наиболее распространенная и наиболее знакомая процедура в стати стике – получение средних величин. Средними величинами в статистике называют показатели, дающие сводную характеристику совокупности или е части по количественно варьирующему признаку. Средняя величина в статистике предполагает отражение общего, характерного, типичного для совокупности, благодаря взаимному погашению в ней случайных, нети пичных различий между признаками отдельных е единиц. Процедура по лучения среднеарифметических величин хорошо описана в многочислен ных учебниках по статистике. Нам же хотелось бы обратить внимание на некоторые важные для методологии социальных исследований моменты.

Общеизвестно, что среднеарифметическая величина состоит из сум мы, которую дают наблюдаемые переменные, деленной на число этих пе ременных. Среднеарифметическая величина имеет свойство минимизиро вать вариативность индивидуализированных переменных. Можно взять все отклонения от среднеарифметической, возвести в квадрат (эта опера ция, кроме всего прочего, убирает различие между положительными и от рицательными отклонениями), затем сложить квадраты. Полученный ре зультат будет меньше, чем если пытаться сравнивать отклонения непо средственно с любой точки зрения. Именно поэтому средняя арифметиче ская величина рассматривается как репрезентативная статистика.

Предположим, что делается выборочная совокупность из какой-то группы населения. Можно вынести некие суждения о выборке на основа нии того, что известно о данной группе населения в целом, можно сделать «непосредственный вывод». Если в процедуре выборки не совершена сис тематическая ошибка и отклонения в одном и другом направлении одина ково вероятны, тогда получение среднеарифметической величины наибо лее ожидаемо. Она в большей степени свободна от ошибки, если факторы, вызывающие ошибку, действуют одинаково во всех направлениях. Если просчитываемая переменная является субъектом, подверженным случай ным вариациям, то наблюдаемые характеристики группы населения про являются с частотой, характерной для так называемого нормального рас пределения. Привлекательность среднеарифметической величины заклю чается в том, что, независимо от того как переменная распределена среди всей группы населения (насколько велик разброс от «нормы»), при усло вии, что варьирование переменной остается в определенных границах, средние величины выборок, беспристрастно взятых из группы населения, имеют тенденцию к нормальному распределению. Статистикой этот факт подается как наиболее элегантный и важный результат приложения тео рии вероятности. Использование операций получения средних арифмети ческих величин по большей части гарантирует исследователя от соверше ния ошибки в выводе о характеристиках наблюдаемой группы населения.

Но как бы репрезентативна ни была средняя арифметическая вели чина, нельзя забывать, что она относится ко всей группе населения в це лом. Если демографы фиксируют преобладание в населении Северо Западного округа РФ женщин над мужчинами, это не означает, что жен щины преобладают в составе профессорско-преподавательского корпуса Санкт-Петербургского государственного университета. Средняя величина игнорирует различие того, как распределяются индивидуальные величи ны. Этот факт может ввести в заблуждение, когда, например, сравнивают ся две группы. В качестве примера можно указать на переменную, харак теризующую уровень дохода населения двух групп: средняя величина до хода в этих группах может быть приблизительно одинаковой, даже если в одной группе доход распределен более или менее равномерно, а в другой наблюдается разрыв между низкодоходным населением и небольшим числом богатых.

Другой, часто используемой средней величиной, является геометри ческая средняя. Геометрическую среднюю величину получают перемно жением всех наблюдаемых параметров, а затем, если число параметров «n», извлекают «n-й» корень. Чаще всего геометрическую среднюю ис пользуют для расчетов средних темпов роста в рядах динамики. В этой статистической операции предельным значениям переменных уделяется меньшее внимание, чем это имеет место при получении средней арифме тической. Например, если группа из трх индивидов имеет характеристи ки переменной: 2, 8 и 32, геометрическая средняя величина – 8, тогда как арифметическая – 14. Средняя геометрическая, как видно, уместна там, где сравнение индивидуальных показателей имеет большее значение не в смысле их отличий, а в их соотношениях.

И ещ одна величина из этого ряда – средняя гармоническая величи на. Она вычисляется для индивидуальных варьирующих признаков, вы раженных в форме обратных показателей. Во многом результат здесь по лучают противоположный средней арифметической, так как имеет место деление на «единицу». Такая величина может быть полезна, если нас ин тересует усреднение параметров изменений, колебаний того или иного признака.

Статистика рекомендует использование ещ двух разновидностей средних величин, которые вытекают из характеристики статистических рядов и не являются результатом каких-либо алгебраических действий (то есть вполне доступны для не слишком хорошо математически подготов ленного исследователя). Это структурные средние: мода и медиана67.

Модой называется наиболее часто встречающееся в данной совокуп ности значение. Это значение стабильно наблюдается при повторяющихся выборках, и на моду не влияют предельные характеристики. Мода интере сует, например, производителей небольшого количества обуви или одеж ды либо продавцов этого товара. Им не интересны средние размеры, но им нужно реализовать как можно больше ограниченного по количеству про дукта. Политиков также зачастую интересуют не средние, а наиболее час то встречающиеся характеристики общественного мнения. Средние пока затели переменных, характеризующих общественное мнение, могут нико го не удовлетворять, тогда как мода, по определению, соответствует взглядам большого количества людей. Мода – продолжая политическую метафору – управление большинством. Это не функция всех единиц и да же не характеристика большинства из них. Мода есть то, что может ме няться в избранном интервале количественных характеристик, разделяя это пространство на ясно различимые классы, группы. Гораздо более за путанной для социального исследователя является ситуация, когда мода трудно различима: довольно большое количество групп, классов в частот ном распределении признаков могут быть одинаково распространены. В этом случае, в результате разбиения частотного распределения интере сующего нас признака, выделение классов, групп может быть сгруппиро вано на два, три или любое другое удобное для исследователя число ин тервалов. Унимодальное распределение, то есть распределение с одной модой, встречается в практике социальных исследований не столь часто.

Обычным явлением для политических наук является бимодальное распре деление, то есть частотное распределение с двумя модами.

Однако и на бимодальные распределения выйти довольно непросто.

Чаще социологи работают с мультимодальными распределениями. В этом случае используют статистическую операцию получения медианы. Ме диана – это среднее значение показателя в ранжированном ряду. Медиана характеризует всю совокупность значений, при этом предельные значения не оказывают на медиану решающего влияния.

Определяемые только в смысле порядковых отношений, средние значения не имеют алгебраических качеств, не усложнены в получении и интерпретации. Они особенно эффективны в случае использования поряд ковых шкал.

В случае, если социальное исследование близко к экономико статистическому анализу, вычисляют «вариации». Вариацией признака Кимбл Г. Как правильно пользоваться статистикой.– М.: Финансы и статистика, 1982.– С. 55-70.

называется его изменение у единиц наблюдаемой совокупности. Средняя величина дает обобщающий показатель признака для всей совокупности, но не дает представления о различиях между единицами совокупности.

Показатели вариации, такие как масштаб (или размах) вариации, среднее линейное отклонение, дисперсия, коэффициент вариации, относят к числу обобщающих показателей, характеризующих вариацию признака стати стической совокупности. Эти показатели дополняют средние величины, характеризуют степень однородности статистической совокупности по некоему признаку, границы вариации признака. Соотношение показателей вариации определяет взаимосвязь между признаками.

3.4. Выборка и статистическая гипотеза Все индуктивные выводы в социальных науках основаны на выбо рочных методах, на выборках. Как правило, делается обобщение о целом классе случаев, а исследователи наблюдают только их небольшую часть.

Или, в случае исторических ретроспекций, будущий результат предсказы вается на основе прошлого. Даже если вывод касается одного индивида, одной группы, с которыми проводятся операции наблюдения, измерения и другие действия, это тоже может трактоваться как выборка, так как опре деленным переменным приписываются операционализируемые характе ристики, выбранные на основе неких соображений. Исследователь всегда первоначально имеет базовый массив информации, но его понимание, трактовка этой информации всегда шире, а понимание уже частично явля ется знанием. Видимо, можно сказать, что все гипотезы в социальных науках в широком смысле слова – статистические гипотезы. Конкретная задача, которую решает статистическая часть исследовательской про граммы, – задача оценки веса свидетельств в пользу той или иной гипоте зы.

Исследователя, обосновавшего свои выводы на выборке, что пред ставляется вполне обычным, ожидает дилемма, которую можно назвать «парадоксом выборки». С одной стороны, выборка бесполезна, если не является репрезентативной, если проведена небрежно. С другой стороны, чтобы быть уверенным в репрезентативности выборки, нужно иметь пред ставление о характеристиках генеральной совокупности, об изучаемой группе населения, чтобы сделать вывод, отражает ли выборка характери стики правильно. И в этом случае в выборке вовсе нет необходимости.

Как правило, этот парадокс разрешается соображениями, что репрезента тивность является, скорее, не качеством выборки, а качеством процедуры, посредством которой приходят к выборке, – посредством плана выборки.

Можно иметь представление о неких переменных, характеризующих ис следуемую группу населения (хотя и не всегда это очевидно), знать, что именно это исследуется. В любом таком случае содержание знания под тверждается методом, использующимся для того, чтобы получить данное содержание. Но в свою очередь эффективный метод в целом базируется на представлении об исследуемом содержании. Эту ситуацию можно срав нить с «парадоксом использования»: подтверждается, что некое использо вание слова является верным через консультацию со словарем, но сам словарь основан на реальном, фактическом использовании слов.


План выборки можно представить как по сути дела спецификацию, уточнение, из чего могли бы быть выведены иные выборки и каковы были альтернативные шансы для иных возможных выборок. Чтобы это выяс нять, надо действительно иметь какое-то знание об исследуемой группе.

Причем достаточное для того, чтобы делать разумные предположения о распределении внутри группы изучаемого признака. Проблема структури рования должна быть решена заранее, хотя необязательно окончательно и бесповоротно. Здесь вновь мы сталкиваемся со случаем: нужно использо вать некоторое знание, чтобы получить ещ большее. Например, решение о размере выборки может быть принято на основе того, что у Рейхенбаха названо «перекрстной индукцией»: вывод об адекватности альтернатив ных выборок из данной группы населения или иных, схожих с данной, должен быть сделан на основании переменных, которые можно оценивать как относящиеся к делу. Химик удовлетворн, когда устанавливает точку кипения какого-то вещества на основе двух или трх детерминантов, в то время как сто или более измеряемых переменных недостаточны для уста новления степени толерантности или иных общественных состояний, ха рактеризующих поведение людей. Выборка химика достаточна, потому что уже известно об относительной неизменности химических свойств различных образцов одного и того же вещества. Но различные группы людей существенно отличаются друг от друга по характеристикам пове дения, поэтому и выборка должна быть достаточно большой, учитываю щей эти отличия.

На основании предшествующего знания должен решаться не только вопрос о размере выборки, но также и вопрос о выборе процедур коррек ции и стандартизации данных, получаемых в результате исследования, проводимого на основе плана выборки. Так же как результаты каждой процедуры измерения нуждаются в коррекции для правильной интерпре тации, так и процесс выборки должен корректироваться. Здесь нельзя ис пользовать довольно грубый прим получения средних величин. Нельзя сказать, достаточно ли хороша выборка без ссылки на процедуру, в ре зультате которой она была получена, и на соответствующие процедуры обработки данных. Самая простая иллюстрация: сам акт включения некой единицы в нашу выборку может придать выборке определенные качества, которые не следует принимать во внимание в последующих выводах.

Факт, что респондент демонстрирует определенную стеснительность или агрессивность при опросе, вряд ли является основанием для вывода о стеснительности или агрессивности изучаемой группы населения.

План выборки не должен быть составлен так, чтобы в выборку ис следуемой группы населения отбирались единицы, резко отличающиеся от других групп характеристиками, каким-либо образом проявляющими себя в исследовании. Либо должны быть указания на ясный и простой способ коррекции. В противном случае выборка будет критиковаться за смещенность, пристрастность – ожидаемые переменные и их характери стики в выборке будут отличаться от реально существующих переменных изучаемых групп населения. Любопытно, что понимание смещенной вы борки существовало издревле. Известно предание о человеке, которому показывали храм, с рисунками всех людей, которые были спасены после кораблекрушения и которые принесли обет богам в благодарность за спа сение. Когда его спросили, признат ли он теперь силу богов, он ответил:

«Покажите мне рисунки тех, кто утонул, после того как дал обет». Ясно, что смещение выборки не имеет ничего общего с какими-либо предубеж дениями наблюдателя. Это свойство принятого плана выборки.

Смещение может быть хорошо понятным и, как следствие, коррек тируемым. Например, изучение изменений размеров семьи в России.

Можно начать с простой выборки нынешнего населения, выяснить у каж дого из респондентов, сколько у него родственников, затем сколько род ственников было у его родителей, дедушек и бабушек и так далее до более ранних поколений. Такие исследования теперь в России приобретают из вестную популярность. Но этот план выборки является, при всей сложно сти и, как правило, трагичности историй российских семей, изначально смещенным в пользу больших семей в прошлом. Ясно, что чем больше семья, тем более вероятно, что она оставила потомков в нынешнем поко лении, с которого начинают выборку. Причем бездетные семьи в ранних поколениях вообще не могут быть представлены в подобной выборке.

От плана выборки требуется не только отсутствие смещения в вы борках, характеризуемое как точность выборки, но также такая характери стика, как стабильность. Чтобы использовать выборку, нужно знать, что другие выборки, предпринятые по этому же плану, дадут подобные ре зультаты. Характеристика стабильности выборки так же важна, как репре зентативность. Нестабильность наиболее заметна в небольших по масшта бам выборках: их можно сформировать практически без какого-либо за метного смещения вообще. Но вследствие их небольших размеров может сложиться, что повторяющиеся выборки продемонстрируют результаты, между собой различающиеся. Надо заметить, что использование неста бильных выборок – общий недостаток современных российских социоло гических исследований. Даже если выборки были сформированы без сме щения, они не могут служить надежной базой для широких обобщений по поводу всех случаев, характеристик, связанных с исследованием данной группы населения.

Выборка может считаться свободной от смещения, если это случай ная выборка. Однако нет единого мнения о том, что именно представляет собой процедура достижения «случайности». Распределение «благоприят ных случаев» (то есть тех, в которых есть заинтересованность) в последо вательности случайно, если отсутствует возможность выбора последую щего события и ссылка на благоприятное событие, что может привести к более высокому проценту таковых событий. Этот принцип можно назвать «принципом игровой системы», так как выборка респондентов подобна ставкам в рулетке (например, можно ставить на чрное через раз, или по сле двух выпавших подряд красных, или по другой системе). Последова тельность можно назвать случайной, если е нельзя сформулировать по законам какого-либо человеческого языка (который так или иначе описы вает последовательность). Как бы строго ни была определена случайность, в целом есть согласие относительно того, что члены случайной последова тельности статистически независимы друг от друга. Частота благоприят ных случаев является неизменной, когда последовательность регулярно разделена на части или, другими словами, когда частота одна и та же в любых последовательностях, состоящих из каждого «n-го» члена перво начальной последовательности.

Так же как и ясность (несмещенность) выборки, случайность являет ся качеством скорее плана выборки, нежели самой процедуры выборки.

Так называемое случайное число никак не отличается от любого другого числа. Является ли оно случайным, невозможно определить, изучая само число. Случайна последовательность, членом которой оно является, даже скорее некий способ прихода к этой последовательности. На практике ис пользуются механические примы, устройства для создания такой после довательности, вроде подбрасывания монеты или костей. Это оправдано, так как, если бы перед нами стояла задача сформировать последователь ность, делая ряд выборов, которые, как мы полагаем, являются произ вольными, случайными, результат почти наверняка случайным не будет.

Разумеется, механические методы не нужно отрабатывать в каждом ис следовании отдельно. Существуют таблицы случайных чисел, которые со ставлены при помощи таких методов. Один из вариантов такой таблицы приводит И.Ф. Девятко68.

В статистике и социологии описано довольно много образцов, на ос новании которых можно построить план выборки, отличающихся харак тером выборочных процедур. Существуют случайные и индивидуальные Девятко И.Ф. Методы социологического исследования.– М.: КДУ, 2006.– С. 205.

выборки, систематические, групповые и кластерные. Можно создавать стратифицированную выборку, разделяя изучаемую группу населения на подклассы и делая выборку из каждого: вероятностные выборки, где каж дый подкласс входит в общую выборку пропорционально его доле в гене ральной совокупности;

многоступенчатые выборки, включающие проме жуточные этапы общего плана выборки, и многие другие. Тип выборки всецело зависит от цели исследования: чем конкретнее, точнее сформули рована цель, тем менее дискуссионным будет решение вопроса о плане выборки. С нашей точки зрения, важно признать, что каждый план выбор ки требует своей особой процедуры стандартизации и своего особого пути достижения стабильности. Так же как и в процедуре измерения, где суще ствует много шкал и способов, которые могут быть использованы, каждый со своими достоинствами и недостатками, выборка не является одинако вой, единообразной процедурой, но такой процедурой, которая меняется от проблемы к проблеме, от одной цели к другой, так как предполагает и даже требует разных математических подходов.

На основе выборки можно сформулировать статистическую гипоте зу, которую Дж. Фон Нейман определил как любое предположение, ка сающееся частотных функций наблюдаемых случайных переменных69.

Гипотеза может заключаться в том, что данная переменная исследуемой группы населения имеет некие параметры, или что эти параметры ограни чены определенными рамками, или что некие переменные статистически независимы друг от друга, или что распределение наблюдаемой единицы в последовательности нормальное, и другом. Как будут реализованы эти гипотезы, зависит от способа применения теории вероятности, к которой прибегают в таких случаях. В среде исследователей можно встретить точ ку зрения, согласно которой, поскольку статистические гипотезы по умолчанию относятся к пределам бесконечных последовательностей, они не являются, строго говоря, предположениями вообще, так как никакой конечный набор наблюдений не может их фальсифицировать. Утвержде ние, что бесконечная последовательность имеет определенный предел, ло гически сравнимо с первоначальным сегментом последовательности, ка ким бы он ни был масштабным и длительным, имеющим такое значение, которое ему может быть приписано. Показательный пример: монета, па дающая «орлом» первые десять раз подбрасывания. Это не означает, что она «фальшивая», она вынуждено падает «орлом» десять раз подряд рано или поздно, и то, что это произошло, может быть случаем «рано».


С такой точки зрения статистические гипотезы следует рассматри вать не как предположение, а как процедурное правило – правило для соз Neumann J., Morgenstern O. Theory of Games and Economic Behavior. - Princeton, 1944.

дания предположений или для вывода одного предположения из другого.

Наиболее важным здесь является то, что при любой интерпретации при емлемость гипотез зависит от наблюдаемых частот. Поведение монеты, если это монета «честная», может вовсе и не фальсифицировать гипотезу, но может повлиять на решение, заключать ли пари на следующий бросок.

Гипотеза может и не повлечь за собой определенных частот в конечных, ограниченных выборках, но она может приписать вероятности нахожде ния выборок с определенными частотами70. В логике прикладного иссле дования, каким бы образом эта логика ни реконструировалась, статисти ческие гипотезы о группах населения испытываются при помощи того, что дат выборка, которую сформировали по поводу этой группы.

Значение, вес свидетельства за или против гипотезы не зависит, од нако, полностью от самих частот. Другие гипотезы, ранее созданные, мо гут быть допустимы при условии вероятностей второго уровня, касаю щихся наблюдаемых частот при предположении, что основная гипотеза является ложной. Из этого выстраиваются средние величины, то, что у Райхенбаха названо «цепочками свидетельств». Цепь вероятных выводов может быть сильнее, чем е самое слабое или даже самое сильное соеди нение.

Статистика изначально стремилась заменить выражения вроде «ве роятно – невероятно», «маловероятно – мы можем с уверенностью сделать вывод» и тому подобные другими более определенными числовыми ха рактеристиками. Когда полученные доказательства дают нам возможность сказать: «можно с уверенностью сделать вывод» или нечто этому проти воположное, способ поддержать такие утверждения статистически – ста тистический тест. Он состоит из вынесения суждения, правила. Подобные правила могут иметь следующий вид: действие «А» предпринимается, ко гда точка выборки, определенная наблюдателем, попадает в специфици рованную категорию точек, а действие «В» предпринимается во всех ос тальных случаях. Можно сформулировать довольно большое количество такого типа правил. Выбор зависит от последующих действий исследова теля в соответствии с данным правилом.

Если решение об использовании правила принято, возможны два ви да ошибок. Ошибка первого рода состоит в отрицании гипотезы, которая тестируется, хотя на самом деле она верна. Ошибка второго рода состоит в принятии гипотезы, которая проверяется, хотя на самом деле она невер на. Следует обратить внимание, что эти два вида ошибок, сосуществую щих в нашей жизни, имеют разные последствия. Например, в ситуации контроля качества процесса производства лекарств намного меньше по терь при отбраковке партии, возможно и подходящей по спецификации, Braithwaite R.B. Scientific Explanation. - Cambridge (Engl.), 1956. - Р.131.

невзирая на то, что показала выборка, нежели при принятии партии, кото рая окажется вредной, хотя выборка показала противоположное. Иная си туация, когда принимается решение о сдаче вступительных экзаменов абитуриентами: студент, принятый по ошибке, впоследствии проявит не достаточные способности, тогда как знания и умения не принятого по ошибке студента могут быть потеряны для общества навсегда.

Статистическая гипотеза обычно формулируется таким образом, что наиболее серьзная ошибка относится к первому роду ошибки. Негатив ная форма гипотезы известна как нулевая гипотеза. Согласно нулевой ги потезе, не существует зависимости одной переменной от другой или нет серьзного различия между двумя типами измерений одного и того же па раметра. Следовательно, ошибка первого рода заключается в ошибочном отрицании нулевой гипотезы, а ошибка второго рода – в ошибочном е принятии.

Данный статистический тест будет в целом более чувствителен к од ному роду ошибки, чем к другому. Вероятность появления ошибки перво го рода, когда данный тест используется, называется уровнем значимости теста, или уровнем достоверности, которую тест дат. Таким образом, ут верждение, что гипотеза создана с ориентацией на уровень 05, означает:

применяемая статистика будет иметь, по крайней мере, наблюдаемую ве личину, если гипотеза окажется ложной, то есть, если бы истинной была безрезультатная гипотеза. Вероятность обнаружения ложности безрезуль татной гипотезы, если она действительно ложная (что является дополне нием вероятности ошибки второго рода), носит название значения теста.

Значение увеличивается с увеличением масштаба выборки, грубо говоря, в большей выборке «совпадение» становится менее вероятным.

Здесь, как и везде при использовании статистики с соответствующи ми вычислениями, практически вс зависит от того, как изучаемая про блема была структурирована. Исследователь всегда действует на основе ряда предположений, особенно это касается социальных исследований различных групп населения. Чем значительнее эти предположения, тем мощнее применяемый статистический тест;

с другой стороны, тем менее обширен в применении избранный вариант структурирования проблемы.

3.5. Статистика в социологических дисциплинах Ученый-социолог использует статистику как точку выбора в непре рывном потоке его поведения: проведение исследования в конечном итоге можно рассматривать как одну из разновидностей поведения. Результатом каждого исследования в этом случае является решение на основе выбора.

Решение, разумеется, не обязательно должно формулировать, как на этом может настаивать вульгарный прагматизм, каких действий следует при держиваться за пределами контекста исследования, а от каких воздержи ваться. Действие не обязательно должно состоять из применения научного результата к прикладной, практической проблеме. Научная деятельность, в частности исследование, сама является сферой практического: здесь де лают нечто важное для общества, и общество должно быть заинтересова но в том, чтобы делалось это хорошо. Получение научного вывода – это особый случай принятия решения, совершения выбора между альтернати вами, с которыми сталкиваются в проблемных ситуациях.

Рациональность решения предполагает ориентацию на определен ные ценности71. Одну из двух альтернатив выбирают, так как предпочи тают один результат другому и предполагают, что избранная альтернатива даст предпочтительный для нас результат. В игру вступает система «по лезных вещей» – назовм таким условным термином сумму ценностей, предпочтений или любого желаемого в ситуации принятия решения. Ре шение принимается с ориентацией на факторы, которые, как ожидается, до максимума увеличивают функциональную полезность или стимулиру ют создание благоприятной обстановки.

Однако известно, что положительные функции сопряжены с дис функциями (Роберт Мертон) и результат может не соответствовать ожи даниям, и ситуацию выбора придется повторять вновь и вновь. Появляет ся суждение о том, чтобы воздержаться от выбора вообще, так как выбор лучшего варианта может повлечь за собой катастрофические последствия, если в конечном итоге он лучшим не окажется. Такая стратегия изначаль но дает некоторые гарантии выигрыша без приобретения страховки, про сто сохраняя некий потенциал, который может быть использован для реа лизации решения.

Давайте присмотримся к тому, какие факторы задействованы в оценке некой величины, например протяженности объекта, причем этот объект – часть социального мира, которым и интересуются общественные науки. Можно предположить, что какие-то измерения уже были сделаны, ведь общественные вопросы – вопросы «вечные» для общественной прак тики во все времена, и что полученные данные нам доступны. Эти данные не обязательно сообщают нам протяженность объекта, так как говорят на разных языках. Прежде всего, нужно перевести, о чем эти данные, и ре шить, чему верить. Этот момент наиболее актуальный и самый основной для политических наук и для политической философии: глас народа мож но трактовать как глас Бога, но люди не говорят одним голосом, и только Бог знает, что они говорят.

Лейси Х. Свободна ли наука от ценностей? Ценности и научное понимание.– М.:

Логос, 2001.

Принимая решение на основе полученных данных, играют против Природы, против сложившегося естественным образом порядка вещей. И это решение не часто не просто игра, то есть ничего важного на кону не стоит. Более того, не предполагается, что Природа собирается одержать верх над нами. Но есть призовой фонд, который можно выиграть, – преж де всего, это знания или истина. И есть цена, которую придется платить за плохую игру. Игра, разумеется, предполагает правила, которые придумали не мы, – это то, что мы называем законами Природы и обстоятельствами дела. Они как раз определяют награду или наказание, но мы свободны в выборе стратегий в соответствии с этими правилами.

Ясно, что, для того чтобы принять рациональное решение, касаю щееся протяженности объекта, нужно рассмотреть ряд вопросов, помимо тех, на которые датся ответ данным набором измерений. Перечень таких вопросов может быть нижеследующим. Какова ставка, ради которой иг рают, то есть, что будут делать с оценкой, когда е получат, и что, в свою очередь, она сделает? Всегда ли есть победитель и как его выбирают, то есть что определяет лучшую оценку из возможных в данной ситуации?

Позволяет ли ситуация сделать больше нежели один выбор? Какова цена оценки, то есть какими последствиями сопровождается включение в си туацию? Какова цена ошибки и как эту ошибку определить? Является ли эта цена фиксированной или может меняться в зависимости от величины ошибки? Может ли ошибка быть исправлена впоследствии? Можно ли изъять неверное действие? Каких усилий потребуют дополнительные из мерения? Сколько времени нужно для принятия решения? Сколько долж но быть заплачено в соответствующих единицах за использование челове ческих ресурсов, компьютерного времени и других ресурсов, доступных научному проекту?

Эти и им подобные вопросы нельзя отложить как нелогичные и, по сути, «чисто практические». Они возникают независимо от того, насколь ко точно они формулируются в каждом реальном содержании исследова ния, они вытекают из положения науки. Теперь в российском обществове дении, как нам кажется, зачастую реконструктивная логика использует для объяснений теологические термины: Бог есть Истина, и каждый науч ный поиск приводит к благоприятному решению или к ереси, проклятию.

На кону научного решения – не что иное, как истина или ложь, другое во внимание не принимается. У американского ученого, специалиста по ис следованию систем Чрчмена можно найти такую мысль: «...если бы шанс сделать ошибку был единственной основой для методов оценки вывода, мы бы никогда не приняли решения, но просто продолжали бы наращи вать до бесконечности размер выборки»72. Строго говоря, даже эта аль Churchman C.W. Theory of Experimental Inference. - N.Y., 1948. - P. 255.

тернатива для нас не открыта, так как принятие полученного в результате исследования результата как части, следствия полученных данных само по себе является решением, даже если мы не предпринимаем попыток сде лать какие-либо выводы из данных. Признавая правильным ход исследо вания и верными полученные данные, мы вынуждаем себя делать из них вывод. Тот факт, что у социального исследователя есть ценности, выра женные в такой приверженности, является существенным фактором, ве дущим к рационализации компонентов социального исследования, таким же важным, как важно наличие глаз, ушей, чувственных рецепторов для исследования эмпирического. Некоторые из этих ценностей73 предпола гаются каждым статистическим исследованием, хотя это и не означает, что они могут оказаться подправленными на основе исследования. В связи с этим мы полагаем, что Чрчмен прав, указывая74, что критерии правиль ного вывода из статистических данных не являются фундаментально ста тистическими по своей природе, статистика их не содержит.

В этих критериях должно быть уточнение затрат на принятие реше ния и потерь, которые будут результатом принятия ошибочного решения.

Особенно важна относительная цена ошибок первого рода и второго рода.

Исследователь вкладывает время и средства в исследования, и если его выводы ошибочны, наносится вред обществу и его собственной репута ции. Ученые чаще более склонны связывать большие потери с принятием неверного решения, чем с неспособностью признать правду. В результате в науке, в том числе социальной, присутствует определенный консерва тизм или инерция во всякого рода научных проектах, рассматриваемый как рациональный, оправданный консерватизм. Мы полагаем, что соци альные науки в настоящее время в России больше страдают от этого ме ханизма, чем получают преимущества. Складывается впечатление, что смелые инновационные предложения более вероятны, например, в генети ке, астрономии, чем в политических науках или экономике. Хотя, казалось бы, общественная ситуация для общественных наук благоприятна, стиму лирует новаторский взгляд. Возможно, было бы оправданно рассматри вать некоторую часть доступных социально-политическим дисциплинам средств как своего рода венчурный, рисковый капитал, инвестируемый в теоретические исследования. Значительная часть этого капитала может быть потеряна без особой пользы. Однако общеизвестно, что фундамен тальные, базовые исследования, как правило, имеют малую вероятность коммерческого успеха, но огромную научную отдачу, когда они успешны.

Лейси Х. Свободна ли наука от ценностей? Ценности и научное понимание.– М.:

Логос, 2001.– С. 65-84.

Churchman C.W. Theory of Experimental Inference. - N.Y., 1948. - P. 257.

Логика в самом широком смысле слова никоим образом не отделена от этики и аксеологических проблем, как иногда об этом говорят. В рабо тах методологов логика включает этику из-за проблемы единичного слу чая. В частности, согласно теории вероятности, согласованное с этой тео рией действие рационально, если рассматривается как единица бесконеч ной последовательности сравнимых с ним случаев. Но никто из общество ведов с подобной последовательностью не сталкивался и не столкнтся.

Мы нерациональны до тех пор, пока не определимся, как соотноситься с бесконечным сообществом других лиц, принимающих решение. Именно этот этический принцип – согласовывать наши интересы с интересами всего человечества, как настаивал Ч. Пирс, стал основным для логики ве роятности в социальных дисциплинах.

Брейтуэйт пишет: «Самое важное оправдание любого научного предположения будет зависеть от основной цели, о которой мы научно размышляем, – о предсказании и, таким образом, о контроле над буду щим. Особенность статистических размышлений заключается в том, что они предполагают уже на ранней стадии утверждения относительно того, какое будущее нам нужно. Рассматривая логические обоснования такого образа мыслей, мы не можем избежать этики, прорывающейся в индук тивную логику»75. Основная мысль, ради которой мы привели эту цитату:

разграничение между фактами и ценностями просто и однозначно провес ти невозможно. Любой вывод относительно того, каковы факты, в данном случае является результатом процесса, в котором определенные оценки также играют существенную роль. Все так называемые научные факты предполагают суждения об их ценности и значении. Если признать эту идею здравой, то науки об общественном поведении, о рациональном со циальном действии в определенном смысле (идея, которую можно найти у классиков социологии О. Конта и Э. Дюркгейма, М. Вебера, П.А. Сороки на) являются основой для других, в том числе естественных, не говоря уже о статистике. Каким бы ни был предмет науки, рациональное приня тие решения – это часть поведения человека, поэтому его теоретические суждения в той степени, в каковой они выходят за пределы чистой логики и математики, принадлежат социологии и социальным дисциплинам.

Приблизительно таким же образом классический позитивизм сделал пси хологию основной, базовой наукой – путм феноменологической эписте мологии: каждое научное предположение сообщает нам или систематизи рует определенные ощущения, чувства, так что теория чувств становится фундаментальной. Однако нужно непременно заметить, что зависимость других наук от социологии должна быть сформулирована осторожно. Од но дело – утверждать, что нельзя понять поведение ученого, пока не зна Braithwaite R.B. Scientific Explanation. - Cambridge (Engl.), 1956. - Р. 174.

ешь что-то о человеческом поведении в целом. И совсем другое дело – предполагать, что, изучая только человеческое поведение, можно выяснить вс, что ученый пытается изучать. Первое это почти трюизм, второе – оче видный абсурд.

Таким образом, социальные науки для статистики играют решаю щую роль. А какова роль статистики для социологии? Исторически стати стика развивалась из попыток объяснить проблемы, связанные с массовым поведением. Однако в социальных дисциплинах всегда наблюдался скеп тицизм в отношении статистики.

Критика использования статистики в общественных науках шла, как нам кажется, в двух направлениях. Прежде всего, утверждалось, что пове дение человека по существу непредсказуемо, поскольку оно свободно. Та кое убеждение основано на двух ошибочных предположениях: что сво бодный выбор – это тот, который не имеет причины, и что предсказания, прогнозы о будущем могут основываться только на знании причинно следственных связей. Метафизическая свобода, если таковая существует, разумеется, не интересует социологию, так как социология исходит из то го, что зависимость людей друг от друга – атрибут социального. Другое предположение неверно, так как и задолго до появления знания об имею щихся причинах удачные предсказания существовали. Действительно, в поведении людей есть элемент случайности, спонтанности. Но социальное поведение составляют стандарты, которые дат культура, обычаи, тради ции, привычки, социальный порядок, социальные институты и так далее.

Да и спонтанность, случайность социологи, с помощью статистики, нау чились предсказывать.

В подобных утверждениях вс же есть важный момент, основанный на здравом смысле – сложность, которая сталкивает социальные науки с реальной методологической проблемой, но никак не с метафизической за гадкой. Использование статистики здесь практически проблем не оставля ет. Статистика помогает справиться со сложностью.

Другое направление сопротивления статистике заключается в сле дующем. Утверждается, что цель науки состоит только в открытии уни версальных законов, в то время как статистическим корреляциям не хва тает этой универсальности. Однако коэффициент корреляции настолько точен, то есть настолько же открыт и ощутим, как это предполагает закон.

И в некотором смысле он даже более общий, чем «общие» законы приро ды, которые рассматриваются наукой вс-таки в «особых», часто лабора торных, условиях. Обнаружение важных корреляций обогащает научное знание и не только в отношении частностей. Разумеется, научное знание нельзя с уверенностью приложить к любому конкретному случаю. Но и законы, не подкрепленные статистикой, использоваться не могут. Эта большая проблема для российского обществоведения – утверждать, что в общественных науках не может быть законов – означает неверие или плохую подготовку в области статистики.



Pages:     | 1 | 2 || 4 | 5 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.