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:   || 2 | 3 | 4 | 5 |   ...   | 10 |
-- [ Страница 1 ] --

МАТЕМАТИЧЕСКИ

МЕТОДЫ

If И ЭВМ

В ИСТОРИЧЕСКИХ

ИССЛЕДОВАНИЯХ

АКАДЕМИЯ НАУК СССР

ОТДЕЛЕНИЕ ИСТОРИИ

Комиссия по

применению математических методов

и электронно-вычисли-гельных машин

в исторических исследованиях

МАТЕМАТИЧЕСКИЕ

МЕТОДЫ

И ЭВМ

В ИСТОРИЧЕСКИХ

ИССЛЕДОВАНИЯХ

СБОРНИК СТАТЕЙ

Ответственный редактор

член-корреспондент А Н С С С Р

И. Д. К О В А Л Ь Ч Е Н К О Москва НАУКА»

1985 Настоящий сборник представляет собой подборку статей со­ ветских и зарубежных исследователей, применяющих количествен­ ные методы и Э В М в исторических исследованиях, и продол­ жает серию сборников, выходящих по этой тематике с 1972 г.

Материалы сборника знакомят читателя с новейшими дости­ жениями историков, работающих в контакте с математиками прикладниками. Ряд статей посвящен обзору отечественной и зару­ бежной историографии по вопросам использования средств мате­ матической статистики и электронной техники в исторических изысканиях.

Редакционная коллегия:

член-корреспондент А Н С С С Р И. Д. К О В А Л Ь Ч Е Н К О (ответственный редактор), Ю. Л. Б Е С С М Е Р Т Н Ы Й, Л. И. Б О Р О Д К И Н, Л. В. М И Л О В, К. В. Х В О С Т О В А 0505000000— © Издательство «Наука», 49—84 — IV 042(02)— ВВЕДЕНИЕ Данный сборник является пятым в серии сборников статей, подготовленных Комиссией по применению мате­ матических методов и Э В М в исторических исследованиях при Отделении истории А Н С С С Р '. Работы, опубликованные в настоящем издании, отражают уровень исследований, достигнутый в нашей стране к началу 80-х годов, в области применения новых методов и Э В М в исторической науке.

Большинство из них прошли апробацию на семинаре «Коли­ чественные методы в исторических исследованиях», дейст­ вующем с 1979 г. на историческом факультете М Г У. Несколько лет, прошедших со времени публикации четвертого сборника серии, характеризовались выпуском ряда новых книг, основанных на применении математи­ ческих методов и Э В М в исторических и с с л е д о в а н и я х, выходом в свет первого в нашей стране учебника для студентов-историков, изучающих количественные методы, расширением и углублением научных контактов советских историков, применяющих количественные методы, с зару­ бежными историками, организацией секций по применению количественных методов в истории на всесоюзных конфе­ ренциях и т. д. З а последние годы расширилась и «геогра­ фия» этого направления исследований — к традиционным научным центрам, где давно уже ведутся работы по применению количественных методов в исторических исследо­ ваниях ( М о с к в а, Ленинград, Таллин, Тарту, Новосибирск), прибавились многие другие города Прибалтики, Сибири, У р а л а, К а в к а з а и Средней Азии.

Н а ч а л о 80-х годов отличается также ростом интереса историков к проблемам создания архивов машиночитаемых данных, освоения новых возможностей вычислительной техники (дисплеев и др.) Идет процесс расширения сферы применения количественных методов и Э В М в истории, обо­ гащается арсенал математических методов, используемых историками. Столь же актуальными остаются методологи­ ческие вопросы применения количественных методов и Э В М в истории.

Отмеченные тенденции нашли отражение в содержании данного сборника.

Три статьи освещают различные аспекты аграрной исто­ рии России. Это работы И. Д. Ковальченко и Л. И. Бород кина, К. Б. Л и т в а к а, связанные с анализом различных источ­ ников X I X — н а ч а л а X X в., а также работа Л. В. М и л о в а, М. Б. Булгакова и И. М. Гарсковой, в которой приво­ дятся результаты обработки на Э В М сведений из писцовых книг X V I I в. Большинству этих статей свойственно приме­ нение современных методов многомерного статистического анализа.

Четыре статьи сборника ( М. А. Д а в ы д о в а, Т. Ф. Изме стьевой, А. А. М у р а ш е в а и И. М. Промахиной) содержат результаты применения математических методов в изучении проблем истории промышленности, внутреннего и внешнего рынка России X I X — н а ч а л а X X в.

Статья американских авторов Л. Хаймсона и Р. Петруши представляет собой интересную попытку применения мате матико-статистических методов для анализа статистики стачек в России накануне I мировой войны, публиковавшейся фабричной инспекцией. Сделанные наблюдения оказались в целом созвучными итогам изучения стачечного движения в России советскими историками.

Новые методики анализа источников по истории русского средневековья предлагаются в работах Е. Н. Б а л а ш о в о й, Л. Е. Морозовой и Л. А. И г о ш е в а.

В статьях Д. В. Деопика и С. В. Волкова с помощью различных методов формализации текста источника рас­ смотрены вопросы средневековой истории стран юго-восточ­ ной Азии.

В сборнике представлены также работы, анализирующие состояние дел и перспективы создания архивов машино­ читаемых данных советскими и зарубежными историками и архивистами. Это обзор машинных методов хранения и обработки средневековых зарубежных источников, сде­ ланный Т. Л. Моисеенко, а также статья К. Б. Гельман Виноградова.

В порядке научной полемики в сборнике публикуется статья Е. Я. Клименкова, в которой проводится критический анализ одной из формальных методик датировки древних событий («династический параллелизм»).

Комиссия по применению математических методов и Э В М в исторических исследованиях при Отделении истории А Н С С С Р, выпуская в свет настоящий сборник, надеется, что его материалы будут способствовать дальнейшему развитию направления исследований, связанного с приме­ нением новых методов и Э В М в истории.

Редакционная коллегия выражает благодарность В. 3. Дробижеву, Б. Г. Литваку, Б. М. Клоссу, Н. Б. Селунской, В. П. П у ш к о в у, оказавшим помощь в под­ готовке сборника.

Научно-организационную работу по подготовке сборника к изданию осуществил М. Б. Булгаков.

ПРИМЕЧАНИЯ Математические методы в исторических исследованиях. М., 1972;

Математические методы в исследованиях по социально-экономической истории. М., 1975;

Математические методы в историко-экономических и историко-культурных исследованиях. М., 1977;

Математические ме­ тоды в социально-экономических и археологических исследованиях. М., 1981.

Бородкин Л. И. О работе научного семинара «Количественные методы в исторических исследованиях». — История С С С Р, 1981, № 3.

Ковальченко И. Д., Селунская Н. Б., Литваков Б. М. Социально экономический строй помещичьего хозяйства Европейской России в эпоху капитализма. М., 1982;

Бокарев Ю. П. Бюджетные обследования кре­ стьянских хозяйств 20-х годов как исторический источник. М., 1981;

Славко Т. И. Математико-статистические методы в исторических ис­ следованиях. М., 1981;

Хвостова К. В. Количественный подход в средне­ вековой социально-экономической истории. М., 1980;

Миронов Б. Н.

Внутренний рынок России во второй половине XVIII—первой по­ ловине X I X вв. Л., 1981;

Методы количественного анализа текстов нарративных источников: С б. статей. М., 1983;

Количественные методы в гуманитарных науках. М., 1981.

Количественные методы в исторических исследованиях: Учебное посо­ бие / Под ред. И. Д. Ковальченко. М., 1983.

Советские историки принимали участие, например, в работе I Междуна­ родной конференции по применению количественных методов в истории (Вашингтон, 1982).

СОЦИАЛЬНО-ЭКОНОМИЧЕСКАЯ ИСТОРИЯ И. Д. Ковальченко, Л. И. Бородкин ВЕРОЯТНОСТНАЯ МНОГОМЕРНАЯ КЛАССИФИКАЦИЯ В ИСТОРИЧЕСКИХ ИССЛЕДОВАНИЯХ ( П о данным об аграрной структуре губерний Европейской России на рубеже X I X — X X вв.) Х о р о ш о известно, какое в а ж н о е значение при изучении массовых явлений и процессов исторического развития имеет выявление типов (или классов) объектов, функционирующих в этих массовых явлениях и процессах. Тип (или класс) объектов — это такая их совокупность, которая обладает определенными свойствами, существенно отличающимися от других совокупностей одноименных объектов. Качественно отличные типы одноименных объектов существуют в реальной действительности и для всестороннего познания этой действительности необходимо выделение этих типов. Типи­ зация (или иначе — типологизация) явлений исторической действительности является настолько широко распростра­ ненной и важной процедурой в историческом исследовании, что ее можно выделить в особый, историко-типологический метод исследования наряду с такими методами,как собст­ венно исторический, историко-сравнительный, историко структурный.

В силу того'что объекты обладают множеством присущих им свойств, проблемы типизации исторических явлений и объектов весьма сложны и их эффективное решение требует применения многомерных методов количественного анализа. Они начинают все более широко проникать и в исторические исследования. Н о наряду с многомерным рассмотрением различных совокупностей объектов совре­ менный подход к выявлению типологии должен учитывать еще и ту их специфику, которая состоит в том, что изучаемые объекты (административно-территориальные еди­ ницы, предприятия, хозяйства и т. д. ), принадлежащие к одному из типов, могут иметь и черты, свойственные и другим типам. Т а к, обычным является наличие «проме­ жуточных» объектов, характеризующих переход от одного типа объектов и явлений к другому.

Сложность, неоднородность структуры общественных систем проявляется и в том, что и объекты, принадле­ ж а щ и е к одному типу, в разной мере обладают присущими ему свойствами. Следовательно, при выделении типов (клас­ сов) объектов следует учитывать наличие ядра типа и окру­ ж а ю щ и х его о б ъ е к т о в. Ядро типа представляет такую группу объектов, для которых характерно «концентрирован­ ное выражение всех специфических свойств типа, определяю­ щих качественное отличие данного типа от всех и н ы х ». Поэтому в а ж н о установить не только принадлежность объектов к тому или иному типу, но и, во-первых, тот «вес»

или ту «вероятность», с которой они относятся к данному типу, во-вторых, степень их сходства с объектами других типов, т. е. выявить «полосу размыва» между типами.

Отметим, что в трудах В. И. Ленина многократно встречается указание на сложность структуры социальных объектов, на наличие переходных типов этих объектов. Это необходимо учитывать при определении характерных черт капиталистических и некапиталистических хозяйств, при ана­ лизе социальной структуры пролетариата и многих других явлений и процессов. «Капитализм не был бы капита­ лизмом, — указывал В. И. Ленин, — если бы „чистый про­ летариат" не был окружен массой чрезвычайно пестрых переходных типов — от пролетария к- полупролетарию... от полупролетария к мелкому крестьянину (и мелкому ремеслен­ нику, кустарю, хозяйчику в о о б щ е ), от мелкого крестьянина к среднему и т. д.;

если бы внутри самого пролета­ риата не было делений на более или менее развитые слои...» Большинство существующих методов многомерной клас­ сификации основано на однозначном отнесении каждого объекта к тому или иному классу (типу). Правомерность такого подхода «в первом приближении» доказана резуль­ татами многочисленных прикладных работ, выполненных с помощью методов многомерной классификации в раз­ личных областях науки (в том числе и в работах по экономи­ ческой истории). Выделяемые с помощью этих методов типы объектов, как правило, позволяют выявить специфику каждого типа. Однако при этом «в тени» остается характер внутренней структуры классов, состав ядра типа и его окружения. Сложным может быть и вопрос об однозначной принадлежности к какому-либо классу объектов «переход­ ного» типа.

Адекватный инструмент для решения типологических задач с учетом указанной их специфики дает новое направ­ ление математики —• теория нечетких множеств. Н а ч а л о этому направлению положила публикация статьи амери­ канского профессора Л. А. Заде в 1965 г. В последующие полтора-два десятилетия вышли тысячи статей и книг по этой теории и ее приложениям, возник специальный журнал.

К а к указывает основатель этой теории, «ее развитие в 60-х годах обязано большей частью своих идей з а д а ч а м, относящимся к распознаванию образов (классификации).

Однако, по существу глубинная связь между теорией нечетких множеств и распознаванием образов основана на том обстоятельстве, что большинство реальных классов размыты по своей природе в том смысле, что переход от принадлежности к непринадлежности для этих классов скорее постепенен, чем скачкообразен». Основные концепции и аппарат теории нечетких мно­ жеств достаточно подробно описаны в ряде публикаций на русском языке. Введем здесь лишь некоторые необхо­ димые для дальнейшего изложения сведения о нечетких множествах.

Нечеткое множество — это класс объектов, в котором нет резкой границы между теми объектами, которые входят в этот класс, и теми, которые в него не входят. Принад­ лежность каждого объекта к нечеткому множеству описывается с помощью величины, принимающей значения от 0 до 1. Более точное определение может быть сформули­ ровано следующим образом.

Пусть А" = {х х,..., х } — совокупность объектов.

ь 2 п Тогда нечеткое множество А в X есть совокупность упорядо­ ченных пар 1,2,..., А = {ХІ, ц (ХІ)}, і= п, л где \х (х) представляет собой степень принадлежности А х к А, а [ц — функция принадлежности, о т о б р а ж а ю щ а я А X в интервал [ 0, 1 ] ;

\л : X -*• [0,1]. А Если \х принимает для всех объектов лишь два А значения 0 и 1, то А — «обычное», «четкое» множество, т. е. | A ( J C ) = 1 означает, что объект х является элементом A множества А;

если же \і (х)=0, то х не принадлежит А.

А Естественным образом можно ввести понятие ядра нечеткого множества. Множеством а-уровня (а-ядром) нечеткого множества А является множество (в обычном смысле) А всех таких элементов хеХ, степень принадлеж а ности которых нечеткому множеству А больше или равна а:

А, = {Х\\І (х) а}.

а Очевидно, чем ближе уровень а к 1, тем «уже» состав ядра А. а Исходя из концепции нечеткости за последние годы была построена целая математическая теория, по сути дела, произошло «удвоение математики». Н а основе понятий не­ четких множеств получены новые алгоритмы автоматической классификации и распознавания образов. Понятие нечет­ | кого класса, используемое в этих методах, имеет, как правило, вероятностную трактовку (т. е. более узкую, чем в начальных работах по теории нечетких множеств).

А именно предлагается, что для каждого объекта хеХ сумма степеней принадлежности х к нечетким классам Л, Л,..., 1 А равна 1:

к д.д. (х) + цд* ц (*) = 1;

(Х) +... + Ак при этом 0 \JL (х) 1, і = 1,..., k.

a Отметим здесь и более общую трактовку — «нечеткую»

математику можно рассматривать как часть теории случай­ ных множеств ". Однако при этом следует различать понятия нечеткости и случайности. В сущности, случайность связана с неопределенностью, касающейся принадлежности или непринадлежности некоторого объекта к «четкому» классу.

Понятие ж е нечеткости относится к к л а с с а м, в которых могут иметься различные градации степени принадлежности, промежуточные между полной принадлежностью и непринад­ лежностью объектов к данному классу.

Концепция нечетких множеств у ж е используется в ряде научных дисциплин (например, в лингвистике, социологии, науковедении). В настоящей работе эта концепция приме­ няется для расширения возможностей интерпретации аграр­ ной типологии губерний Европейской России на рубеже X I X — X X вв. Математическое описание используемого здесь алгоритма построения «вероятностной» классификации для нахождения оптимальных в определенном смысле степеней (весов) принадлежности объектов к классам приводится в приложении. Исходной информацией при этом служат данные о количественных значениях признаков, характе­ ризующих каждый объект.

Проиллюстрируем суть и конкретно-содержательную эффективность вероятностной многомерной классификации на конкретно-историческом примере.

Попытаемся выявить этим методом основные типы аграрной структуры губерний Европейской России. В каче­ стве отправных данных, характеризующих эту структуру, были взяты 19 показателей, привлекавшиеся ранее для выявления типов губерний методами кластерного анализа. Использование методов вероятностной классификации предполагает задание определенного числа типов (классов), на которые разбиваются рассматриваемые объекты. С одной стороны, это позволяет в зависимости от исследовательских задач варьировать число взятых для анализа типов объектов. Н о, с другой стороны, это требует и четкого историко-содержательного и методического обоснования числа выделяемых классов объектов, так как это число может быть весьма различным.

Т а к, в состав Европейской России на рубеже X I X — X X вв.

входило 50 губерний. К а ж д а я из них обладала своей аграрной спецификой и может рассматриваться как особый тип. Тогда этих типов будет 50, и для их выделения не требуется применения специальных методов. Н о задачу аг­ рарной типологии губерний можно поставить и предельно обобщенно, и попытаться выяснить, насколько все 50 губер­ ний можно рассматривать как единый тип аграрной струк­ туры. Используемый в данной работе метод вероятностной многомерной классификации дает возможность сделать это.

В этом состоит еще одно его преимущество перед другими методами многомерной классификации, ибо последние не позволяют решать указанную задачу.

Понятно, что в пределах от одного до пятидесяти может быть задано любое число типов губерний при классификации их по характеру аграрной структуры. Следо­ вательно, проблема состоит в том, сколько таких типов губерний выделять. В плане содержательном, очевидно, правомерно первоначально исходить из того, что число таких типов губерний должно быть минимальным, с тем чтобы можно было выявить наиболее существенные типологические различия в их аграрном строе. Н о как определить этот минимум? Здесь надо исходить из сути метода.

Вероятностная многомерная классификация, как было показано, позволяет не просто выделять классы, сходные по внутренней структуре, но и устанавливать тот вес, с которым объекты относятся к данному классу. Поэтому надо найти такое число классов, при котором объекты, к нему принадлежащие, будут иметь наибольшие веса и, следовательно, и общая «плотность» класса, т. е. степень однотипности, схожести его объектов будет наибольшей.

Задача эта в общем случае может решаться эмпирически, т. е. путем выделения серии классов и отыскания того из них, который в наибольшей мере будет соответствовать ука­ занному требованию. Предварительно известная информация об изучаемой совокупности объектов и их структуре может помочь сократить эту процедуру. Это удалось сделать при вероятностной многомерной классификации губерний по их аграрной структуре. Рассмотрим эту классификацию и те этапы, из которых она складывалась.

Посмотрим прежде всего, насколько губернии Евро­ пейской России по их аграрной структуре представляли собой на рубеже X I X — X X вв. один тип аграрной структуры.

Обработка исходных данных по описанному в приложении алгоритму дала такой результат (табл. 1).

36 губерний с весом от 0,68 до 1,00 могут рассматри­ ваться как единый тип аграрной структуры. Иначе говоря, в крупномасштабном плане большинство губерний Европей­ ской России имели общие черты в аграрной структуре, существенно отличавшие их от остальных губерний. При этом веса принадлежности к этому типу были очень высокими (у 27 губерний они равнялись 1,00).

Д р у г у ю группу составляли 13 губерний, аграрная структура которых была иной. Это Петербургская, При­ балтийские, Ю ж н ы е Степные и Северные губернии. Веса их непринадлежности к выделенному классу у большинства этих губерний также очень высоки — более 0,80.

Астраханская губ. с равным весом 0,50 занимала неопределенное положение, т. е. и входила и не входила в этот класс.

Таким образом, вероятностный метод многомерной классификации позволяет выявить наиболее общую типо­ логию аграрной структуры. Очевидно, что такая типология может быть полезной при интегральном определении аграр­ ной структуры и соотнесении ее с другими явлениями и про­ цессами социально-экономического и, вообще, исторического развития страны. Н о она, конечно, недостаточна для более конкретного анализа и самой аграрной структуры и других явлений аграрного развития, поэтому необходимо выделение большего числа типов аграрной структуры.

Таблица t Аграрная типология губерний Европейской России на рубеже XIX—XX вв.

г 1. Губернии одного макротипа и их веса принадлежности к нему Л Бессарабская 1, 1,00 Симбирская Виленская 1, 1,00 Тамбовская Витебская 1,00 1, Тверская Владимирская 1,00 1, Тульская Волынская 1,00 Черниговская 1, Воронежская 1,00 Харьковская 1, Казанская 1,00 Ярославская 1, Калужская Могилевская 1, 1, Киевская 0, 1,00 Уфимская Костромская 0, 1,00 Новгородская Курская 1,00 Подольская 0, Нижегородская 1,00 Московская 0, Орловская 1,00 Минская 0, Пермская Гродненская 0, 1, Пензенская 1,00 Смоленская 0, Полтавская 1,00 Самарская 0, Псковская 1,00 Вятская 0, Рязанская 1,00 Астраханская 0, Саратовская 1, 2. Губернии, не принадлежащие к первому типу, и веса их несходства с ним Донская 0,91 Архангельская 0, Эстляндская 0,90 Екатеринославская 0, Лифляндская 0,89 Петербургская 0, Курляндская 0,88 Вологодская 0, Олонецкая 0,87 Херсонская 0, Оренбургская 0,85 Ковенская 0, Таврическая 0,81 Астраханская 0, Нахождение наименьшего «оптимального» числа таких типов велось следующим образом. При установлении аграрной типологии губерний Европейской России методами кластерного анализа выделились пять макротипов аграрной структуры: нечерноземный, среднечерноземный, степной, прибалтийский и столичный. При аграрном районировании губерний Европейской России к этим пяти типам был добавлен шестой — северный. В него были включены А р х а н ­ гельская и Олонецкая губ., не вошедшие ни в один кластер. Поэтому и при вероятностной многомерной классификации было решено сгруппировать губернии на шесть типов (табл. 2 ).

Таблица Аграрная типология губерний Европейской России на рубеже XIX—XX вв.

Классы губерний и их веса I уберния VI II III IV V I 0, 0,14 0, 0,10 0, Архангельская 0, 0, 0,10 0,18 0, 0,26 0, Астраханская 0, 0,22 0, 0,36 0, Бессарабская 0, 0,26 0, 0,14 0,05 0, Виленская 0, 0, 0,20 0, 0,09 0, Витебская 0, 0,43 0, Владимирская 0, 0,20 0,12 0, 0, Вологодская 0,24 0, 0, 0,06 0, Волынская 0, 0,11 0,31 0,09 0,17 0, 0, Воронежская 0,04 0,08 0,07 0, 0, Вятская 0,14 0,23 0,12 0,27 0, 0, Гродненская 0, 0,20 0,16 0,06 0,22 0, 0, Донская 0,14 0,16 0,12 0, 0, 0, Екатеринославская 0,04 0,11 0,10 0,07 0, Казанская 0,11 0,25 0,05 0,29 0,24 0, 0,12 0,30 0, Калужская 0,20 0,04 0, 0, Киевская 0,05 0,24 0,22 0, 0,12.

Ковенская 0,25 0,15 0,07 0,00 0,00 0, 0, Костромская 0,22 0,06 0,03 0,21 0, 0, Курляндская 0,08 0,09 0,09 0,08 0, 0, Курская 0,06 0,15 0,16 0,09 0, 0, Лифляндская 0,06 0,05 0,07 0,06 0, Минская 0,28 0,11 0, 0,06 0,22 0, Могилевская 0,19 0,22 0,09 0,26 0, 0, Московская 0, 0,20 0,09 0,19 0,25 0, 0, Новгородская 0,05 0,03 0,00 0,00 0, 0, Нижегородская 0,12 0,16 0,03 0,31 0, Олонецкая 0,17 0,12 0,10 0,15 0,15 0, 0, Оренбургская 0,21 0,19 0,22 0,14 0, 0, Орловская 0,04 0,04 0,03 0,00 0, Пензенская 0,04 0,76 0,05 0,15 0,00 0, Пермская 0, 0,19 0,06 0,27 0,27 0, Петербургская 0,28 0,11 0,07 0,17 0,26 0, Подольская 0,22 0,15 0,07 0,28 0,18 0, Полтавская 0,13 0,31 0,10, 0,22 0,20 0, 0, Псковская 0,05 0,00 0,00 0,00 0, 0, Рязанская 0,05 0,04 0,19 0,14 0, 0, Самарская 0,13 0,18 0,16 0,14 0, Саратовская 0,09 0,29 0,24 0, 0,19 0, Таблица 2 (окончание) Классы губерний и их веса Губерния 1 II III V VI IV Симбирская 0,09 0,36 0, 0,06 0,28 0, Смоленская 0,28 0,14 0,10 0,19 0, 0, Таврическая 0,07 0,11 0,11 0, 0, 0, Тамбовская 0,05 0,07 0,13 0, 0, 0, Тверская 0,31 0,09 0,03 0,18 0, 0, Тульская 0,05 0,10 0,16 0, 0,63 0, 0,19 0,17 0,28 0,19 0, Уфимская 0, 0,27 0, 0,32 0,07 0, Харьковская 0, 0,12 0, Херсонская 0,17 0, 0,09 0, 0, 0,37 0, Черниговская 0,27 0, 0, 0, Эстляндская 0, 0,11 0,10 0,08 0, 0, 0,12 0, Ярославская. 0,20 0,05 0, Принадлежащими к тому или иному классу следует 'считать губернии, которые в данном классе имеют наибольший вес сравнительно с их весом в других классах. Так, например, Московская губ. входит в пятый класс с весом 0,25, а в первый — с весом 0,20. Поэтому она относится к пятому классу, а с губерниями первого класса у нее есть сходство с весом 0,20 (заметим, что при отнесении губерний к тому или иному классу и определении их сходства с другими классами принимались как значимые веса 0,20 и выше). Конечно, этот уровень в большой мере условен и при необходимости можно установить иной порог. При указанном уровне значимости весов не входила ни в один класс и не имела сходства с ними лишь Олонецкая губерния.

Губернии, вошедшие в тот или иной класс с наибольшим весом, составляют его ядро, т. е. наиболее ярко выражают черты класса. Например, в первом классе, включавшем 9 не­ черноземных губерний, им являются Псковская (0,96), Новгородская (0,92) и Вологодская (0,45) губ. Веса других губерний (Витебская, С м о л е н с к а я, М и н с к а я, Петер­ бургская, Архангельская и Астраханская) заметно меньше — они колебались в пределах 0,36—0,21. В третьем классе, в который входили шесть степных губерний, ядро составляли Екатеринославская (0,65), Таврическая (0,55) и Херсонская (0,45) губ. Д о н с к а я, С а м а р с к а я и Оренбургская губ. имели веса в пределах 0,36—0,27.

Многие губернии, входившие в тот или иной класс, имели определенное сходство с губерниями других классов, но с меньшим весом. Так с первым классом, состоявшим из девяти названных губерний, имели сходство еще 11 губерний других классов. Так же обстояло дело и с другими классами, кроме шестого. Таким образом, наряду с губер­ ниями, входившими в эти классы, обнаруживается и сово­ купность губерний, сходных с ними.

Все это хорошо иллюстрирует гибкость вероятностной многомерной классификации. Вместе с тем следует признать, что выделение шести классов не дает отчетливого представ­ ления о крупномасштабной типологии аграрной структуры Европейской России.

Начать с того, что большинство губерний входят в свои классы с низкими весами. Только 14 губерний имеют веса более 0,50, а у 20 они находятся в пределах 0,21—0,30.

Если исходить из того, что вес, равный 1,00, свидетельствует о 100%-ном соответствии аграрной структуры губернии опре­ деленному типу, то веса меньше 0,50 являются небольшими.

Следовательно, типы, образуемые объектами с низкими весами принадлежности к нему, являются расплывчатыми по своим свойствам.

О чрезмерной расплывчатости некоторых из выделенных типов говорит и то, что только 20 губерний из 50 входят в один тип и не имеют (на уровне 0,20 и более) сходства с другими типами. Д р у г и е губернии (исключая Олонецкую, которая не имеет выраженных сходств ни с одним из шести типов), входя в тот или иной тип, имели черты сходства еще с одним (17 губерний) или двумя (12 губерний) классами. Особенно это характерно для губерний, нахо­ дящихся в I, I V и V классах. Кстати, из 29 губерний, составляющих эти классы, лишь две относятся к ним с весом более 0,50. Именно эти классы являются наиболее рыхлыми и в значительной мере сходными между собой по своим чертам.

Возникает вопрос: сколько ж е классов наиболее адек­ ватно характеризуют макротипологию аграрной структуры губерний Европейской России? Рассматриваемые данные показывают, что таких типов (классов) четыре. Э т о очевидно из следующего.

Во-первых, неоднородна совокупность губерний, вошед­ шая в состав выделенного одного (см. табл. 1) класса. В нем оказались объединенными нечерноземные и черноземные губернии, имевшие явные отличия в своей аграрной структуре. Причем эти отличия, несущественные по отноше­ нию к губерниям, не принадлежавшим к данному классу, приобретают существенные значения при более кон кретном взгляде на губернии этого класса. Следовательно, напрашивается разделение губерний этого класса на два типа.

Во-вторых, 13 губерний, существенно отличавшихся от выделенного класса, также несходны по своей аграрной структуре. Это, с одной стороны, прибалтийские, а с другой — степные губернии. Здесь также правомерно выделение двух типов.

В-третьих, 19 из 20 губерний, которые при шести классах входили лишь в один из них и не имели сходства с другими классами, принадлежали только к четырем классам из шести и имели в них наибольшие веса, т. е.

составляли их ядро. Заметим, что 14 упоминавшихся губерний с весами больше 0,50 в своем классе, мы видим в числе этих 19 губерний.

И з табл. 3 очевидно, что наиболее отчетливо, на обобщенном уровне характеризуют основные типы аграрной структуры губерний четыре указанных класса из шести.

Это — нечерноземный, среднечерноземный, степной и при­ балтийский типы (см. табл. 3 ). Четвертый и пятый классы не представляют собой четких типов, ибо в их составе нет губерний, которые бы входили только в эти классы и имели высокие веса.

К а к видим, данные вероятностной многомерной класси­ фикации и при недостаточно обоснованном числе выделяемых Таблица Губернии, входившие только в один класс из шести Вес Класс и губерния Вес Класс и губерния III I Екатеринославская Псковская 0,96 0, 0,92 Таврическая 0, Новгородская..

0,28 Херсонская 0, Смоленская Донская 0,21 0, Архангельская Самарская 0, II IV 0, Орловская Лифляндская 0, 0, Пензенская Курляндская 0, 0, Воронежская 0,63 Эстляндская 0, Тульская 0, Тамбовская 0, Рязанская 0, Курская классов дают информацию, позволяющую положительно решать вопрос об оптимальном количестве таковых.

Наконец, и результаты классификации губерний по харак­ теру их аграрного строя методами кластерного анализа указывают на необходимость выделения четырех макротипов аграрной структуры. Полученные же при этом анализе пять типов — результат объединения в макротипы сходных кластеров из тех 15, которые были установлены. Это объединение, бесспорно, позволило наметить четыре макро­ типа: нечерноземный, среднечерноземный, степной и при­ балтийский. Что касается столичного типа, в который вошли Петербургская и Московская губ., то он был представлен лишь одним кластером. Эти две губернии безусловно пред­ ставляют единый минитип, но при выделении макротипов он вполне может войти в какой-либо более широкий тип.

Что касается северного типа, то он, как указывалось, состоит из Архангельской и Олонецкой губ., не вошедших ни в один кластер. Таким образом, кластерный анализ, строго говоря, позволяет выделять лишь четыре макротипа.

Исходя из излрженного и была проведена вероятностная классификация губерний Европейской России по характеру их аграрного строя, при которой и были выделены четыре типа аграрной структуры.

Посмотрим, насколько полученные результаты под­ тверждают соображения о необходимости выделения четырех типов аграрной структуры губерний Европейской России и, главное, что они собой представляют.

Как видно из табл. 4 (полные итоги обработки приведены в табл. 1 приложения 1) четыре выделенных класса и есть четыре типа аграрной структуры — нечерноземный, средне черноземный, степной и прибалтийский (см. табл. 4 ). Иначе говоря, в результате вероятностной классификации выя­ вились те же основные типы аграрной структуры, что и при кластерном анализе. Фигурировавший там столичный тип вошел в более широкий класс нечерноземных губерний.

Н о заметим, что и вероятностная классификация показала общность аграрного строя Петербургской и Московской губ.

Обе они представлены в нечерноземном типе с одинаковым весом (0,50), что говорит о равной степени их сходства с этим типом.

Как и при кластерном анализе, три губернии — А р х а н ­ гельская, Олонецкая и Астраханская — не вошли ни в один из четырех классов. Степень их несходства с этими классами была выше (0,41—0,46), чем черты общности с ними (0,08—0,25). ( Заказ І737 ;

-' И пожалуй, самое интересное — это то, что погубернский состав четырех классов, выделенных и кластерным и вероятностным анализом, фактически полностью совпадает.

В среднечерноземный, степной и прибалтийский типы в обоих случаях вошли одни и те же губернии. К 19 губер­ ниям нечерноземного типа, выделенных при кластерном анализе, вероятностный анализ добавил, кроме Петербург­ ской и Московской, еще Нижегородскую губ., которая с оди­ наковым весом (0,41) фигурирует и в среднечерноземном и нечерноземном классах, и поэтому включена нами в оба типа.

Столь разительное совпадение результатов классифика­ ции, проделанной существенно различными методами, гово­ рит об их высокой эффективности при решении поставленной задачи. О б а метода могут успешно применяться при выявлении типологии различных объектов. Н о все ж е вероятностная классификация является методом более совершенным и тонким, ибо она позволяет обнаружить ряд существенных моментов, которые остаются нера­ скрытыми при кластерном анализе.

Во-первых, вероятностная классификация дает возмож­ ность выделять типы как таковые, а не формировать их из сходных кластеров, что в определенных случаях может вызвать затруднения, связанные с определением принад­ лежности того или иного кластера к тому или иному типу объектов (как получилось со столичными губерниями).

Во-вторых, вероятностная классификация показывает не только веса, с которыми объекты входят в соответ­ ствующий класс, но и веса сходства с другими классами.

Это позволяет установить, с одной стороны, ядро класса и его окружение, а следовательно, и его общую плотность, а с другой — те объекты, которые входят в другие классы, но имеют определенную общность с данным классом.

В табл. 4 по' каждому из четырех типов указаны: губернии, составляющие его ядро;

другие губернии, входящие в этот тип;

губернии других типов, имеющие сходства с данным типом. К а к у ж е говорилось, принадлежащими к классу счи­ таются те губернии, которые по этому классу имели вес боль­ ший, чем по другим. К ядру класса относились губернии с весом 0,60 и более. Р у б е ж — условный, и может быть взят иной предел.

Губернии, входившие в данный класс с меньшим весом, составляют как бы окружение ядра. К губерниям, имеющим сходство с данным классом, относились губернии других классов с весом по данному классу 0,20 и более.

Исключение было сделано для Виленской губ., которая имела сходство с прибалтийским типом на уровне 0,19.

Во всех четырех классах вошедшие в них губернии имели высокие веса. У 41 губернии он равнялся 0,50 и выше, а у остальных 0,39—0,49. О б щ а я плотность типов колебалась в пределах 0,60—0,66, а губернии, образовывавшие ядро соответствующих типов, имели средний вес в пределах 0,67—0,70 (см. табл. 4 ). И з 50 губерний Европейской России 14 губерний того или иного класса имели сходство с губерниями другого типа. Кроме того, Нижегородская губ., как указывалось, отнесена к двум классам (I и I I ), ибо с равным весом была сходна с каждым из них. Фактически к двум классам принадлежала и Уфимская губ., имевшая по первому классу, куда она и включена, вес 0,39 а по второму, где она значится в числе губерний, имеющих сходство с данным классом, — 0,37.

И з 14 губерний, имевших сходство с другими типами губерний, 10 входили в первый и второй классы, что говорит о большей «близости» этих классов друг другу, чем к другим классам. При выделении одного крупномасштабного класса именно нечерноземные и черноземные губернии, как было показано, и образовывали его.

Не вошедшие ни в один из четырех классов Архангельская и Олонецкая губ. имели определенное сходство с нечерно­ земным, а А с т р а х а н с к а я — с о степным типом. Это под­ тверждает правомерность при общем аграрном райони­ ровании, проделанном на основе кластерного анализа, выделения Архангельской и Олонецкой губ. в особый район и включение Астраханской губ. в состав юго-восточного степного района.

Вообще, на основе данных вероятностной многомерной классификации, в указанное районирование должны быть внесены лишь такие коррективы. Московскую губ. сле­ дует включать в Центрально-промышленный, а Петер­ бургскую — в Северо-Западный район. Н о при этом следует иметь в виду, что эти губернии в аграрной структуре имели больше сходства между собой, чем с другими губерниями указанных районов.

О б основных чертах, которыми характеризовались выяв­ ленные типы аграрной структуры губерний Европейской России, можно судить по средним значениям для каждого типа тех признаков, которые были положены в основу классификации. В табл..5 указаны минимальные (со знаком «минус») и максимальные (со знаком «плюс») их значения по каждому из 19 показателей (см. табл. 5 ).

Таблица Максимальные и минимальные средние значения признаков по типам аграрной структуры Типы аграрной структуры Признаки I II III IV Наемные сельскохозяйственные + 0, -0, рабочие по отношению к мест­ ным работникам Земельный надел (дес. на -1,29 + 2, душу) Доля дворянской земли (удоб­ -0,141 + 0, ной) Отношение проданных частно­ + 0, -0, владельческих земель к их об­ щей площади Отношение арендованной + 0, -0, крестьянами земли к надельной Посев на душу населения (дес.) - 0, 5 8 + 1, Сбор хлебов и картофеля -24,9 + 40, на душу населения (пудов) Урожайность зерновых (пудов -35,9 + 54, с дес.) Наемные рабочие (на дес. -0,01 + 0, посева) Лошади (на дес. посева) + 0,31 -0,20 -0, Продуктивный скот (на дес. -0,47 + 1, посева) Лошади (на душу населения) -0,19 + 0, Доля безлошадных и одноло­ + 0,648 -0, шадных дворов Доля дворов с 4 и более ло­ -0,051 + 0, шадьми Продуктивный скот (на душу -0,35 + 0, населения) Поденная плата сельскохозяй­ - 4 4 + 62 - ственным рабочим (коп.) Цена дес. земли (руб.) -53,7 + 100, Арендная плата за дес. пашни + 10, -4, (руб.) Осенние цены ржи (коп. пуд) -54 + Первый, нечерноземный тип аграрной структуры отли­ чался наиболее низкими ценами на землю и наименьшим распространением аренды и низкой арендной платой (5, 17, 18)*, самыми низкими размерами посевов и сборов хлебов * Здесь и далее в скобках приведены номера показателей.

на душу населения (6 и 7 ), т. е. самым низким в Евро­ пейской России уровнем земледелия. В плане социальном эти губернии отличались наиболее высокой долей бед­ нейших и низкой — зажиточных крестьян и наименьшими размерами зарплаты сельскохозяйственных наемных рабочих (13, 14, 16).

Во втором, среднечерноземном типе губерний был самый низкий размер надела, самые высокие цены на землю и ее аренду (2, 17, 18), наиболее низкий уровень развития продуктивного скотоводства (11, 15) и наименьшие цены на продукцию земледелия (19). Это были губернии с самым низким уровнем применения постоянных наемных сельско­ хозяйственных рабочих (1, 9 ).

Как видим, аграрный строй нечерноземных и средне черноземных губерний отличался тем, что многие его производственные и социальные черты имели «тормозящий»

в плане буржуазного аграрного процесса характер.

Третий, степной тип аграрной структуры отличался наивысшими размерами крестьянского надела и размахом аренды и наименьшей долей дворянского землевладения (2, 3, 5 ), самым широким размахом и уровнем развития земледелия и скотоводства (6, 7, 12, 15) при экстенсивном их характере ( 8 ). В плане социальном эти губернии характеризовались наименьшей долей беднейших и наиболь­ шей зажиточных крестьян и самым высоким уровнем зар­ платы сельскохозяйственных рабочих (13, 14, 16). В целом это были губернии с наиболее прогрессивным ходом б у р ж у а з ­ ного аграрного развития, с наиболее благоприятными усло­ виями для буржуазно-демократического, крестьянского пути этого процесса.

Четвертый, прибалтийский тип аграрной структуры отличался чертами, присущими буржуазно-консервативному, помещичьему пути развития аграрного капитализма. Здесь была наивысшей доля дворянских земель, наиболее низкая зарплата сельскохозяйственных рабочих и самые высокие цены на продукцию земледелия ( 3, 16, 19) Это были губернии с наиболее высоким уровнем интенсификации земледелия и применения труда постоянных наемных рабочих (1, 8, 9 ).

Таким образом, выделенные типы аграрной структуры имели существенные различия. В более обобщенном виде эти различия могут быть раскрыты теми пятью факторами, к которым были сведены 19 исходных показателей. Эти факторы характеризовали:

I — уровень развития земледелия;

II — интенсивность животноводства;

III — капитализацию и интенсификацию земледелия;

IV — характер земельных отношений;

V — положение крестьян и сельскохозяйственных рабочих.

В табл. 6 по выявленным типам аграрной структуры губерний.указаны средние для каждого фактора и их сово­ купности индексы, характеризующие уровень развития губерний, входивших в данный тип, по соответствующим аспектам аграрной структуры (табл. 6 ). Напомним, что отрицательные индексы показывают уровень развития ниже среднего, а положительные — выше среднего.

Таблица Структура и уровень аграрного развития губерний Европейской России на рубеже XIX—XX вв.

В среднем. Фактор ы и их веса Тип губерний по I—V факторам I II III V IV -0,254 0,136 --0,081 - 0, 0 1 8 - 0, 0 4 2 -0, Нечерноземные Среднечерноземные - 0, 0 8 7 -0,311 --0,096 -0,031 —0,129 -0, Степные 0,317 0, 0,989 - 0, 1 5 2 --0,162 0, 0,977 - 0, 3 4 4 0,077 0, Прибалтийские 0,271 0, (Поскольку среднечерноземный и прибалтийский типы включают одни и те ж е губернии по результатам и клас­ терной и вероятностной классификации, индексы в табл. и в нашей ранней статье одни и те ж е. Индексы по степному типу рассчитаны без Астраханской губернии, а по нечерноземному—с включением Московской, Петербургской и Нижегородской губерний. Н о эти коррективы дали несущественные изменения в показателях.) В плане развития земледелия (I фактор) картина была такой. Наиболее высоким его уровнем отличались степные губернии, а наиболее низким — нечерноземные. Среднечерно­ земные губернии имели уровень земледелия, близкий к среднему, а прибалтийские—значительно больше сред­ него.

Нечерноземные и особенно прибалтийские губернии выделялись высоким, а среднечерноземные и степные — низким уровнем интенсификации животноводства (II фак­ тор).

Капитализация и интенсификация земледелия (III фак­ тор) была очень высокой в Прибалтийских губерниях, так как здесь наиболее широкое применение имел постоянный наемный труд, который был учтен в использованных источ­ никах.

Характер земельных отношений ( I V фактор) был наиболее благоприятным для крестьян в степных и крайне неблагоприятным — в Прибалтийских губерниях.

Положение крестьян и сельскохозяйственных рабочих (V фактор) было наилучшим в степных, а наихудшим — в среднечерноземных губерниях.

Общий уровень буржуазно-аграрного развития был намного выше среднего в степном и прибалтийском регионах, близким к среднему уровню в нечерноземных и самым низким — в среднечерноземных губерниях.

Таковы основные итоги вероятностной многомерной классификации губерний Европейской России по их аграрной структуре. Они показывают высокую эффективность и тон­ кость этого метода. О н, безусловно, более адекватен, чем другие методы, для выявления типологических различий в совокупностях разного рода социальных объектов и по­ этому может найти широкое применение в исторических исследованиях.

ПРИМЕЧАНИЯ ' Ковальченко И. Д., Бородкин Л. И. Аграрная типология губерний Ев­ ропейской России на рубеже X I X — X X вв.: (Опыт многомерного коли­ чественного анализа). — История С С С Р, 1979, № 1;

Кахк Ю. К во­ просу о типологии крестьянских хозяйств в Эстонии в начале X I X в.

Таллин, 1975.

Такое представление о структуре типологических групп примени­ тельно к социальным типам населения было использовано в статье:

Шкаратан О. И., Рукавишников В. О. Социальные слои в классовой структуре социалистического общества. — В кн.: Социологические иссле­ дования. М., 1977, № 2.

Елисеева И. И. Статистические методы измерения связей. Л., 1982, с. 10.

В. И. Ленин. Поли. собр. соч., т. 41, с. 58.

Айвазян С. А., Бежаева 3. И., Староверов О. В. Классификация мно­ гомерных наблюдений. М., 1974.

Zadeh L. A. Fuzzy sets. — Information and Control., 1965, N 8. (Тер­ мин «fuzzy» в различных публикациях переводится на русский язык как «нечеткий», «размытый», «расплывчатый». Мы придерживаемся пер­ вого варианта — «нечеткий»). См. также: Заде Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений. — В кн.: Математика сегодня. М., 1974.

Заде Л. А. Размытые множества и их применение в распознавании образов и кластер-анализа. — В кн.: Классификация и кластер. М., 1980, с. 208.

Кроме указанных выше работ Л. А. Заде, см. также: Гусев Л. А., Смирнова И. М. Размытые множества: Теория и приложения: (Об­ зор). — Автоматика и телемеханика, 1973, № 5, с. 66—85.

Орлов А. И. Математика нечеткости. — Наука и жизнь, 1982, № 7, с. 64.

Заде Л. А. Размытые множества и их применение в распознавании образов и кластер-анализа.

Елисеева И. И., Рукавишников В. О. Группировка, корреляция, распо­ знавание образов. М., 1977.

" Орлов А. И. Задачи оптимизации и нечеткие переменные. М., 1980.

Пиотровский Р. Г. Текст, машина, человек. Л., 1975;

Типология и клас­ сификация в социологических исследованиях. М., 1982;

Бородкин Л. И.

Информационная структура исследований: Вероятностный анализ комму­ никационных сетей. — В кн.: Моделирование и оптимизация сложных систем управления. М., 1981;

Соловьев А. С. Методы теории нечет­ ких множеств и их применение в социологических исследованиях. — В кн.: Математические модели и методы в социологии. М., 1978.

Ковальченко И. Д., Бородкин Л. И. Аграрная типология губерний Европейской России на рубеже X I X — X X вв., прилож. 1.

Там же, с. 71—73, 81.

Там же, с. 81.

Ковальченко И. Д., Бородкин Л. И. Структура и уровень аграрного развития районов Европейской России на рубеже X I X — X X вв.: (Опыт многомерного анализа). — История С С С Р, 1981, № 1.

ПРИЛОЖЕНИЯ ПРИЛОЖЕНИЕ Таблица Аграрная типология губерний Европейской России на рубеже XIX—XX вв.

К л а с с губерний и их вес Губерния II IV III I 0, 0, 0, 0, Архангельская Астраханская 0,11 0,12 0,25 0, Бессарабская 0,11 0,61 0,17 0, Виленская 0,55 0,18 0,11 0, Витебская 0,67 0,14 0,07 0, Владимирская 0,63 0,16 0,12 0, Вологодская 0,67 0,11 0,09 0, Волынская 0,53 0,11 0,13 0, Воронежская 0,10 0,74 0,11 0, Вятская 0,53 0,11 0,13.0, і Гродненская 0,63 0,13 0,10 0, Донская 0,11 0,13 0,49 0, Екатеринославская 0,08 0,14 0,70 0, Казанская 0,25 0,59 0,10 0, Калужская 0,71 0,14 0,10 0, Киевская 0,16 0,58 0,13 0, Ковенская 0,15 0,06 0,13 0, Костромская 0,70 0,13 0,08 0, Курская 0,13 0,69 0,10 0, Курляндская 0,17 0,09 0,09 0, Лифляндская 0,13 0,09 0,10 0, Минская 0,60 0,13 0,08 0, Могилевская 0,58 0,15 0,11 0, Московская 0,50 0,11 ' 0,10 0, Новгородская 0,69 0,12 0,11 0, Нижегородская 0,41 0,41 0,10 0, Олонецкая 0,23 0,11 0,08 0, Оренбургская 0,06 0,21 0,52 0, Орловская 0,09 0,81 0,05 0, Пензенская 0,07 0,80 0,08 0, Пермская 0,57 0,17 0,14 0, 0,50 0,06 0,07 0, Петербургская Подольская 0,23 0,49 0,14 0, Полтавская 0,25 0,56 0,11 0, Псковская 0,70 0,12 0,07 0, Рязанская 0,14 0,73 0,06 0, Самарская 0,09 0,14 0,65 0, Саратовская 0,13 0,63 0,14 0, Симбирская 0,23 0,64 0,10 0, 0,14 0, Смоленская 0,60 0, Таблица 1 (окончание) К л а с с губерний и их вес Губерния I II III IV Таврическая 0,09 0,17 0,65 0, Тамбовская 0,13 0,69 0,14 0, Тверская 0,77 0,10 0,06 0, Тульская 0,19 0,72 0,06 0, Уфимская 0,39 0,37 0,12 0, Харьковская 0,31 0,46 0,12 0, Херсонская 0,03 0,19 0,73 0, Черниговская 0,49 0,28 0,12 0, Эстляндская 0,12 0,09 0,07 0, Ярославская 0,70 0,10 0,09 0, ПРИЛОЖЕНИЕ ОБ А Л Г О Р И Т М Е П О С Т Р О Е Н И Я ВЕРОЯТНОСТНОЙ КЛАССИФИКАЦИИ МНОГОМЕРНЫХ ОБЪЕКТОВ В настоящее время известно несколько различных методов многомерной классификации, использующих понятия теории нечетких множеств. В данной работе предлагается новый подход к решению этой задачи.

Как и в известном методе построения нечеткой классификаций I S O D A T A ', в основе предлагаемого подхода лежит задача оптимизации функционала, являющегося «размытым аналогом» стандартного критерия качества классификации — взвешенной суммы внутриклассовых дисперсий.

Однако, как следует из результатов экспериментов, значения функции принадлежности, полученные с помощью алгоритма I S O D A T A для объектов, удаленных от «ядер» классов, плохо поддаются интерпретации.

В данной же работе производится модификация функционала, оцениваю­ щего качество нечеткой классификации, позволяющая преодолеть указан­ ную трудность. С этой целью вводится в рассмотрение дополнительный, «фиктивный» класс, степень принадлежности к которому характеризует «нетипичность» объекта.

Формально задача построения нечеткой классификации множества X = {x,..., х ] m-мерных объектов на k классов сводится к определению t п такого набора весов принадлежности объектов к классам, который ( соответствует минимуму функционала =ijij ?(хі)\)*і-+А*+Рк іоІ і (1), •МП) + + где —вес принадлежности /-го объекта к 1-му классу;

pk+\ = \іе(Хі) п = (хі) — суммарный вес (k+ 1)-го класса;

о | — дисперсия исход + ного множества объектов X;

— центр е-го класса.

е Dunn J. С. A. Fuzzy Relative of the I S O D A T A Process and its Use in Detecting Compact Well-Separated Clusters. — Journal of Cybernetics, 1973, № 3.


2S ' ZZ \ ГГ Х-2/ / / 4ff Рис. 1. Расположение объектов в двухмерном пространстве.

Знаком ° и * обозначены, центры нечетных классов, полученных с помощью алгоритмов I S О D А Т А и предложенного в данной работе (соответственно) На значения весов принадлежности \л, (х ) накладываются следующие е ( ограничения (вероятностная нормировка):

k+L 1=1, '..., * + ! (2),...,п;

"2j оц,,(х,)і;

= і;

«'=i гі/(^).

Решение задачи (1), (2) предлагается осуществлять с помощью одного из оптимизационных алгоритмов. Алгоритмы данного класса характеризуются простой вычислительной схемой, не требуют определения градиента и основаны на учете специфики ограничений (2). В этих алгоритмах используются простые операторы варьирования точек симплекса, гарантирующие движение в допустимой области (2).

Алгоритм основан на пошаговой (итеративной) процедуре приближения к оптимальному набору весов принадлежности, соответствующему мини­ мальному внутриклассовому разбросу, измеряемому критерием (1).

Для иллюстрации возможностей алгоритмов нечеткой классификации рассмотрим следующий модельный пример. Пусть имеются 25 объектов, заданных двумя признаками. На рис. 1 эти объекты изображены на двухмерной плоскости. Очевидно, здесь имеются два класса, каждый из которых содержит ядро и точки, к нему примыкающие. Кроме того, имеются объекты «переходного» характера (х и х ), а также один объект І0 п д:, «не вписывающийся» в систему этих двух классов.

Результаты работы алгоритма I S O D A T A и нашего алгоритма приво­ дятся в табл. П і и П2 Приложения 3 соответственно. Из этих таблиц Бородкин Л. И. Об одном классе алгоритмов минимизации функций на симплексе. — В кн.: Модели агрерирования социально-экономической ин­ формации. Новосибирск, 1978, с. 82—90.

видно, что объект х (выпадающий из системы двух классов) искажает результаты классификации, полученной с помощью алгоритма I S O D A T A :

положение центров классов А и А оказывается смещенным (см. рис. 1), 1 что приводит к некоторому искажению весов объектов для ядра каждого класса. К тому же неестественными представляются значения весов принадлежности объекта х $ к классам Л и Л (0,5 и 0,5 соответственно).

1 Как следует из табл. П2, предложенный нами алгоритм не приводит к ука­ занным искажениям;

построенная с его помощью вероятностная классифи­ кация допускает естественную интерпретацию.

ПРИЛОЖЕНИЕ ВЕСА П Р И Н А Д Л Е Ж Н О С Т И ОБЪЕКТОВ К К Л А С С А М Таблица П1 Таблица П Номер класса Вес непринад­ Номер класса Номер Номер лежности объекта объекта к классам I II I II 1 0,05 0,95 1 0,02 0,98 0, 2 0,08 0,92 2 0,02 0,98 0, 3 0,13 0,87 3 0,04 0,96 0, 4 0,03 0,97 4 0,00 1,00 0, 5 0,06 0,94 5 0,00 1,00 0, 6 0,12 0,88 6 0,03 0,97 0, 0,01 0,99 7 0,00 1,00 0, 8 0,06 0,94 8 0,00 1,00 0, 9 0,13 0,87 9 0,04 0,96 0, 10 0,28 0,72 10 0,20 0,80 0, 11 0,72 0,28 11 0,80 0,20 0, 12 0,87 0,13 12 0,94 0,06 0, 13 0,88 0,12 13 0,97 0,03 0, 14 0,87 0,13 14 0,95 0,05 0, 15 0,94 0,06 15 0,99 0,01 0, 16 0,94 0,06 16 0,98 0,02 0, 17 0,92 0,08 17 0,98 0,02 0, 18 0,99 0,01 18 1,00 0,00 0, 19 0,97 0,03 19 1,00 0,00 0, 20 0,95 0,05 20 0,99 0,01 0, 21 0,22 0,78 21 0,18 0,52 0, 22 Q.22 0,78 22 0,18 0,52 0, 23 0,78 0,22 23 0,52 0,18 0, 24 0,78 0,22 24 0,52 0,18 0, 25 0,50 0,50 25 0,02 0,02 0, Л. В. Милое, М. Б. Булгаков, И. М. Гарскова СИСТЕМНО-СТРУКТУРНЫЙ ПОДХОД К ИЗУЧЕНИЮ АГРАРНОГО РАЗВИТИЯ РОССИИ 1-й П О Л О В И Н Ы X V I I в.

И ПРОБЛЕМЫ ТИПОЛОГИИ ФЕОДАЛЬНОГО ХОЗЯЙСТВА (Многомерный анализ писцовых книг) Н а с т о я щ а я статья суммирует некоторые итоги приме­ нения многомерного (факторного) анализа массивов информации, извлеченных из фонда писцовых книг Россий­ ского государства 20—40-х годов X V I I в. Методика предла­ гаемого здесь факторного (компонентного) анализа более с л о ж н а, чем разновидности корреляционного анализа, высокая эффективность и плодотворность которых у ж е испы­ тана на материалах названных источников '.

Напомним, что применение корреляционного анализа (в частности, парной корреляции и корреляционного отно­ шения) позволило получить важные результаты при иссле­ довании типов феодального хозяйства в 20—30 годах X V I I в. Было обнаружено, например, что углубленный анализ двух важнейших форм феодального землевладения — вотчины и поместья — показывает сильные различия их хозяйственных и социальных характеристик на материалах Лихвинского и Угличского уездов. В поместьях резче ощущается нехватка рабочих рук, слаба или почти незаметна активность феодала-помещика как организатора производ­ ства. Господская запашка у ж е достигла р у б е ж а, за которым ее развитие шло в ущерб размерам крестьянской пашни.

Запустение наложило печать на весь хозяйственный облик поместья и явно тормозит развитие. В вотчинах при весьма высокой степени эксплуатации крестьянства его положение несколько лучше, чем в поместьях. При этом в вотчине на господской пашне эксплуатируется д а ж е бобыльство.

Гораздо интенсивнее используются в качестве рабочей силы деловые и задворные люди, среди которых, видимо, был большой процент холопов. Больше того, в вотчине весьма ощутимы тенденции превращения этих элементов в крестьянство. В вотчинах четко просматривается тенденция к расширению основных производственных площадей, заведению нерегулярных пашен, расчистке перелогов и т. д.

Здесь развитие крестьянского клина пашни не встречает препятствий со стороны господского сектора. Наконец, хозяйственное влияние феодала-вотчинника прослеживается гораздо сильнее, чем в поместье.

Разница полученных наблюдений с известными до сих пор в науке представлениями состоит в том, что итоги корреляционного анализа не просто показывают поместье и вотчину как разные по своему юридическому статусу формы феодального землевладения, а фиксируют их как экономически различные типы хозяйства.

Методика применения корреляционного анализа рас­ считана на анализ у ж е заранее выделенных, готовых типов феодального хозяйства. Поэтому для корреляционного анализа формировалось два обособленных массива инфор­ мации: отдельно по поместьям и отдельно по вотчинам.

В настоящей работе ставится задача получения класси­ фикации типов феодального хозяйства наиболее объектив­ ными методами. При этом в основу исследования закла­ дывается единый массив информации, где в общей массе слиты и поместья, и вотчины. Анализ же ведется путем выявления единого набора факторов, по-разному проявляю­ щихся в вотчинах, с одной стороны, и в поместьях — с другой, что, собственно, и обусловливало бы сущность их типологического различия как хозяйств, а не как форм землевладения.

Важнейшей целью применения факторного анализа является в данном случае выявление скрытых от глаз исследователя глубинных особенностей феодального земле­ владения и хозяйства X V I I в. Подобные методы позволяют обобщить (так сказать, «сжать») информацию исходных показателей, непосредственно с о д е р ж а щ и х с я в источнике, и выделить небольшое число факторов, определяющих основные черты развития феодального хозяйства этой эпохи. Взвешенный учет всех без единого исключения элементов массива информации в их реальных взаимоотно­ шениях позволяет с полным основанием назвать такой подход к изучению массовых явлений и процессов в аграрном развитии России 1-й половины X V I I в. системно-струк­ турным подходом.

Д л я решения задачи определения обобщенных характе­ ристик, скрытых за набором исходных признаков, опи­ сывающих отдельные объекты, можно выбрать какой-либо из методов факторного анализа, например метод главных компонент — разновидность метода главных факторов. Этот метод позволяет выделить те факторы (главные компоненты), по которым происходит наибольшая дифференциация (разброс) объектов. Дифференциация объектов характеризуется таким пока­ зателем, как суммарная дисперсия признаков. Поэтому в качестве первой главной компоненты посредством этого метода находят в многомерном пространстве признаков такое направление, по которому совокупность точек, изобра­ ж а ю щ и х объекты, имеет наибольший разброс. При этом суммарная дисперсия признаков раскладывается на диспер­ сию, обусловленную первой главной компонентой, и остаточ­ ную дисперсию. Затем находится вторая главная компонента, ортогональная первой и объясняющая максимальную часть остаточной дисперсии и т. д. Процесс завершается после нахождения всех главных компонент, число которых равно числу исходных признаков, после чего суммарная дисперсия оказывается представленной в виде суммы дисперсий, обусловленных отдельными главными компонентами. Оста­ точная дисперсия после выделения последней главной компоненты оказывается равной нулю, т. е. задача имеет точное математическое решение, хотя на практике обычно ограничиваются несколькими первыми компонентами, объя­ сняющими достаточно большую часть суммарной дисперсии (70-80%).

Математически направление, соответствующее главной компоненте в пространств.е исходных признаков, можно выразить нормированной линейной комбинацией этих приз­ наков:

п а z, = 2 /А.

где Zy — /-я главная компонента;

X — г'-й признак (центро t нормированный, т. е. со средним значением 0 и дисперсией 1 ) ;

п — количество признаков;

a — коэффициент, с которым г'-й jt признак входит в /-ю компоненту (эти величины в факторном анализе называют факторными нагрузками).

Геометрически величина а — это проекция вектора, п соответствующего /-й компоненте, на ось г'-го признака. Вели­ чины a.ji по модулю не превышают 1;

чем ближе а - /( к ± 1, тем более значимым является 1-й признак в «по­ строении» /-й компоненты. Признаки со значениями a jh близкими к 0, практически не влияют на данную компоненту.

Например, в случае двух признаков, сильно коррелирующих между собой, главные компоненты могут быть расположены так, как показано на рис. 1. Х, Х — исходные признаки, х Z,, Z — главные компоненты, а и а — проекции компо­ 2 и ненты Z, на оси признаков X, и Х соответственно (проекции Z на оси Х\ и Х не показаны).


2 3 Заказ 1737 Рис. 1. Главные компоненты в случае двух признаков.

И з рис. 1 видно, что Z, соответствует направлению наибольшей дифференциации объектов. Так как а,, а, то вклад признака Х в первую главную компоненту выше, { чем вклад признака Х. Поскольку главные компоненты строятся как взаимно ортогональные направления в пространстве признаков, они не коррелируют между собой, т. е. являются линейно незави­ симыми. И з этого следует, что компонентный анализ целесообразно использовать при изучении набора признаков, сильно коррелирующих между собой, так как этот набор заменяется системой линейно независимых факторов, что существенно для их содержательной интерпретации.

Факторы интерпретируют с содержательной точки зрения, опираясь на те признаки, которые имеют по этим факторам наибольшие по абсолютной величине факторные нагрузки ( % ). Хотя в компонентном анализе один и тот ж е признак может входить в разные (вообще говоря, во все) факторы, что иногда затрудняет их интерпретацию, достоин­ ством этого метода является то, что полученные факторы не влияют друг на друга, и их можно рассматривать как вместе, так и порознь.

Помимо факторных нагрузок метод главных компонент дает факторные веса объектов, определяющие их поло­ жение на оси каждого фактора. Чем выше по модулю факторный вес объекта, тем сильнее проявляется у него то качество, которое описывает данный фактор, а знак факторного веса говорит о положительном или отрицатель ном его проявлении. Близкие к нулю факторные веса свиде­ тельствуют о средней силе проявления фактора.

В целях наиболее тщательной отработки методики факторного анализа в качестве предмета исследования был взят относительно небольшой массив информации, извле­ ченный из писцовой книги 1626—1628 гг. по Воротынскому у. Выбор уезда не случаен, ибо для эксперимента был наиболее полезен материал, отражающий экстремальные условия аграрного развития. Именно такие условия способствуют лучшему выявлению внутренних специфических свойств того или иного типа феодального хозяйства.

Уровень хозяйственного разорения и запустения в Воро­ тынском у., расположенном недалеко от Калуги, в 20-х годах X V I I в. был очень высок. В табл. 1 приведен перечень средних по уезду показателей в расчете на владение,- на поместье и на вотчину. С р а з у же видны громадные масштабы разорения. Процент покинутых и разрушенных дворов (пустых дворов) в среднем по уезду достигает 7 1, 8 %, снижаясь по вотчинам до 6 8, 9 % (по поместьям — 7 4, 1 % ). Процент тяглоспособных крестьянских дворов от общего числа крестьянских, бобыльских и пустых дворов равен в среднем по уезду, всего лишь 1 2 %. П р а в д а, при этом катастрофически низком среднеуездном уровне числен­ ности тяглоспособного населения для вотчин он почти вдвое выше, чем для поместий (15,1% против 9, 4 % ). Д о л я бобыльских дворов в поместьях и вотчинах одинакова (16,2% — в среднем по уезду, 1 6, 5 — в поместьях, 16% — в вотчинах). Чрезвычайно велики запустевшие пашенные угодья. Д о л я тяглой крестьянской пашни в среднем по уезду достигает только 8,8% от общей площади хозяй­ ственных угодий. П о поместным владениям доля крестьян­ ской пашни в среднем на таком же уровне ( 8 % ), а для вотчин почти в полтора раза выше ( 1 4 % ). Точно такое ж е соотношение и уровней господской пашни (в среднем по уезду — 9 %, для поместий — 8, для вотчин — 1 4 % ).

Общая доля запустевших угодий, включая перелоги и пашню, поросшую лесом, в среднем по уезду составляла 72,7% (для поместий — 7 9 %, для вотчин — 6 5 % ). Д о л я переложных, сравнительно недавно заброшенных пашенных земель при селениях, т. е. в непосредственном соседстве с полевой пашней, составляла в среднем по уезду 18,4% (для п о м е с т и й — 1 7 %, для вотчин — 2 2 % ), а в пустошах— наоборот: в вотчинах 14%, в поместьях 3 7 % и т. д.

Таким образом, в целом хозяйственное развитие Воро­ тынского у. находилось в глубоком кризисе. Его глубина 3' [- чр о го_ *5 t CN — ССз LO 30 ч* ° і со © ГО ГС LO ю" со Ю d* О) СО ю ю" см" со" оо" СО СО" о" гС С LO ю О СО со ь- ж ю 1 1 — тг СО •" s a.

Т о си о г~ о о о см ю г~ со о ГО ГО СО ю_ см — X оо о ГО СП ГО ГС го' о со" со" со" о •*" о" " —" to о о •*" м Ю см см СМ ОО ю_ Ю | СП сс СП :—і ГО ГО ГО' СП ОС LO CN с " оо о" го" _г С^ о о h-" оо" t " 1» со" —" — -" см оо СО го Ю О! ее о С ГС О С СП О —X — LO LO -- s ГО со ом см 00 сл ю ч- IN СП LO о 00 см Іч О ) см см •f о СП о СП СО оо" СО" о о" KS со" о" о" _Г оо о" СП LO" LTJ СО "* с^ CN x ox S •* С С СП см s. •* см сп ОМ со_ Ю_ ю г ~ я" LO СО s =я t~-" км* о см' С ел те" — СО" О со оо" О" О 1 РИ •*" Г-."

со •* СГ: г- ОС С ^ С |- С О О ю С^ ГО СО LO •B- X a.

СГ) о пз 1-~ СО со со см ОС ГО СП LO со СП ОС ОС со со о о" СО со" U '7 см ГО* t~-" о о— см 1 — СО • * LO см •= а •я о О ш ГГІ ч та s a "5;

Ь 1s о зЯоо в к о S Е id о и оо О ОC о J си a О, м 0Q С чС С о U О С С U отразилась в налоговой политике государства. Если величина «дворовой», или «живущей», четверти для большинства районов государства составляла 8 дворов крестьянских и 4 двора бобыльских (10 дворов крестьянских, считая 2 бобыльских за 1 крестьянский) или 12 дворов крестьян­ ских и 8 дворов бобыльских (т. е. 16 дворов крестьянских), то по Воротынскому у. в 1626—1627 гг. « ж и в у щ а я », иди «дворовая», четверть составляла:

1) по 23 жилым поселениям из расчета 16 дворов крестьянских или 32 двора бобыльских;

2) по 15 жилым поселениям из расчета 32 двора крестьянских или 64 двора бобыльских;

3) по 6 жилым поселениям из расчета 20 дворов крестьянских или 40 дворов бобыльских;

4) по 8 жилым поселениям из расчета 24 двора крестьянских или 48 дворов бобыльских;

5) по одному поселению из расчета 48 дворов крестьянских или 96 дворов бобыльских;

6) по одному поселению из расчета 64 двора крестьянских или 128 дворов б о б ы л ь с к и х. В благополучных районах « ж и в у щ а я » чет­ верть составляла всего 6 дворов крестьянских и 3 двора бобыльских и д а ж е 4 двора крестьянских и 2 двора бобыль­ ских. Разница, как видим, весьма внушительная.

При всей глубине общего хозяйственного кризиса в уезде средние показатели тем не менее свидетельствуют о том, что и здесь в вотчинах положение дел было заметно лучше, чем в поместьях. Населенность крестьянских и' бобыльских дворов в них была почти на 3 0 % выше, чем в поместьях (127,5%, беря населенность поместий за 1 0 0 % ), а доля людских дворов выше почти вдвое. Таким образом, вотчины уезда были гораздо лучше, чем поместья, обеспе­ чены людскими ресурсами. Это преимущество сказалось и на степени восстановления хозяйства. Как отмечалось выше, доля крестьянской тягловой пашни в вотчинах была 14%, а в поместьях 8 %, доля господской пашни соответ­ ственно 14 и 9 %. П р а в д а, средние показатели очень прибли­ женно выявляют те или иные тенденции развития, поскольку коэффициенты вариации, приведенные в табл. 1 по каждому показателю, дают чрезвычайно высокий процент дисперсии, т. е. отклонений от средней цифры. Так, коэффициент вариации по размерам господской пашни превышает 6 0 — 6 7 % по обоим типам землевладений. Коэф­ фициент вариации размера крестьянской пашни для вотчин равен 172,4%, что вообще говорит о хаотичности в коле­ баниях их размеров. Грубая приближенность средних пока­ зателей сильно ограничивает возможность получения сколько-нибудь точных выводов. В рамках традиционной методики компенсировать этот изъян в принципе может выделение из общей массы объектов различных по величине групп землевладений. Н о это ведет, в свою очередь, к резкому сокращению числа наблюдений в рамках каждой группы, что снова влияет на степень определенности каких-либо выводов. Следовательно, пользуясь традицион­ ной методикой, мы не можем выявить в источнике большой слой скрытой информации, не можем добиться детализи­ рованных и твердых результатов. Таким образом, вполне логичен переход к более совершенным методам анализа.

Как у ж е говорилось, метод главных компонент в данном исследовании обнаружил высокую эффективность. Д л я различных классов абсолютных и относительных показателей выявлены устойчивые закономерности. Первые два фактора всегда охватывают не менее 5 5 % совокупной дисперсии признаков, а доля дисперсии, приходящаяся на первые три фактора, всегда не менее 6 7 %. Первый фактор объяс­ няет, как правило, около 3 5 % дисперсии, а второй — около 2 0 %. Эти результаты говорят о том, что совокупность признаков допускает построение четкой системы факторов, т. е. она хорошо структурирована. Приступим теперь к анализу факторов, полученных на основе обработки массивов информации, имеющих разные классы абсолютных (исходных) и относительных показа­ телей, рассчитанных путем соотнесения исходных показа­ телей с величиной крестьянской и господской пашни, числом крестьянских и бобыльских дворов.

Д л я выявления наиболее глубинных фундаментальных основ, которые проявляются в сложнейшей системе комби­ наций взаимоотношений 16 признаков ( с м. т а б л. 1) феодаль­ ного хозяйства по светским владениям уезда, был проведен факторный анализ всей совокупности характе­ ристик в их абсолютном выражении. Несмотря на то, что оперирование абсолютными величинами всегда сопряжено с риском получения искажений, вызываемых резким выпадением отдельных объектов из общих рамок дисперсии признаков, в данном случае были получены вполне корректные результаты (см. перечень 1).

Перечень Класс абсолютных показателей I фактор. Общий уровень развития феодального хозяйства, 35% дисперсии 0, 1. Величина крестьянской пашни 0, 2.

Тяглоспособность 0, 3. Населенность владения 4. Численность крестьянских дворов 0, 5. Численность бобыльских дворов 0, 6. Площадь господской пашни 0, II фактор. Степень ликвидации запустевших пашенных угодий, 22% дисперсии 1. Общая площадь хозяйственных угодий —0, 2. Суммарное выражение убыли из тягла и тяглоспособности —0, 3. Площадь перелога и поросшей лесом пашни в пустошах —0, 4. Площадь перелога при селениях —0, 5. Площадь поросшей лесом пашни при селениях —0, 6. Численность покинутых и разрушенных дворов —0, III фактор. Вычленение позднейших проявлений запустения от наиболее ранних, 10% дисперсии 1. Площадь перелога и поросшей лесом пашни в пустошах —0, 2. Площадь поросшей лесом пашни при селениях 0, 3. Площадь перелога при селениях 0, 4. Частота встречаемости господских усадеб —0, Четко определились три ведущих фактора (процент совокупной дисцерсии равен соответственно у первого — 3 5 %, у второго — 22 и у третьего— 1 0 % ). Они характери­ зуют наиболее общие черты развития светского феодального землевладения и хозяйства в конце 20-х годов X V I I в.

Первый фактор — «общий уровень развития феодального хозяйства». Его не отличают какие-либо специфические характеристики, которые были бы наиболее тесно связаны с фактором (по факторным н а г р у з к а м ), по сравнению с большинством других признаков. В фактор входят сле­ дующие показатели: 1) площадь крестьянской пашни (факторная нагрузка 0,38), 2) размер тягла «с живущего»

(0,37), 3) степень населенности феодального владения, или число так называемых «людей» (0,36), 4) численность крестьянских дворов (0,34), 5) численность бобыльских дворов (0,32), 6) величина господской запашки (0,28). Таким образом, общий уровень развития феодального хозяйства определяется главным образом площадью реальной крестьянской и господской пашни и численностью крестьян­ ского и бобыльского населения феодальных владений, в осо­ бенности числом реальных тяглецов (способных платить государственные налоги и нести тягло).

Второй фактор, по силе своего проявления заметно уступающий первому (22% дисперсии), — «степень ликви­ дации запустевших пашенных угодий». В него входят следующие показатели: 1) общая площадь хозяйственных угодий владения (факторная нагрузка — 0,44), 2) сумма «живого» (несущего тягло) и запустевшего (при полном преобладании доли последнего) в учете государством пла­ тежеспособности населения при взимании налогов и нату­ ральных повинностей (—0,44), 3) площадь перелога и поросшей лесом пашни в пустошах (—0,37), 4) площадь перелога при селениях (—0,31), 5) площадь пашни, поросшей. л е с о м, при селениях (—0,31), 6) число пустых дворов и дворовых мест (—0,28). Все пока­ затели находятся в обратно пропорциональной связи с самим фактором, так как входят в него с отрицательным знаком. С т а л о быть, чем сильнее проявление фактора, тем меньше величина всех названных показателей. Отсюда и определение существа фактора как степени ликвидации запустения.

Обратим внимание на то, что ведущий признак второго фактора — общая сумма площади всех хозяйственных уго­ дий, т. е. практически величина земельного владения (по­ местья или вотчины). С точки зрения ликвидации послед­ ствий запустения обширность феодального земельного владе­ ния выступает как отрицательный момент: чем меньше по общей площади угодий то или иное владение, тем лучше для восстановления экономики. М е ж д у тем это принципиально важный показатель (и с ним мы встретимся еще не р а з ).

В нем отражена социально-экономическая природа меха­ низма восстановления хозяйства, а следовательно, и самого хозяйства. В экстремальной ситуации хозяйственного разо­ рения нет места преимуществам крупного землевладения, они здесь еще не проявляются. Это резко подчеркивает натуральный характер хозяйства в целом в тот период.

Третий фактор — «вычленение позднейших проявлений кризиса начала X V I I в. от наиболее ранних его прояв­ лений» (10% дисперсии) —представлен следующими пока­ зателями: 1) площадь перелога и поросшей лесом пашни в пустошах.(факторная нагрузка — 0,52), признак связан с фактором отрицательно, т. е. находится с ним в обратно пропорциональном отношении;

2) площадь пашни, порос­ шей лесом, при селениях (0,50);

3) площадь перелога при селениях (0,49);

4) число господских дворов (—0,29).

Последний признак также отрицательно связан с фактором.

П р я м а я связь с фактором второго и третьего признаков и обратная связь с фактором первого и четвертого позволяют сформулировать сложное содержание фактора:

запустение пашен, находящихся в пустошах, не является позднейшим проявлением кризиса, равно как и слабая частота встречаемости господских усадеб. Это наиболее ранние явления кризиса. И наоборот, запущенные пашен­ ные угодья при селениях выступают как позднейшие прояв­ ления кризиса начала X V I I в. Они прямо связаны с числом опустевших крестьянских дворов, и именно они в конечном счете вызывают рост людских дворов, призванных восстано­ вить господское хозяйство в целом.

Рассмотрим факторы, рассчитанные на основе относи­ тельных показателей, соотнесенных с десятиной крестьянской пашни (см. перечень 2 ). Анализируя признаки в расчете на единицу крестьянской пашни, мы тем самым должны оценивать получаемые итоги как бы с позиций крестьянского хозяйства.

Перечень Класс показателей, соотнесенных с величиной крестьянской пашни (расчет на 1 дес. крестьянской пашни) / фактор. Уровень запустения с точки зрения крестьянского хозяйства, 42% дисперсии 1. Общая площадь хозяйственных угодий 0, 2. Суммарное выражение тяглоспособности и убыли из тягла 0, 3. Площадь пашни, поросшей лесом, при селениях 0, 4. Площадь перелога при селениях 0, 5. Частота встречаемости господских усадеб 0, 6. Площадь перелога и поросшей лесом пашни в пустошах 0, 7. Численность крестьянских дворов —0, // фактор. Первичное восстановление помещичьего хозяйства за счет разорения населения, 15% дисперсии 1. Число бобыльских дворов 0, 2. » крестьянских дворов —0, 3. » покинутых и разрушенных дворов —0, 4. Площадь господской пашни 0, 5. Число людских дворов 0, 6. Площадь пашенного и непашенного леса —0, /// фактор. Развитие помещичьего хозяйства в условиях дефицита людских ресурсов феодальных владений, 10% дисперсии 1. Тяглоспособность —0, 2. Населенность владения —0, 3. Число людских дворов 0, 4. Площадь господской пашни 0, Поэтому первый, ведущий фактор, вбирающий 4 2 % всей дисперсии, мы квалифицируем как «уровень запустения с точки зрения крестьянского хозяйства». В фактор вошли следующие признаки (в порядке убывания величины факторной нагрузки). На первом месте два ведущих признака: общая площадь действующей и когда-либо запущенной пашни (в расчете на дес. крестьянской пашни) (факторная нагрузка 0,37). Учитывая, что в среднем « ж и ­ лые» угодья составляли в уезде (по сравнению с запущен­ ными) всего 2 3 %, этот признак следует расценить как харак­ теристику степени земельного запустения. Таким образом, мы вновь видим: чем больше площадь феодального владения, тем сильнее проявляется запустение. Практически о том же свидетельствует и второй признак (с той же факторной нагрузкой): суммарное выражение тяглоспособности и убыли из тягла. Потом идут показатели, роль которых для фактора немногим меньше (0,35). Это угодья при селениях в виде пашни, поросшей лесом, и перелога. Интересно, что в фактор вошел такой признак, как частота встречаемости господского двора в феодальных владениях. В данном случае этот символ крестьянской эксплуатации выступает как составной социальный элемент фактора хозяйственного запустения. Тесно связан с ним и другой социальный признак — число крестьянских дворов в расчете на деся­ тину крестьянской пашни. Причем признак имеет отрицатель­ ный знак — чем меньше крестьянских дворов в расчете на десятину крестьянской пашни, тем сильнее фактор запусте­ ния. Уточним, что факторная нагрузка признака —0,26.

У пятого признака факторная нагрузка 0,34, т. е. роль его в указанном факторе выше. Шестой признак (площадь перелога и поросшей лесом пашни в пустошах) также существен (0,31), хотя и уступает запустению пашен при селениях. Таковы отбор и значимость показателей запустения с позиций крестьянского хозяйства.

Второй фактор (15% дисперсии) обозначим как «первич­ ное восстановление помещичьего хозяйства за счет разорения населения». Как видно из перечня 2, ведущим признаком в нем является число бобыльских дворов в расчете на десятину крестьянской пашни (0,45). Д а л е е идут второй и третий признаки, отрицательно связанные с фактором:

число крестьянских дворов в расчете на крестьянскую пашню, а также число пустых дворов и дворовых мест (соответ­ ственно —0,40 и — 0, 3 5 ). Следовательно, в факторе взаимо­ связь этих признаков обратная: чем меньше пустых и кресть­ янских дворов, тем больше бобыльских, т. е. полуразоренного населения. А чем больше полуразоренного населения, тем сильнее проявляется фактор восстановления за счет отнюдь не роста хозяйственной состоятельности крестьян.

Наконец, в фактор входят (при положительной с ним связи) два признака, имеющие прямое отношение к господ скому хозяйству: площадь господской пашни и число людских дворов на единицу крестьянской пашни (0,33 и 0,30).

Таким образом, в целом второй фактор фиксирует процесс восстановления господского хозяйства силами полуразорен­ ного населения из бобылей (в этом черта первичности, начальной фазы данного процесса) и собственными люд­ скими ресурсами господского хозяйства (холопами, задвор ными людьми, деловыми наемными работниками и т. п. ).

Восстановление происходит при остром и иногда возраста­ ющем дефиците крестьянского населения. Не вполне ясна роль последнего признака, вошедшего в фактор: площадь пашенного и непашенного леса в расчете на крестьянскую пашню. Возможно, что здесь проявляется тенденция вовле­ чения в хозяйственный оборот (в действующую пашню) давным-давно заброшенных земель.



Pages:   || 2 | 3 | 4 | 5 |   ...   | 10 |
 





 
© 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.