Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Эмпирические социологические исследования социальной реальности. Монография
.pdf
Глава 3
81
3) выбор средств измерений (измерительного инструментария).
Выше нами были рассмотрены различные проблемы и связанные с
ними выводы. Не возвращаясь к деталям снова, сформулируем несколько итоговых выводов, представив их в двух группах:
1) выводы, касающиеся состояния и проблем в этой области;
2) выводы, касающиеся требований сравнительного анализа в эмпи-
рических социологических исследованиях.
3.5. Актуальное состояние проблемы
• Сравнительный анализ присутствует при необходимости во всех
эмпирических социологических исследованиях, независимо от предмета, области исследования и выбранной технологии анализа.
• По причинам, изложенным в тексте, все модели сравнительного ана-
лиза несут в себе риски необоснованных выводов и обобщений. Риски связаны не только с, возможно, неудачно выбранной технологией сравнительного анализа, но главным образом с самой природой и содержанием
изучаемых объектов. В принципе, наблюдаемое различие в сравнении (d)
само по себе не свидетельствует о наличии или отсутствии эффектов, которые мы стремимся обнаружить с помощью них. Заключение одинаково
справедливо для сравнений, основанных на данных эмпирических социологических исследований и экспериментальных результатов.
• Подход к оценке наблюдаемых различий между сравниваемыми ха-
рактеристиками в принципе различен для репрезентативных и нерепрезентативных выборок. Для контроля влияния случайных факторов в
выборке используются статистические методы проверки гипотез и
оценки стохастической ошибки. Только при таком подходе у исследователей есть основания делать выводы и обобщения на основании сравнительного анализа, помимо выборочной информации.
• В случае нерепрезентативных выборок влияние случайных факторов
и часто неслучайных факторов остается неконтролируемым. Следовательно, выводы и оценки, в принципе, не могут быть проверены за пределами случаев, от которых обеспечиваются данные для анализа. Из этого не
следует, что они не могут быть полезным инструментом исследования.
Глава 3
82
Напротив, нерепрезентативная выборка, очевидно, нуждается в реабилитации арсенала исследовательских инструментов. Они предназначены,
прежде всего, для выяснения проблем социальной практики, разумеется,
не требуя более широких обобщений, чем их когнитивные способности.
• Как отмечается в исследовании, возможности малых выборок могут
и должны найти более широкое место в практике эмпирической социологии с учетом ограничительных условий, изложенных выше.
• Можно смело утверждать, что экспериментальные исследования в
ЭСИ являются скорее исключением. Очевидно, что они также нуждаются
в реабилитации. Потому что социальные эксперименты являются жизненно важными исследовательскими подходами и методиками и должны найти достойное место в социологических эмпирических исследованиях. Они должны быть выполнены в научно обоснованных формулировках и в контролируемых условиях. Цель состоит в том, чтобы
значительно уменьшить количество ошибок из общепринятого (сознательного или бессознательного) принципа проб и ошибок.
Есть много недостаточно открытых и нерешенных проблем, влияющих на исследования, особенно в сравнительном анализе. Они подробно
обсуждались выше.
Несмотря на широкое разнообразие изучаемых областей и предметов, сложность проблем и конкретных подходов, исследовательских
технологий и стратегий, существует несколько общих принципиальных
требований к сравнительному анализу в эмпирических социологических
исследованиях. Наиболее важными являются следующие.
В той мере, в какой для сопоставления используются количественные характеристики, требуется единообразие в определении понятий и
их диапазона, шкал измерения и избранных индивидуальных измерителей. При сравнении обобщенные статистические характеристики (средние, относительные доли, коэффициенты факторных влияний, сила отношений и многое другое), должны относиться к сопоставимым по диапазону и содержанию совокупности элементов.
На наблюдаемые различия (d) всегда могут влиять (и на самом деле
влияют) различные причины и условия. Чтобы не ввести нас в заблуждение, хорошей стратегией является разработка и внедрение компо-
Глава 3
83
нентных моделей, которые теоретически должны повлиять на общую
разницу. В настоящей работе разработаны и обоснованы несколько образцов моделей. Они не должны рассматриваться как единственно возможные и не идеальные, а только как модели, которые предлагают руководство и подход при выборе технологии сравнительного анализа.
На основе компонентных моделей, которые формируют различия интересов, исследователи могут выбирать конкретные стратегии и методики
для оценки различий интереса в сравнительном анализе. Некоторые компоненты могут быть выделены даже в обосновании утверждений исследования, чтобы они не мешали анализу. В других случаях их влияние может
быть измерено и представлено. Также ожидаются компоненты, для которых вышеупомянутые две стратегии не применимы. Тогда больше ничего
нельзя было бы сделать, но для исследователей было бы предостережением никогда не быть слишком категоричными в своих выводах и заключениях, когда ожидается появление таких неконтролируемых компонентов.
• Особое внимание в сравнительном анализе требуют структурные
различия в группах сравнения. Такого обычно ожидают во всех эмпирических социологических исследованиях. И, как правило, их последствия
вызывают путаницу и неопределенность в оценке различий.
• Использование данных из разных источников обязательно требует,
чтобы исследователи были достаточно хорошо знакомы с особенностями своего производства – чтобы не допустить серьезных ошибок, нару-
шающих методологическое единство в анализе.
• Там, где есть признаки нарушения методологического единства, сле-
дует искать варианты коррекции, в основном путем преобразования данных. Цель состоит в том, чтобы преодолеть эту проблему в сравнении.
• В целом сравнительный анализ также присутствуют в эксперимен-
тальных исследованиях. Основным требованием в них является предоставление адекватных экспериментальных постановок (с репрезентативными выборками или без них). Интерпретация различий должна
быть адаптирована к конкретной экспериментальной постановке. При
работе с репрезентативными выборками обязательно использовать статистические методы для оценки параметров и проверки гипотез.
Глава 4
❖
НЕСТАТИСТИЧЕСКИЕ СРЕДСТВА ДЛЯ ОБРАБОТКИ ДАННЫХ
ИЗ ЭМПИРИЧЕСКИХ ИССЛЕДОВАНИЙ
4.1. Предварительные замечания
В дополнение к известным методам анализа данных социологических исследований, основанных на теории вероятностей, существуют и
другие, более разнообразные методы, которые позволяют использовать
данные нерепрезентативных опросов. В этом случае обобщенные выводы переносятся от выборки на генеральную совокупность нестатистическим способом. Их можно обобщить под названием «математическое
моделирование» (зависимостей между переменными в явном виде).
Речь идет о математическом определении закономерностей в изучаемом социологическом объекте, которые зависят, например, от времени,
то есть они подвержены изменениям во времени и (или) от какой-то
национальной политико-географической специфики.
В прикладной математической литературе различают вероятностное
и статистическое моделирование, причем первое относится к методам
априорного, а второе – апостериорного моделирования.
«Априорный способ введения моделей основан на том факте, что вероятностная модель объекта, заданная с точностью до известных или
неизвестных параметров, вводится ... на основе некоторых исходных соображений, выходящих за рамки математики ... или логических выводов.
Затем проводится эксперимент (в нашем случае эмпирическое социологическое исследование) и получают экспериментальные данные, содержащие информацию о фактических значениях изучаемых свойств объекта. Далее, путем соответствующей обработки (...) определяются неизвестные параметры модели, проверяется адекватность модели по
отношению к данным и объекту, и, при необходимости, модель корректируется» [Губарев 1985: 5].
Глава 4
85
«Апостериорный способ введения моделей основан на подборе и отборе по экспериментальным данным как вида модели из заданного
класса моделей (например, вида закона распределения, если объект
описывается на уровне случайных величин), так и ее параметров, которые наилучшим, или приемлемым в смысле заданного критерия, образом соответствуют результатам статистической обработки экспериментальных данных. При этом чаще всего на модель не накладывается никаких принципиальных ограничений, кроме формальных
математических требований к модели (неотрицательность плотности
распределения вероятности, определенность корреляционных матриц и
функций, характеристических функций и т. п.), требований простоты
обработки данных, получения и использования модели и пр., а также
некоторых внешних дополнительных условий, например критериев селекции, обеспечивающих единственность или принципиальную возможность решения поставленной задачи» [Губарев, 1985: 6].
Эти цитаты наиболее точно описывают взгляды на математическое
моделирование и способы его применения. Математическое обоснова-
ние такого разделения методов моделирования состоит в том, что некоторые из них основаны на аксиоматике А. Н. Колмогорова и называются
вероятностными, а другие основаны на аксиоматике Рихарда Эдлера
фон Мизеса и называются статистическими. Мы хотели бы напомнить
эти аксиомы:
А) «Система аксиом Колмогорова: Они связаны с понятием вероятности случайных событий, когда
S – множество элементарных событий, а
В – алгебра случайных событий.
Аксиома 1: Для любого Р(А),
обладающее свойством , которое называется вероятностью
случайного события А.
Аксиома 2: Выполняется P(S) = 1.
Аксиома 3: Если
… являются два несовместимых случайными
событиями со свойством , для которых при , выполняется
Тройка {S,B,P} называется вероятностным пространством.
Глава 4
86
Измеримая реальная функция f (s), определенная в S, такая, что {s;
f(s)<х}В для произвольного реального x, называется случайной вели-
чиной в вероятностном пространстве {S,B,P}. Тогда F(x)= P({s; f(S) < х})
называется его функцией распределения»8
Б) Аксиоматика фон Мизеса: «Событие А возможно, если оно удовле-
творяет следующим характеристикам:
В принципе, по крайней мере, неограниченным количеством незави-
симых друг от друга экспериментов может быть выполнено при постоянных условиях S, в каждом из которых событие А может произойти, а
может и не произойти.
В результате достаточного количества экспериментов отмечается,
что частота события A для почти каждой большой группы испытаний
лишь незначительно отклоняется от некоторой (обычно неизвестной)
постоянной.
Для численного значения этой константы частоту события можно
предположить приблизительно при большом количестве попыток
,
где n – количество независимых попыток,
а – количество появления события А.
Вероятность, определенная таким образом для события A, называет-
ся статистической вероятностью.
В случае статистического определения вероятности необходимо
знать следующие свойства:
1) вероятность истинного (достоверного) события равна 1;
2) вероятность невозможного события равна 0;
3) если случайное событие С является суммой конечного числа
несовместимых событий
, которые имеют вероятность, то его
вероятность существует и равна сумме вероятностей слагаемых (несов-
местимых событий
):
Если вероятность события А равна р, то аксиома фон Мизеса гласит
8
Математический энциклопедический словарь / гл. ред. Ю. В. Прохоров. М.: Со-
ветская энциклопедия, 1988.
Глава 4
87
,
когда частота с увеличением числа попыток все меньше отклоняется от
вероятности р.
Согласно Мизесу, теория вероятностей имеет дело с бесконечным
рядом результатов экспериментов, называемых коллективами. Каждый
коллектив должна иметь два свойства:
1) наличие пределов для относительных частот тех членов, которые
обладают тем или иным свойством какой-либо конкретной их группы;
2) нерегулярность, то есть инвариантность этих пределов в отношении
выбора произвольного подмножества из коллектива по закону, который не
должен опираться на различия элементов коллектива в их отношении к
рассматриваемому свойству и вне этого условия является произвольным
[Гнеденко 1965: 45–47].
Анализ данных, относительно новая область в применении статистических методов в социологии и других социальных науках, принадлежит
к группе апостериорного моделирования. Для этого метода характерно
отсутствие явной социологической теоретической модели изучаемого
явления. Фактически формальной моделью этого явления считается
матрица «объект-признак», которая, по сути, представляет собой запись
данных, полученных с помощью социологической анкеты. Объекты –
это респонденты, а признаки – вопросы социологического опросника.
Таким образом, каждая строка этой матрицы представляет собой заполненную анкету. Именно эта матрица заложена в программный пакет
SPSS в качестве основы для представления данных исследований.
В зависимости от шкал, используемых для измерения соответствующих эмпирических показателей (представленных вопросами и ответами
в анкете), применяется количественный (метрический) или «качественный» (неметрический) статистический анализ. Таким образом, только
на основе статистического моделирования данных обнаруживаются
определенные зависимости между характеристиками исследуемого социологического объекта.
К анализу данных из-за ориентации на исследователя, по мнению
Б. Г. Миркина, предъявляются определенные общие требования, кото-
Глава 4
88
рые обычно остаются в тени вероятностно-статистического подхода. Он
отмечает в качестве основных следующие требования:
1. Универсальность. Математические методы должны образовывать
комплекс, предназначенный для решения всех задач анализа данных в
данном классе исследований.
2. Интерпретируемость. Математические методы должны быть ори-
ентированы на возможность интерпретации результатов, полученных с
точки зрения теоретических представлений рассматриваемой системы.
3. Адаптируемость. Математические методы должны предусматри-
вать автоматическую настройку параметров алгоритмов (например, количества групп), чтобы их мог использовать исследователь, не являющийся специалистом в математических и статистических методах [Миркин 1985: 30–31].
Миркин добавляет, что «получение и анализ на матрице коэффициентов взаимосвязи между признаками может служить (...) для повышения обоснованности формирования исходных данных (со стороны исследователя), но это также может быть использовано при непосредственном получении теоретических знаний, поскольку структура
парных связей проливает свет на причинно-следственную структуру,
зачастую достаточную для того, чтобы прийти к тем или иным выводам
для нее» [Миркин 1985: 32–33]. Последнее замечание, на наш взгляд, является наиболее важным для понимания и сосредоточения внимания на
этих методах.
Анализ данных также включает в себя так называемые методы
«оцифровки» – получение новых многомерных шкал метрического типа,
состоящих из номинальных или ранговых, или смешанных. Это методы
оптимального шкалирования, которые включены в новые версии SPSS9.
Оцифровка, несмотря на ее слабую математическую достоверность, позволяет применять к вновь полученным метрически шкалированным
признакам все возможные статистические средства анализа – традиционные и нетрадиционные.
Некоторые виды качественного статистического анализа далее обсуждаются, как возможные для применения к нестохастическим выборкам.
9
О SPSS и возможностях программы в [Крыштановский 2006].
Глава 4
89
Независимо, является ли это априорным или апостериорным моделированием, очень показательным для применения любого математического метода в других науках является то, что оно обязательно зависит от теоретических или эмпирических установок исследователя-не
математика.
4.2. Модель Франтишека Харвата
Одним из таких методов, разработанных во времена «математиче-
ской эйфории» в социологии, а именно на рубеже 60–70-х годов ХХ века,
является модель социальной мобильности Франтишека Харвата. Эту модель можно отнести к методам априорного моделирования.
В общем модель можно представить следующим образом: социальноклассовая структура рассматривается как последовательность подмножеств общества, принимаемых как множества индивидуумов. Кроме того, каждый член общества принадлежит ровно одному классу (подмножеству), а сумма (объединение) этих классов представляет собой все
общество. Так называемый индекс стратификации предлагается для
количественной оценки социальной стратификации (социальной структуры), вычисляется следующим образом:
(16)
,
где является мерой элемента стратификации, то есть относительной
доли каждого класса i во всей структуре, которая может изменяться со
временем t, n является количеством классов.
Мера стратификации мобильности предлагается для оценки изме-
нений в структуре:
(17)
,
то есть производная статистического индекса в данный момент време-
ни (в дискретном случае), где является оператором разности.
Кроме того, понятие социальной диффузии вводится как движение от
одного класса к другому, что может привести к опустошению класса из
структуры и появлению новых классов. Таким образом, диффузия может
рассматриваться как «причина» изменения социальной структуры (цита-
Глава 4
90
ты приведены по самому Харвату). Так называемый индекс эмиграции
и и индекс иммиграции
. Соотношение между этими двумя показателями называется индикатором движения по аналогии с физикой жидкостей, которая является источником термина «диффузия»:
(18)
.
С помощью этих показателей можно определить тенденции изменения пропорций количества классов, то есть в какой степени в данный
период происходит переход к равномерному или неравномерному распределению населения по разным классам (категориям) структуры. Индекс стратификации (16) достигает максимума при полной однородности, а минимум – когда число всех категорий, кроме одной, становится
равным 0. В обоих случаях мера мобильности (17) становится равной 0.
Когда число категорий изменяется, мера мобильности стремится к бесконечности.
Индикатор движения меньше элементовы указывает на то, что
движение относится к деконцентрирующему типу и при значении,
большем элементовы, движения относится к концентрирующему ти-
пу. В случае
= 1, движение сохраняет существующее количество категорий, при этом доля выходов из каждой категории равна доле
участников.
Итак, в своей модели Фр. Харват связывает изменения в структуре
общества с типом движения индивидов между его категориями (классами). На этой основе он предлагает типологию обществ в зависимости от
стратификации и мобильности. Предлагаются три реальных типа общества: первый тип – со стабильной стратификацией и сильным межкатегориальным движением; второй тип – со стабильной стратификацией и
слабым движением – «фиксированное общество»; третий тип – с лабильной стратификацией и сильным движением – «мобильное
общество».
Применение модели Харвата является примером нестатистической
обработки данных эмпирических социологических исследований. Это
связано с тем, что индекс стратификации J(t) представляет собой нели-
нейный функционал меры элемента стратификации
, то есть отно-
сительная доля каждого класса i во всей структуре, которая может из-
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]