5. Четыре важнейших ограничения квантификации первичных социальных характеристик

Мы рассмотрели различные приемы перевода качественных социальных признаков в их количественные выражения. Это очень ответственный аспект процедуры социологических исследований. Статистика, как говорил В.И. Ленин, "упрямая вещь", но лишь в случае ее обоснованного использования. При неаккуратном обращении со статистикой социальных явлений и процессов мы лишь вводим в заблуждение, ибо люди привыкли считать математические выкладки доказательством точности.

Аккуратное использование математического аппарата в социологическом исследовании предполагает адекватное отображение социальных явлений в формальных моделях. Добиться этого можно лишь путем тесного сотрудничества высокопрофессионального социолога с профессионалом-математиком. И такое сотрудничество должно сопровождать весь процесс исследования от разработки первичных гипотез о структуре изучаемых явлений и свойств до итогового анализа полученных результатов.

В данном случае мы обращаем внимание только на некоторые ограничения, связанные со специфическим видом формализации социальных данных, имея в виду наиболее распространенные и сравнительно простые приемы использования математической статистики в социологии.

Первое ограничение — соразмерность количественных показателей, фиксированных разными шкалами в рамках одного исследования.

Суммируем сведения о возможностях операций с числами в описанных выше шкалах (схема 14). Более  сильная шкала  отличается от ближайшей к ней относительно слабой тем, что допускает более широкий диапазон математических операций с числами. Все, что допустимо для слабой шкалы, допустимо  и  для сильной. Но не все, разрешимое для сильной, позволительно для слабой шкалы. Поэтому смешение в анализе мерительных эталонов разного типа приводит к тому, что не используются возможности сильных шкал: в этом случае все операции с числами должны удовлетворять требованиям, предъявляемым к относительно слабым шкалам.

Конечно, это предостережение теряет смысл, если социолог не намерен сопоставлять данные, измеренные разными шкалами, и рассматривает их независимо друг от друга и в случае использования более изощренных приемов математического анализа (напр., см: [158]).

Второе общее ограничение связано с формой распределения величины фиксированных описанными выше шкалами, которое предполагается нормальным.

На рис. 8 показаны варианты нормального и скошенного распределений, где нормальное (эталонное) обозначено пунктиром, а скошенное — сплошной линией [183, с. 44]. Нормальное гауссово распределение имеет вид симметричного колокола, у скошенного же по сравнению с нормальным в нашем случае "поднят" правый и "опущен" левый конец (так называемые хвосты распределения). Для нормального распределения оценки меры рассеяния совпадают, т.е. М = Me =Mo, а в скошенном "хвосты" распределения не влияют на Мо, но влияют на среднюю арифметическую (М; другое часто встречающееся обозначение средней арифметической — ), которая сдвигается в сторону больших значений.

Возможны и бимодальные распределения, где образуются своего <; рода горбы, а также растянутые, как бы сплющенные. Анализ таких видов   распределений должен быть особенно внимательным, так как в этом случае " непригодны обычные оценки меры рассеяния и т.д.

Итак, второе ограничение - особенности одномерных (не говоря уже о более сложных) распределений. Оно заключается в том, что необходимо  внимательно изучать форму распределения с точки зрения его уклонения  от нормального, симметричного.

Третье  ограничение   особенно  неприятно.  Оно  состоит в  том, что в  социальных процессах нередки явления, измерение которых следует производить шкалами открытого типа, где полюс наибольших значений не фиксирован и может принимать любую величину.

Например, оценки размеров заработной платы в принципе должны давать нормальные и вполне допустимые скошенные, но всегда гауссовы распределения, так как есть социально и экономически обоснованные минимум и максимум зарплаты. Это — закрытая метрическая шкала оценок. То же самое можно сказать о численности детей в семье и т.п. явлениях.

Но при оценке многих субъективных состояний и показателей человеческой активности, например, результатов научной продуктивности ученых, предельно максимальные значения трудно предположить достоверно.

В негауссовых, в частности так называемых распределениях  Ципфа (рис. 9, в котором фиксированы логарифмы координат), на примере оценки числа публикаций ученых в области химии [265, с. 146] видно, что до 70% из них имеют одну публикацию, около 25% - две, 8-10% — по три или четыре публикации, но только 0,1 и 0,2% достигают продуктивности в 20—30 публикаций. Это распределение никоим образом не описывается гауссовым "колоколом". В последнем случае численность имеющих очень мало и очень много публикаций была бы примерно равной, а большинство ученых демонстрировали бы некоторое среднее число публикаций, например по 7—8 (в гауссовой статистике — это различные показатели центральной тенденции распределения).

Рис.9. Негауссово     распределение     Ципфа: распределение численности научных публикаций ученых

Однако применение негауссовых статистик в социальных науках вообще, в социологии в частности, крайне затруднительно, так как невозможно использовать открытые шкалы, поскольку в большинстве случаев нет "естественных" эталонов измерения  (число публикаций —       один из примеров такого "естественного" эталона). А если нам приходится изобретать шкалу, то недопустимо оставлять     открытым один из ее полюсов.

Четвертое ограничение связано с особой природой социальных процессов, в  которых статистические и детерминистские закономерности находятся в динамическом единстве.  В  определенных аспектах и на определенных отрезках времени  социальные  процессы  вполне  предсказуемы,  а тем  более  в  плановом    социалистическом  обществе. Но может случиться, что на данном отрезке  времени   процесс   протекает   "аномально".  Например,  вполне  возможно,     что   надежно   установленная  статистическая  связь  между  какими-то  состояниями условий и организации труда и производственной выработкой не обнаруживается в данном конкретном коллективе в силу, скажем, необычного трудового подъема членов этого коллектива.

Поэтому предлагается, используя для измерения первичных характеристик шкальные процедуры, прибегать к построению стохастических динамических моделей на основе "сценариев" возможного развития определенных социальных процессов [278]. Такие сценарии прогнозируются для разных временных интервалов, например начальной и завершающей стадий, которые могут быть существенно разными по составу участвующих факторов и по характеру связей между ними.

Итак, преимущества квантификации и использования жестких критериев надежности исходных данных небезусловны и могут обернуться упрощением, а то и искажением социальной реальности. Адекватные в исследовании массовидных социальных процессов, такие приемы утрачивают свои достоинства в изучении сознательно организованных действий или "отклоняющихся" явлений, тогда как нередко именно последние дают пищу для вдумчивого социального анализа. Без таких "уклонений" социальные процессы отображаются в виде схем, лишенных жизненных красок.

Строго формализованный количественный анализ имеет свои пределы [288],  за которыми может быть утрачено качество, глубина и полнота осмысления действительности. Поэтому социолог обязан хорошо владеть многообразными гибкими методами изучения общественных проблем, т.е. уметь наблюдать, строить гипотезы на основе несистематизированных впечатлений и бесед, переходя затем к более систематизированной и упорядоченной их проверке.

Практические советы

 1. Приступая к разработке методов и процедур исследования, вначале продумайте, какие явления, свойства и объекты реально варьируют по их интенсивности, распространенности, состояниям выраженности, а какие могут быть фиксированы лишь в качественных отображениях.

 2. Определяя способ квантификации (тип шкалы), соизмеряйте его не только с природой объекта, но с целями исследования и возможностями последующего количественного анализа: излишняя квантификация - напрасная растрата усилий, недостаточная - упущенные возможности более глубокого изучения объекта.

 3. Не забывайте, что всегда лучше опираться на достоверные и менее детальные сведения, чем на детальные и малодостоверные: отсюда - указания к выбору приемлемого типа шкал и дробности их метрики.

 4. Изящный статистический анализ полученных данных будет вводить в заблуждение и нас самих и других, если ему не предшествовала добротная проверка надежности исходных измерений и регистрации фактов в целом.

 5. Самое же главное состоит в том, что количественный анализ не самоцель, но лишь средство качественного: качественный анализ предшествует квантификации, качественным анализом завершается изучение количественных распределений и связей.