Diagnost_prozed_Devyatko

Аффективные шкалы. Аффективный (или эмоционально-оценочный) компонент установки обычно выражается через степень предпочтительности или благожелательности к объекту установки. "Фермер и игрок в гольф могут в одинаковой мере ожидать дождя в определенный день, но это общее мнение может вызывать у них противоположные чувства" [237. Р.72]. Т.е. игрок в гольф может иметь неблагожелательную установку по отношению к дождю, а фермер - благожелательную. Базисным наблюдением для конструирования аффективной шкалы является проявление субъектом по отношению к объекту установки ориентации "за - против". Эмпирическими событиями, которым приписываются числа, могут выступать субъекты либо объекты установки. Соответственно результатом будут аффективно-субъектные либо аффективно-объектные шкалы. Так как аффект логически может быть определен как унитарное понятие, для аффективных переменных нельзя построить шкалу содержания установок, т.е. для одномерной шкалы аффективной установочной переменной принимается предположение, что один человек испытывает одну, и только одну степень аффекта по отношению к объекту установки (хотя он при этом может приписывать единичному объекту любое количество черт или принимать любое количество способов действий по отношению к одному объекту). На первый взгляд, логика этого рассуждения может быть подвергнута критике с точки зрения понятия "амбивалентного аффекта" ("двойственного отношения" в обыденном языке). Однако для того, чтобы определить амбивалентную эмоциональную оценку как переменную, необходимо либо принять, что один респондент имеет несколько "точек расположения" на шкале, либо трактовать объект установки как имеющий несколько стимульных значений. В принципе эта задача при некоторых условиях разрешима для многомерного шкалирования. Однако наш анализ общих моделей для измерения установочных переменных связан с более ранней традицией измерения установок в социологии. Поэтому здесь речь будет идти об измерении унивалентного аффекта. Таким образом, вслед за Г.Апшоу, мы будем говорить лишь о двух классах аффективных шкал, примеры которых приведены ниже:

VII. Аффективно-субъектные шкалы - степень, в которой

подросткам, пенсионерам, армейским офицерам нравятся фильмы о Рэмбо.

VIII. Аффективно-объектные шкалы - насколько типичному белому жителю американского маленького города нравятся Дж.Буш,

С.Хусейн, М.Горбачеъ и т.д.

Теперь мы можем перейти к рассмотрению общих моделей, используемых при измерении установочных переменных, и анализу сложившихся преимущественно в 30-е - 40-е годы подходов к измерению установок (описанных в предыдущем параграфе) с точки зрения этих общих моделей. Для каждой из общих моделей будет рассмотрена природа ее базисных данных, правила приписывания

40

численных значений эмпирическим событиям и требования функционального единства, а также возможность использования модели для только что описанных восьми классов шкал установок.

Как уже отмечалось, эмпирический " субстрат" для конструирования различных шкал установок практически одинаков. Респондент сообщает исследователю, что он думает, чувствует относительно какого-то объекта или как он собирается поступать по отношению к нему. Различие заключается в том, что исследователь определяет как базисное эмпирическое событие, которое должно быть отражено

вчисловой системе с отношениями. При этом особую сложность представляют субъектные шкалы, так как задача здесь заключается

втом, чтобы получаемая шкала могла служить надежным основани-

ем для межиндивидуальных сравнений, быть нечувствительной к таким источникам вариации, как индивидуальные речевые привычки или стандарты оценивания. Именно для построения аффективно-

субъектных шкал и были предназначены модели Гутмана, Терстоуна иЛикерта15.

Существенным для дальнейшего изложения является еще одно различение - между прямым и косвенным (непрямым) шкалированием, введенное Г.Экманом, Л.Сьобергом и Т.Кюннапасом [60 ]. Различие между названными двумя подходами, в сущности, заключается в принятии или отвержении предположения о способности респондента или испытуемого давать прямые численные оценки на более высоком, чем номинальный, уровне измерения. При использовании моделей прямого шкалирования в измерении установок задача респондента состоит в том, чтобы численно оценить, какая из множества альтернатив наилучшим образом отражает его установку. Прямое конструирование номинальной шкалы обычно рассматривается как безусловно обоснованная процедура. Другие же модели прямого шкалирования в измерении установок нередко вызывали споры о наличии у респондентов способностей к квантификации.

Прямое ординальное шкалирование

Этой модели соответствует ситуация, когда задачей респондента является ранговое упорядочение совокупности стимулов по некоторому свойству. Формальной моделью этой ситуации является коэффициент конкордации М.Кендэлла. Коэффициент Кендэлла позволяет оценить согласованность рангов. Он равен 1 при полном согласии респондентов и 0 при полном несогласии [10. С.116-123].

Примеромреконструированияшкалыприконкордантноймодели можетслужитьранжирование10 респондентами8 способовдействия по применимости к конкретнойситуации. Результатом будет шкала "содержания поведения" (behavioral-content). Предполагаемая этой модельюшкальнаягипотезаконсистентностьсуждений10 респондентов. В случае ее неотвержения полученное ранжирование может

41

быть обобщено для всей популяции, выборкой из которой являются 10 респондентов. Коэффициент конкордантности является здесь средством оценки степени согласованности ранжировок. Если каждый респондент давал бы идентичные данные, то общее ранжирование могло бы бытьобобщено до универсума наблюдений.

Если согласованность ранговых данных, по гипотезе представляющих случайные репликации, неабсолютна, то исследователь должен предположить либо наличие ошибок респондентов (неправильно понятая инструкция, намеренное искажение, утомление и т.д.), либо неучет других важных аспектов, либо ошибочность своей теоретической концепции, т.е. отсутствие в универсуме наблюдений единичной одномерной ординальной шкалы данной переменной.

Трудно установить единый критерий для выбора интерпретации неполной конкордантности. В любом случае здесь должна учитываться численная величина полученного коэффициента. Низкие значения скорее свидетельствуют об ошибочности шкальной гипотезы, чем о влиянии ошибок респондентов. Умеренные - о неадекватной "разметке" релевантных признаков универсума наблюде-

ний [237. Р. 75].

Если исследователь склонен принять предположение о наличии "ошибок ответа", то он либо исключит ошибающихся респондентов (если сможет их идентифицировать), либо воспользуется усредненными оценками для получения ранга каждого стимула и обобщит полученное ранжирование на универсум наблюдений.

Прямое интервальное шкалирование: категориальные шкалы

Эта процедура является очень типичной для измерения установок и позволяет получить категориальную шкалу. Процедурой шкалирования в этом случае является метод равнокажущихся интервалов. Оценочные суждения осуществляются как приписывание чисел объектам через отнесение к категориям, границы которых равнорасположены по отношению к количеству определенного свойства (переменной). Модель поведения респондента, предполагаемая этой процедурой, заключается в следующем: респондент принимает решение, что стимул имеет больше данного свойства, чем нижняя граница категории, и меньше, чем верхняя граница. В модели прямого шкалирования категориальную шкалу должен сконструировать сам респондент. Начало шкалы соотносится со стимулом (возможно, гипотетическим), который должен быть отнесен к категории 0. Единица шкалы обозначает то количество шкалируемого свойства, которое определяет ширину категории ответа. Еще одним предположением модели прямого шкалирования является инвариантность параметров шкалы при повторении (для новой выборки респондентов или тех же респондентов): численные значения для каждого стимула могут быть усреднены.

Чтобы совокупность чисел могла рассматриваться как численные значения свойства на интервальной шкале, они должны быть инва-

риантны в пределах линейного преобразования формы у = а + bх, где коэффициент Ъ отражает различие в единицах шкалы, а коэффициент а - различие в начале отсчета. Если результаты репликаций удовлетворяют этому требованию, то усредненные числовые значения стимулов образуют новую шкалу, начальная точка и единица которой являются усреднением значений этих параметров по всем индивидуальным репликациям (при простом усреднении компонен- ты-репликации будут взвешиваться в прямом соответствии с их дисперсиями: больший "вес" получат те репликации, в которых границы категорий уже и, соответственно, единицы измерения меньше, а дисперсии шкальных значений стимулов - больше). Содержательная интерпретация единицы и начальной точки шкалы потребовала бы введения предположения об их инвариантности при воспроизведениях и введения более сильных ограничений, чем соответствующие интервальному уровню измерения.

Рассматривая повторные процедуры вынесения суждений как измерительный инструмент [237. Р.65], т.е. средство, с помощью которого множество стимулов отображается на числовую систем' степень согласованности между различными операциями, составляющими в совокупности этот инструмент, можно определить как функциональное единство инструмента. В модели прямого интервального шкалирования требование функционального единства предполагает линейные отношения между всеми парами предполагаемых повторений. При выполнении этого требования несистематический разброс в численных значениях, который не относится к линейному отношению, может рассматриваться как устанавливающий перцептивную ошибку респондента либо по отношению к положению отдельного стимула, либо по отношению к численным значениям границ категорий. При предположении, что такие несистематические ошибки будут взаимоуничтожаться при усреднении, оценкой истинного значения будет усреднение численных оценок респондентов по каждому стимулу. Однако наличие линейной связи между парами репликаций, необходимое для выполнения требования функционального единства, недостаточно для доказательства того, что полученная шкала обладает инвариантностью интервального типа шкал. Оно лишь доказывает сходство категориальных суждений респондентов. Интервальный же уровень измерения требует еще и постоянства единицы шкал. Так как последняя проблема возникает и при использовании закона категориального суждения, мы обратимся к ее детальному анализу ниже.

Допущение о равенстве различительных дисперсий, делающее возможным их использование в качестве единиц измерения на психофизической шкале, явилось предметом концептуальной критики со стороны С.Стивенса, предложившего альтернативную парадигму прямого шкалирования отношений в психофизике [48 ]. Работы С.Стивенса и его последователей показали, что для прототетических психологических континуумов прямое шкалирование отношений является обоснованной и дающей согласованные результаты процедурой (что было подтверждено экспериментами с кросс-модальной

валидацией и сменой стимульного контекста). В основании прямого шкалирования лежит модель прямой оценки субъектом величины стимула. Хотя кросс-модальная валидация неприменима к не имеющим физической измеримости стимулам, Стивенсу удалось получить некоторые непрямые доказательства существования степенного закона для ряда социальных переменных, измеряющих аффективный компонент установки (см.: [48]). Однако методы прямого конструирования шкал отношений, резко изменившие облик психофизики в 40-е - 50-е годы, не оказали заметного воздействия на складывавшиеся в социологии подходы к измерению установок. В 60-е годы появились немногочисленные, но крайне интересные работы в этой области, обзор которых можно найти в [140].

Косвенное интервальное шкалирование и шкалы, основанные на законе категориального суждения

Общая форма закона категориального суждения была описана У.Торгерсоном [235 ]. Исходным для развития процедур шкалирования, основанных на этом законе, был метод последовательных интервалов, предложенный в 1937 г. М.Сэффиром [207]. Различные процедуры для получения шкальных оценок и границ категорий описаны М.Сэффиром, А.Эдвардсом и другими16.

При конструировании шкал, основанных на законе категориального суждения, перед респондентом ставится задача отнесения объекта в наиболее подходящую категорию на континууме предпочитаемости.

В отличие от модели прямого шкалирования, предположение о способности респондента устанавливать равноотстоящие категории здесь не вводится, но шкальный порядок категорий должен быть известен и явно задан наименованиями категорий. Границы между категориями ответа рассматриваются как стандартные стимулы: как и в законе сравнительного суждения, величина процесса различения, вызываемого каждым стимулом и каждой границей категории, предполагается нормально распределенной. Выводя закон категориального суждения, Торгерсон фактически предполагает, что процедура вынесения категориального суждения здесь основана на неявном парном сравнении "стимул - граница категории".

Закон категориального суждения может быть представлен следующим образом:

Сj - среднее гипотетического распределения перцептивного процесса для j-ой категориальной границы;

44

16 Подробное обсуждение содержится, например, в [21; 30; 237].

Pij - нормированное отклонение, соответствующее наблюдаемой

доле суждений " i > j”;

σi и σj - различительные дисперсии стимула i и границы

категории j;

rij - коэффициент корреляции между границей категории j и

стимулом i .

Очевидно, что закон категориального суждения аналогичен закону сравнительного суждения, однако второй из сравниваемых стимулов здесь заменен на границу категории. Поэтому для решения основного уравнения вводится аналогичная совокупность допущений. Среди обсуждаемых Торгерсоном допущений, нужных для нахождения решений, содержатся следующие три:

1.Различительные дисперсии всех стимулов равны.

2.Различительные дисперсии всех категориальных границ равны.

3.Все коэффициенты корреляции между стимулами и границами

категорий равны.

При принятии этих допущений, закон категориального суждения может быть приведен к:

Si −C j = zij k1 +k2 −k3 = zij k (1.2)

Особая совокупность допущений используется при применении предложенного М.Сэффиром метода последовательных интервалов: различительные дисперсии всех границ категорий принимаются равными, а корреляция между положением на шкале любого стимула и любой границей категории равна нулю [237. Р.87 ]. Тогда уравнение принимает вид:

Si −C j = zij k +σ 2j (1.3)

Третья из анализируемых Торгерсоном возможностей решения аналогична второй: различительные дисперсии всех стимулов равны, а корреляции между стимулами и границами категорий равны нулю (процедура подробно описана в [21. Р.257-261 ]). Тогда закон категориального суждения принимает вид:

Si −C j = zij σi2 +k (1.4)

При анализе данных согласно закону категориального суждения строится матрица Р, элемент которой рij - частота помещения

стимула i ниже границы категории j . Так, стимул, помещенный в категорию 2, содержит меньшее количество предполагаемого качества, чем граница между категориями 2 и 3, граница между категориями 3 и 4 и так далее. Матрица P получается при представлении всех р.. в единицах единичного нормального отклонения (табл. 1.2).

45

Таблица 1.2а. Матрица Р. Накопленные частоты суждений "стимул / меньше границы категории f

Каждая z ij предполагается выраженной в единицах, зависящих от

используемой формы закона категориального суждения. Для уравнения (1.2) различные единицы предполагаются равными, а для уравнений (1.3) и (1.4) равными предполагаются единицы для каждого ряда и каждого столбца соответственно. Описание вычислительных процедур для получения шкальных оценок стимулов и границ категорий дано Торгерсоном [235], Эдвард-сом

[125] и др.

Эдварде и Терстоун предложили вычислять разницу между подсчитанными из параметров модели долями рц и наблюдаемыми

долями [21. С.258]. Эта процедура может рассматриваться как критерий функционального единства шкалы. Гилфорд предложил использовать хи-квадрат Мостеллера для оценки статистической значимости величины расхождений [237. Р.89]. Однако Торгерсон отметил, что для любого из стимулов доля случаев, когда он будет оцениваться как больший, чем какая-то из границ категории, не будет независимой от доли случаев, когда он будет оценен как больший, чем любая другая граница категории. Появляющаяся в результате зависимость противоречит предположениям, лежащим в основе теста хи-квадрат.

46

Отрицательный результат проверки внутренней согласованности свидетельствует о необоснованности по крайней мере одного из сделанных допущений. В этом случае можно либо попытаться использовать новую совокупность предположений, либо отвергнуть гипотезу об одномерности и обратиться к процедурам многомерного шкалирования.

Существуют некоторые эмпирические доказательства инвариантности шкальных значений, полученных на одной выборке. П.Джоунс [153 ] предлагал двум выборкам респондентов (из одной совокупности) оценивать один и тот же набор стимулов по 6- и 9-балльной шкале соответственно. Полученные шкалы, относившиеся к классу "аффективно-объектных", оказались линейно связаны. Более того, различительная дисперсия стимулов, оцененная для двух групп, оказалась одинаковой. Кроме того, были найдены доказательства инвариантности измеренной широты категорий.

Основным критическим аргументом, относящимся к категориальным шкалам и методам, основанным на законе категориального суждения, является указание на влияние специфических черт "судейской группы" на выносимые суждения. В исследованиях Э.Хинкли, П.Ферпосона и других (см.: [21. С.262-264]) доказывалось отсутствие влияния установок судей на результирующую шкалу. Однако и эти исследования были подвергнуты критике за специфическую процедуру исключения "легкомысленных" судей. В любом случае, оценивая шкалы, основанные на атрибутировании стимула к категории, нельзя забывать об известных из психосемантики и психофизики закономерностях, в частности о зависимости " экстремальности" оценок от субъективной значимости стимулов. Этих недостатков в значительной мере лишен метод парных сравнений, однако он труднее в применении. В целом накопленные доказательства свидетельствуют о том, что прямое интервальное шкалирование и, соответственно, метод равнокажущихся интервалов не дают интервальной шкалы, позволяя говорить лишь об ординальном уровне, тогда как методы, основанные на законе категориального суждения, имеют некоторые преимущества. Это, во-первых, возможность проверки шкальных гипотез, т.е. принимаемой совокупности допущений, и, во-вторых, линейная связь шкальных значений, полученных по этой модели, со значениями, полученными в соответствии с законом сравнительного суждения. Таким образом, модели, основанные на законе категориального суждения, могутобеспечивать интервальныйуровеньизмерения17.

Описанные нами прямые и косвенные процедуры построения шкал непосредственно предназначены для измерения объектов и содержания установок. Однако основной интерес для нас представляют шкалы, измеряющие различия между субъектами установок, т.е. - между людьми, придерживающимися определенных мнений, имеющих определенные "готовности к действию" и аффективные ориентации. Именно к этому типу шкал установок относятся шкалы Терстоуна, Ликерта, Гутмана, история возникновения которых опи-

47

сана в первом разделе данной главы. Поэтому мы вкратце рассмотрим особенности этих шкал с точки зрения лежащих в их основе моделей измерения установок.

С данной точки зрения, шкала Терстоуна представляет собой двухшаговую процедуру построения аффективно-субъектной шкалы. В принципе она может применяться и для построения когнитивносубъектной и поведенческо-субъектной шкал. Первый шаг этой процедуры соответствует модели прямого интервального шкалирования (см. выше) - каждое суждение получает значение на "аффективном" континууме в зависимости от эмоционального отношения к объекту установки. На втором шаге суждения шкалы предъявляются выборке респондентов, чье аффективное отношение к объекту установки должно быть измерено. Респондент соглашается либо не соглашается с отдельными суждениями. Окончательный балл респондента - это усредненное значение (средняя или медиана) баллов всех одобренных им суждений. В результате респонденты оказываются размещенными на той же шкале "за - против", что и предъявлявшиеся им суждения. Т.е. субъектам "присваиваются значения так, как если бы они были объектами в когнитивно-объектной шкале" [237. Р.91 ].

При конструировании терстоуновской шкалы установок важно соблюсти ряд требований, которые были сформулированы преимущественно самим Терстоуном [233]. В исходном наборе суждений должны быть представлены суждения, соответствующие всем градациям предполагаемого аффективного отношения, а аффективная "нагрузка" суждений должна быть достаточно очевидной. Терстоун также считал существенным, чтобы суждения выражали эмоциональное переживание, а не некоторый факт, отношение к которому может определяться чем-то, помимо установок респондента ("В США преобладают представители христианских конфессий"). Для окончательного отбора суждений в шкалу Терстоун использовал следующие критерии: 1) совокупность суждений должна "покрывать" весь предполагаемый континуум аффективного отношения, будучи достаточно равномерно распределена по нему; 2) отобранные суждения не должны быть двусмысленными и неясными, т.е. разброс суждений судей должен быть невелик (в качестве объективного критерия использовался межквартильный размах оценок, который для суждений в оригинальной шкале установок по отношению к церкви в среднем был равен 1,75; 3) должны быть исключены все иррелевантные суждения. При этом объективный критерий иррелевантности включал в себя процедуру определения индекса сходства для всех пар суждений, основанного на наблюденной совместной вероятности одобрения пары суждений. Релевантными считались те суждения, которые имеют высокий индекс сходства для близких по шкальному значению суждений, и низкий - для "далеких". Иррелевантными оказывались суждения, имевшие противоположный паттерн отношений. На рис.1 схематически показаны паттерны разброса индексов сходства для вымышленных релевантного и иррелевантного суждений (конкретные примеры приведены в книге Л.Л.Терстоуна

48

Рис. 1. Разброс индексов сходства для релевантных и иррелевантных суждений шкалы Терстоуна.

и Э.Чейва [233. Р.45-55]). Очевидно, что для применения критерия иррелевантности нужна еще одна выборка, т.е. группа респондентов, не участвовавших в "судейской" процедуре. Критерий иррелевантности сравнительно редко применялся при конструировании шкал такого типа. Не вполне ясно, насколько этот критерий, явно нацеленный на исключение суждений, "загрязненных" другими коннотациями, помимо собственно аффективной оценки объекта, важен для измерения установок. Однако заслуживает внимания аргумент Г.Апшоу: систематическое исключение суждений по такому критерию иррелевантности может ввести систематическое выборочное смещение в отбор из гипотетического универсума недвусмысленно эмоционально-положительных ("за") и эмоционально-отрицатель- ных ("против") суждений [237. Р.93].

Как уже говорилось выше, терстоуновская модель категориальной шкалы не дает интервального уровня измерения. Вероятно, Терстоун в 30-е годы был очень близок к формулировке закона категориального суждения и соответствующей модели шкалирования, однако описанные нами ранее (см. раздел 3 данной главы) обстоятельства привели к отказу от дальнейшей работы в этом направлении.

Что же касается требования функционального единства, то в данном случае оно подразумевает линейную связь категориальных суждений любой пары судей. Многочисленные исследования, связанные с возможностью переноса шкальных значений, полученных на "судейской" выборке, на более широкие совокупности, подтвердили, что это требование удовлетворяется [21. С.262-264; 237. Р.94].

Как уже говорилось выше, данная процедура построения шкалы может применяться и для создания когнитивно-субъектных и пове- денческо-субъектных шкал установок. Полученные шкалы будут отражать соответственно степень готовности приписывать характеристики объекту установки или склонность предпринимать определенные действия по отношению к нему.

Предложенный Р.Ликертом метод суммарных рангов, позволяющий получать аффективно-субъектные шкалы, как уже отмечалось, в отличие от терстоуновской процедуры не требует проведения отдельной экспертной процедуры, хотя также предполагает составление исходного "банка" суждений, касающихся объекта установки.

49

торный анализ пунктов шкалы18. Основные источники по проблеме "взвешивания" пунктов перечислены в статье Б.Грина [21 ], однако мы здесь не будем останавливаться на их анализе, так как они принадлежат преимущественно к психометрической традиции и не оказали заметного влияния на конструирование ликертовских шкал в социологии. В случае следования ликертовской технике присвоения баллов может быть получен ординальный уровень измерения. По мнению Б.Грина, шкала ликертовского типа имеет метрику в том смысле, что для данной совокупности пунктов можно получить распределение баллов в генеральной совокупности. Различие между баллами будет отражать пропорции людей, имеющих соответствующие оценки [21. С.267].

Шкалограммный анализ Гутмана, как уже говорилось при описании истории его разработки (см. раздел 4), применялся к измерению когнитивно-, поведенческо- и аффективно-субъектных переменных. Результирующая шкала является ординальной. Основания шкалограммного анализа изложены Гутманом в работе [222. Р.6090 ]. Конструирование шкалы начинается со спецификации "универсума признаков" ("universe of attributes" по Гутману). Спецификация заключается в отборе тех манифестаций когнитивной, аффективной или поведенческой переменной, которые можно считать основными, решающими при предполагаемом обобщении шкальных значений. Если пункты шкалы можно считать случайной выборкой из популяции пунктов, воплощающих самые существенные аспекты универсума признаков, а респонденты представляют собой случайную выборку из известной совокупности, то реакция выборки респондентов по отношению к выборке пунктов может быть обобщена для обеих совокупностей. Если, как и в случае с ликертовской шкалой, предположить, что каждый индивидуум имеет внутренний критерий, в соответствии с которым он принимает или отвергает какое-то суждение (выражающее мнение, предполагаемый способ действия или эмоциональную оценку), то совокупность респондентов и совокупность суждений могут быть совместно логически упорядочены на шкале Гутмана тогда, когда все респонденты используют одно критериальное качество (количественно варьирующее), принимая решение согласиться или не согласиться с каждым пунктом опросника. Г.Апшоу приводит пример с вопросом о целесообразности вмешательства американских вооруженных сил в конфликт на азиатском континенте. Респондент может оценивать этот вопрос с точки зрения последствий этого для геополитической позиции США. Другой же респондент, выбирая между "да" и "нет", может оценивать суждение с точки зрения принесения человеческих жертв ради политических целей. Когда же оба респондента руководствуются одним и тем же свойством суждения, они могут отличаться с точки зрения "нагруженное™" данного суждения этим качеством, которая требуется, чтобы каждый из них согласился с суждением.

52

18 Следует при этом помнить, что факторный анализ не доказывает аксиому локальной независимости, а подразумевает ее выполнение.

Модель шкалограммного анализа предполагает, что суждения выражены в форме, которая логически позволяет определить вероятность принятия суждения как монотонно возрастающую или монотонно убывающую функцию шкальной позиции респондента. Т. е. речь идет о шкалировании монотонных признаков в терминологии К.Кумбса (Терстоун говорил в этой связи о шкалах возрастающей вероятности, которым противостоят шкалы максимальной вероятности [233 ]; Стауффер - о кумулятивных шкалах, отличающихся от дифференциальных [222. Р. 3-45]). Как уже отмечалось, сама идея шкалирования кумулятивных признаков явно присутствовала уже в шкалах социальной дистанции Боргадуса. Однако формальный метод шкалирования был разработан впервые Гутманом. Согласно модели шкалограммного анализа, признаки-пункты могут быть распо-

ложены вдоль континуума переменного качества. Исходным и самым простым случаем для модели является дихо-

томический признак-пункт (высказывания, имеющие несколько категорий ответа, можно рассматривать как совокупность нескольких высказываний-категорий). Упорядочение пунктов на кумулятивной шкале таково, что респондент, позитивно прореагировавший на некий пункт, будет также позитивно реагировать на все пункты, имеющие более низкий ранг. Соответственно респонденты располагаются в зависимости от ранга избранных ими пунктов. Проиллюстрируем это с помощью гипотетической гутмановской шкалы для шести респондентов и пяти пунктов-суждений, которая изображена на рис.2.

Рис.2. Гипотетическая шкалаГутмана для5 пунктови6 респондентов.

Пять дихотомических пунктов (т.е. суждений с двумя возможными категориями ответа) обозначены точками /j , /2 ... 1$. Шесть респондентов, соответственно, представлены точками RI , R2 ... R,. Расположение каждой точки соответствует количеству переменнойсвойства (эмоциональной установки, соматоневротической симптоматикиит.д.). Количествошкалируемого свойства, соответствующее локализации данного пункта /„, - это граница между двумя категориями ответа по данному пункту. Таким образом, положительный ответ определяет некоторую область с одной стороны шкального расположения пункта, а отрицательный - область с другой стороны. Локализация респондента зависит от той величины переменнойсвойства, которая соответствует его критерию принятия решения о согласии или несогласии с суждением. Образно говоря, критерий "резонирует" на некоторое минимальное или максимальное пороговое значение вербализуемой в вопросе установки. Так, в ситуации, изображенной на рис.2, респондент будет соглашаться с любым пунктом-суждением, имеющим меньшее количество заданного свойства, чем его требует его критерий, и отвергать остальные. Следова-

53

тельно, число принятых респондентом пунктов-суждений действительно будет функцией его положения на шкале: респондент jRt не

согласится ни с одним пунктом, а респондент R, одобрит все пять. Связь между гутмановской шкалой и шкалограммной матрицей может быть прояснена с помощью табл. 1.3, которая эквивалентна Рис.2:

Таблица 1.3. Шкалограммная матрица, иллюстрирующая паттерн ответов для гипотетической шкалы на рис.2

Возрастание переменной-свойства

Пункты и респонденты представлены соответственно столбцами и строками шкалограммной матрицы. Пункты расположены от максимальной до минимальной степени выраженности свойства. Респонденты расположены сверху вниз по убыванию рангового порядка критерия. Знаки "+" соответствуют согласию респондента с пунк- том-суждением, знаки "—" - несогласию. Очевидно, что популярность пункта является обратной функцией его положения на шкале. Положение респондента на шкале зависит от частоты положительных ответов для данного набора пунктов-суждений. На практике приближение к идеальной шкалограмме, представленной таблицей 1.3, может быть достигнуто упорядочением пунктов по их популярности (частоте положительной реакции) и упорядочением респондентов по частоте позитивных реакций для шкал, близких к абсолютной. Для шкал, близких к абсолютной, число положительных ответов может быть использовано как балл респондента, так как обычно оно хорошо коррелирует с результатами применения более сложных методов присуждения баллов [21. С.272 ]. В общем же случае при неабсолютной шкале респондент получает балл того шкального типа, который ближе всего к его паттерну ответов. Различные вычислительные процедуры включают перестановку строк и столбцов, комбинирование категорий ответа и, иногда, "переворачивание" направления шкалы для некоторых пунктов-суждений. Целью здесь является максимальное приближение к паттерну ответов, соответствующему шкальной гипотезе.

Сопоставление шкальной гипотезы и случайной гипотезы о независимости пунктов имеет следующее обоснование. Существование

54

абсолютной (совершенной) гутмановской школы предполагает наличие взаимосвязи между пунктами-суждениями шкалы. Условная вероятность события "респондент согласится с пунктом Im ", если

согласился с пунктом, имеющим более высокое положение по шкале, например / , равна единице. Для реальных данных, из-за ошибок измерения и/или неполного соответствия модели, рассчитанные значения этой условной вероятности будут меньше единицы. Возможна и ситуация, когда не выполняется предположение об одномерности, и респонденты реагируют на суждения шкалы, исходя из каких-то других свойств (критериев). (Самый яркий пример приведен в работе [241. Р. 109-114], содержащей достаточно типичную критику гутмановского подхода и понятия "ошибки": некто может ответить отрицательно на все вопросы шкалы социальной дистанции, но вместе с тем - дать позитивный ответ на вопрос: "Согласны ли Вы, чтобы Ваша дочь вышла замуж за негра?", не потому, что он "ошибся", а потому, что он равно не выносит негров и собственную дочь.) В любом случае, если считать, что пункты и респонденты не могут быть упорядочены на единой шкале, нужно принять альтернативную гипотезу о том, что пункты - статистически независимы и совместное принятие любых двух пунктов может быть приписано случаю. Т.е. условная вероятность принятия пункта Im при принятии пункта Im+1 равна просто вероятности принятия Im.

Согласно шкальной гипотезе, для дихотомических пунктов наибольшее возможное число наблюденных паттернов ответа будет на единицу больше числа пунктов. Согласно гипотезе о независимости, максимальное число паттернов ответа для п дихотомических пунктов будет 2". В общем, следуя шкальной гипотезе, можно ожидать, что знание числа пунктов, на которые данный респондент дал позитивный ответ, позволит полностью предсказать паттерн его ответов. Это следствие шкальной гипотезы обозначается понятием "воспроизводимость". Как уже говорилось, получение абсолютной гутмановской шкалы на реальных данных маловероятно. Поэтому на практике балл присуждается посредством приписывания индивида к шкальному типу (входящему в паттерны ответов идеальной шкалы) таким образом, чтобы ошибка воспроизводимости была минимальной. Т.е. шкальный тип - это группа респондентов, дающая паттерны ответов, предсказываемые идеальной шкалой. Скажем, для опросника из четырех пунктов имеет место следующая ситуация: + + + +; - + + + ; - - + +; - - - + ; - - - - . Нешкальный паттерн

+ - - - может быть отнесен к шкальному типу - - - - с одной ошибкой (по шкальной гипотезе один позитивный ответ предполагает паттерн - - - + , однако при отнесении в этот шкальный тип ошибок воспроизводимости было бы две). Общей мерой соответствия шкальной модели данным служит коэффициент воспроизводимости

(ReP), равный:

ReP = 1 — числоошибок воспроизводимости

/общее числоответов

55

В качестве основного критерия для определения приемлемости набора пунктов как шкалы Гутман предложил использовать величину коэффициента воспроизводимости не ниже 0.90. Т.е. ответы, классифицированные как "ошибка", должны составить не более десяти процентов наблюдений. Однако этот критерий сам по себе недостаточен, так как еще сам Гутман показал, что коэффициент воспроизводимости для небольшого набора пунктов, которые статистически независимы, может быть очень высоким [222. Р.277-311]. Поэтому если пункты дихотомические, их должно быть не меньше десяти. Кроме того, манипулируя матрицей ответов при конструировании шкалы, исследователь в определенном смысле увеличивает шансы шкальной гипотезы. Поэтому возникает необходимость в дополнительных критериях: значительный разброс в маргиналах пунктов, минимизация ошибки для каждой категории ответа, не слишком высокая частота нешкальных паттернов ответа. Учитывая неоднозначность этих критериев, некоторые авторы предложили собственные алгоритмы "осторожного" конструирования шкалы. Так Г.Апшоу предлагает следующую процедуру определения того, формирует ли конкретная совокупность данных гутмановскую шкалу [237. Р.104-105]: наряду с реальной шкалограммой, где минимизированы ошибки воспроизводимости и известна популярность каждого пункта, построить гипотетическую матрицу данных, основываясь на гипотезе независимости пунктов (для определения ответов гипотетических респондентов предлагается пользоваться таблицей двузначных случайных чисел). Далее по тем же правилам, что и для реальных данных, осуществить необходимые перестановки в гипотетической матрице, чтобы минимизировать ошибки воспроизводимости. После этого следует сравнить оценки гутмановских шкал для реальных и гипотетических данных. Для этого реальные и гипотетические респонденты разбиваются на категории в зависимости от числа ошибок (респонденты с одной, двумя ошибками и т.д.). К получаемой таблице сопряженности можно применить тест хи-квад- рат, чтобы проверить случайную гипотезу для совокупности реальных данных. Однако, строго говоря, эта процедура позволяет проверить лишь конкурирующую гипотезу о том, что между пунктами нет никакой систематической взаимосвязи, тогда как гутмановская гипотеза утверждает, что эта взаимосвязь почти абсолютна. Поэтому строгое и однозначное решение этой процедурой не гарантируется.

Фактически критерии подтверждения шкальной гипотезы, следующей из модели Гутмана, это критерии функционального единства, основанные на внутренней согласованности реальных данных. Как уже говорилось, эти критерии никак не связаны с правилами приписывания баллов. Чаще всего респонденты получают баллы, соответствующие числу положительных ответов для "своего" шкального типа, что отражает их положение на ординальной шкале латентного свойства-переменной. Сходным образом пункты (точнее, границы между категориями ответа) получают баллы в зависимости от их ранга в шкалограммной матрице. Сам Гутман предложил аналитическую процедуру присвоения баллов, основанную на критерии

максимальной дисперсии баллов. По мнению Б.Грина [21. С.276277 ], метод максимальной дисперсии баллов не играет большой роли в шкалограммном анализе, однако получаемые несколько ортогональных систем баллов (главные компоненты) могут представлять интерес с формально-математической точки зрения. Гутман показал, что для абсолютной шкалы - если оценки различных систем баллов появляются как функции первоначальных шкальных баллов - первая главная компонента является монотонной функцией шкальных баллов и, таким образом, может быть использована как метрика системы.

Вторую главную компоненту, имеющую одну точку перегиба, Гутман отождествлял с также {/-образной функцией интенсивности установки (см. с.29), хотя основания для этого отождествления не вполне ясны.

Модель Гутмана равно применима к аффективно-, когнитивно- и поведенческо-субъектным шкалам, единственное различие между которыми будет заключаться в содержании вопросов.

В данном разделе, как уже говорилось, мы не стремились дать полный обзор существующих моделей шкалирования. Кроме того, детальный анализ классических моделей измерения установок содержится в ряде работ, в том числе упоминавшихся нами (см. также: [111; 112; 117]). Однако нам необходимо остановиться на некоторых особенностях классического подхода к шкалированию установок и его позднейших модификаций, которые особенно существенны для понимания той критики, которой подвергся этот подход и его "общепринятые истины" в результате появления причинных моделей измерения (и ошибки измерения), к рассмотрению которых мы перейдем в последующих главах.

Прежде всего, " классический" подход к шкалированию уделяет лишь незначительное внимание содержательной разработке понятия ошибки измерения. Точнее, этот подход довольствуется статистическими понятиями ошибки и истинного значения, унаследованными от традиционной психометрии, т.е. от родительской дисциплины. Безусловно, сама психометрическая парадигма шкалирования не остается неизменной. В последние десятилетия большую популярность (но не практическое значение) приобрели стохастические и эксплораторные модели шкалирования. В стохастических моделях (одно- и многомерных) наличие ошибки измерения явно постулирется в противовес детерминистским моделям. Кроме того, модель шкалирования в этом случае обычно используется не как техника, а как критерий оценки валидности, лежащей в ее основании модели измерения [112. Р.32]. В последнем случае оценки параметров модели, полу-ченные при вычислениях меры соответствия модели данным, могут быть использованы как числовые значения объектов на шкале, т.е. измерение оказывается дополнительным "подарком валидной модели" [219. Р.8]. Под эксплораторными шкальными моделями понимаются модели, полученные в результате применения специальных процедур для выявления внутренней структуры данных. Строго говоря, эксплораторными (т.е. "исследующими", "раз-

ведочными") являются не модели, а эти процедуры анализа данных, позволяющие для данного набора показателей (индикаторов будущей шкалы) выяснить, есть ли у него структура и может ли эта структура быть представлена в виде одноили многомерной шкалы. (Позднее мы еще вернемся к идеологии эксплораторного анализа данных и поиска моделей измерения.)

Кроме того, для "ранних" процедур шкалирования была характерна еще одна особенность. Процедуры приписывания баллов субъектам или суждениям не были основаны на каких-то явных эмпирически наблюдаемых отношениях доминантности/эквивалентности между объектами оценивания. Следовательно, для таких шкал оказывались неприменимы постулаты репрезентационной теории измерения, так как отношения числовых значений шкалы не соответствовали каким-то наблюдаемым отношениям вэмпирической системе. Т.е., приписывание числовых значений не отражало (не репрезентировало) отношения между эмпирическими объектами. Как мы уже говорили, обсуждая шкалы категориальных оценок (например, шкалы Терстоуна и Ликерта), приписывание чисел здесь в значительной мере произвольно. На этом основании построена часто применяемая классификация шкал, разделяющая их по типу измерения [117]. Шкалы оценок основаны на индексном измерении, когда числовое приписывание осуществляется более или менее произвольно. Шкальные процедуры, в которых приписывание числовых значений объектам соотнесено с эмпирически наблюдаемыми отношениями между объектами, называют репрезентсщионными. Однако даже стохастические эксплораторные модели шкалирования, разработанные в рамках психометрического подхода, отчасти основываются натех же принимаемых произвольным решением (by fiat) предположениях, что и ранние шкалы установок. Эти предположения не подвергаются проверке сами по себе, как некоторые содержательные гипотезы о "механизмах" реального мира, порождающих социологические данные. Они представляют собой своеобразную "обратную проекцию" в реальностьряда нерефлексируемых особенностейсложившегося на более ранних этапах развития психометрики "образа человека". Чтобы проиллюстрировать сказанное, мы вкратце остановимся лишь на одном характерном примере. Стохастическая одномерная модель шкалирования, разработанная Р.Моккеном [182 ], основана на отношениях доминантности между объектами из различных множеств и может использоваться для построения шкал установок (в последнем случае два множества объектов - это субъекты и высказывания, как и в случае с только что рассмотренной шкальной моделью Гутмана). Модель позволяет получить ординальное упорядочение субъектов и высказываний (пунктов) шкалы. Из нее также можно вывести ряд ограничений на возможные ответы и, соответственно, проверить соответствие модели данным. В модели вводится понятие трудности высказывания (пункта), содержательная интерпретация которого предполагает существование некоторого порогового значения латентной установки, позволяющего респонденту положительно ответить на шкальный вопрос или согласиться с высказыванием. Очевидно,

трудность высказывания в этой модели совершенно аналогична по смыслу трудности вопроса в общей теории тестов и восходит к представлению о трудности теста в тестировании способностей. Функция, показывающая вероятность положительной реакции на данное высказывание в зависимости от значения латентной установки, называется графиком данного высказывания (либо характеристической кривой вопроса, как в общей теории тестов). Модель налагает ограничения на графики высказываний-пунктов. В частности, вероятность положительного ответа должна монотонно возрастать с ростом значения латентной установки, графики отдельных пунктов (вопросов, высказываний) шкалы не должны пересекаться (трудность пункта должна определяться однозначно) и т.п. В случае, когда ошибка измерения отсутствует или ею можно пренебречь, кумулятивная стохастическая модель одномерной шкалы превращается в детерминистскую, т.е. в идеальную модель, предполагаемую шкалограммным анализом по Гутману. Достоинством стохастической модели 'Р.Моккена является возможность вывести из самой модели некоторые ограничения на данные, позволяющие проверить модель. Т.е. решение о "шкалируемости" данной совокупности высказываний или вопросов здесь, в отличие от гутмановской модели, уже не основано на достаточно произвольных оценках процента допустимых "ошибок", а приписывание балла индивиду не является результатом грубой аппроксимации к "шкальному типу". (Пример построения и использования стохастической кумулятивной шкалы политических установок, наряду с подробным описанием шкальной модели, можно найти в [219].) Однако и в этой стохастической эксплораторной модели присутствуют те принимаемые без проверки (хотя, возможно, в ряде случаев верные) предположения классической психометрики. Это, во-первых, требование локальной независимости высказываний (пунктов) шкалы и, во-вторых, модель латентной черты (установки, способности), являющейся причиной ответов или реакций опрошенных. Локальная стохастическая независимость предполагает, что позитивный ответ данного респондента на некий вопрос шкалы статистически независим от ответов, данных на другие вопросы. Обоснованность и даже необходимость этого ограничения очевидна, когда речь идет, скажем, о совокупности арифметических задач, предназначенных для измерения одной и только одной способности. Однако, зная о различных типах систематической ошибки измерения, характерной для личностных и установочных шкал (позиционная тактика ответов, артефакты "социальной желательности" и др., о чем будет подробнее говориться в главе II), реалистично ли предполагать, например, что человек, согласившийся с утверждением о несущественности его личного участия в выборах, согласится с тем, что ему не следует голосовать, с той же вероятностью, что и другой человек, не согласившийся с первым утверждением [219.

Р.12]? .

Что же касается предположения о латентном континууме свойст- ва-установки, являющейся причиной явных ответов-индикаторов, то оно восходит к идеям Ф.Гальтона и Ч.Спирмена и отражает попу-