Другие методы преобразования социологической эмпирической информации

Выше были рассмотрены наиболее распространённые методы формальных преобразований социологической эмпирической информации, обеспечивающие глубокий и, что чрезвычайно важно, содержательно ясный и корректный её анализ. Они не требуют от социолога какой-либо специальной математической подготовки и в подавляющем большинстве социологических исследований их оказывается достаточно для обоснования принципиальных теоретических положений и конкретных практических рекомендаций.

Существует, однако, довольно устойчивое мнение, что рассмотренные выше методы преобразования социологической эмпирии «слишком простые и слабые», «недостаточно эффективные» и по этой причине не могут выявить всю многомерность заключённого в ней содержания. Эта точка зрения отражает фундаментальную для традиционной, преимущественно позитивистски ориентированной социологии (естественнонаучной в своей основе) установку на максимальное использование математического аппарата для анализа эмпирической информации. Методологическим обоснованием этой точки зрения является кантианский тезис о том, что в любом учении о природе науки, в собственном смысле, ровно столько, сколько в ней имеется математики. Именно беспрекословная вера в этот постулат приводит к таким крайностям, когда уровень и масштаб используемого математического аппарата объявляются критерием научности вообще (а не только наук о природе) и определяются не столько содержанием и характером решаемой задачи, сколько стремлением приобщиться к «настоящей науке», т. е. чисто в иллюстративных целях, в качестве своеобразного реквизита, призванного продемонстрировать лояльность к традициям. При этом не принято обращать внимание на то, что как сама математика, так и составляющие её разделы возникли в конкретных предметных сферах социальной практики как инструмент решения определённых типов задач и не обладают свойством универсальности, что не существует эффективных математических методов самих по себе, «вообще», а только в рамках той предметной области, содержание которой достаточно точно отображается с помощью формальных моделей, и при соблюдении тех условий, для которых они создавались. Таким образом, упускается из виду чрезвычайно важное обстоятельство: корректное использование любого математического метода анализа некоторой совокупности формализованных эмпирических данных возможно лишь тогда, когда на этой совокупности выполняются требования соответствующей этому методу системы аксиом, которая и предопределяет его границы и возможности в решении конкретной задачи. Таким образом, выбор метода — весьма ответственный этап исследовательского процесса: принимая решение о выборе того или иного математического метода в качестве инструмента анализа, исследователь сознательно или бессознательно, вольно или невольно, но неизбежно заимствует и все его концептуальные основания и вынужден предполагать выполнение всей аксиоматики этого метода на изучаемой эмпирии.

Одна из основных содержательных задач социологического анализа эмпирической информации — поиск причин, обусловливающих тот или иной характер обнаруженных социальных процессов. Для решения аналогичной задачи в статистике разработан целый арсенал статистических мер связи. Понятно, что этот статистический аппарат предъявляет определённые требования к анализируемой эмпирической фактуре. Самые главные из этих требований, как уже упоминалось, — случайность и независимость результатов испытаний. Социологи, не склонные вдаваться в эти методологические премудрости, легко впадают в соблазн использования в своей предметной сфере готового и, как им представляется, весьма «эффективного» арсенала средств.

К наиболее популярным из названных средств относятся показатели связи двух переменных для номинальных и порядковых шкал. Речь идёт о коэффициентах ассоциации и сопряжённости (для двух дихотомических переменных), коэффициентах Пирсона, Чупрова и Крамера (для номинальных переменных размерности С х К), коэффициентах Спирмена и Кендалла (для ранговых шкал) и т. д.

Однако, заимствуя готовые средства анализа связи и существенно облегчая себе тем самым жизнь на этапе разработки методического аппарата, социологи сталкиваются с гораздо более трудной проблемой, когда приходится осмысливать результаты применения этих «эффективных» средств. Дело в том, что интерпретация значений названных коэффициентов связи — дело далеко не простое даже в статистической сфере. Гораздо больше трудностей, обусловленных существенной спецификой социального мира, возникает у социологов. Кроме того, названные статистические меры связи имеют ещё один общий, чрезвычайно важный недостаток: они ориентированы на поиск и установление связи между переменными «в целом», на уровне «переменная — переменная». Такой уровень анализа для социолога практически никогда не бывает удовлетворительным. Подавляющее большинство задач, возникающих в социологической практике, требуют изучения взаимосвязей на уровне «значение переменной — значение переменной». Но именно этот уровень анализа рассмотренные меры связи не могут обеспечить принципиально, в силу своего статистического «происхождения».

В этом легко убедиться на конкретном примере.

На Рис. 11.6. представлены две таблицы сопряжённости между переменными X и Y.

Рис. 11.6.

Для обеих таблиц коэффициент Пирсона равен 0,59, коэффициент Чупрова равен коэффициенту Крамера и равен 0,52. однако резкое различие таблиц и характера связи между переменными очевидно.

Такие же — принципиальные — недостатки имеют и другие методы, имеющие статистическое происхождение, которые применяются в настоящее время в социологии.

Как известно, явления социального мира, которые изучает социология, довольно плохо отображаются с помощью формальных моделей. По этой причине в разработке собственного математического аппарата на традиционной основе в социологии не было достигнуто сколько-нибудь достойных упоминания результатов. По сути дела, вся математизация социологической науки до недавнего времени развивалась по пути заимствования (внедрения) ею математического аппарата из других областей знания. Наиболее активно внедрялись методы математической статистики и теории вероятностей. Среди них в первую очередь следует назвать те, с помощью которых реализуется так называемый многомерный статистический анализ. Это дискриминантный, факторный, канонический, корреляционный, кластерный, логлинейный анализ. Каждый из этих методов может также использоваться автономно для решения соответствующих частных задач.

В многочисленной и разнообразной литературе, посвящённой описанию сущности этих методов, каждый из них преподносится как «самый эффективный метод статистического анализа социологической информации». При этом по причинам, которые выходят за рамки предпринятого анализа, мало кому приходит в голову необходимость доказывать обоснованность, правомерность использования статистических методов для анализа социологической информации. В социологической обыденной практике это сочетание стало настолько привычным, что без внимания остаётся чрезвычайно важное и необходимое условие корректного их использования: полная тождественность характеристик социологических и статистических эмпирических данных. А характеристики статистической информации, для которых разрабатывались названные методы, следует заметить, весьма жёсткие. Так, все они ориентированы для анализа случайных величин. Кроме того, дискриминантный анализ, в частности, исходит из предположения о возможности количественного измерения исследуемых переменных и нормальности законов их статистических распределений. То же можно сказать и о дисперсионном анализе. Корреляционный анализ основывается на определении статистических коэффициентов парной корреляции между исследуемыми переменными и определении их статистической значимости.

Кластерный анализ, хотя и не предполагает нормальности законов распределения изучаемых переменных и не ориентирован на их метрическую природу может дать такой разброс результирующих группировок (в зависимости от возможных или избранных типов метрик между объектами), что их содержательные интерпретации допускают самые разнообразные (в том числе и противоположные) толкования их смыслов.

У факторного анализа требования к первичной информации гораздо жёстче, а получаемые на его основе результаты (кстати, весьма трудоёмкие) существенно неоднозначны и потому исследователь вместо ожидаемого прояснения анализируемой проблемы сталкивается с ещё более запутанным её представлением.

Логлинейный анализ исходит из предположения о линейной зависимости логарифма парной частоты от конкретных значений соответствующих пар переменных.

Достаточно очевидно, что ни одно из этих условий на реальном множестве социологических эмпирических данных практически никогда не выполняется! Ведь даже такое привычное и, на первый взгляд, «очевидное» предположение о случайности социологической информации не имеет под собой никакой основы. Ещё академик В. С. Немчинов в связи с этим отмечал: «Если в естествознании индивидуальные различия обычно рассматриваются как случайные, то в социологии и статистике отождествление индивидуальных и случайных различий совершенно неправомерно. Индивидуальные различия объектов, входящих в состав массовых общественных процессов, как правило, имеют не только случайный, но и по необходимости специфический (систематический) характер»^[1]. Даже в «родных» для упомянутых методов — теории вероятностей и математической статистике — применение каждого из них в каждом конкретном случае требует тщательного обоснования. Крупнейший специалист в этой области Е. С. Вентцель (и, заметим, талантливый литератор, известная как И. Грекова) подчёркивала: «…при практическом применении вероятностных методов исследования всегда необходимо отдавать себе отчёт в том, действительно ли исследуемое случайное явление принадлежит к категории массовых явлений, для которых, по крайней мере на некотором участке времени, выполняется свойство устойчивости частот. Только в этом случае имеет смысл говорить о вероятностях событий, имея в виду не математические фикции, а реальные характеристики случайных явлений»^[2]. Навязывать же социальным процессам вероятностную природу и называть полученные на основе таких представлений формальные конструкции «моделями» по меньшей мере наивно.

Конечно, реальную жизнь общества можно представить в виде игры, но эта игра отнюдь не похожа на комбинацию чистых случайностей, сложившихся под действием слепых сил. Здесь идёт игра «меченым» «костями», где «случайности», за которыми скрываются стремления и действия отдельных людей, социальных групп, политических партий, властных структур и т. п., как бы нарочно задуманы авторами или режиссёрами нашей жизненной пьесы. «Всё в мире подтасовано», говорил известный итальянский экономист XVIII в. аббат Ф. Галиани, имея в виду именно существенное отличие законов движения общества от законов природы. И этот «подтасованный мир» никак не умещается, не «схватывается» жёсткими конструкциями статистических формул. Даже привычные коэффициенты парной корреляции только тогда дают достоверную характеристику связи, когда исследуемое эмпирическое множество однородно в отношении этой связи. При неоднородности (с чем чаще всего и имеет дело социолог) вычисление коэффициента корреляции теряет смысл в той же мере, в какой лишено смысла исчисление средней величины дома на улице, состоящей из ряда лачуг и дворцов.

Навязывая в угоду избранным статистическим и вероятностным методам первичным эмпирическим материалам те свойства, которыми они, как правило, не обладают, социолог получает возможность их «эффективно» обрабатывать, но впоследствии сталкивается с проблемой смысла, содержательной интерпретации получаемых результатов. Постепенно возникает осознание того, что математика, конечно, может избавить исследователя от мучительной необходимости размышлять в процессе преобразования эмпирических данных, но расплатой за эту привилегию оказываются ещё более жестокие муки раздумий как до того, как математика вступит в действие, так и (особенно!) после.

Упорное стремление социологов как можно полнее заимствовать и использовать в своей работе имеющиеся статистические и вероятностные методы анализа помимо упоминавшегося выше традиционного представления об «истинной науке» имеет ещё одну причину. Дело в том, что с самого своего появления в качестве самостоятельного научного направления социология развивается в ожидании постепенной замены (по мере совершенствования техники измерений) слишком «слабых» (с точки зрения масштабов допустимого математического аппарата их анализа), неудобных (и, по мнению некоторых, — неприличных для солидной науки) качественных данных, измеренных в номинальных шкалах, количественными, имеющими метрические измерители. Социологи, внедряя «более точные» статистические методы, как бы делают «прорыв» вперёд, к «более развитому» этапу состояния социологической науки. Однако весь огромный уже опыт развития социологии приводит к выводу о том, что номинальность подавляющего большинства переменных, которые используются в социологических исследованиях (по различным оценкам 90- 97%), обусловлена не примитивностью измерительных процедур, а фундаментальными свойствами социального мира. И с этим непреложным фактом необходимо считаться при принципиальном решении проблем математизации социологической науки.

Слабость внедренческой математизации как направления заключена в ней самой: в её исходной концептуальной посылке за основу берётся математический метод, а информация о реальном социальном мире рассматривается как сырьё для демонстрации возможностей этого метода. При этом аксиоматика используемого метода, которая, по сути дела, навязывается исследуемому эмпирическому материалу, отнюдь не всегда отчётливо и честно формулируется. Слабая совместимость требований вероятностных и статистических методов с содержанием и формой социологической информации была показана выше.

Это не следует, однако, воспринимать как призыв к отказу от этих методов в социологии. Смысл проделанного анализа состоит в том, чтобы обосновать три положения:

• 1. Традиционные статистико-вероятностные методы должны использоваться при анализе материалов социологических исследований с величайшей осторожностью и предваряться глубоким содержательным анализом их возможностей и корректности их применения в каждой конкретной исследовательской задаче.
• 2. Внедрение названных методов в социологию нельзя рассматривать как перспективное направление в силу их существенной «нечувствительности» к специфике социального мира.
• 3. Подлинный успех математизации социологии следует ожидать на пути разработки специализированного математического аппарата.

Из вышеизложенного с достаточной очевидностью следует, что социологии необходимо решительно расстаться с представлениями о возможности прямого заимствования имеющегося статистического аппарата для нужд формального анализа социологической эмпирической фактуры. Суть методологического подхода альтернативного направления математизации социологии формулируется следующим образом: «Не привносить математику в объект исследования, а разрабатывать математический аппарат, адэкватный характеру объекта, строить математику из социальной проблемы, а не трансформировать смысл социальной реальности в угоду требованиям математического метода». Этим определяются и частные требования:

• 1. Методы математического анализа материалов социологических исследований не должны налагать никаких ограничений на содержание и форму представления исходной информации;
• 2. Эти методы не должны предполагать проведения предварительных преобразований формы исходной социологической информации, которые могли бы вызвать даже незначительное изменение их смысла;
• 3. Определяющим ориентиром развития методического арсенала альтернативной математики, группировки его по типам и классам задач являются прежде всего характер и структура проблем социальной практики, образующих предметную область социологических исследований.

Названным требованиям в определённой мере соответствует метод детерминационного анализа разработанный С. В. Чесноковым.^[3] Главное его отличие от всех остальных математических методов, используемых в настоящее время в социологии, в том, что он изначально разрабатывался как специализированный метод на основе последовательного соблюдения ряда принципов, в содержании которых нашли отражение особенности социальных процессов как объектов познания.

• 1. В принципе номинальности находит отражение установка детерминационного анализа на использование в качестве исходной информации дискретных конечных множеств произвольной природы. Легко видеть, что метод ориентирован прежде всего и главным образом на анализ свойств, измеренных в номинальных шкалах.
• 2. Принцип конкретности утверждает, что основой определения взаимозависимостей между свойствами исследуемых социальных явлений должно быть установление связей между конкретными значениями этих свойств, а не между свойствами в целом. Например, надо определять связи не между возрастом и трудовой активностью (наличие такой связи очевидно без всякого исследования, и именно такую и только такую связь определяют статистические коэффициенты), а между конкретными уровнями трудовой активности и конкретными значениями возрастных диапазонов трудящихся.
• 3. Принцип ограниченной статистичности указывает на особенность детерминационного анализа в трактовке характера анализируемых связей. Последние рассматриваются не в общепринятом смысле как мера нарушения статистической независимости, а как более или менее ограниченное нарушение детерминизма.

На первый взгляд, задача, которую решает детерминационный анализ, не оригинальна: с его помощью производится систематическое исследование условных частот или, как они часто называются, «процентных распределений», которые обычно содержатся в таблицах сопряжённости значений анализируемых свойств. И действительно, в случае парных таблиц сопряжённости этот метод не даёт никаких преимуществ. Однако в отличие от других методов детерминационный анализ позволяет организовать вычислительный процесс и интерпретацию таблиц сопряжённости любых размерностей так же просто, как и парных. Но не в этом главное достоинство детерминационного анализа. Оно состоит в том, этот метод даёт результаты «только в виде соответствий между действительно реализуемыми на эмпирических объектах эмпирическими свойствами, не внося тем самым в результаты анализа излишнюю информацию, происхождение которой, как правило, в случае обычных статистических методов редко оправдано реальными свойствами объектов».^[4] Это позволяет исследователю легко устанавливать адэкватный содержательный смысл анализируемого числового материала, благодаря чему снимается главная проблема всех традиционных методов статистического анализа — «проблема интерпретации». Кроме того, существенно повышается глубина и детализация изучения эмпирического материала. Всё это в целом обеспечивает высокую достоверность и надёжность получаемых выводов.

• [1] Немчинов В. С. Социология и статистика.//Социология в СССР. Т.1.М., 1966. С.327−328.
• [2] Вентцель Е. С. Теория вероятностей. М., 1969. С. 31.
• [3] См.:Чесноков С. В. Детермииационный анализ социально-экономических данных. М., 1982.
• [4] Чесноков С. В. Указ, соч., С.67