Массовые опросы в социологии

1 Определение и истоки

2 Выбор исследовательского плана

3 Концептуализация и измерение: общий обзор

4 Уровни измерения

5 Общие правила конструирования опросников

6 «Сензитивные» вопросы

7 Выбор формата для ответов

8 Макет анкеты (опросника)

Библиографический список

1 Определение и истоки

Метод опроса — самый распространенный из социологических методов, определяющий «образ» социологии в глазах непосвященных и к тому же имеющий самую богатую и давнюю историю. Утверждение о том, что почти невозможно дать строгое и исчерпывающее определение того, что такое опрос, на первый взгляд кажется нелепостью. Однако в действительности представления о том, каким должен быть хороший социологический опрос, менялись так часто, что любая попытка свести определение опроса к конкретной технике сбора информации, плану исследования, типу анализа данных или характеру использования полученных сведений наверняка столкнется с трудностями. Трудности эти так существенны, что один известнейший специалист в этой области в монографии, посвященной анализу истории и перспектив опросного метода, предложил говорить о некотором «базовом типе» опроса, по отношению к которому можно было бы упорядочить все многообразие реальных опросных исследований. Идеальной моделью он предложил считать «модель Гэллапа», т. е. тот тип опроса общественного мнения, который сложился в 1930—1940;х гг. в результате сотрудничества (и конкуренции) между основанным Дж. Гэллапом в 1935 году Американским институтом общественного мнения и другими исследовательскими фирмами. Для типичного «гэллаповского» опроса характерны следующие признаки:

1) общенациональный характер;

2) отбор из генеральной совокупности всех лиц, достигших избирательного возраста;

3) максимальная приближенность времени проведения опроса ко времени выборов или референдумов;

4) среднее число респондентов в выборке — 2000 человек;

5) случайный или квотный характер выборки;

6) использование стандартных вопросников и личное интервьюирование каждого респондента по месту жительства;

7) «закрытый» характер вопросов;

8) сбор индивидуальных, неагрегированных данных (каждое наблюдение может быть соотнесено с конкретным индивидуумом в выборке).

Широко распространенные отклонения от описанной «гэллаповской» нормы все же столь существенны, что нам следует рассмотреть и другие подходы к определению сути опросного метода. Во-первых, следует вспомнить о том, что для социологии как науки главной функцией опроса является все же не предсказание результатов завтрашних выборов, а проверка гипотез о характере связей между различными переменными. (Переменная-признак задается как one-рационализация неких содержательных представлений о существенном для социологической теории качестве, свойстве: «социально-экономическом статусе», «отчуждении», «расовой сегрегации» и т. п.) Во-вторых, использование выборочного обследования, как говорится в главах 7 и 8, как раз и имеет основной целью либо оценку значения определенного параметра в совокупности, либо — в большинстве случаев — проверку статистической гипотезы о связи между переменными. Эксперимент — это идеальная модель исследовательского плана для анализа причинных связей. Выборочное обследование (опрос) — хорошее приближение к идеальной модели. Для идеального эксперимента, напомним, характерны:

1) контроль условий, т. е. возможность варьирования независимых переменных и измерения зависимых;

2) использование экспериментальной и контрольной групп для проведения повторных сравнений;

3) рандомизация, т. е. случайный отбор испытуемых в контрольную и экспериментальную группы.

В выборочном исследовании, строго говоря, отсутствует возможность контроля, так как исследователь лишен возможности манипулировать независимыми переменными, произвольно задавать их значение. Однако с помощью количественных методов измерения и статистического анализа связи между переменными выборочный опрос может максимально приблизиться к той модели причинного вывода, которая лежит в основе экспериментального метода.

В целом анализ связи между переменными — и экспериментальный, и сугубо статистический, основанный на опросных данных, — подразумевает перекрестную группировку данных по двум переменным (независимой и зависимой), обнаружение связи между ними и введение третьей, контрольной переменной для оценки ее влияния на изучаемую связь. (Кстати, те возможности для контроля влияния «посторонних» факторов на исследуемую взаимосвязь, которые возникают при анализе связи в выборочных обследованиях, обычно даже превосходят возможности эксперимента.) В последнем случае набор контрольных переменных, «изолируемых» с помощью эксперимента, обычно ограничен. В выборочном обследовании список переменных чаще всего значительно обширнее и к тому же включает в себя такие переменные, которые в принципе не могут использоваться в эксперименте из практических или этических соображений: нельзя, например, произвольно назначить испытуемому экспериментальное условие «родился чернокожим» или «часто подвергался жестокому обращению» Однако заметим сразу, что последнее обстоятельство все чаще используется не столько для восхваления, сколько для критики — во многих отношениях справедливой — применимости выборочных опросов для анализа причинных связей (о чем еще будет сказано ниже).

Случайный отбор, используемый на том или ином этапе как основа построения выборки для массового опроса, может рассматриваться как подобие рандомизации в эксперименте. В идеальном случае, почти не встречающемся на практике, любая единица генеральной совокупности имеет равные шансы попасть в выборку. Поэтому влияние внешних, «посторонних» факторов нейтрализуется, и систематическое смещение отсутствует. В реальности, как показано в обсуждении выборочного метода, мы редко можем реализовать простую вероятностную выборку, довольствуясь каким-то приемлемым и экономичным компромиссом между случайным отбором, стратификацией и квотированием.

Контрольная и экспериментальная группы, используемые в экспериментальных планах для сравнения и выявления эффекта некоего причинного фактора, «отбираются» в выборочных обследованиях на стадии анализа, апостериорно. Фактически они «конструируются» исследователем в ходе сравнения подвыборок, выделенных с помощью фиксации разных уровней одной (или нескольких) объяснительных переменных.

В целом опросные методы обладают рядом существенных достоинств:

1) позволяют достаточно быстро получить большой массив наблюдений, причем каждый индивидуальный «случай» (отдельное наблюдение) описывается с помощью целого набора теоретически релевантных переменных признаков;

2) стоимость выборочного опроса оказывается сравнительно небольшой, если принять во внимание объем получаемой информации;

3) использование стандартных опросных процедур и однородных количественных показателей при соблюдении определенных условий позволяет не только проверять гипотезы о причинных зависимостях, но и проводить вторичный и сравнительный анализ результатов.

Недостатки, также присущие этому методу, мы проанализируем в следующих разделах.

2 Выбор исследовательского плана

Даже в том случае, когда исследователь четко осознал, в чем заключаются содержательные вопросы, на которые он хочет получить ответ в ходе выборочного обследования; ему не стоит торопиться составлять анкету и нанимать интервьюеров. Прежде ему нужно поразмыслить над тем, какого рода логику анализа данных он собирается использовать, после того как эмпирические данные будут получены. Для того, чтобы сведения о людях, группах или сообществах (об их поведении, установках или других чертах) можно было рассматривать в качестве доказательства каких-то теоретических гипотез, следует сначала решить, что именно можно считать доказательством в данном случае, по каким правилам будут строиться логические сопоставления и статистические выводы, иными словами, необходимо выбрать принципиальный исследовательский план.

В планировании выборочного опроса исследователи исходят приблизительно из тех же соображений: сравнение «случаев», подгрупп, сравнение типа «до — после». Здесь мы рассмотрим лишь самые общие типы исследовательских планов, используемых в выборочных опросах.

Первый шаг в планировании опроса — это принятие решения о том, что считать единицей анализа. В простейшем случае мы стремимся приписать каждому индивиду (респонденту) определенное значение по каждой переменной. Предположим, наша цель заключается в том, чтобы на основании опроса 2000 респондентов узнать, как распределены в генеральной совокупности «партийная принадлежность», «судимость» и некоторые другие переменные, а кроме того, мы собираемся проанализировать связь этих переменных с полом, возрастом и семейным статусом. Некоторые из переменных будут строго количественными, другие будут описываться как качественные признаки. В любом случае нам нужно будет охарактеризовать каждого респондента по каждой переменной. В результате мы сможем построить структурированную матрицу данных, подобную той, что изображена в табл. 1. В столбцах этой матрицы содержится вся информация о респондентах, которые здесь и являются единицами анализа (или «случаями»). Именно их свойства нам предстоит оценивать, сравнивать в поисках взаимосвязей и т. п.

Таблица 1

Пример матрицы данных типа «респонденты х переменные»

Обычно единицами анализа, т. е. теми, кого исследуют, бывают именно люди. Однако единицами анализа могут быть и семьи, и организации, и регионы, и государства. Например, в матрице данных столбцы могли бы соответствовать городам, а строки — переменным типа «уровень преступности», «население», «число безработных» и т. п. Некоторые из переменных были бы получены путем агрегирования, «объединения», индивидуальных данных (например, о наличии дополнительных источников дохода), другие характеризовали бы город как целое (наличие аэропортов, доля прямых налоговых поступлений в бюджете). В любом случае исследователю нужно заранее представить себе, как будет выглядеть матрица данных и какие приемы анализа он собирается к ней применить. Любое конкретное исследование может предполагать и использование различных единиц анализа, т. е. полученная в нем эмпирическая информация может характеризовать и отдельных индивидов, и семьи, и — в результате использования агрегированных показателей — регионы или государства. Важно лишь, чтобы все единицы анализа, которые вы намерены использовать, были определены заранее. В ином случае в матрице данных «единица анализа х переменная» неизбежно возникнут пропуски или дублирование одной и той же информации. Так как количество матриц данных равно количеству предполагаемых единиц анализа (хотя размерность их будет разной), можно заранее создать соответствующее количество отдельных массивов данных (файлов), содержащих те данные, которые относятся к данной единице анализа. Скажем, сведения о возрасте попадут в массив «респонденты», а сведения о составе семьи — в массив «семьи» (даже если последние и были получены в результате беседы с одним из членов семьи).

Описанная выше двумерная матрица данных типична для одномоментного, «срезового» исследования, характеризующего ситуацию в момент опроса. Целью такого исследования может быть, во-первых, описание распределения каких-то переменных в совокупности. Например, мы можем узнать, сколько человек собирается проголосовать за демократов при условии, что выборы будут проведены тотчас же (типичный «гэллаповский» опрос). Во-вторых, мы можем попытаться использовать «срезовые» данные для характеристики отдельных подвыборок — например, «работающих пенсионеров», «высококвалифицированных рабочих в возрасте от 30 до 45 лет» и т. п. Далее, применяя различные методы статистического анализа, можно проверить какие-то гипотезы о взаимосвязи переменных (в данный момент времени). В последнем случае исследование становится объяснительным. Однако даже в чисто описательном исследовании мы столкнемся с необходимостью каких-то сравнений, делающих полученные нами оценки осмысленными. Если, например, мы узнаем, что 15% подростков читают медицинские журналы не реже 1 раза в месяц, то для того, чтобы понять много это или мало, нам нужно будет с чем-то сопоставить этот показатель. Скажем, мы можем сравнить подростков 2011 года с подростками 1954 года. (зменениям во времени подвержены не только отдельные показатели, но и взаимоотношения между переменными. Так, глобальные социально-экономические изменения — экономический кризис, сдвиг в социально-классовой структуре — могут привести к тому, что высокая зависимость дохода от продолжительности образования станет незначимой. Следовательно, изучение сложного причинного механизма воздействия образовательного уровня на доходы требует какой-то серии разделенных во времени обследований, позволяющих проследить динамику интересующего нас отношения под влиянием существенных внешних переменных.

Исследовательские планы, позволяющие анализировать данные во временной перспективе, называют лонгитюдными. Данные получают многократно, в разные моменты времени, причем цели исследования могут быть сугубо дескриптивными (доля голосующих за коммунистов, распределение положительных и отрицательных установок по отношению к «мыльным операм») и объяснительными.

Принято выделять основные виды лонгитюдных планов, каждый из которых имеет множество модификаций и «переходных» форм. Это трендовые, когортные и панельные исследования.

Трендовые обследования ближе всего к уже описанным однократным, «срезовым», опросам. Некоторое авторы даже предлагают обозначать их просто как регулярные опросы, т. е. опросы, проводимые через более или менее равные промежутки времени. В трендовом опросе одна и та же генеральная совокупность изучается в разные моменты времени, причем каждый раз выборка строится заново. Иными словами, анализируются последовательные выборки из одной и той же совокупности. Например, опрос Института Гэллапа, проводимый ежемесячно в ходе избирательной компании, является трендовым обследованием, показывающим динамику установок населения по отношению к кандидатам или партиям. Строго говоря, если количество тех, кто собирается голосовать за кандидата X, за месяц увеличилось на 16%, мы можем лишь зафиксировать изменение картины предпочтений избирателей, но не можем наверняка утверждать, что определенная группа избирателей изменила свои предпочтения, так как в двух последовательных опросах мы имеем дело с разными респондентами. Преимуществом оперативных трендовых исследований является возможность «привязки» наблюдаемых изменений к текущим событиям — политическим скандалам, решениям правительственных органов, изменениям в финансово-экономической ситуации, — что облегчает их интерпретацию.

Однако, например, ежегодные исследования занятости и безработицы, проводимые по этому плану, могут привести к трудно интерпретируемым результатам. Если в результате двух таких исследований окажется, что социально-демографические характеристики людей, получающих пособие, почти не изменились, будет большой неосторожностью утверждать, что существует какая-то «типичная» группа людей, постоянно живущая на средства налогоплательщиков. Вполне вероятно, что большинство респондентов, охваченных первым опросом, уже нашли работу.

В качестве особого исследовательского плана иногда рассматривают когортные обследования. Основания для выделения этого плана несколько условны и связаны скорее с теоретической логикой интерпретации (а не сбора) данных. Если в трендовых исследованиях отбор каждый раз производится из общей совокупности — всех избирателей, всех семей и т. п., то, исследуя «когорты» (от лат. cohors (cohortis) — подразделение, видовая группа), мы каждый раз производим отбор из одной специфической совокупности, стремясь проследить перемены в ее поведении, установках и т. п. Пусть, например, мы изучали ценностные ориентации десятиклассников в 1985 году, а в 2011 году нам захотелось снова опросить бывших десятиклассников, так как мы предполагаем, что их ценностные ориентации изменились с переходом в иную стадию жизненного цикла (создание собственной семьи, формирование профессиональной идентичности и т. п.). В этом случае мы будем работать с новой выборкой из прежней специфической совокупности, сравнивая представителей одной и той же «когорты» с большим интервалом, а не десятиклассников 1985 года с десятиклассниками 2011 года (в последнем случае можно было бы говорить о трендовом исследовании десятиклассников).

Самым совершенным воплощением идеи введения временной перспективы в исследовательский план является панельное обследование. Если вернуться к нашей структурированной матрице данных (см. табл. 1), то можно сказать, что панель — это прибавление к двумерной матрице еще одного измерения, превращающего ее в пределе в некий «параллелепипед» данных. Панельные исследования позволяют не только зафиксировать какие-то социальные изменения в установках, поведении и т. п., но и выявить причины и последствия этих изменений на микроуровне, т. е. на уровне отдельных индивидов. Если трендовое исследование показывает, что десятая часть потребителей, предпочитавших отечественные макароны, «переметнулась» к поклонникам спагетти, мы не можем точно определить, кто из респондентов изменил свои предпочтения и, следовательно, каковы общие характеристики «перебежчиков». Таким образом, мы лишены возможности проверить, какие объяснительные переменные позволяют предсказывать динамику предпочтений на микроуровне.

Панельное исследование — это многократное обследование одной и той же выборки из генеральной совокупности в разные моменты времени. Эту многократно используемую выборку и называют панелью. Исследовательский план, использующий панель респондентов, — весьма дорогостоящее предприятие, требующее к тому же очень тщательной проработки всех деталей до начала опроса. В трендовом и когортном исследовании данные нередко сравниваются с данными других опросов, проводившихся ранее иными исследовательскими группами. Этот путь проще и дешевле, однако сравнимость результатов обследований, планировавшихся разными исследовательскими командами и — чаще всего для разных целей, всегда проблематична. Возможность оценки «чистого эффекта» и величины наблюдаемых изменений — большое преимущество панельного плана. Однако эта возможность прямо зависит от величины усилий, предпринятых социологами для сохранения неизменности самой панели и инструментов сбора данных. Если, например, в первой волне панели (волной обычно называют один полный цикл опроса панели, один «замер») социолог позабыл включить в список для ранжирования тяжести преступлений квартирные кражи, то использование дополненного списка во второй и третьей волнах не поправит дела: сопоставимость полученных в панели ранжировок будет ничуть не выше, чем в случае обычных «срезовых» обследований, при более высоких затратах. Поэтому панельные исследования чаще всего используют как очень точное средство проверки конкретных гипотез в отчетливо очерченной предметной области. Выбор панельного плана в случае пилотажных или поисковых исследований совершенно неоправдан.

Панельные исследования незаменимы в проверке причинных гипотез, особенно в тех случаях, когда отсутствует «естественный» критерий для разделения независимой и зависимой переменных во времени. Например, множество «срезовых» исследований может демонстрировать устойчивую высокую корреляцию между систематическим потреблением алкоголя и проявлениями социальной дезадаптации (развод, потеря статуса и т. п.), однако лишь длительное панельное исследование может дать необходимый материал для того, чтобы решить, ведет ли алкоголизм к дезадаптации либо, наоборот, является ее следствием. Панельные исследования незаменимы и для анализа более сложных причинных моделей с отсроченными эффектами (лагами), петлями «обратной связи» и т. п.

Основным преимуществом панельного плана с сугубо статистической точки зрения является возможность отделить реальные изменения показателей от разброса, связанного с ошибкой выборки.

В случае «непанельного» опроса (трендовый опрос, сравнение данных двух независимо проведенных «срезовых» опросов) какое-то различие между двумя последовательно опрошенными выборками, значимое на 5%-м уровне, скажем, различие между 49 и соответственно 54% предпочитающих «сильную руку» институтам представительной демократии с вероятностью, превосходящей 1:20, будет связано с выборочной ошибкой, а не с радикальными переменами в политической атмосфере. Аналогичные данные панельного исследования позволяют говорить о наличии реальных изменений.

Однако не следует считать, что любое реальное изменение, фиксируемое в панельном опросе, также подлежит содержательной интерпретации с использованием теоретически «привлекательных» переменных. Во-первых, наша панель — это всего лишь выборка среди других возможных выборок (других возможных панелей). Используя панельный план, мы уменьшаем влияние ошибки выборки на значимость различий между двумя волнами, но не исключаем ошибку выборки полностью: результаты сравнений для второй (девятнадцатой, двадцатой…) панели могли оказаться иными. Далее, фиксируемые изменения могут быть связаны с низкой надежностью нашего измерительного инструмента, о чем мы еще будем говорить при обсуждении проблем измерения. Наконец, наша интерпретация результатов может оказаться необоснованной из-за изменений в самой панели. Полезно помнить, что панельное исследование по логике анализа результатов ближе всего стоит к простейшему экспериментальному плану типа «до — после». Малоприятным продолжением этого достоинства является подверженность панельного плана тем же угрозам систематического смещения. В частности, эффекты «созревания» участников панельного опроса были неоднократно продемонстрированы даже в таких нейтральных сферах, как изучение семейного бюджета или чтение газет и журналов. После двух-трех волн члены панели достоверно чаще фиксируют свои ежедневные расходы и начинают тратить на чтение газет на 10—15% больше времени. Перемены в политических установках и поведении обычно носят еще более драматический характер: политические симпатии смещаются к крайним полюсам, доля активно участвующих в выборах возрастает. Основным механизмом, отвечающим за этот эффект, является стремление индивидуума к когнитивному балансу, к поддержанию высокой степени согласованности между собственными высказываниями и действиями. Соответственно описываемый тип смещения резче выражен в панелях с маленькими интервалами между волнами. По мере увеличения промежутков между последовательными опросами — по крайней мере, до 1 2 лет — эффект «созревания» уменьшается, так как все сильнее становится влияние направленных в противоположную сторону эффектов «памяти» (вернее сказать, «забывания»): респонденты просто плохо помнят, что они говорили год или десять лет тому назад.

К сожалению, именно в тех случаях, когда панельный план социологического исследования более всего осуществим и его применение возможно и обоснованно — и с точки зрения логики анализа, и по реальным возможностям внеакадемического финансирования, — тактика увеличения интервалов между циклами панели может оказаться неосуществимой. Пример тому — предвыборные опросы, где интервалы бывают равны 1—2 неделям и редко превышают 1—1,5 месяца.

Так, интерпретация классического «Народного выбора», проведенного П. Лазарсфельдом и его соавторами исследования президентских выборов в США в 1940 году, остается неоднозначной, хотя его основные результаты были много раз воспроизведены другими исследователями. Панель Лазарсфельда состояла из семи волн, разделенных месячным интервалом. Столь сложный план требовался для того, чтобы проследить, как меняются предпочтения американского электората в ходе выборной кампании, и какие факторы влияют на изменение решений отдельных избирателей. Самым поразительным результатом исследования оказалось то, что почти половина опрошенных ни разу не меняла свои политические предпочтения на протяжении полугода. Вероятно, немалую роль в формировании столь обширной группы «непоколебимых» сыграли описанные эффекты «созревания» в результате участия в панели.

Самый серьезный и распространенный тип смещения связан, однако, с другой постоянной проблемой всех панельных планов — проблемой «выбывания» из панели (или, что звучит несколько мрачно, со «смертностью», или «истощением», панели). Истощение панели проявляется в увеличении неучастия и «неответов» респондентов от первой волны к последующим. Некоторые респонденты оказываются недоступными для контактов: они меняют место жительства, болеют, умирают. Другие участники панели просто отказываются от следующего интервью. В результате и репрезентативность панели, и эффективный объем параллелепипеда данных, т. е. реальная возможность сравнивать ответы одного респондента в разные моменты времени, резко снижаются от волны к волне (хотя расходы на поддержание панели продолжают расти). Особенно неприятна ситуация, когда «вымирают» определенные социально-демографические группы респондентов, что приводит к непоправимым систематическим смещениям. Эта ситуация возникает не так уж редко. Исследователи, работающие в коммерческих опросных фирмах, неоднократно замечали, что в рыночных исследованиях и исследованиях аудитории газет и журналов самой высокой «смертностью» отличаются молодые участники панели, особенно учащиеся-юноши в возрасте 18—25 лет. Иногда даже увеличение платы за участие в панельном опросе с каждой последующей волной не влияет на выбывание (это должно служить слабым утешением академическим исследователям, лишенным возможности платить респондентам).

В больших общенациональных панелях. Приближающихся к «микропереписям», для борьбы с выбыванием иногда используют метод самовосстановления, особенно в случаях. Когда выборочной единицей является семья, домовладение, организация и т. п. Например, в проводимом с середины 1960;х гг. Мичиганским университетом исследовании бюджета американских семей (PSID) ежегодно опрашивается более 5000 семей. Каждый отделившийся член семьи (например. взрослый сын, решивший жить отдельно от родителей) остается в выборке в качестве новой единицы наблюдения, так что выборка остается репрезентативной по типам семей, возрасту их членов и т. п. Выбывание из этой панели за первые десять лет составило 28% исходной выборки (кстати, это совсем немного для панельного опроса), однако за счет самовозобновления, т. е. включения в выборку «отселившихся» членов семей, абсолютный размер панели за это же время даже вырос с 5000 до 5860 семей.

Очевидно, что панельные исследования очень сложное, хотя и эффективное, средство проверки социологических гипотез. Вышеприведенные соображения вполне объясняют, почему панельный план используется реже других типов исследовательского плана. Панельный план практически доступен лишь для достаточно крупных исследовательских организаций и требует привлечения значительных материальных и финансовых ресурсов, однако он абсолютно незаменим при исследовании социальных эффектов исторических изменений, сложных причинных моделей индивидуального выбора, процессов социализации и т. п. Многие социологи полагают, что оптимальным решением является использование комбинированных исследовательских планов, сочетающих в себе некоторые черты «срезовых», трендовых и панельных опросов. Самый простой из таких планов это ретроспективное панельное исследование, когда опрос проводится однократно. Однако включает большое количество вопросов о прошлом респондента. Например, в исследованиях профессиональной мобильности респондентов спрашивают о деталях их карьеры, периодах безработицы, причинах изменения места работы и т. п. Реконструированные таким образом «профессиональные биографии» анализируют так, как если бы они были получены в лонгитюдном обследовании. Возникающие здесь проблемы связаны, в первую очередь, с субъективными погрешностями припоминания, с изменением точки зрения на события прошлого, иногда с намеренным искажением информации. Так, использование ретроспективного плана в изучении зависимости социально-экономического статуса от образования может вести к неверным выводам: доказано, что большинство людей имеет склонность задним числом «завышать» свои успехи в обучении. Однако этот тип плана может оказаться достаточно эффективным, например при сравнительном изучении динамики занятости замужних и незамужних женщин. Основное достоинство ретроспективного плана радикальное решение проблемы выбывания.

Более сложные типы комбинированных планов используют в микро-переписях, общенациональных обследованиях занятости и безработицы, преступности и т. п. Очень эффективны циклические планы с замещением, где в каждой последующей волне какая-то доля исходной выборки «отдыхает», будучи замещенной новой эквивалентной подвыборкой. Скажем, если в ежегодном опросе треть панели каждый раз замещается, то каждая из исходных «третей» будет опрошена от одного до трех раз, прежде чем состав участников полностью обновится. «Поперечный» и «продольный» анализ позволит и учесть эффекты участия (при сравнении результатов «кратковременных» и «длительных» респондентов), и дать текущую картину распределения переменных по социальным группам, и зафиксировать резкие изменения. Иногда часть вопросов предъявляется лишь сравнительно небольшой подвыборке, имеющей характеристики «фокусной» группы (например, только матерям-одиночкам, получающим социальные пособия), что позволяет проанализировать динамику поведения и мнений «труднодоступных» популяций. Нередко общую базу данных поддерживает и анализирует одна исследовательская группа, а для анализа «периферийных» тем и специфических подвыборок привлекаются эксперты из других институций. Объективная логика развития регулярных опросов, основанных на комбинированных исследовательских планах, явно ведет к созданию междисциплинарных, многоцелевых проектов и баз данных, имеющих множество источников финансирования (таковы, например, некоторые общенациональные лонгитюдные исследования преступности, здоровья населения). Соответственно все выше ценятся услуги методологов, специализирующихся в планировании исследований, стандартизации показателей, социологическом измерении.

опросник респондент конструирование интервью анкета

3 Концептуализация и измерение: общий обзор Избрав определенный исследовательский план, социолог может сказать, что он будет рассматривать в качестве «случаев» в структурированной матрице данных (табл. 5.1) и какой будет логика сравнений между случаями на стадии анализа. Теперь ему предстоит решить, какими будут его исследовательские переменные — строки матрицы данных и как будет осуществлен переход от теоретического понятия к измеряемому показателю. Решение этих двух взаимосвязанных проблем — концептуализации и измерения — необходимое условие перехода к разработке анкеты, плана интервью, схемы эксперимента и к сбору данных. Отметим сразу, что речь идет лишь о предварительном решении, так как многие исследовательские задачи, связанные с измерением и истолкованием теоретических конструктов, возникают позднее, на стадии анализа данных (и будут рассмотрены нами в соответствующих разделах).

Понятия социологической теории скажем, «отчуждение», «культура бедности», «социальный статус» или «коронарный тип личности» — используются в качестве элементов для построения неких теоретических моделей, описывающих отношения между понятиями. Предположения о характере таких отношений — это собственно исследовательские гипотезы.

Сложная структура социологических теорий не позволяет говорить о простой и однозначной их проверяемости. Как говорилось ранее, правдоподобие гипотез оценивается не в каком-то абсолютном смысле, а лишь относительно целой совокупности других вспомогательных гипотез, явно или неявно связанных с теоретическим «ядром». По этой причине сколько-нибудь разработанные теоретические модели оказываются довольно сложными, и их предварительное описание (спецификация) — это необходимое условие любой эмпирической проверки.

Эмпирическое «истолкование» теоретических понятий в качестве переменных в матрице данных (их концептуализация) и перевод этих понятий на язык наблюдаемых признаков, т. е. измерение, могут оказаться довольно сложными процедурами, в чем-то сходными с процедурами построения теоретической модели. На первый взгляд, некоторые типы переменных не создают вовсе никаких проблем для измерения, так как они очень близки к тем способам категоризации, которые мы употребляем в повседневной жизни (например, пол, возраст). Другие же, более абстрактные теоретические конструкты — отчуждение, социально-экономический статус или расовая сегрегация, — явно требуют большего, чем формулировка одного показателя или одного вопроса анкеты. Ясно, что уточнение теоретического понятия и поиск соответствующих индикаторов в этом случае может быть только результатом специальной аналитической работы. Конечная цель такой работы — создание модели измерения, в которой будут определены (специфицированы) все предполагаемые связи между теоретическим конструктом (понятием) и теми эмпирическими показателями, которые мы намерены использовать для его измерения. В этой модели нам придется также сделать некоторые предположения о возможных ошибках измерения (их случайном или систематическом характере). Ведь в действительности даже сравнительно простые и очевидные показатели, фиксируемые с помощью одного стандартного вопроса, могут быть подвержены влиянию не только случайных ошибок, связанных с невнимательностью или погрешностями выборочной процедуры. Может быть, например, незамужние женщины склонны систематически занижать свой возраст? Если обратиться к «случаю Агнессы», можно увидеть, что даже биологический пол в некоторых случаях трудно определить однозначно. Пример столь простого признака, как «пол», позволяет увидеть и другую сторону проблемы: прежде чем искать подходящий показатель, нужно решить, как мы намерены интерпретировать соответствующее понятие в нашей теории. Если мы, к примеру, собираемся проверить гипотезу о влиянии половой идентичности на социальные достижения, то нам недостаточно просто разбить наших респондентов на «муж.» и «жен.»: внутригрупповой разброс показателей успешности наверняка окажется очень велик и вся наша объяснительная схема «поплывет». В действительности нам лучше интерпретировать «половую идентичность» как некий континуум, плавный переход от одного жесткого полоролевого стандарта к другому, от крайней «маскулинности» к «фемининности». Используя соответствующие показатели и шкалы, мы скорее всего обнаружим, что большего социального успеха добиваются люди, не следующие жестким предписаниям традиционной половой роли.

Итак, первый шаг в поиске индикаторов для теоретических понятий — это прояснение самих понятий. Теоретические переменные, в отличие от платоновских идей, не существуют «сами по себе», ожидая когда мы наткнемся на них. Они не имеют какого-то абсолютного, раз и навсегда определенного значения. Их значение определяется контекстом употребления, концептуальной схемой, которую мы используем. Например, если мы используем «религиозность» как понятие, характеризующее роль некой конфессии в политическом укладе национального государства, наибольший интерес для нашего исследования могут представлять агрегированные (т. е. относящиеся к надындивидуальному уровню) переменные, показывающие роль церкви в поддержании нормативной системы общества, в принятии политических решений. Показателями здесь могут быть количество церковных приходов, наличие обязательных уроков закона божьего в государственных школах, участие церковных иерархов в работе законодательной власти и т. п. Если целью нашего анализа является индивидуальная «религиозность», то нас скорее заинтересует широкий спектр поведения и установок от институциональной религиозности, связанной с участием в церковных обрядах, верой в спасение души и т. п. до расплывчатой убежденности в том, что «существуют некие сверхъестественные силы», или даже до устойчивого интереса к астрологическим прогнозам.

Конечно, мы можем заключить, что отсутствие абсолютного, самоочевидного смысла в теоретических понятиях дает нам полную свободу в их определении. Но такое заключение будет ошибочным. Во-первых, теоретическое понятие, неповторимый смысл которого известен только самому теоретику, обладает всеми достоинствами, кроме одного — оно больше не может служить средством коммуникации. Дабы этого не случилось, лучше всего давать определения, понятные не только вам, но и другим: все же наука — это коллективное предприятие. Более того, нужно соотносить собственные определения понятий с теми, которые использовались вашими предшественниками, в том числе и теми, чьи теоретические взгляды противоположны вашим. Ценность теоретического понятия — в его включенности в более широкую сеть теоретических представлений, во множестве связей с другими понятиями. Попытки начать с «нулевой ступени» ни к чему хорошему не ведут. Даже если вам отвратителен марксизм как идеология тоталитаризма, невозможно сказать что-то содержательное и интересное о таких вещах, как «классы» или «отчуждение» без учета того, что сказал о них Маркс.

В работе по уточнению теоретических понятий можно выделить три стадии. На первой стадии нужно составить по возможности полный список существующих определений интересующего нас понятия. Основной путь здесь — анализ литературы. Часто приходится анализировать и те смыслы, которые придаются какому-то понятию в обыденной речи: понятия повседневного языка редко обладают достаточной степенью формальной строгости, но их многозначность иногда позволяет выразить неочевидный и нетривиальный взгляд на вещи. Например, анализ того контекста, в котором употребляются понятия «стресс» или «психологическая травма», открывает широкий диапазон жизненных событий — от развода до потери работы. Если мы изучаем влияние травмирующих жизненных событий на рост хронической заболеваемости, нам не обойтись без анализа субъективного смысла различных событий для разных людей. На этом этапе могут оказаться полезными неформальные глубинные интервью, групповая дискуссия, анализ доступных биографических материалов и т. п. В результате описанной работы по обобщению существующих определений (научных и обыденных) мы получаем возможность исходить из достаточно общего и разделяемого большинством исследователей определения. Так, в работе Дж. Хиллери перечислено 94 определения понятия «сообщество» (community), большая часть которых включает три основных признака: локальная область расселения; общие связи, основанные на чувстве идентичности с группой; социальное взаимодействие.

На второй стадии мы осуществляем и обосновываем свой выбор трактовки понятия. Обоснование необходимо и в том случае, если мы решили использовать общепринятое определение, и тогда, когда нами предложено нечто абсолютно новое. Позднее, в ходе анализа данных, наша теоретическая модель скорее всего будет уточняться, но и в сборе, и в анализе данных мы будем руководствоваться принятым рабочим определением. Так, если мы решим, что социологический смысл понятия «профессия» заключается в способе регуляции рыночных условий в пользу определенной группы, ограничивающей и контролирующей доступ новых членов в свои ряды, мы скорее всего сосредоточим свое внимание на таких аспектах профессионализма, как автономия, контроль над процессом определения «внештатных» ситуаций и приписыванием ответственности, обучение новичков и управление «публичным» образом профессиональной группы. При этом мы, возможно, не уделим того же внимания таким аспектам профессионализма, как отношения с потребителями товаров или услуг, контроль над определенными ресурсами и т. п.

Большинство полученных нами определений будут многомерными, т. е. они будут включать в себя более одного аспекта или измерения. Поэтому на третьей стадии следует отчетливо очертить существующие аспекты понятия и, возможно, выбрать те из них, с которыми мы собираемся работать. Во-первых, выделение отдельных измерений в многомерном теоретическом понятии необходимо для того, чтобы найти соответствующие индикаторы для каждого из измерений. Во-вторых, в социологии мы часто используем категориальные переменные, состоящие из множества взаимосвязанных признаков, т. е. двух, трех или более качественных категорий. Примерами здесь могут служить пол, профессия, семейный статус, религиозная конфессия и т. д. Нередко признаки, составляющие категориальную переменную, могут быть упорядочены по какой-то ординальной шкале. Скажем, социальный статус может быть низким, средним или высоким. Анализ размерности теоретического понятия, представляемого с помощью такой категориальной переменной, позволяет выявить различия между упорядочениями категорий по разным измерениям. Упорядочение религиозных конфессий по престижности будет отличаться от их упорядочения по степени религиозного фундаментализма. Сделав явным это различие между смысловыми измерениями теоретического понятия, мы обезопасим себя от ошибочных выводов о характере взаимосвязей данной переменной с другими, т. е. от ошибок на стадии анализа данных.

Прояснив теоретические понятия, используемые в нашем исследовании, мы переходим к следующей важной задаче — поиску конкретных индикаторов для этих понятий. Нередко эту стадию работы называют стадией операционализации понятий (о том, почему это обозначение является не вполне точным, будет сказано чуть ниже). Если, скажем, в исследовании профессиональной мобильности ученых мы используем понятие «престижность университета», нам необходимо решить, в чем, собственно, выражается престижность: в высоком проходном балле на вступительных экзаменах, в количестве ежегодно проводимых международных конференций, в среднем индексе цитирования для профессоров и преподавателей? Возможно, полезной для определения престижности будет экспертная процедура — например, престижность американских университетов определяется в ходе регулярных опросов ведущих специалистов в разных областях знания. Под операционализацией, таким образом, понимают процесс связывания теоретического понятия с эмпирическими наблюдениями, где последние выступают индикаторами, показателями каких-то свойств, относящихся к данному понятию. Предполагается, что, скажем, результаты оценивания респондентами престижности университетов показывают высокий или низкий престиж данного рода заведений приблизительно так же, как показания стрелки манометра показывают давление. Однако аналогия здесь весьма условна. Измерение в социологии обычно носит непрямой характер: отдельный индикатор может отражать влияние более чем одной переменной, а каждая переменная может иметь множество индикаторов, т. е. операциональные определения теоретических понятий в социологии отличаются от таковых, скажем, в физике.

Многие эмпирические индикаторы могут рассматриваться как взаимозаменяемые. Идея взаимозаменяемости индикаторов была впервые проанализирована П. Ф. Лазарсфельдом. Так как измерение носит непрямой характер, ни один из существующих индикаторов не будет совершенным или безупречным. Хотя в определенной исследовательской ситуации можно указать причины, по которым один индикатор лучше другого, в сущности они взаимозаменяемы. «Истинное значение» переменной — это какая-то функция значений показателя и ошибки измерения. Поэтому измерение значения переменной и проверка гипотез о связях между индикаторами требуют использования множества показателей. На практике социологи чаще всего используют несколько индикаторов для каждой существенной теоретической переменной, объединяя их на стадии анализа в некоторый суммарный показатель (индекс), или строя шкалу. То, как соотносятся индикаторы и теоретическая переменная, описывается с помощью модели измерения. В простейшем случае, когда все индикаторы (обозначаемые прописными латинскими буквами — Х₁, Х₂, X₃, Х₄) являются следствиями, результатами действия латентной, т. е. не наблюдаемой непосредственно переменной X, модель измерения будет выглядеть, как на рис. 2.

Обозначения a, b, с, d относятся к коэффициентам, показывающим влияние латентной переменной на конкретный индикатор (они, как мы увидим позднее, выражают надежность этого индикатора), а е. (т. е. е₁, е₂, е₃. и т. д.) — это ошибка измерения i-гo индикатора.

А b c d

Рис. 2. Модель измерения латентной переменной с четырьмя индикаторами Для ошибок в этой модели предполагается, что они не скоррелированы друг с другом (cov (e_i e_j) = 0) и с истинным значением X, а их средняя равна 0. В модели, представленной на рис. 3, все индикаторы — это так называемые эффект-индикаторы, все они находятся под влиянием X, и сила связей a, b, с, d соответствует «силе» этого влияния.

Модели измерения с латентной переменной и эффект-индикаторами очень популярны в социальных науках. Причина этой популярности в нашей склонности объяснять явные поступки людей, в частности, ответы на вопросы анкеты или выполнение тестовых заданий, неким внутренним свойством, качеством, навыком или предрасположенностью. Латентная переменная может быть, например, интеллектом, измеряемым с помощью индикаторов-тестов. Другой пример: мы можем полагать, что участие в выборах и ежедневное чтение политических новостей в газете — это индикаторы латентной «политической активности» или «вовлеченности в политику».

Однако использование эффект-индикаторов — это не единственная возможность. Например, мы можем использовать такие индикаторы, как потеря работы, развод, болезнь для измерения латентной переменной «жизненный стресс». В этом случае мине предполагаем, что латентная переменная является причиной своих индикаторов, скорее травмирующие жизненные события могут быть причиной стресса. Если мы имеем дело с какой-то из распространенных моделей социально-экономического статуса, в ней тоже будут присутствовать не эффект-индикаторы, а причинные (или формативные) индикаторы, т. е. индикаторы, значения которых детерминируют, определяют значение латентной переменной. На рис. 3 изображена элементарная модель латентной переменной с причинными индикаторами (Y_l — Y₄ — это индикаторы, Y— латентная переменная).

Если Y — это социально-экономический статус (СЭС), то Y_l — Y₄ могут представлять собой доход, образование, престиж профессии данного человека и «качество» его жилья (стоимость, престижность района и т. п.).

Рис. 3. Модель измерения с латентной переменной и причинными индикаторами Ясно, что скорее доход является причиной СЭС, чем наоборот. Несмотря на кажущееся сходство моделей измерения, изображенных на рисунках 3 и 4, их «поведение» на стадии анализа будет очень разным. Разными могут оказаться и методы оценки качества индикаторов для этих моделей. Даже без специального анализа можно сказать, что в модели с эффект-индикаторами (рис. 3) всякий «хороший» индикатор должен чутко реагировать на рост или убывание латентной переменной и изменяться «в согласии» с остальными. В модели, изображенной на рис. 4, дело обстоит не так просто: если, скажем, возрастет доход — возрастет и статус, но образование или профессиональный престиж вполне могут не измениться, остаться на прежнем уровне. Другое очевидное отличие связано собственно с отбором индикаторов: для модели на рисунке 3 любой «хороший» эффект-индикатор может заменить любой другой, и их общее число вполне можно сократить: скажем, высокие результаты выполнения одного «хорошего» теста интеллекта будут достаточно надежно предсказывать результаты бесчисленного множества других тестов. Если же мы попытаемся убрать какой-то причинный, формативный индикатор, то изменится не только объем нашей анкеты — изменится сама латентная переменная, которую эти индикаторы собственно и составляют: так, стоит «убрать» доход из числа индикаторов СЭС, как мы уже будем изучать что-то вроде социального, но уж никак не экономического статуса. Приведенные примеры позволяют понять, почему так важно явно задать модель измерения, связывающую индикаторы, которые мы собираемся отобрать, с теоретическими понятиями.

Многие реальные модели измерения еще сложнее только что описанных. Индикаторы могут быть скоррелированы между собой и, что хуже, с ошибками измерения, в число индикаторов могут одновременно входить и эффект-индикаторы, и индикаторы-причины. Часто разработка модели измерения ведет к радикальному прояснению теоретических гипотез и понятий, которые на предыдущих стадиях исследования носили чрезмерно абстрактный и общий характер. Так, социолог, стремящийся найти индикаторы, скажем, «межэтнической напряженности», попытается по меньшей мере разделить «причины» и «эффекты» среди таких показателей напряженности, как поселенческая сегрегация (склонность представителей этнических групп к компактному и раздельному поселению) отсутствие семейных и дружеских связей с представителями «чужого» этноса, число столкновений и вооруженных конфликтов, недоброжелательное освещение «чужаков» в местной прессе и т. п. В ходе такой работы он наверняка сделает более ясными и отчетливо сформулированными свои представления о механизмах возникновения межэтнической напряженности и ее последствиях.

В целом при поиске и отборе индикаторов полезно руководствоваться некоторыми общепринятыми правилами:

I. Используйте индикаторы, применявшиеся в более ранних исследованиях. Существует множество устоявшихся и проверенных индексов (т. е. суммарных показателей) и шкал, свойства которых достаточно известны. При возможности проверьте, насколько хорошо «работают» эти показатели в вашем случае, проведя небольшое разведочное (пилотажное) исследование. Сориентироваться в многообразии существующих показателей и шкал помогают соответствующие справочные издания и тематические обзоры.

2. Если общепринятого способа измерения для какого-то понятия не существует, попытайтесь разработать множество индикаторов для различных определений понятия и проверьте, как различия индикаторов будут влиять на различия в интерпретации результатов. Имея дело с многомерным понятием, стоит подумать, какие именно измерения, аспекты понятия существенны в рамках вашей исследовательской гипотезы.