Перечень учебников

Учебники онлайн

Глава V
"Жесткий" анализ эмпирических данных1

  • 1 "Жестким" мы называем статистический анализ в отличие от "мягкого" — качественного (гл. VI ).

Анализ собранной информации — самый увлекательный этап исследования. Мы проверяем, насколько верны были исходные предположения, получаем ответы на заданные вопросы и выявляем новые проблемы. Методологический инструмент анализа — гипотезы, сформулированные в программе, и те, что возникают по мере их проверки и отвержения уже в процессе анализа собранных данных.

Вспомним, что гипотезы подразделяются на описательные и объяснительные. Соответственно этому выделим два класса процедур анализа. К первому отнесем дискриптивные процедуры: группировку, классификацию и с некоторыми оговорками типологизацию 2 . Второй класс образуют аналитике-экспериментальные процедуры, назначение которых — установление связей взаимодействия и детерминации.

  • 2 Строго говоря, типологизация — промежуточный этап, совмещающий группировку и переход к анализу данных для проверки гипотез; ниже, при рассмотрении теоретической типологизации мы в этом убедимся (см. раздел 2 этой главы).

Цель этой главы — рассмотрение основных методов, но не техники анализа данных. Из технических средств мы используем наипростейшие и при необходимости будем отсылать читателей к соответствующей литературе.

И последнее. В этой главе речь идет об анализе данных массового социологического обследования, о качественно-количественном анализе, а в заключительном параграфе — о стратегии качественного анализа.

1. Группировка и эмпирическая типологизация

Группировка и классификация — элементарные процедуры упорядочения данных, предваряющих их анализ. С помощью этих действий мы "уплотняем" информацию, как бы расширяем области подобия и уста-навливаем новые границы различий в массе эмпирических данных, не выходя при этом за пределы индикативных свойств (т. е. на "языке" фиксированных данных наблюдения» опроса, документов). Типологический анализ опирается на те же или аналогичные процедуры» но предусматривает более высокий уровень обобщения, основанием которого выступают не сочетания признаков-индикаторов, но понятия, с ними соотносимые. Это уже стратегия анализа на качественно ином уровне обобщения.

Простая группировка это классификация или упорядочение данных по одному признаку. Связывание фактов осуществляется здесь в соответствии с описательной гипотезой относительно ведущего признака группировки (или признака классификации). Так, в зависимости от гипотез можно сгруппировать выборочную совокупность по возрасту, полу, роду занятий, образованию, по высказанным суждениям и т. д.

Квалифицированные данные или количественные показатели группируются в ранжированные ряды по возрастанию (убыванию) признака, качественные или атрибутивные группируются по принципу построения неупорядоченных номинальных шкал.

Все операции последующего анализа покоятся на изучении сгруппированных данных. 3

  • 3 О технике группировки, классификации и статистическом анализе рядов распределения см. [12, 79, 109, 199, 259]. Наиболее полное пособие по методам анализа данных — новейшая публикация Г. Г. Татаровой [2вО]. См. также "Аннотированный список" в приложении 2.

Число членов группы называют частотой или численностью группы, а отношение данной численности к общему числу наблюдений — долей или относительной частотой. Статистические приемы поиска средней тенденции (мода, медиана, среднеарифметическая), подсчет дисперсии отклонения позволяют оценить сгруппированный ряд в емком показателе и отобразить результаты графически (с. 155, рис. 6). Простейший анализ группировки — исчисление частот по процентам.

Перекрестная группировка (или перекрестная классификация) — это связывание данных предварительно упорядоченных по двум признакам (свойствам, показателям) с целью: (а) обнаружить какие-то взаимозависимости, (б) осуществить взаимоконтроль показателей (например, ответов на основной и контрольный вопросы — с. 261, схема 20), сформировать новый составной показатель (индекс) на основе совмещения двух свойств или состояний объекта, определить (об этом ниже) направление связей влияния одного явления (характеристики, свойства) на другое.

Перекрестная классификация (группировка) производится в таблицах, где указывается наименование таблицы (какие признаки, свойства сопрягаются) и общая численность включенных в группировку объектов (см. схему 8, с. 161).

Одна из задач перекрестной классификации — поиск устойчивых связей, выявляющих структурные свойства изучаемого явления. Например, можно выявить типические соотношения возрастов мужей и жен (табл. 6).

Мужья в большинстве случаев старше жен. Так, из 719 мужчин в возрасте 20—24 лет 158 (21%) имеют супруг моложе себя, а 62 (8,6%) — старше. Из 850 жен-Щинвтом же возрасте только 10 старше своих мужей, но в 336 случаях (39,5%) они моложе мужей.

Табл. 7 иллюстрирует использование перекрестной группировки для установления зависимости между предметной областью научного знания и длительностью "долужизни" публикаций (последняя определяется как период сокращения ссылок вдвое сравнительно с первоначальным периодом).

Таблица 6 Перекрестная классификация возраста супругов

Возраст

Возраст жены (лет)

Итого

 

 

 

 

 

 

 

 

 

(чел.)

мужа (лет)

15-19

20-24

35-29

30-34

35-39

10-44

45-19

50-»

 

15-19

42

10

3

 

 

 

 

 

55

20.24

158

504

51

10

1

 

 

 

719

25-29

52

271

184

22

7

2

 

 

538

30-34

5

52

87

69

13

5

 

 

231

35-39

1

12

27

29

21

2

3

 

95

40-44

 

1

9

18

17

8

2

1

50

48-49

1

 

3

в

IS

16

7

1

49

50

 

 

1

4

11

15

21

43

95

Итого

259

850

365

188

47

33

45

1838

(чел.)

 

 

 

 

 

 

 

 

 

Источник: [270. С 801]. Данные по США.

Из таблицы видно, что наибольшим "долголетием" обладают публикации по экономике, наименьшим — в ряде естественно-научных экспериментальных дисциплин и в математике.

Таблица 7

Время "полужизни" публикаций (период, за который число ссылок сокращается вдвое) в зависимости от области знания

 

Наука

 

Время

"полужизни"

(лет)

 

Наука

 

Время

"полужизни"

(лет)

Экономика

33,0

Биология

5,0

География

16,0

Вычислительная

 

Геология

11,8

математика

4,95

Ботаника

10,0-11,8

Физика

3,9-4,6

Химия Математика

8,1 5,42-10,5

Биомедицина

3,0

Источник: [278. С. 96].

Наконец, типичный случай использования перекрестной группировки—поиск тенденции, динамики процесса (табл. 8). Приведенные в табл. 8 данные хорошо иллюстрируются графически (рис. 13).

Таблица 8

Распределение рабочих, занятых в народном хозяйстве СССР, по уровню образования (в % к общей численности занятых)

Уровень образования

Доля рабочих, имеющих данный уровень образования.

1959 г.

1970 г.

1979 г.

1984г.

Высшее, незаконченное высшее, среднее специальное

2

4

9

Полное среднее

6

16

33

82

Неполное среднее

32

39

34

Начальное и более низкое

60

41

24

8

Источник: [270. С. 96].

Эмпирическая типологизация — наиболее сильный прием анализа по описательному плану. Этот метод можно характеризовать как поиск устойчивых сочетаний свойств социальных объектов (или явлений), рассматриваемых в соответствии с описательными 'гипотезами в нескольких измерениях одновременно.

Основную идею подобной типологизации сформулировал применительно к социологии П. Лазарас-фельд. Он ввел понятие "пространство свойств" [360. С. 40—53].

Так, нетрудно вообразить свойства социальной группы в трехмерном физическом пространстве, т. е. в декартовой системе координат. Скажем, свойство А будем откладывать в "высоту", свойство В - в "ширину", а С – в "длину".

В этом трехмерном пространстве следует теперь определить, какова же упорядоченность свойств. Можно ли, допустим, сказать, что слабому выражению свойства А преимущественно соответствует слабое же выражение свойства В и сильное выражение свойства С или все три переменные ведут себя хаотически в отношении друг друга?

Чтобы определить степень упорядоченности свойств, образующих трехмерное пространство, И- А. Таганов и О. И. Шкаратан применили статистический критерий энтропии (Я). При значении Н=1 наблюдается полная упорядоченность состояний трех свойств, при значении Н=0 фиксируется полный хаос.

Указанные авторы провели массовое обследование рабочих для выявления признаков, образующих устойчивые подгруппы рабочих. Всего было исследовано 27 признаков, из которых построено 2925 всевозможных трехмерных сочетаний, и для каждого сочетания рассчитан показатель энтропии. Обнаружилось, что наибольшую упорядоченность связей дают три переменные: профессия, квалификация и образование. Именно они являются свойствами, детерминирующими возникновение неоднородных групп [257].

Более сложная задача — проанализировать степень скопления или рассеяния признаков (свойств) в многомерном пространстве. Такое пространство нельзя наглядно представить в трехмерной системе координат, его можно описать в математических символах. Задачи многомерной эмпирической типологизации свойств решают с помощью математических процедур распознавания образов — таксономии и кластерного анализа, причем в этом случае исходные данные могут быть представлены в упорядоченных (метрических также) или в неупорядоченных шкалах.

Рассмотрим для примера таксономический анализ мигрирующих из села в город и из города в село жителей Сибири [94]. 4 Т. И. Заславская и ее коллеги, впервые применившие метод таксономии к социальным объектам, при массовом обследовании мигрантов фиксировали десятки признаков: пол, возраст, семейное положение, профессию, образование, занятие до и после переезда, направление миграции, район выезда и въезда, цели миграции и т. д. Задача — на основе этих сведений определить, какие крупные половозрастные и социальные группы образуют миграционные потоки из села в город и обратно — из города в село. Выявление подобных социальных типов важно для практической регуляции миграционных потоков.

  • 4 Литература о методах многомерной классификации: 206, 204, 2в4, 259, 260, 264].

Таблица 9 Направление миграционных потоков в различных типологических группах населения

Направление миграции

 

 

Типологические группы (в % к численности группы)

I

II

III

IV

V

VI

Из крупного или среднего города в село

7,3

0,8

0,0

1.2

0,0

3,0

Из малого города в село

8,0

6,6

3,2

10,0

0.0

21,2

Из села в село

47,7

14,6

13,8

41,7

22,8

15,2

Из села в малый

16,2

47,0

35,0

4,1

31,0

22,7

город

Из села в средний или крупный город

20,8

31,0

48,0

42,4

46,2

37,9

В итоге таксономического анализа было обнаружено, в частности, шесть различных групп (таксонов): ( I ) — семейные мужчины и женщины, (И) — неженатые молодые мужчины, ( III ) — молодые девушки и незамужние женщины, ( IV ) — престарелые женщины без мужей, ( V ) — одинокие женщины среднего возраста без специальности, ( VI ) — одинокие женщины, имеющие специальность. Эти таксоны существенно различаются по характеру миграции (табл. 9).

Так, группа семейных ( I ) в основном перемещается из села в село, что также свойственно группе IV (это "бабушки", переезжающие из села в село к взрослым детям). Молодежь (группы II и III ) по преимуществу движется в город, причем девушки больше, чем юноши.

Выделенные здесь типы довольно обобщены. Продолжая таксономический анализ, авторы обнаружили аемало более специфических и относительно малочисленных групп, различающихся по набору свойств.

Интереснейший результат получил А. М. Демидов 5 , который подверг кластерному анализу данные массового опроса россиян в проекте изучения стилей жизни с интервалом в 1 год.

  • 5 Публикуется с согласия автора (ВЯ.)

Исходные данные фиксировали ценностные ориентации, поведенческие установки, образцы поведения, потребительские привычки, восприятия некоторых стандартов жизни.

Весь этот колоссальный по объему и взаимосочетаниям материал был подвергнут кластерному анализу — типологиэа-ции на осаове выявления устойчивых сочетаний множества признаков. Полученная типология поддается интерпретации в пространстве свойств двух векторов: "надежды — разочарования" и "амбиции — пассивность" (рис. 14).

Стили жизни ("со-циостили", как обозначил это автор) образовали следующие кластеры (сочетания свойств): "ретрограды" — характеризуются пассивным восприятием жизни, пессимизмом, разочарованием, ценностной дезориентацией, страхом перед будущим, социальной дезориентацией. Сильно выражены стремление к порядку и стабильности, патернализму, авторитарные тенденции при одновременном недоверии существующим социальным институтам. Преобладают материалистические, меркантильные ориентации, обусловленные в основном тяжелыми условиями жизни;

  • "победители" — также отличаются ценностной дезориентацией, разочарованием, отсутствием социальных надежд и иллюзий. Однако в отличие от "ретроградов" это группа активных амбициозных людей, ориентированных на достижение личного материального успеха без оглядки на общество, социальные ценности и идеологии. Сильно выражены индивидуализм, стремление к личной свободе, неверие в социальные институты. Эта группа ориентирована на быстрое достижение материальных благ без долгосрочной социальной перспективы;
  • "традиционалисты" — как и "ретрограды", характеризуются пассивным отношением к жизни, отсутствием амбиций, скептическим отношением к модернизации общества и социальным новациям. В то же время "традиционалисты" в отличие от "ретроградов" обладают твердой системой традиционных ценностей, верят в общество, социальные институты, глубоко моральны. Этот ценностный потенциал позволяет им более уверенно чувствовать себя в жизни, с большим оптимизмом смотреть в будущее;
  • "новаторы" — как и "традиционалисты", обладают устойчивой системой ценностей, однако это скорее ценности завтрашнего дня, мораль XXI века. Они открыты ко всему новому, верят в общественный прогресс и в общество. "Новаторы" активны, как и "победители", стремятся к успеху, однако в отличие от последних их амбиции не имеют столь эгоцентричного, циничного характера. Моральные ценности преобладают над материальными, социальные надежды и оптимизм — над разочарованиями;
  • "истэблишмент" — представляют собой группу людей, в наибольшей степени разделяющих ценности либерального общества, сочетание индивидуальных свобод и социальной ответственности. Стремление к благополучию, которого они в основном достигли, сочетается с высокими социальными целями и долгосрочной социальной перспективой. По своему образу действия они могут быть как более активны, так и пассивны. Разделяют современные ценности, не отрываясь от традиционных. Отличаются высокой толерантностью, стремлением к гуманистическим идеалам. "Истэблишмент" можно обозначить как наиболее адаптированный к данным социальным условиям тип.

Результаты исследования 1997 г. свидетельствуют о том, что по многим показателям кризис системы ценностей и поляризация общества продолжают углубляться.

По сравнению с 1996 г., еще больше снизилась доля групп населения, находящихся в поле социальных надежд (с 18% в 1996 г. до 12% в 1997 г.), и выросла доля тех, кто находится в поле социальных разочарований (с 81% в 1996 г. до 87% в 1997 г.).

Пропорция социально уверенных сократилась: "традиционалистов" — с 8% в 1996 г. до 5% в 1997г., "новаторов" — с 8% до 6% и тип "истэблишмент" с 2% до 1%.

Российское общество поляризуется на активных "беспринципных" "победителей" 28% в 1996 г. и 30% — в 1997 г. и пассивных потерянных "ретроградов" 53% и 57%.

Сопоставление этого анализа с общеевропейским обследованием по той же методике показало, что средневзвешенные данные по странам Центральной и Восточной Европы свидетельствуют о противоположной тенденции: там на 3% сократилась доля социально разочарованных и соответственно выросла — социально уверенных.

Автор заключает: тенденция социально-ценностной дезориентации, разочарований, социального нигилизма и аномии продолжает усиливаться. При этом растет социально-ментальная база как активных сторонников "нецивилизованного капитализма" ("победители"), так и пассивных сторонников возврата к неким потерянным корням, которые, однако, четко не идентифицируются ("ретрограды").

В исследованиях последних лет Г. А. Сатаров успешно использовал разработанную им технику многомерной эмпирической классификации (кластерный анализ) для изучения расстановки политических сил в Верховном Совете, а позже — Государственной Думе России. На базе информации поименного голосования по принципиальным вопросам может быть представлена типологическая структура политических позиций депутатского корпуса, конфигурации депутатских групп, позволяющая прогнозировать их действия в парламенте [236].

2. Теоретическая типологизация и ее проверка в эмпирическом анализе

Теоретическая (или конструированная) типологи-зация — обобщение признаков социальных явлений на основе идеальной теоретической модели и по теоретически обоснованным критериям. Такая типологизацияг в отличие от эмпирической, есть условие прямой проверки теории путем сопоставления конструируемых типов с эмпирическими свидетельствами соответствия, или уклонений от идеальной модели. Здесь типология отличается от рассмотренной выше, где устойчивость свойств типа находится путем многократного перебора, тогда как в теоретической типологии критерии свойств выявляются путем логического анализа.

В логике существует понятие "идеализированный" (идеальный) объект, которым обозначают реальный объект или целый класс объектов, отраженных в сознании в виде некоторой абстракции, идеальной системы, воспроизводящей его в упрощенном, схематизированном виде [295. С. 151—156].

Идеальная социальная модель строится на основе абстракций двоякого рода: тех, что логически вытекают из более общих теоретических предпосылок — социологических понятий или принципов, а также абстракций на основе наблюдения эмпирических данных. Разумеется, и те, и другие имеют своим основанием реальную действительность. Именно потому, что конструированная таким путем идеальная модель соотносится с системой теоретического знания, она выполняет важные функции включения теории в непосредственный анализ эмпирических данных.

Модель такого рода обладает рядом особенностей: она определяет идеальные (в смысле абстракции) границы социального объекта; включает критерии (или параметры), на основе которых определяется обоснованная в теории устойчивая связь его свойств и характеристик; если параметры, составляющие модель, представляют континуумы, фиксируются также количественные границы идеализированного объекта. 5

  • 5 В данном случае — в понятиях "больше" — "меньше", "сильнее" — "слабее", т.е. в их упорядоченности или дихотомии, путем шкалирования соответствующих операционализированных свойств (см. приводимый ниже пример).

Анализ эмпирических данных, согласно теоретической типологии, предполагает, во-первых, определение частот распределения по каждому типу; во-вторых, изучение отклонений от идеализированных моделей по отдельным параметрам и, если возможно, измерение интенсивности и вероятности этих отклонений [314].

Классический пример идеализированной типологии — типология мотивации социального действия у М. Вебера. В работе "Протестантская этика и дух капитализма" [31] Вебер задается вопросом, что отличает ценностно-мотивационный "синдром" предпринимательства в согласии с этикой протестантизма и путем теоретического анализа наблюдаемых реалий находит, что здесь имеют место:

  • мотивы прибыли, когда добывание денег превращается из средства в самоценную деятельность, цель;
  • аскетизм, исключающий потребление ради удовольствия, наслаждения радостями жизни;
  • рационализм, ответственность, трудолюбие.

Эта типологическая конструкция побудила Э. Хагена сконструировать идеальные типы "инновационной личности" в отличие от "традиционалиста" (личности "авторитарной"). Авторитарный тип сформирован в условиях социального застоя, инноватор — динамичными процессами современного общества [336]. Отсюда — дихотомия характеризующих их черт (которые логически выводятся из теоретического анализа (схема 26).

Исходя из аналогичных рассуждений другой исследователь Алекс Инкелес получил аналогичную типологию путем эмпирической классификации. Инкелес вначале операциона-лизировал свойства традиционной и современной личности, затем изучил их взаимосвязи на больших статистиках исследований в разных странах Европы и "третьего" мира, а затем выявил корреляционные синдромы, достаточно близкие гипотетически заданным [340].

Благодаря развитию компьютерной техники эмпирическая типологизация начала лидировать в социальных исследованиях. Некоторые социологи стали поговаривать о том, что эпоха конструированной типологии минула безвозвратно.

Это вопрос принципиальный. Совпадение идеальной модели с реальным распределением есть способ эмпирической проверки теории, на основе которой конструировалась модель. Здесь проверяются основные посылки относительно системообразующих признаков типа. Теория, в свою очередь, есть объяснение закономерности данного ряда (последовательности) явлений и, следовательно, источник научного прогноза. Например, в исследованиях образа жизни важно проверить ряд гипотез относительно взаимосвязи между производственной и досуговой деятельностью людей.

Согласно так называемой "компенсаторной" гипотезе, люди стремятся возместить в досуге то, что им недоступно в работе. Отсюда следует, что структура досуга работников малоквалифицированного и монотонного труда должна быть более разнообразной, чем работников сложного, разнообразного труда. Если следовать "инерционной" концепции взаимосвязей труда и досуга, то, наоборот, монотонная работа должна сопровождаться аналогичным досугом, а творческая и разнообразная влечет более разнообразный тип досуга. Наконец, следуя гипотезе относительной независимости этих двух сфер человеческой деятельности, мы вообще не обнаружим определенной связи, а вводя поправку на детерминацию отношения к труду и к досугу типом личности (социально обусловленными и индивидуальными свойствами личности), мы должны выявить иные взаимосвязи [249. Гл. IV ].

Очевидно, что каждая из названных гипотез предполагает проверку на основе конструированных типологий и трудовой деятельности (типизация профессионально-квалификационных групп обследованных) и досуговой активности (по критериям разнообразия, избирательности, насыщенности творческой деятельностью). Подтверждение или опровержение такого рода гипотез — указание на некоторую закономерность, тогда как при эмпирической типологизации анализ вполне может ограничиться описанием найденных типов и лишь ретроспективно — их истолкованием в духе названных гипотез. Но убедительность такого истолкования определенно будет недостаточна, так как в этом случае нельзя заранее предусмотреть нужные "идеальные сочетания" свойств, требуемых строгими правилами обоснования теоретического вывода.

Короче говоря, метод теоретической типологизации ведет к объяснению, сформулированному в гипотезах, вытекающих из данной теории, тогда как эмпирическая типологизация допускает лишь описание полученных данных и их интерпретацию, что позволяет формулировать более общие гипотезы, продвигает исследование в сторону разработки теории. В первом слу чае "теория на входе", во втором — "теория на выходе" — как результат анализа эмпирических данных.

3. Поиск взаимосвязей между переменными

Перекрестная группировка по двум и более признакам — прямой путь к обнаружению возможных взаимосвязей между переменными. Для этого нужно составить таблицу определенным образом, например, подсчитать пропорции частот одного признака в зависимости от частот другого. Для неискушенного читателя при изложении результатов социологических обследований разумнее использовать процентные отношения группировок. В научной публикации следует указывать статистические критерии взаимосвязей и их значимости.

Правила процентирования 6 вовсе не так просты, как может показаться неопытному исследователю. Основной вопрос: принимать ли за 100% данные по строке или по столбцу?

  • 6 Подробно эти правила излагает X . Хейман [339]

Это зависит от двух обстоятельств: от характера выборки обследованных и от логики анализа. Выборка может быть либо репрезентативной (выборочная совокупность есть микромодель генеральной совокупности), либо нерепрезентативной. В последнем случае нам как минимум неизвестны пропорции существенных характеристик в генеральной совокупности, или мы знаем, что эти пропорции в выборке не соблюдаются. Возможна двоякая логика анализа "от причин к следствию" или "от следствий к причинам", что определяется гипотезой и содержанием данных.

Если выборка представительна и отражает пропорции изучаемых групп в генеральной совокупности (данного завода, например), тогда можно вести двоякий анализ данных: по логике "от причин к следствию" и "от следствия к причинам".

Рассмотрим пример. Предположим, что 1000 человек, работающих на акционерном предприятии, где акции принадлежат исключительно его сотрудникам, распределились в зависимости от того, участвуют или не участвуют они в технической и организационной модернизации производства, следующий образом (табл. 10).

Таблица 10

Исходная перекрестная группировка данных: статус и участие в инновациях ( N = 1000 чел.)

Статус

Участие в инновациях (чел.)

Итого

 

 

участвуют

не участвуют

 

 

Рабочие

250

455

705

ИГР

140

120

260

Служащие

10

25

35

Итого

400

600

1000

Проведем анализ по логике "от возможных причин — к следствию". Предпосылкой более или менее активного участия в разработке нововведений может быть статус работника, тогда как вовлеченность в дела производства сама по себе не может быть причиной того или иного статуса, это — возможное следствие первого фактора. При таком подходе за 100% следует брать данные по строке (табл. 10, а).

Вывод: наиболее активные инноваторы — ИГР, наименее активные — служащие. Статус инженерно-технических работников способствует их модернизационной активности в большей мере, чем положение служащих или рабочих данного предприятия.

Теперь проведем анализ по логике "от следствия к причинам": 100% суммируются в столбце (табл. 10, б).

С логической точки зрения здесь проверяется гипотеза о вкладе каждой категории работников в разработку нововведения, а не гипотеза об их соотносительной активности. Вывод из табл. 10, б: вклад рабочих — наибольший, так как они преобладают в составе персонала предприятия. Об относительной же активности рабочих по этим расчетам мы судить не можем. 7

  • 7 Имеется в виду, конечно, не значимость, качество предложенных Идей, но их численность. Предложения специалистов-инженеров или администраторов-служащих могут быть более радикальными, чем предложения рабочих.

Итак, ретроспективный и проектирующий анализы предполагают различные по содержанию выводы.

В репрезентативных выборках возможно проценти-рование "по диагонали" таблицы. Например, для табл. 6

Таблица 10, а
Участие в инновациях как следствие статуса работников

Статус

Участие в инновациях (чел.)

Итого

участвуют

не участвуют

Рабочие

35

65

100

ИГР

64

46

100

Служащие

29

71

100

Таблица 10, б
Активность персонала в зависимости от статуса работника

Статус

Участие в инновациях (чел.)

 

 

участвуют

не участвуют

Рабочие

60

76

ИГР

35

20

Служащие

5

4

Итого

100

100

(если данные представительны) можно подсчитать процентные доли всех 47 выделенных в ней сочетаний возрастных характеристик мужей и жен, из чего, скажем, следует, что более всего в изученной совокупности представлены молодые пары в возрасте 20—24 лет, каковые составляют около 55% от всех пар (504:1838/2= =0,55), среди 50-летних и старше супружеские пары одного возраста составляют лишь 5% и т. д.

Если выборка нерепрезентативна, процентирование можно вести только в рамках каждой подвыборки раздельно. Обычно такие подвыборки образуют по признакам, являющимся возможными причинами искомых связей: половозрастные, имущественные, этнической принадлежности, шкалы по уровню образования, другим объективным характеристикам социального статуса, места проживания и т. д. Здесь несоответствие долей выборок реальному распределению определенных групп в генеральной совокупности не исказит вывод (логика табл. 10, а). В противном же случае (по логике табл. 10, б) достоверность вывода будет прямо зависеть от представительности выборки.

Наконец, в случаях, когда представительность перекрестной классификации в принципе нельзя установить (например, о ценностных ориентациях и политических взглядах, отношений к партиям, где распределение в генеральной совокупности заранее вообще неизвестно), расчет процентов допустим в обоих направлениях и по диагонали с условием, что установленные связи требуют дополнительной проверки, ориентировочны. Для такой проверки используют систему так называемых контрольных (опосредующих) переменных.

Анализ взаимосвязи двух переменных с помощью контрольного (опосредующего) фактора — прием, используемый для того, чтобы установить прямые и опосредованные, причинные и сопутствующие связи, а также уточнить их напряженность. Рассмотрим три вымышленных примера, в которых проиллюстрируем основные логические проблемы этого метода. 8

  • 8 Задачи этого класса применительно к социологии были впервые сформулированы в 40-е гг. П. Лааарсфел ьдом и П. Кен дал л и получили в дальнейшем более полное логическое обоснование в работах X . Хеймана [339. С. 286—295].

Пример 1. Надо определить, имеется ли связь между интересом людей к познавательным программам телевидения (обозначим как фактор П) и к развлекательным программам (фактор Р). Для установления взаимосвязи между этими явлениями используем простейший показатель — коэффициент ассоциации двух качественных переменных по Юлу. Чтобы подсчитать коэффициент ассоциации Юла, достаточно фиксировать наличие (+) или отсутствие (-) каждого из двух сопоставляемых качеств А к В.

Построим двухмерную классификационную таблицу (схема 27).

Коэффициент ассоциации Юла ( Q ) высчитывается по формуле; Q =( ad - cb )/( ad - с b ), где (схема 25) часто ты а, b , с, d обозначают наличие или отсутствие признака П или Р. Свойства коэффициента: 1> Q >-1; Q =0, если какая-либо из частот (а, b , с или d ) равны 0. При значении коэффициента существенно выше или ниже 0 при некотором доверительном интервале (допустимой ошибке) связь имеется.

Допустим, что в нашем примере наблюдается такое распределение (условные числа).

Схема 27
Модель перекрестной группировки двух дихотомических признаков ПиР для расчета коэффициента ассоциации Юла ( Q )

P x +

Р x -

п +

а

И

п-

с

d

Между П и Р обнаружена весьма высокая связь.

Однако эта связь может быть лишь видимостью. Введем контрольную переменную — уровень образования телезрителей (обозначим О) — и получим две двухмерные таблицы: для лиц с высоким (0+) и низким (О~) уровнем образования (табл. 11, а). Подсчитаем коэффициент Юла для таблиц 11, аи 11, б:

Таблица 11
Взаимосвязь интересов телезрителей к познавательным (П) и развлекательным (Р) программам

р x +

Р x -

П+

410

130

540

П -

130

410

540

540

540

1080

Таблица 11, а
Взаимосвязь интересов телезрителей к познавательным (П) и развлекательным (Р) программам раздельно для имеющих высокое образование (О+) и низкое образование (О~)

О+

О-

П+

П -

 

 

П +

П-

Г

400

80

480

Р*

400

80

480

р-

50

10

60

Р-

50

10

60

Таблица 11, б
Взаимосвязь между уровнем образования (О) и интересом к познавательным программам (П), между уровнем образования и интересом к развлекательным программам (Р)

П +

П -

П+

П -

О +

450

90

540

О +

480

60

640

О -

90

450

540

О -

во

480

540

540

540

1080

540

540

1080

Связи между признаками П и Р в производных таблицах, выравненных по образованию, не обнаружено. Между тем в исходной табл. 11 связь высокая. Остается предположить, что П и Р зависят от уровня образования, но независимы относительно друг друга. Проверим это предположение, сгруппировав данные так, чтобы выявить связи между контрольным фактором (О — образование) и каждым из первоначальных (П и Р) (табл. 11, б). Видно, что связь между образованием и интересом к программам познавательных передач такая же, как между образованием и интересом к развлекательным программам, высока.

Здесь действует следующее правило: если введение контрольной переменной уменьшает связь между двумя исходными переменными, но связь между контрольной переменной и каждой из исходных достаточно высока, то контрольная переменная выступает либо в качестве интерпретирующей, либо в качестве объясняющей. Различие же между интерпретацией и объяснением состоит в следующем. Интерпретация — способ истолкования факторов, рассматриваемых как посредствующие переменные какого-то процесса, причины которого неясны. Объяснение суть истолкование ряда факторов, рассматриваемых в качестве причинных.

Чтобы иллюстрировать метод обнаружения интерпретирующей и объясняющей связи, рассмотрим другой пример, используя ту же логику рассуждения и те же цифровые данные.

Пример 2. Обозначим Пр профессию телезрителей (Пр и Пр2 — это две группы профессий). И+ наличие, И~ отсутствие интереса к определенным программам. Для таблицы 11» используя те же данные, что в табл. 10, связь равняется 0,82 по коэффициенту ассоциации Юла ( Qnp . K = 0,82).

Введем контрольную переменную О — образование. Перестроив таблицы, как в предыдущем случае, найдем, что в производных связь потерялась: при фиксированном уровне образования не обнаруживается связи между профессией и интересом к передачам определенного типа. Иначе говоря, люди с высшим образованием — инженеры, врачи, учителя — примерно одинаково интересуются передачами данного класса. Рабочие, продавцы магазинов, служащие учреждений, не имеющие высшего образования, также обнаруживают большую схожесть в отношении к телепрограммам этого класса.

Как и в предыдущем случае, введение контрольной переменной снизило (или в нашем условном примере свело к нулю) связь между исходными факторами. Однако заключение во втором случае будет отличаться от вывода, который следует из первого примера.

В первом примере образование предшествует интересу телезрителей к развлекательным или образовательным программам и потому объясняет связи так: между интересом к развлекательным и образовательным программам существует связь сопутствия, ибо, не будучи прямо связанными между собой, обе эти разновидности интересов связаны с третьим фактором — образованием, которое и является причинной переменной. Логика объяснений связей между П и Р через О:

Во втором примере контрольная переменная (образование) не предшествует, но действует одновременно с одной из основных переменных (профессия). В этом случае она опосредует связь между основными факторами и уточняет, интерпретирует ее: дело не столько в профессии, сколько в образовании. Логика объяснений связей между П и И через О:

Пр--- О --- И

Пример 3. Возможна ситуация, когда связь между двумя исходными переменными после введения контрольной не исчезает и не уменьшается, но она исчезает между одной из исходных переменных и контрольной. Рассмотрим этот вариант на условном примере с телезрителями.

А — интерес телезрителей к программам "Что, где, когда?"; В — их интерес к программам "В мире животных". Контрольная переменная (О) — образование.

Имеем серию из трех типов таблиц: исходная, промежуточная и итоговая. Первичная связь такова.

Таблица 12
Взаимосвязь между интересом телезрителей к двум типам программ А и В

 

В +

В -

 

А +

400

600

1000

А -

100

100

200

 

500

700

1200

Стратегия социологического иследования

Между интересом к передачам "Что, где, когда?" и "В мире животных" есть незначительная связь в пользу второй ( Q =-0,20). Введем контрольную — образование (Табл. 12, а)

Связь усиливается: люди с высоким образованием проявляют больший интерес к передачам "Что, где, когда?", люди с низким образованием больше интересуются циклом "В мире животных". Перестроив таблицы, рассмотрим теперь связи между образованием и интересом к двум типам передач последовательно (табл. 12, б).

Оказывается, что связи между образованием и интересом к программам "Что, где, когда?" (фактор А) нет: люди смотрят или не смотрят эти программы независимо от уровня образования.

Здесь действуют какие-то иные факторы помимо образования. Правда, есть незначительная связь между уровнем образования и интересом к передачам "В мире животных" (фактор В).

Этот тип анализа можно назвать спецификацией, или уточнением, в отличие от анализа по логике объяснения, или интерпретации.

Во всех рассмотренных примерах мы имели дело с тремя переменными. Однако их могло бы быть и больше. Логика анализа при этом остается прежней, меняется лишь численность промежуточных членов в порядке анализа вследствие добавления новых контрольных факторов. Аналогична стратегия поиска взаимосвязей между более чем тремя, притом не дихотомическими, а многочленными качественными или количественными переменными. Принципиальное отличие — в технике анализа.

Вместо измерения ассоциации двух переменных с помощью критерия Юла или Пирсона устанавливаются многофакторные функциональные связи (корреляции) и связи детерминации (регрессионный анализ). Приемы такого анализа рассматриваются в специальной литературе по статистике и математическим методам в социологии [см., напр., 79, 160, 199, 285, 266].

Анализ многомерных взаимосвязей и взаимозависимостей — типичная задача в социологии. Как правило, такие зависимости не удается "схватить" сразу каким-то единственным математическим методом. Прибегают к различным средствам анализа в поисках наиболее "наглядного", убедительного отображения. Один из способов такого рода — метод отображения взаимосвязей в корреляционном графе, предложенный эстонским математиком Л. Выханду [40].

Граф — это фигура, состоящая из точек (их называют вершинами графа) и отрезков, соединяющих некоторые из этих точек (ребра графа). О графе мы уже упоминали, рассматривая социометрические процедуры. Изображение связей в группе с помощью сопрограммы есть граф (рис. 12, с. 316). В социограмме указываются вершины графа (члены группы) и связи между ними (ребра графа).

Бели бы удалось измерить корреляции или тесноту связей между всеми членами группы (вершинами) и соответственно этому выделить наиболее близкие и наиболее отдаленные связи, такое изображение можно было бы назвать корреляционным графом.

Чтобы построить корреляционный граф, измеряют парные связи между всеми переменными, обозначенными на графе как его вершины. Например, имея пять переменных А, В, С, I ) и Е, покажем, как связана каждая из них с каждой другой в матрице интеркорреляций (табл. 13).

Таблица 13
Матрица интеркорреляций пяти переменных (А, В, С, D , Е)

А

В

С

D

Е

А

1

0,96

0,90

0,01

0,06

В

0,96

1

0,15

0,85

0,95

С

0,90

0,15

1

0,02

0,14

D

0,01

0,85

0,02

1

0,60

Е

0,00

0,95

0,14

0,60

1

Связи между выделенными переменными можно описать графом, изображенном на рис. 16.

Между вершинами Л, В и С существуют взаимосвязи

Кл*=0'96» Клс=0>9°; квс=0'15* Связь RBC можно опустить, так как она намного слабее ("длиннее"), чем связь С и В через вершину А.

Рис. 16. Корреляционный граф по методу Выханду

Иными словами, переменная А является для В и С либо объясняющей, либо интерпретирующей (В и С связаны как сопутствующие).

Иная связь между вершинами В, D и Е. Все они взаимодействуют на уровне R более 0,60. Но каждая из них связана с вершиной С очень слабо (от 0,02 до 0,14, в графе эти связи опущены). В является промежуточной между А, с одной стороны, Е и D — с другой, так как связи ЕсА гораздо слабее, чем их связи с В, которая, в свою очередь, тесно связана с А

В корреляционном графе отображаются лишь те связи между вершинами, которые соединяют их кратчайшим путем (т. е. являются наиболее тесными), и опускаются другие, менее тесные связи. На языке теории графов [22] это означает, что мы разрываем замкнутые дуги и оставляем только те ребра, которые связывают вершины наиболее тесно.

Поиск скрытой (потентной) структуры взаимосвязей множества переменных. Эффективная процедура для достижения этой цели — факторный анализ 9 [145,148, 151, 210]. Сначала устанавливаются парные

9 Приемы факторного анализа были разработаны психологами и первоначально использовались для выявления структуры интеллекта, а затем — для дифференцирования разнообразных психических свойств, корреляции всех изучаемых переменных, а затем отыскиваются своего рода корреляционные плеяды или "узлы" связей. Иными словами, выделяют такие переменные, которые, будучи наиболее тесно взаимосвязаны в рамках своей плеяды, слабо связаны с другими корреляционными узлами. Выявленные "узлы" и есть факторы. Название фактора всегда условно и подбирается по ассоциации с теми переменными, которые наиболее сильно связаны с данным фактором — имеют наибольшие "факторные нагрузки".

Приведем пример (табл. 14) из нашего исследования отношения рабочих к труду (1976 г., Ленинград), в котором факторному анализу подвергнуты оценки удовлетворенности различными элементами производственной ситуации (более 4 тысяч рабочих разного характера труда) [233. С. 146—147].

Из табл. 14 видно, что первый фактор до вращения вобрал в себя с положительными значениями все изучаемые связи, исчерпав почти четверть их вариации. Это показатель объяснительной "силы" фактора, равной в данном случае 23,4%. Наиболее значимы в данном факторе оценки организации труда (0,707), состояния оборудования (0,609), отношений с администрацией (0,647), техники безопасности (0,653), а наименьшие связи обнаруживают оценки содержательных аспектов работы: ее разнообразия (0,213), возможности проявить смекалку (0,272) и т. п. Так как в генеральном факторе все изучаемые признаки взаимосвязаны, его можно назвать фактором общей удовлетворенности, в котором лидируют оценки условий труда.

Второй фактор, объясняющая сила которого в два раза меньше (12,8%), — биполярный: одни оценки вошли в него с положительными значениями (содержательные аспекты работы, например разнообразие, возможность проявить смекалку), а другие (условия труда) — с отрицательными. Это указание на то, что имеются две подструктуры связей, которые могут быть прояснены операцией вращения факторов.

После вращения четко обозначились две структурные составляющие: 1-й фактор (достаточно информативный — 21,4%) — фактор условий труда, так как в нем с высокими фиксированных специальными тестами. Сегодня факторный анализ прочно вошел в арсенал методов социологических исследований.

Таблица 14

Факторная матрица оценок рабочими уровня удовлетворенности различными элементами производственной ситуации (N=4121)

Оцениваемые элементы производственной ситуации

Факторные нагрузки

до вращения факторов

после вращения факторов

I

II

I

II

1. Разнообразив работы

0,213

0,610

—0,072

0,642

2. Важность продукции

0,352

0,482

0,109

0,587

3. Возможность проявить смекалку

0,272

0,096

—0,056

0,745

4. Возможности повышения квалификации

0.3SO

0,478

0,118

0,586

5. Физическая нагрузка

0,275

0,070

0,236

0,191

6. Сменность

0,336

0,134

0,245

0,260

7. Состояние оборудования

0,609

—0,302

0,680

—0,009

8. Организация труда

0,707

—0,311

0,771

0,026

9. Ритмичность работы

0,541

—0,249

0,595

0,009

10. Санитарно-гигиенические условия

0,597

—0,267

0,653

0,018

11. Техника безопасности

0,653

—0,189

0,670

0,112

12. Отношения с администрацией

0,647

—0,052

0,60.6

0,233

13. Заработок

0,415

0,019

0.366

0,196

14. Отношения с товарищами по работе

0,410

0,294

0,242

0,443

Общая информативность, "объяснительная сила" фактора ( v )

23,4

12,8

21,4

14,8

 

 

36

2

36

2

положительными нагрузками присутствуют оценки удовлетворенности именно условиями труда, 2-й фактор (14,8%) — фактор удовлетворенности содержательными аспектами работы. При этом в рамках отношения к содержанию труда лидирует творческий аспект — возможность проявить смекалку (0,745), отношение к разнообразию работы (0,642), удовлетворенность тем, насколько важна выпускаемая продукция (0,587), каковы возможности повышения квалификации (0,586). Во втором факторе особо важны организация труда, состояние оборудования, санитарно-гигиенические условия, ритмичность работы и некоторые другие (все с весами около 0,6).

Далее на основе обнаружения этих двух структур начнем разукрупнять факторную модель на более дробные составляющие, каждому обследованному могут быть приписаны оценки по двум интегральным показателям (двум факторам): удовлетворенности условиями и содержанием труда. Таким образом, будут получены два обобщенных показателя на каждого обследуемого вместо 14 исходных.

Обратим внимание на то, что те же самые признаки, которые входят в первый фактор с одинаковыми по знаку весами, во второй фактор вошли с противоположными по знаку. Иными словами, это значит, что, судя по первому фактору, чем выше удовлетворенность условиями труда, тем выше удовлетворенность его содержанием, судя же по второму фактору — ситуация иная: с ростом удовлетворенности одним из этих аспектов удовлетворенность другим снижается. Такой результат совсем не случаен. В цикле специальных исследований В. С. Магун показал, что подобный дуализм типичен для взаимосвязей между разными парами социологических и социально-психологических переменных, например, между продуктивностью работника и его удовлетворенностью своим трудом. Но, кроме того, было убедительно продемонстрировано, что в подобных результатах нет противоречия, ибо разные типы взаимосвязей характерны для разных подвыборок внутри рассматриваемого массива, и подвыборки эти могут быть выделены на основе полученных факторов [147; 148]. 10

  • 10 См. также использование факторного анализа при исследования социальной идентификации личности [308], изучение латентной структуры страхов и тревог граждан России в 1996 г. [309].

4. Социальный эксперимент как метод проверки научной гипотезы

Социальный эксперимент выполняет две основные функции: достижение эффекта в практически-преобразовательной деятельности и проверка научной гипотезы. В последнем случае процедура экспериментирования целиком сосредоточена на познавательном результате. Эксперимент выступает в качестве самого сильного способа проверки объяснительной гипотезы. В первом же случае эксперимент нацелен на получение практического эффекта управления некоторыми процессами. Познавательные результаты представляют здесь побочный продукт управленческого эффекта.

Экспериментальный поиск эффективных приемов управления опасно смешивать с тем, что мы обычно называем передовым опытом. Нововведения вообще не относятся к сфере научного экспериментирования, а к области практического применения нововведений. Здесь возникают многообразные социально-экономические, политические, социально-психологические, организационно-хозяйственные проблемы, часто далекие от логики осуществления эксперимента с научно-познавательными целями. 11

  • 11 О проблемах социального эксперимента см. [66,132, 133,228]; логика и процедуры социального эксперимента описаны также в работах; [60, 134, 181]. Наиболее обстоятельно методология эксперимента в социологическом исследовании рассматривается в последней публикации Г. С. Батыгина [12. Гл. VI ].

В дальнейшем мы будем иметь в виду только научно-познавательную сторону социального эксперимента как средства или метода проверки гипотез.

Логика экспериментального анализа была пред. ложена Дж. Стюартом Миллем еще в XIX в. По так называемому правилу согласия Милля устанавливают связь между двумя (или больше) рядами событий, которые рассматриваются как гипотетические причины, и, с другой стороны, событием как возможным следствием причинных факторов.

Если в одном ряду фиксируются события А, В, С, D и как следствие — Р, а в другом ряду М, С, K t L и как следствие — снова Р, то причиной события Р является, видимо, С. Все остальные встречаются в одном ряду, но не встречаются в другом. Правило различия Милля используется для проверки гипотезы в обратном порядке: "не-С" должно повлечь за собой событие "не-Р", что логически очевидно. Рассмотрим это на примере.

Гипотеза "Сокращение числа кинопосещений на каждую 1000 жителей Петербурга за последние годы (Р)" может объясняться: A t — распространением телевидения (С а ); Л 2 — снижением художественных достоинств фильмов (С 2 ); h a — ростом запросов кинозрителей (С 8 ); А 4 — расширением строительства жилищ по периферии города, где недостаточно кинотеатров ( NJ ... Каковы операции по проверке гипотезы й : ?

  • (а) Возможно, что Р имеет место (число кинопосещений падает), но С^ отсутствует (не растет число владельцев телевизоров). Тогда по методу согласия Милля гипотеза отвергается.
  • (б) C t имеет место (растет число владельцев телевизоров), а Р иногда имеет место (в некоторые годы сокращается число кинопосещений), иногда не имеет (в другие годы не уменьшается число кинопосещений). Тогда по методу различия следует, что С, не может быть причиной Р. Гипотеза отвергается.
  • (в) Р имеет разные вариации (растет или сокращается число кинопосещений), но они не согласуются с вариациями С 1 (число владельцев телевизоров тоже колеблется, но не ассоциируется с колебаниями Р). Гипотеза отвергается.
  • (г) Р имеет место, и С 1 имеет место (сокращается число кинопосещений, и растет число телевладельцев). Гипотеза принимается, но возникают следующие сомнения: возможно, здесь — сопутствующие изменения, т. е. какая-то третья переменная ведет к росту численности телевладельцев и вместе с тем — к падению числа кинопосещений. Например, расширение рынка видеоаппаратуры и видеофильмов для домашнего просмотра (Л 5 ).

Таким образом, гипотеза Л 1 не является альтернативой гипотезы А 4 , так как последняя объясняет события более полно.

Проверяем гипотезу Л 4 . Согласно ей, ожидаем, что процент владельцев телевизоров в новых районах города выше, чем в центральных, и одновременно численность кинотеатров в новых районах в пропорции к числу жителей меньше, чем в центральных. Если по той же логике, что и в случае с гипотезой h lf гипотеза А 4 подтверждается, остаются непроверенными другие объяснения, изложенные в гипотезах Л 2 , А 3 , .... Л 5 .

Такова общая логика экспериментального анализа. Она реализуется в натурном и мысленном экспериментах.

Натурный эксперимент предполагает, вмешательство экспериментатора в естественный ход событий. Мысленный эксперимент — это манипулирование с информацией о реальных объектах без вмешательства в действительный ход событий. Пример мысленного экспериментирования как раз и был рассмотрен выше.

При одинаковой логике поиска причинно-следственных связей процедуры натурного и мысленного экспериментов различны.

Натурный эксперимент 12 может быть контролируемым и неконтролируемым.

  • 12 C оциологи называют его также "полевым экспериментом"

Мы ожидаем, например, что изменение в системе оплаты труда (С) повысит его производительность (Р). В натурном эксперименте вводится новая система организации труда и оплаты, окажем, бригадный подряд (С) в двух бригадах. Во всех прочих отношениях бригады различаются (по составу рабочих, по характеру труда и т. п.). Если после введения новой системы организации и оплаты труда в обеих бригадах повышается производительность, мы относим это изменение за счет влияния общего для обеих бригад изучаемого фактора (С), так как другие факторы не согласуются с повышением производительности: в одной бригаде они имели место, в другой — нет (правило согласия).

Проверка такого заключения возможна на третьей (контрольной) бригаде. В ней новая система организации и оплаты не вводится. По правилу различия мы ожидаем, что производительность труда останется здесь на прежнем уровне, т. е. не-С влечет как следствие не-Я.

В данном рассуждении мы пренебрегаем прочими условиями, которые различны для обеих бригад. Между тем они могут оказать существенное влияние на итог эксперимента. Например, в первой бригаде случился простой из-за неполадок в электроснабжении, но зато был опытный бригадир, прекрасно организующий работу в течение всего периода эксперимента. Во второй бригаде простоев не было, но бригадир — неопытный организатор. Здесь положительное влияние опытного бригадира в одном случае и отсутствие простоев во втором уравновесились отрицательным влиянием простоя в первой бригаде и неопытности руководителя во второй. Но могло оказаться и по-другому: в экспериментальной бригаде прочие факторы мешали повышению производительности, а в контрольной — содействовали. Получается, что изменение системы организации труда и оплаты не дает эффекта. Однако мы не можем сделать такое заключение, так как в данном эксперименте было много неконтролируемых факторов.

В неконтролируемых экспериментах познавательный результат достигается путем достаточно большого числа повторных опытов так, чтобы по теории вероятности неконтролируемые факторы при взаимном наложении погашались и не оказывали бы влияния на воздействие экспериментального фактора. Число повторных попыток определяется статистически, например, при помощи критерия Стьюдента — % 2 , который должен быть незначим, т. е. фиксирует близость взаимосвязей причинных факторов и следствий.

Более строгие данные могут быть получены в контролируемом натурном эксперименте.

Контролируемый (валидный) эксперимент представляет попытку получить относительно чистый эффект воздействия экспериментальной переменной. С этой целью предпринимается тщательное выравнивание прочих условий, которые могут исказить результат влияния экспериментального фактора.

Выравнивание условий относится ко всем объектам, участвующим в опытах: экспериментальным и контрольным. Возможны (как мы далее увидим) эксперименты без контрольного объекта, повторяющиеся несколько раз. Тогда выравниванию подлежат условия экспериментальных объектов в каждой серии опытов.

Прежде чем приступить к выравниванию условий, надо выделить характеристики, предположительно влияющие на ожидаемое следствие. Это требует тщательного предварительного анализа проблемы при разработке программы исследования. Если выявлено, что возможные "возмутители" чистого эффекта суть А, В, С, D , E , то все они потенциально представляют собой экспериментальные переменные. Но в каждом отдельном опыте проверяется воздействие одного из выделенных факторов, и тогда все остальные подлежат выравниванию.

Именно так мы и действовали выше (табл. 11, 12) при мысленном экспериментировании с телезрителями. Чтобы проверить влияние интереса к передачам типа П на интерес к передачам типа Р, мы выравнивали группы обследованных по уровню образования, выделяя в одну подвыборку лиц с высоким образованием (О + ), а в другую — с низким (О~).

Точно так же поступают и в натурных контролируемых экспериментах. В первую очередь выравнивают (сопоставляют) основные параметры общей социальной ситуации, такие, как тип поселения, область производства, этническая и культурная среда, временной интервал и другие характерные особенности, равноприло-жимые ко всем объектам изучаемого процесса. (Это особенно важно при организации широкомасштабных социальных экспериментов.)

Основные приемы выравнивания индивидуальных характеристик в случае, когда единицы наблюдения — индивиды, следующие.

(1) Точечное выравнивание применяют в опытах с малыми группами (например, рабочие бригады или школьные классы). Процедура сводится к подбору индивидов в подлежащих выравниванию группах по единым признакам, выделенным как существенные. В примере на испытание эффекта новой системы оплаты труда существенны (при условии одинаковости общей экономической ситуации, формы собственности и т. п.): (а) профессия рабочего, (б) квалификация, (в) стаж работы по профессии, (г) возраст, (д) семейное положение, (е) пол... Тогда при выравнивании в основной и контрольной сериях каждому рабочему в первой серии должен быть найден аналог во второй, третьей сериях и т. д. Иванову — токарю III разряда, с трехлетним стажем, 28 лет, женатому и имеющему ребенка, должен соответствовать Петров — токарь с аналогичными данными.

Очевидно, что такой прием очень сложен. Он используется в лабораторном эксперименте и крайне редко — в полевых исследованиях. 13

  • 13 Н. В. Ядов применил точечное выравнивание при сравнительном изучении социальных установок полярников и специалистов аналогичного профиля, работающих в обычных, а не экстремальных условиях. Из выборки в 1000 инженеров, обследованных но разным показателям их установок и ориентации в работе инженера, было отобрано 40 человек, аналогичных выборке инженеров-полярников так, что каждому из выборки полярников отыскивался "аналог" по возрасту (соответственно жизненному опыту), образованию в, конечно, полу (все мужчины). Выводы из исследования свидетельствуют о влиянии групповой изоляции на отношение к типичным для работы инженера условиям труда и отношениям в коллективе [307].

(2) Частотное выравнивание предполагает сопоставление существенных признаков в пропорциях, средних величинах, суммарных индексах и т. п. на группу в целом. В нашем примере это выглядит так, как показано в табл. 15.

Таблица 15
Частотное выравнивание индивидуальных характеристик в контролируемом эксперименте (в %)

Характеристика, подлежащая выравниванию

Группа

 

 

экспериментальная

контрольная

Профессия

Токарь

40

40

Слесарь

50

50

Наладчик автоматов

10

10

Итого

100

100

Квалификация

II разряд

5

5

III разряд

66

65

IV разряд

30

30

Итого

100

100

Существенный недостаток частотного выравнивания — опасность контрастных сочетаний выделенных в пропорциях характеристик, что может значительно исказить эффект выравнивания. Представим себе, что в первой группе токари имеют преимущественно IV разряд, а слесари — II разряд, тогда как во второй, наоборот, токари II разряда, но слесари — IV . К тому же в одной группе большинство наладчиков — молодежь, а во второй — рабочие среднего возраста, хотя пропорции молодых и старших рабочих в целом по каждой группе выдержаны строго.

  • (3) Выравнивание по квоте, применимое и в больших выборках, помогает устранить недостатки предыдущего приема. В этом случае сопоставляют группы по пропорциональному представительству признаков, взятых, однако, в жестких сочетаниях (квота), как показано в табл. 16.
  • (4) Случайно-механическое выравнивание используется при массовых экспериментах, на крупных объектах, когда отбор индивидов производится по правилам случайной бесповоротной выборки. Данный прием, однако, не годится для небольших групп.

Разновидности контролируемых натурных экспериментов — рандомизация 14 .

  • 14 Рандомизация (от англ, random — случайность) позволяет устранить или минимизировать воздействие неконтролируемых "случайных" факторов. Д. Кэмпбелл [134. С. 307] выделяет 16 разновидностей социальных экспериментов, в основном рандомизированных, особенно останавливаясь на мысленных или квазиэкспериментальных процедурах. Мы используем здесь более простую схему классификации контролируемых экспериментов, заимствованную из работы [377. С. 108— 122]. 14

Введем следующие условные обозначения основных параметров экспериментальной процедуры: х — экспериментальная переменная (испытываемый фактор, который также обозначают как "независимую'* переменную); К -— неконтролируемые переменные (ии в одном эксперименте не удается полностью контролировать все условия» поэтому остается влияние неучтенных факторов); PJ — состояние объекта до введения экспериментальной переменной, измеренное по какой-то процедуре; Р2 — состояние объекта в конце эксперимента, после введения переменной х, d — наблюдаемое в итоге эксперимента изменение.

Рассмотрим простейший вариант экспериментирования с контрольным объектом.

(1) Эксперимент типа "до после" с одним контрольным объектом — обычный вариант социального экспериментирования (схема 28).

d =( P t P 2 )—( jP ' 2 — P \), и тогда изменение представ-ляет функцию экспериментального фактора плюс влияние неконтролируемых условий, т.е. d = f ( x + К—К'). Бели же неконтролируемые условия в обеих группах выравнены (перестали быть неконтролируемыми),т. е. К=К\, тогда d = f ( x + K - K ')= f ( x ) Практически ни в одной серии не удается целиком устранить воздействие К. Поэтому следует повторять экспериментирование до тех пор, пока не будет получен статистически устойчивый результат. Иными словами, К к К' будут выравнены на основе закона больших чисел.

В примере с испытанием эффективности новой системы оплаты труда следует поступить так: (1) а опытной и контрольной бригадах выравнятъ общие и специфические характеристики, предусмотренные программой; (2) осуществить эксперимент (первая серия) и замерить итоги; (3) повторить опыт на двух других бригадах, выравненных по тем же процедурам, и сопоставить данные с итогами первой серии; (4) продолжать испытания на новых группах парных бригад до тех пор, пока не зафиксируем: (а) устойчивое показание для (Р 2 — P t ) и для (Р 2 *—Р^), а также (б), несущественные отклонения в величинах итогового сравнения по каждой серии ( d ). Понятно, что чем больше будет осуществлено испытаний, тем надежнее результат эксперимента.

(2) Эксперимент типа "до—после" без контрольного объекта. В этом эксперименте логика анализа упрощается следующим образом: d = P 2 - P ,, т. е. d = f ( x + К)

Повторные опыты покажут, насколько полученный результат устойчив.

Все другие варианты построения натурного социального эксперимента связаны с попытками устранить возмущающее влияние "эффекта первого замера". Такой эффект имеет место в том случае, когда используются опросные методы или наблюдение. Это способно вызвать реакцию людей, связанную с вмешательством исследователей в естественный ход событий. 15

15 В классическом хоторнском эксперименте, проведенном Л. Мэйо, сам факт интереса исследователей к работницам экспериментального участка вызвал эффект повышения удовлетворенности работой.

В медицине подобный эффект именуют эффектом "плацебо". Контрольной группе испытуемых вместо лекарства предлагают нечто имитирующее его (например, обычные витамины). Эффект действия лекарства определяется путем сравнения результатов "лечения" витамином и терапии подлинным лекарством, испытываемым по схеме рандомизации групп пациентов.

Мне пришлось участвовать в таком эксперименте в качестве исследователя эффекта "внушающего" действия лекарств западных фирм в сравнении с отечественными. Пациенты контрольной группы чувствовали "облегчение" после приема витамина С, на этикетке которого была наклейка сильного обезболивающего. Однако статистическая значимость различий лабораторных данных между экспериментальной и контрольной (плацебо) группой была существенна, тогда как субъективно она оказалась на 25% меньше [369, С. 65—69].

Представим, что мы хотим изучить влияние новой системы подрядной организации труда не только на его производительность (объективные показатели), но и на состояние удовлетворенности работой или уяснить, как изменится структура мотивов трудовой деятельности. В таком случае надо воспользоваться опросным методом до и после введения новой системы организации.

В результате первого опроса по шкале удовлетворенности существующей системой организации труда у рабочих возникает психологическая установка, позитивная или негативная в отношении к последующему ходу событий. Одни из желания "помочь" экспериментатору при повторном опросе—теперь уже об отношении к подрядной организации — покажут завышенные оценки удовлетворенности; другие из чувства противоречия могут занизить их.

В таком случае при эксперименте "до — после" с контрольной группой (тип 1) итог опыта выглядит как функция первичных замеров неконтролируемых факторов и, наконец, собственно экспериментальной переменной, т. е.

Способы минимизации влияния К мы уже знаем. Будем пытаться устранить возмущающее воздействие первых замеров (Р^ и Р\).

(3) Эксперимент типа "только после" с контрольным объектом (схема 28).

Очевидно, что, поскольку мы избежали первого замера, реактивное воздействие, связанное с вмешательством экспериментатора (исследователя), упразднено. При этом, конечно, сохраняются все требования к выравниванию условий и к повторным сериям для получения устойчивого результата.

(4) Эксперимент типа "якобы до—после" с контрольной группой (схема 30).

В этом эксперименте, хотя первый замер на контрольной группе осуществлялся, он не влияет на результат, так как не было вторичного замера.

Разница между экспериментами типа (3) и (4) в том, что в последнем нам не потребуется искать объект (бригаду), на котором не вводится новая система организации труда, так как в контрольной группе испытуемая переменная может быть или не быть — она не влияет на итог. Практически это важно, так как экспериментирование с людьми всегда имеет моральный аспект. Так, введение новых условий труда на всем предприятии, за исключением одного цеха, может быть воспринято как дискриминация.

Далее возможны такие эксперименты с двумя и тремя контрольными группами, в одних из которых вводятся экспериментальные условия, в других — нет. Эти весьма сложные построения позволяют получить более чистый эффект, благодаря многократным контрольным операциям в каждой серии, и, следовательно, дают возможность сократить число самих серий.

Рандомизация с использованием значительного числа экспериментальных и контрольных объектов (групп, организаций) позволит "гасить" влияние неконтролируемых (фоновых) воздействий, если они не являются систематическими. Тогда экспериментальный эффект оценивается обычным исчислением значимости различий средних по критериям состояния "до — после" на экспериментальных и контрольных объектах.

Трудности натурного эксперимента многообразны, и затрагивают они не только процедурные, но и моральные аспекты. Правда, и первых проблем более чем достаточно для объяснения, почему натурное социальное экспериментирование именно в научных целях (не ради практического эффекта) предпринимается весьма редко.

Основное требование любого научного эксперимента — устранение неконтролируемых факторов. Дж. Милль вовсе отрицал возможности научного экспериментирования в социальной сфере из-за трудностей выравнивания многочисленных переменных.

Своеобразным полигоном социальных экспериментов стали малые группы. Но экспериментирование на таких объектах вряд ли можно назвать социологическим в строгом смысле слова. Это психологические и социально-психологические эксперименты [52, 134]. Сравнительная легкость и доступность научного экспериментирования на микрообъектах породила в американской эмпирической социологии тенденцию к необоснованной экстраполяции полученных выводов на большие социальные системы.

Более близко к социологическому эксперименту экономическое и управленческое экспериментирование. Это так называемые созидательные эксперименты [228. С. 46—48] или эксперименты оценки эффективности нововведений [254]. В научном отношении такое экспериментирование может дать существенное прибавление знания. Однако здесь возникают моральные проблемы, ибо оправдан лишь опыт, который не повлечет отрицательных последствий для людей. Но разве все эксперименты предполагают заведомо благоприятный исход?

Современная наука располагает достаточно большими возможностями мысленного экспериментирования, которые следует широко использовать для научно-познавательных целей и на основе которых можно переходить к натуральным экспериментам без отягчающих социальных последствий.

Мысленный, или, квазиэксперимент. Логика анализа здесь та же, что и в натурном. Своеобразие же в том, что вместо манипуляции с реальными объектами мы оперируем с информацией о совершившихся событиях.

Натурные эксперименты, о которых говорилось выше, относятся к классу проектирующих: исследователь проектирует предполагаемые следствия, вводит в игру их гипотетические причины. В мысленном же анализе возможен и обратный ход умозаключений: от наличных следствий к возможным причинам. Такой экспериментальный ход называют ретроспективным анализом или экспериментом "ex-post-facto". Очевидно, что этот способ в натурном эксперименте невозможен, коль скоро время необратимо.

Вместе с тем и проектирующий эксперимент не всегда возможен по реальным условиям, и тогда мы мысленно произведем анализ событий по логике такого эксперимента, непосредственно не вмешиваясь в течение жизни.

Например, нас интересует, насколько чтение газет и просмотр телепередач влияют на общую информированность людей в отличие от пользования только газетами или только телевизором. В натурном эксперименте типа "до—после" с контрольной группой следует поступать так. Подобрав две группы и выравняв их по существенным условиям, в экспериментальной группе обеспечим всех участников радио- и газетной информацией, замерим их информированность. В контрольной группе сделаем то же самое. Затем лишим экспериментальную группу газет и через некоторое время замерим ее информированность. В контрольной группе условия сохранились прежними. Если обнаружим различие в пользу большей осведомленности контрольной группы, заключаем: газеты суть важное дополнение к телеинформации. Если разницы не найдем, заключим, что газеты не добавляют существенного к информации, получаемой по телевидению. После этого проведем эксперимент на изъятие телевизоров и повторим опыт на других выравненных группах, пока не добьемся устойчивого результата. Очевидно, что такое экспериментирование в реальной практике предпринимать невозможно по нравственным и правовым соображениям (здесь будут нарушены права человека на доступ к источникам информации и право собственности).

Поэтому из общей массы населения некоего города отберем лиц, выписывающих газеты и имеющих телевизор, а затем — аналогичную группу жителей, которые газет не выписывают. Выравняв группы (методом случайно-механического отбора), станем обращаться с ними как с двумя реальными объектами и получим вывод по той же логике, что для эксперимента типа (1).

Мысленное экспериментирование есть в данном случае не что иное, как анализ связей между многими переменными, рассмотренный в предыдущем параграфе.

Большой объем статистики — одно из непременных требований мысленного экспериментирования. Так, В. Н. Шубкин и Д. Л. Константиновский, прогнозируя шансы молодежи на выбор профессии по интересам, пользовались данными массовых обследований за 7 лет (1963—1969 гг.). Способ прогноза — мысленное экспериментирование. Авторы как бы экстраполировали тенденцию ближайших трех лет на основе данных за несколько предшествующих. Однако в действительности они располагали не только сведениями о предшествующем, но также имели информацию о реальном распределении статистики на период "прогнозируемых" трех лет. Остается проверить, насколько теоретический прогноз совпал с реальной тенденцией, а затем вывести закономерность для действительного прогнозирования на "неизведанное" будущее [296, 125].

Этим примером проектирующего квазиэксперимента, каковой ничуть не уступает по своей научно-познавательной ценности реальному экспериментированию, мы хотели бы подчеркнуть и изящество, и гуманность мысленного экспериментального анализа.

Имеется множество технических средств, позволяющих осуществлять самые различные модели мысленного экспериментирования. Один из таких приемов — регрессионный анализ (в случае использования метриро-ванных данных). С его помощью устанавливают детер-минационные отношения, т. е. исчисляют, насколько изменения одной (зависимой) переменной объясняются соответствующими изменениями других (независимых) переменных [199. С. 149—153]. Один из вариантов квазиэксперимента — исследование трендов, о чем — в следующем разделе.

Также возможны приемы поиска каузальных связей многопеременной плеяды с использованием регрессионного анализа и элементов теории графов. Эта техника позволяет фиксировать тенденцию причинных зависимостей среди множества включенных в процесс факторов.

В действительности исследователь выявляет предполагаемые причины, строит различные модели последовательности взаимосвязей многих переменных и находит такую структуру этих взаимосвязей, которая обнаруживает наибольшее суммарное влияние на ожидаемый эффект. 16

С помощью этих приемов мы можем предлагать и объяснение, и интерпретацию, и уточнения причинных связей.

" Пример использования этого метода для прогнозирования поведения личности ом. 1236. С. 176—187], где подробно описываются логика и правила процедуры "причинного" анализа или см. также "пути воздействий" на конечное состояние факторов, предполагаемых причинными (path analysis) [284, 285].

Натурный квазиэксперимент — особый случай. Здесь исследователь руководствуется логикой эксперимента "до — после", но, во-первых, не жестко контролирует фоновые воздействия и, во-вторых, создает экспериментальную ситуацию своими действиями в качестве участника "жизненной ситуации". Будучи исследователем, он вместе с тем выполняет функцию "экспериментальной переменной". Подобное экспериментирование имеет место в "провоцирующих" полевых исследованиях.

Рассмотрим пример. Петербургский социолог А. Н. Алексеев (в то время — ленинградец) предпринял провоцирующий эксперимент на заводе Полиграфмаш. Будучи научным сотрудником, он поступил на завод слесарем-расточником, причем о его академическом статусе первоначально никто, кроме руководства, осведомлен не был (позже он этого уже не скрывал). Исследователь имел цель изучить реальные нормы, регулирующие производственные отношения в рабочем коллективе. Будучи рядовым рабочим, активно общаясь в этой среде, он столкнулся с непонятным фактом. Все нарушают хорошо известные инструкции: и рабочие, и мастера, и инженеры, и администраторы. Но мастер "накапливает" материал на рабочих, скажем, прогульщиков. И предъявляет этот материал лишь тогда, когда по каким-то, не обязательно деловым, соображениям хочет освободиться от нарушителя дисциплины, "разгильдяя" Петрова. Высказанные в официальной обстановке, эти аргументы не вызывают возражений. Мастер добивается увольнения.

Алексеев начинает искать теоретические объяснения этого феномена в социопсихологических и социологических подходах. Он приходит к выводу, что следует различать "демонстрируемые" социальные установки и ценности, официально поддерживаемые в данной системе отношений, а с другой стороны — ценности и установки, реально "управляющие" поведением. Идя дальше, он ставит вопросы, выдвигает гипотезы, которые проверяет наблюдением, в беседах и (это ключевой момент) провоцирующими действиями. Вопрос, например, такой: насколько среди рабочих приняты ценности инициативы и добросовестности?

Алексеев проверяет научную гипотезу собственными "экспериментальными поступками": новый расточный станок не работает, так как не соблюдены нормативы эксплуатации и приходится изобретать "рационализаторские приемы". Когда он обращался со своими рационализаторскими предложениями к руководству, то слышал ответ: "Тебе что, больше всех надо?" А если он маскировал свое предложение под вынужденное действие, оно принималось. Надо было сказать: "Если мы этого не сделаем, нам попадет". Таким путем Алексеев проверил гипотезу о регулятивных и демонстрируемых нормах производственных взаимоотношений.

В массовых обследованиях 70-х гг. инициативность и творчество часто лидировали в ряду ценностных ориентации, а в действительности, по наблюдениям Алексеева, они не выполняли регулирующую функцию.

Между прочим, его проверка статуса ценности "добросовестной работы" показала тогда, что эта ценность сохраняет положение "реально регулирующей поведение", но... при условии достаточной свободы самоорганизации работника и справедливости оплаты его труда. 17

  • 17 А. Алексеев избрал стратегию "провоцирующего" изучения социальной реальности, подвергая себя многообразным опасностям, вплоть до преследований со стороны советских властей и КГБ (см. его работу, названную "Драматическая социология" [3].

Натурный квазиэксперимент А. Н. Алексеева нельзя отнести к строгому контролируему эксперименту. Это демонстрация экспериментальной логики социологического анализа. Данные для изучения ситуации извлекаются не количественными (статистическими) процедурами, но путем использования качественных методов.

5. Анализ данных повторных и сравнительных исследований

Различают несколько видов повторных и сравнительных эмпирических исследований [80, 252, 251].

  • (1) Международные и межрегиональные, цель которых — выявление общего и специфического в изучаемых социальных процессах и явлениях, где последнее обусловлено особенностями социально-экономической природы, культуры, истории отдельных стран или особенностями условий и образа жизни населения различных регионов одной страны.
  • (2) Панельные повторные исследования, проводимые по единой программе на той же самой выборке обследуемых и с использованием единой методики и про-цедур анализа данных. Это наиболее формализованный вид сравнительных исследований с определенным временным интервалом, их цель — анализ динамики, изменений в изучаемых аспектах.
  • (3) Повторные когортные исследования — особая разновидность панельных, отличающиеся тем, что выборочный объект — возрастная группа, изучаемая на протяжении достаточно длительного времени. Термин "когорта" заимствован из демографии, им обозначают людей одного поколения (и более строго — одного года рождения), прослеживают, как с течением времени меняются условия и образ жизни данной когорты, их интересы и образ мыслей [36, 270].
  • (4) Повторные трендовые исследования, которые проводятся на аналогичных выборках или в рамках единой генеральной совокупности с интервалом во времени и с соблюдением относительно единой системы процедур для того, чтобы установить тенденции (тренды) социальных изменений.

Общие правила, предъявляемые к сравнительному и повторному исследованию. Все разновидности повторных и сравнительных исследований предполагают 18 :

  • во-первых, соблюдение требований сопоставимости двух и более разовых обследований, будь то сравнение данных по разным странам и регионам или выявление тенденций и сдвигов во времени при анализе одного или аналогичных социальных объектов;
  • во-вторых, обоснование существенности или несущественности различий по сравниваемым показателям в качественном и количественном аспектах.
  • 18 Панельные и когортные исследования называют также генетическими, а трендовые — псевдопанельными. Все повторные исследования могут быть отнесены к "диахрониим", в отличие от разовых — синхронных. В психологии и этнологии длительное изучение одной совокупности лиц называют "лонгитюдным" исследованием (от английского " Longitude " — протяженный), а в педагогике — монографическим изучением (всесторонним описанием) одного объекта — коллектива, семьи, отдельных индивидов, например, личности учащегося.

С формальной точки зрения при сравнении эмпирических данных должны соблюдаться следующие правила, необходимые в логике экспериментального анализа:

  • (1) два состояния одного процесса сопоставимы, если они содержат хотя бы одно общее свойство или показатель;
  • (2) ни один фактор не может быть признан причиной сравниваемых явлений, если в одном случае при регистрации изучаемого явления он имеет место, а в другом — нет (правило согласия Милля);
  • (3) вместе с тем данный фактор не может быть причиной изучаемого явления, если в одном случае (исследовании) он имеет место, а само явление не фиксируется, хотя в другом случае (исследовании) дело обстоит так, что регистрируются и явления, и данный фактор (правило различия);
  • (4) наконец, некий фактор (условие, обстоятельства...) не может достоверно считаться определяющим в отношении изучаемого процесса, если в другом случае (в другом исследовании) наряду с ним изучаемому процессу сопутствуют другие факторы [377. С. 267].

Эти логические правила, напоминающие нам о строгости экспериментального вывода, нельзя игнорировать. Но проблемы сравнительного анализа никоим образом не сводятся к формальным процедурам. Это прежде всего область содержательного, вдумчивого изучения и только затем — формально-количественной оценки существенности различий. В каких именно аспектах сопоставимы и в каких — несопоставимы для сравнения изучаемые объекты, каковы ограничения сопоставимости по объективным условиям, по составу и выборке обследуемых, по выделенным показателям?

Особые трудности возникают в международных сравнительных исследованиях, где даже при соблюдении всех формальных правил единства методик исследования и выборки возникают проблемы, связанные с различием образа жизни, культуры, восприятия и реакции людей на одни и те же "стимулы" (например, вопросы анкеты). В разных странах различны стандарты благосостояния, системы образования, социально-профессиональные "дистанции", социальная структура, характер социальных отношений, мировоззрение и идеология, культура, ее стереотипы, весь уклад жизни.

При интерпретации данных межнациональных (международных) исследований воздействие социально-экономических и социально-культурных факторов, конечно, выдвигается на первый план. Но в методическом аспекте такое воздействие может быть аккуратно фиксировано при условии, что уже в разработке инструментария исследования качественные различия между странами приняты во внимание и на стадии пилотажа методик были предприняты соответствующие коррекции всех инструментов исследования. С этой целью производят аккуратное сопоставление главных параметров выборок: отнесение к социальной группе, выравнивание по уровню образования, другим подобным показателям социального статуса, а затем осуществляют утомительную работу по идентификации методик, особенно опросных. В последнем случае социально-культурные различия респондентов могут радикальнейшим образом повлиять на сопоставимость результатов межнационального исследования.

В межрегиональных исследованиях крайне важно принимать во внимание всю доступную из имеющейся статистики информацию об особенностях экономических и социальных условий жизнедеятельности населения в сравниваемых регионах; сведения о производственном потенциале и развернутости инфраструктуры, о различиях в уровне заработной платы и прожиточного минимума, о положении с трудовыми ресурсами и сведения о миграционных потоках, национальном составе и общей плотности населения и т. д.

Так, в одном из исследований, где выяснялись региональные различия в отношении рабочих к труду с учетом особенностей условий и образа жизни (Ленинград — Барнаул, исследование В. Мартыновой), обнаружилось, что иркутские рабочие в общем более удовлетворены теми аспектами производственной ситуации, которыми ленинградцы менее довольны. Анализ конкретной социальной ситуации в двух городах убедил в том, что в Барнауле намного меньше возможности выбора места работы (отсюда меньше текучесть, больше "терпимость" к данным условиям труда на данном производстве), существенно выше ставки заработной платы, ниже показатели общей квалификации при выполнении аналогичных функций на рабочем месте; в общем, можно сказать, что притязания работников к условиям труда существенно более умеренны. При "прямом" же сравнении можно было заключить, что, судя по оценкам удовлетворенности, ленинградцы находятся в худшем положении, что, учитывая сказанное, сомнительно.

В повторных и сравнительных исследованиях любого типа возникает вопрос об идентичности или сопоставимости методик сбора первичных данных. В межнациональных и межрегиональных исследованиях обычно используют единую методику. Иногда для той или иной страны (региона) к ней добавляют "вкладыш", т. е. дополнительные пункты информации, связанные с особыми условиями деятельности в данном регионе и особыми научно-практическими интересами организаторов исследования, заинтересованных в дополнительных данных по своему региону, своей стране.

В повторных исследованиях дело осложняется тем, что с течением времени возникают новые явления и процессы, новые социальные проблемы, которые заранее не могли быть предвидены. Следовательно, методики "базового", т. е. первого, обследования не могут полностью и без изменений использоваться в повторных. Но тогда неясно, можно ли сравнивать данные, полученные разными методами.

Решение проблемы состоит в том, что часть полевых документов полностью повторяет инструментарий базового обследования, а другая — вводится заново. 19

  • 19 Можно рассчитать коэффициент прямой сопоставимости данных в повторных исследованиях: Kn = ff / N l 100%, где N — число пунктов информации, общих для двух исследований, a N l — число таких пунктов в бааовом или предыдущем исследовании. Под пунктами информации имеются в виду, например, вопросы анкетного листа, смысловые единицы контент-анализа, шкалы для регистрации данных наблюдения и т. п. [81].

Например, при повторном обследовании отношения молодых рабочих к труду мы полностью повторили все пункты информации базового обследования, добавив немало новых, связанных с особенностями быта, внепроизводствен-ной активности рабочих, их целостного образа жизни. Устанавливая прямые связи между новыми показателями и показателями, имеющимися в обоих исследованиях, мы даем более широкую интерпретацию этим последним. Естественно, такая интерпретация правомерна применительно к повторному обследованию, но с определенным допущением ее можно распространить и на базовое. Правда, в этом случае нужны дополнительные аккуратные проверки и перепроверки устанавливаемых зависимостей, построение анализа по логике мысленного эксперимента.

Напомним, что, поскольку порядок вопросов в анкете влияет на характер ответов респондента, все пункты информации, копирующие базовую методику, должны располагаться в начале опросного листа повторного об-следования, а новые следом за ними. Таким путем сохраняется возможность прямого сопоставления данных, фиксированных единой процедурой.

Наилучшая сопоставимость данных достигается а случае, если уже при осуществлении первого исследования авторы планируют повторные. Так организовали свою работу новосибирские социологи [94. С. 121 — 129]. Заранее предполагается развитие общей концепции исследования, и оставляются открытыми некоторые методические вопросы будущих обследований, используются не прямые сопоставления но сравнения гипотетических структур, относительно инвариантных в разных обследованиях пользуются не прямыми индикаторами, а комбинированными (структурными, индексными) показателями.

Наиболее простой способ — буквальное повторение вопросов и вариантов закрытий каждого из них. Такого рода опросы в режиме мониторинга особенно важны для изучения социальных процессов в условиях реформирования экономики и общественно-политической жизни общества 20 .

  • 20 Классический пример — опросы Всероссийского центра изучения общественного мнения, начатые в 1967 г. под руководством Т.Н.Заславской и интенсивно развиваемые ее преемником Ю. А. Левадой. Ежемесячник "Экономические и социальные перемены: мониторинг общественного мнения" публикует трендовые таблицы и диаграммы, аналитические статьи по итогам мониторинга. Издается с 1993 г. см. [300]).

Существенно сложнее процедуры обоснования сопоставимости данных, полученных разными авторами и в разное время. Для этого используются достаточно сложные приемы вторичного анализа исходной информации, которая предварительно преобразуется так, что в итоге один показатель в разных исследованиях описывается различными индикаторами.

Особый вопрос — определение интервала времени, в рамках которого целесообразны сравнительные исследования. Этот интервал определяется в "масштабе" изучаемых социальных процессов. В случае оценки организационных нововведений повторное обследование проводится по схеме эксперимента "до—после" вскоре после реализации нововведения. В случае изучения социольных тенденций (трендовые исследования) "масштаб" сопоставления должен быть увеличен в зависимости от проблематики исследования. Важно, однако, выдерживать более или менее единый интервал времени или же использовать неравные интервалы, но связанные с качественными изменениями в экономических и социальных условиях деятельности людей. Например, переход к рыночной экономике, период социально-экономического кризиса требует сокращения интервалов с опорой на "пороговые точки" (отпуск цен, активная приватизация, резкое повышение или падение спроса на рабочую силу, политические потрясения и т. д.). Так, в нашем мониторинге изучения сдвигов социальных идентификаций российских граждан начиная с 1992 г. до 1994 г. мы соблюдали 3™6-месячные интервалы и обнаружили лишь одну "пороговую" зону (политический кризис осенью 1993 г. с использованием оружия со стороны лидеров Думы и Президента). Четыре последующих "замера" существенных сдвигов не выявили. Следовательно, интервал может быть увеличен, что и было сделано: 1,5—2 года вместо 6-ти месяцев [308].

Оценка существенности различий в сравнительном или повторном обследовании представляет собой довольно сложную и ответственную задачу методологического и методического характера. С методологической точки зрения она состоит в содержательном осмыслении и интерпретации "меры" различия изучаемых качественных процессов. Ведь философская категория меры относится к качественно-количественной определенности явлений. Накопление количественных изменений ведет к качественному сдвигу. Но где тот предел, за которым мы вправе говорить о существенном, качественном сдвиге?

В работах некоторых социологов можно часто встретить выражения: "Лишь столько-то процентов опрошенных сообщили, что..." или "Однако более чем столько-то процентов активно участвуют в такой-то деятельности". Слова "лишь" и "однако" указывают на социальную и нравственную позицию исследователя. Он тем самым дает понять, что в первом случае имеют место явления негативные, а во втором — позитивные. Между тем следует привести убедительные основания для оценки. В одном случае различие в 2—3% (если они статистически значимы) может быть существенно, в другом — и 20% расхождений практически еще не говорят о существенности сдвига. От каких факторов зависит оценка существенности различий?

  • (1) Прежде всего — от содержания изучаемых процессов, их "собственной" внутренней динамики, меры устойчивости и изменчивости данного процесса и явления. Различные проявления повседневной жизнедеятельности в решающих компонентах их целостного образа- жизни, обладают относительно высокой устойчивостью. Изменения в этих видах деятельности не могут происходить, что называется, ежечасно и ежедневно. Поэтому даже небольшие сдвиги и различия будут здесь важны и в принципе существенны для социального анализа. Изменения во взглядах и системе ценностей должны оцениваться в ином "масштабе".
  • (2) Существенность различий зависит также от социальной значимости изучаемого явления. Чем больше значим данный процесс, тем более существенны даже малые изменения и различия, чем он менее значим для жизни общества или функционирования данного социального института, организации и т.д., тем шире будет диапазон вариаций, в рамках которых мы можем полагать явления существенно не различающимися.
  • (3) С формально-статистической точки зрения существенность различий в фактических данных прямо зависит от численности сравниваемых подвыборок (чем меньше выборки, тем большие различия могут оказаться несущественными вследствие величины выборочной ошибки) и от величины ошибки фиксирования первичных данных.

Вспомним, что абсолютно точных измерений мы никогда не достигаем. Все данные фиксируются с определенной погрешностью, связанной и с природой изучаемого процесса, и с особенностями инструмента измерения, и с ошибкой выборки, и с субъективными ошибками исследователя. Значит, существенные различия сравниваемых в численном выражении данных должны непременно перекрывать величину ошибки, имевшей место при их первичной регистрации. Но так как в сравнительных и повторных исследованиях мы имеем дело с удвоенной ошибкой измерения первичных характеристик (в одном и другом обследованиях), логично предположить, что существенный сдвиг фиксируется тогда, когда его величина перекрывает ошибку первичной регистрации.

Предлагается (Г. И. Саганенко) следующая формула [233. С. 167—168], в которой учитывается Я — абсолютный сдвиг (различие) в двух сопоставляемых состояниях одного показателя (например, удовлетворенности своей жизнью в двух интервальных обследованиях), aj — мера устойчивости измерения данной характеристики в первом исследовании (или в одном из сравниваемых исследований), Л^ — мера устойчивости измерения той же характеристики во втором (в другом) обследовании. Тогда существенным следует признать сдвиг (различие), отвечающий формуле:

| ? | = | ?I | - | ?II | > o

где разность ошибок двух измерений должна быть выше нуля, т. е. перекрывать ошибки двух измерений.

Если в обоих исследованиях используется один и тот же инструмент и если мы вполне основательно предполагаем, что ошибка измерения зависит главным образом от инструмента, то достаточно воспользоваться показателем ошибки регистрации данных в повторном (или в одном из двух) исследовании и преобразовать формулу следующим образом:

| ? | - 2 | ? | > О

где постулируется, что значимая ошибка вдвое перекрывает ошибку первого замера.

Приведем пример. В трехбалльной шкале мы фиксировали отношение рабочих к различным сторонам труда в 1962 и 1976 гг. Такой аспект производственной ситуации, как привлекательность работы, был зарегистрирован с ошибкой 0,3 балла, что вполне удовлетворительно, ибо составляет лишь V 3 деления трехбалльной шкалы и не перекрывает соседние ее градации.

Групповой, т. е. систематический, сдвиг в оценках одной из подвыборок обследованных (рабочие старших возрастов) составил в интервале 14 лет 0,7 балла, т. е. почти укладывается в пределы сдвоенной ошибки первого замера (0,372=0,6). Но аналогичные сдвиги по группам молодых рабочих оказались намного выше, различия в сдвигах отношения к привлекательности работы между молодыми и рабочими старших возрастов также были достаточно существенны. Значит, в истекший период в данном аспекте менялось отношение к работе молодежи 60-х гг. (во втором обследовании это уже рабочие за 40 с лишним лет), но установки рабочих, которым 15 лет назад было больше 30, остались стабильными. (Кстати, это еще раз указывает на то, что в подобных аспектах жизнедеятельности сдвиги происходят медленно. Правда, мы имели дело с "застойным" периодом жизни общества. В реформируемом обществе такие сдвиги имеют более короткие временные интервалы.)

Эти весьма строгие статистические критерии рекомендуется использовать в тех случаях, когда оценивается существенность различий в малых выборках или же сдвиги в индивидуальных состояниях обследуемых при панельных, когортных и подобных исследованиях. На больших выборках, в трендовых исследованиях, где индивидуальные ошибки погашаются по закону больших чисел, можно расширить и критерий существенности различий, взяв лишь V 3 ошибки первичной регистрации данных, т. е.

| ? | - 1\2 | ? | > О

При отсутствии сведений об ошибке первичного измерения (это часто имеет место в сравнительных исследованиях, если мы используем данные других авторов) существенными можно полагать различия, где как минимум перекрываются ошибки выборки. Последние же рассчитываются по формулам выборочных ошибок.

6. Последовательность действий при анализе данных

В зависимости от программных целей исследования анализ полученных данных может быть более или менее глубоким и основательным.

Цель исследования определяет уровень анализа в том смысле, что либо позволяет, либо запрещает прекратить его на какой-то стадии. В полном же объеме, т. е. от первого до последнего шага, последовательность действий социолога при анализе эмпирических данных может быть представлена следующим образом.

Первая стадия — описание всей совокупности данных в их простейшей форме. Предварительно осуществляется общий контроль качества полученной информации: мы выявляем ошибки и пропуски, допущенные при сборе данных и при вводе их в компьютер для обработки, бракуем какие-то "единицы" выборочной совокупности, не отвечающие модели выборки (коррекция выборки), отсеиваем некомпетентных респондентов (изымаем их данные полностью или частично), производим другие контрольные действия, которые на социологическом жаргоне называют "чисткой массива".

Дальше следует собственно описание: мы используем аппарат дескриптивной статистики для упорядочения всех данных по отдельным признакам (переменным). Изучаются простые распределения, выявляются аномалии и скошенности, рассчитываются показатели средней тенденции, вариации распределений.

Все это необходимо для решения двух задач: (1) общей оценки выборочной совокупности и частных под-выборок (половозрастных, социально-профессиональных и других) с тем, чтобы понять, каким образом особенности выборок будут сказываться на интерпретации того или иного частного вывода и обобщающих заключений; (2) для того чтобы в последующих операциях с данными не утратить представления о составляющих более сложных зависимостей и комбинаций, которыми впоследствии будем оперировать.

Например, в итоговых или промежуточных выводах мы находим, что такие-то условия деятельности или характеристики людей более важны, чем некоторые другие. Чтобы правильно интерпретировать это заключение, следует вспомнить, каковы основные характеристики выборки, нет ли в ней заметных аномалий. Очень возможно, что в общей выборке доминируют представители определенного социального статуса, возрастной когорты, национальной принадлежности и т. п. С этими их особенностями связаны социальные функции, интересы, образ жизни. В итоге может оказаться, что наши суммарные выводы неосновательны: они преимущественно объясняются спецификой доминирующей подвыборки обследованных. Чтобы проверить эту рабочую гипотезу, надо расчленить массив информации на соответствующие подвыборки и повторить анализ раздельно для каждой из них, включая доминирующую. Так устанавливаются ограничения выводов.

Обращение к "простой структуре" данных нужно и для того, чтобы при всевозможных комбинациях и сложных построениях не утратить представления об их первооснове. Вдруг "выскакивает" интереснейший факт, какие-то явления неожиданно тесно коррелируют. При попытке объяснить, что происходит, мы забыли, что сведения об этих явлениях получены по ответам респондентов на два вопроса одинаковой конструкции, соседствующих в анкете, и что это, видимо, следствие монотонного реагирования на похожие по форме вопросы. Возвращаемся к исходным распределениям и видим, что они совершенно подобны именно в силу психологического эффекта "эхо". Открытия не состоялось.

Вторая стадия — "уплотнение" исходной информации, т. е. укрупнение шкал, формирование агрегированных признаков-индексов, выявление типических групп, жестких подвыборок общего массива и т. п.

Генеральная цель всех этих операций — сокращение числа признаков, нужных для итогового анализа. Одновременно достигается первичное обобщение данных, нужное для более глубокого понимания существа изучаемых процессов.

Допустим, например, что при контент-анализе по смысловой единице "а" практически информации не было получено (2% всего массива сведений). Сохранив этот пункт, мы потом будем постоянно наталкиваться на нулевые значения. Если можно, целесообразно объединить данную смысловую единицу с подобной ей, укрупнить шкалу. Тогда следует дать уточненную интерпретацию нового признака, теперь достаточно емкого по статистике наполнения.

Формирование сводных, агрегатных признаков освобождает от необходимости утомительно интерпретировать малосущественные частности, повышает уровень обобщений, ведет к более емким теоретическим умозаключениям. Одно дело, когда в прикладном — "инженерном" — исследовании мы анализируем соотносительное значение каждого из элементов производственной ситуации в его влиянии на отношение к работе. И совершенно иначе мы действуем, если наша задача состоит в обнаружении социальной закономерности при повторном сравнительном исследовании. Здесь важно обобщить информацию по более емким структурам, например, по всем факторам условий и всем составляющим содержания труда. Поскольку мы знаем частные составляющие того и другого, т. е. аккуратно прошли первый этап анализа, наши дальнейшие операции с данными будут более целеустремленными, экономичными и практичными с точки зрения приближения к основным целям исследования.

На данной стадии, в развитии которой осуществляется переход к анализу взаимосвязей (3-я стадия), будут использоваться довольно сильные операции — факторный анализ, типологизация и подобные им.

Очень важно дать необходимые промежуточные истолкования каждого из агрегируемых показателей, ибо это — новые свойства, нуждающиеся в осмыслении, построении соответствующих интерпретационных схем. Как замечает Г. С. Батыгин, "с известной долей преувеличения всю деятельность социолога можно назвать интерпретирующей: случайно попавший в выборку человек интерпретируется как респондент; его жизненные реалии и высказывания интерпретируются в шифрах и "закрытиях" вопросников; первичная социологическая информация интерпретируется в средних величинах, мерах рассеяния и корреляционных коэффициентах; числовые данные должны сопровождаться какими-либо рассуждениями, т. е. опять же интерпретироваться" [10. С. 177]. Тем более нуждаются в построении интерпретационных схем новые емкие признаки, сгруппированные, типологизированные данные.

Третья стадия анализа как бы вклинивается в предыдущую. Это — углубление интерпретации и переход к объяснению фактов путем выявления возможных прямых и косвенных влияний на агрегированные свойства, социальные типы, устойчивые образования.

Здесь главная опасность — подмена косвенных, опосредованных связей прямыми. Такая ошибка — самая распространенная и менее всего заметная со стороны.

В книге "Человек и его работа" мы совершили именно такую ошнбку — приняли некоторые связи за прямые и при-Шли к заключению, что в простых видах труда высокое образование отрицательно коррелирует с продуктивностью. Впоследствии было установлено, что поскольку в 1964 г. подавляющее число молодых рабочих имело преимущественно более высокое образование в сравнении с большинством рабочих среднего и старшего возрастов, а те, в свою очередь, обладали боль шим опытом и стажем, тогда как первые — малым, то прямая связь между образованием и продуктивностью рабочего фактически была ложной. Она опосредована возрастом, стажем работы, уровнем производственного опыта. Все обнаружилось, как только из всей совокупности обследованных были выделены подгруппы разного стажа и возраста: в каждой возрастной подгруппе по правилам, описанным выше (введение контрольной переменной, в нашем случае — возраста), обнаружились усиленные прямые связи уровня образования и деловитости, продуктивности рабочих, т. е. чем выше образование, тем выше и производственные результаты.

Итак, на данной, вероятно самой ответственной, стадии анализа должны быть получены основные выводы, проверены главные гипотезы, необходимые и для теоретического осмысления проблемы, и для разработки практических рекомендаций.

Четвертая стадия, заключительная, — попытка прогноза развития изучаемого процесса, событий, явлений при определенных условиях [23, 24, 25, 212, 214]. Лучшим образом решению этой задачи отвечает повторное обследование. При невозможности осуществить повторные исследования на базе разового используют модели мысленного экспериментирования, регрессионные, детерминационные, стохастические и др. Полезно прибегнуть к оценкам экспертов [256] в данном предмете, чтобы проверить надежность прогноза, являющегося результатом квазиэкспериментов.

Общая логика анализа эмпирических данных может быть иллюстрирована схемой 31.

Не все элементы приведенной схемы должны быть реализованы в каждом исследовании, она иллюстрирует принципиальный порядок аналитических действий. Однако этот порядок остается мертвой конструкцией до тех пор, пока решительно все операции с данными, начиная с первичных измерений и формализации изучаемых объектов, не наполнены содержательным смыслом.

Интерпретационная схема — единственное, что в конечном итоге обеспечивает убедительность и теоретико-

практическую значимость результатов исследования. Основы интерпретации и объяснения заложены в исследовательской программе. Теперь наша задача, следуя программным целям, — дополнить и уточнить гипотезы, проверить их на материале полученных данных. "Как бы ни была полна и конкретна полученная информа ция, — пишет Г. С. Батыгин, — она всегда помещается в определенную "систему координат" и выступает в качестве фрагмента более широкой картины, содержание которой — научный и жизненный опыт социолога" [10. С. 180—181].

Построение интерпретационных моделей — сугубо творческая, неформализуемая операция. Здесь лидируют знания, теоретическая подготовка, практический опыт, лексика, интуиция, гражданская ответственность исследователя. Мы можем заключить: "установлена такая-то связь или закономерность", но мы можем сказать, что подтверждены ранее установленные факты и найдено объяснение тому, что ранее казалось противоречивым; мы можем написать, что выявленные связи имеют место при определенных условиях и в определенной ситуации, а можем и не сделать такой оговорки; сошлемся на другие данные, подкрепляющие нашу объяснительную схему, либо умышленно или по незнанию игнорируем их; сформулируем социальную проблему или не обратим на нее внимания; призовем к действиям или ограничимся констатацией фактов...

В каждом из нюансов интерпретации и в итоговых объяснениях данных проявляется целостная личность исследователя. Он выступает не в роли узкого профессионала, функционирующей электронно-вычислительной машины, но как теоретик и практик, как ученый и гражданин, общекулътурный кругозор которого сочетается с богатством ассоциаций и активной гражданской позицией.

Практические советы

  1. Приступая к анализу данных, будем строго придерживаться программных гипотез, избегая двух крайностей: поспешных заключений относительно их подтверждения, если факты "укладываются" в гипотезу, но вместе с тем соблазна увлечься самим процессом анализа как таковым, что нередко уводит в сторону от целевой ориентации исследования.
  2. Первоначальные группировки и классификации разумнее всего производить, исходя из элементарных описательных гипотез, а последующие — предварять уточняющими и интерпретационными предположениями, продвигаясь к объяснительным. Чем дальше мы углубляемся в анализ данных, тем большее значение приобретают объяснительные гипотезы, непосредственно связанные с программными задачами исследования.
  3. Если гипотезы нетривиальны, особое внимание следует уделять заключениям, которые с ними, не согласуются. В результате перепроверок, использования различных приемов анализа мы вводим ограничения, уточнения исходных гипотез и обнаруживаем либо их справедливость, либо уверенное опровержение, что побуждает выдвинуть новые гипотезы и осуществить их последовательную проверку.
  4. Не следует смешивать уточнение и интерпретацию данных с их объяснением. Последнее является главной задачей анализа, позволяет установить причинные зависимости, истолковать найденные связи в понятиях более общих тенденций и закономерностей, дает основание для прогноза и, следовательно, для перехода к обоснованию практических решений социальных проблем.
  5. При использовании стратегии качественного анализа данных (о чем см. ниже — гл. VI ) будем помнить, что не следует бросаться из одной крайности в другую. Количественный анализ и качественное осмысление массовой статистики под углом зрения исследовательских гипотез не менее ценны, чем всесторонняя интерпретация статистически непредставительных данных. В одном случае мы приобретаем определенное знание о частных фрагментах социальной реальности, в другом — выявляем смыслы фактов и явлений без гарантий их типичности, распространенности в широком "социальном пространстве". Понимая эти особенности двух разных стратегий, мы должны комбинировать их в зависимости от целевой установки исследования. Хорошо сказано: "дискуссия о преимуществах качественной методологии и недостатках количественной — это призрачное противостояние" [62, С. 32].
СодержаниеДальше
 
© uchebnik-online.com