ЧЕТЫРЕ ВАЖНЕЙШИХ ОГРАНИЧЕНИЯ КВАНТИФИКАЦИИ ПЕРВИЧНЫХ СОЦИАЛЬНЫХ ХАРАКТЕРИСТИК
Мы рассмотрели различные приемы перевода качественных социальных признаков в их количественные выражения. Это очень ответственный аспект процедуры социологических исследований. Статистика, как говорил В.И. Ленин, "упрямаявещь", но лишь в случае ее обоснованного использования. При неаккуратном обращении со статистикой социальных явлений и процессов мы лишь вводим в заблуждение, ибо люди привыкли считать математические выкладки доказательством точности.
Аккуратное использование математического аппарата в социологическом исследовании предполагает адекватное отображение социальных явлений в формальных моделях. Добиться этого можно лишь путем тесного сотрудничества высокопрофессионального социолога с профессионалом-математиком. И такое сотрудничество должно сопровождать весь процесс исследования от разработки первичных гипотез о структуре изучаемых явлений и свойств до итогового анализа полученных результатов.
В данном случае мы обращаем внимание только на некоторые ограничения, связанные со специфическим видом формализации социальных данных, имея в виду наиболее распространенные и сравнительно простые приемы использования математической статистики в социологии.
Первое ограничение — соразмерность количественных показателей, фиксированных разными шкалами в рамках одного исследования.
Суммируем сведения о возможностях операций с числами в описанных выше шкалах (схема 14). Более сильная шкала отличается от ближайшей к ней относительно слабой тем, что допускает более широкий диапазон математических операций с числами. Все, что допустимо для слабой шкалы, допустимо и для сильной. Но не все, разрешимое для сильной, позволительно для слабой шкалы. Поэтому смешение в анализе мерительных эталонов разного типа приводит к тому, что не используются возможности сильных шкал: в этом случае все операции с числами должны удовлетворять требованиям, предъявляемым к относительно слабым шкалам.
Конечно, это предостережение теряет смысл, если социолог не намерен сопоставлять данные, измеренные разными шкалами, и рассматривает их независимо друг от друга и в случае использования более изощренных приемов математического анализа (напр., см: [158]).
Второе общее ограничение связано с формой распределения величины фиксированных описанными выше шкалами, которое предполагается нормальным.
На рис. 8 показаны варианты нормального и скошенного распределений, где нормальное (эталонное) обозначено пунктиром, а скошенное — сплошной линией [183, с. 44]. Нормальное гауссово распределение имеет вид симметричного колокола, у скошенного же по сравнению с нормальным в нашем случае "поднят" правый и "опущен" левый конец (так называемые хвосты распределения). Для нормального распределения оценки меры рассеяния совпадают, т.е. М = Me =Mo, а в скошенном "хвосты" распределения не влияют на Мо, но влияют на среднюю арифметическую (М; другое часто встречающееся обозначение средней арифметической — ), которая сдвигается в сторону больших значений .
Возможны и бимодальные распределения, где образуются своего <; рода горбы, а также растянутые, как бы сплющенные. Анализ таких видов распределений должен быть особенно внимательным, так как в этом случае " непригодны обычные оценки меры рассеяния и т.д.
Итак, второе ограничение - особенности одномерных (не говоря уже о более сложных) распределений. Оно заключается в том, что необходимовнимательно изучать форму распределения с точки зрения его уклонения от нормального, симметричного.
Третье ограничение особенно неприятно. Оно состоит в том, что в социальных процессах нередки явления, измерение которых следует производить шкалами открытого типа, где полюс наибольших значений не фиксирован и может принимать любую величину.
Например, оценки размеров заработной платы в принципе должны давать нормальные и вполне допустимые скошенные, но всегда гауссовы распределения, так как есть социально и экономически обоснованные минимум и максимум зарплаты. Это — закрытая метрическая шкала оценок. То же самое можно сказать о численности детей в семье и т.п. явлениях.
Но при оценке многих субъективных состояний и показателей человеческой активности, например, результатов научной продуктивности ученых, предельно максимальные значения трудно предположить достоверно.
В негауссовых, в частности так называемых распределениях Ципфа (рис. 9, в котором фиксированы логарифмы координат), на примере оценки числа публикаций ученых в области химии [265, с. 146] видно, что до 70% из них имеют одну публикацию, около 25% - две, 8-10% — по три или четыре публикации, но только 0,1 и 0,2% достигают продуктивности в 20—30 публикаций. Это распределение никоим образом не описывается гауссовым "колоколом". В последнем случае численность имеющих очень мало и очень много публикаций была бы примерно равной, а большинство ученых демонстрировали бы некоторое среднее число публикаций, например по 7—8 (в гауссовой статистике — это различные показатели центральной тенденции распределения).
Рис.9. Негауссово распределение Ципфа: распределение численности научных публикаций ученых
Однако применение негауссовых статистик в социальных науках вообще, в социологии в частности, крайне затруднительно, так как невозможно использовать открытые шкалы, поскольку в большинстве случаев нет "естественных" эталонов измерения (число публикаций — один из примеров такого "естественного" эталона). А если нам приходится изобретать шкалу, то недопустимо оставлять открытым один из ее полюсов.
Четвертое ограничение связано с особой природой социальных процессов, в которых статистические и детерминистские закономерности находятся в динамическом единстве. В определенных аспектах и на определенных отрезках времени социальные процессы вполне предсказуемы, а тем более в плановом социалистическом обществе. Но может случиться, что на данном отрезке времени процесс протекает "аномально". Например, вполне возможно, что надежно установленная статистическая связь между какими-то состояниями условий и организации труда и производственной выработкой не обнаруживается в данном конкретном коллективе в силу, скажем, необычного трудового подъема членов этого коллектива.
Поэтому предлагается, используя для измерения первичных характеристик шкальные процедуры, прибегать к построению стохастических динамических моделей на основе "сценариев" возможного развития определенных социальных процессов [278]. Такие сценарии прогнозируются для разных временных интервалов, например начальной и завершающей стадий, которые могут быть существенно разными по составу участвующих факторов и по характеру связей между ними.
Итак, преимущества квантификации и использования жестких критериев надежности исходных данных небезусловны и могут обернуться упрощением, а то и искажением социальной реальности. Адекватные в исследовании массовидных социальных процессов, такие приемы утрачивают свои достоинства в изучении сознательно организованных действий или "отклоняющихся" явлений, тогда как нередко именно последние дают пищу для вдумчивого социального анализа. Без таких "уклонений" социальные процессы отображаются в виде схем, лишенных жизненных красок.
Строго формализованный количественный анализ имеет свои пределы [288], за которыми может быть утрачено качество, глубина и полнота осмысления действительности. Поэтому социолог обязан хорошо владеть многообразными гибкими методами изучения общественных проблем, т.е. уметь наблюдать, строить гипотезы на основе несистематизированных впечатлений и бесед, переходя затем к более систематизированной и упорядоченной их проверке.
Практические советы
1. Приступая к разработке методов и процедур исследования, вначале продумайте, какие явления, свойства и объекты реально варьируют по их интенсивности, распространенности, состояниям выраженности, а какие могут быть фиксированы лишь в качественных отображениях.
2. Определяя способ квантификации (тип шкалы), соизмеряйте его не только с природой объекта, но с целями исследования и возможностями последующего количественного анализа: излишняя квантификация - напрасная растрата усилий, недостаточная - упущенные возможности более глубокого изучения объекта.
3. Не забывайте, что всегда лучше опираться на достоверные и менее детальные сведения, чем на детальные и малодостоверные: отсюда - указания к выбору приемлемого типа шкал и дробности их метрики.
4. Изящный статистический анализ полученных данных будет вводить в заблуждение и нас самих и других, если ему не предшествовала добротная проверка надежности исходных измерений и регистрации фактов в целом.
5. Самое же главное состоит в том, что количественный анализ не самоцель, но лишь средство качественного: качественный анализ предшествует квантификации, качественным анализом завершается изучение количественных распределений и связей.
Дата добавления: 2015-09-11; просмотров: 1205;