Метод. Московский ежегодник трудов из обществоведческих дисциплин. Выпуск 4: Поверх методологических границ

Существуют две основные группы шкал измерения показателей (переменных): количественные и категориальные [Analysis of multivariate social science data, 2008, p. 8–10]. Переменные количественного уровня могут принимать как целые, так и дробные значения. Для них разница между двумя значениями по шкале является осмысленной величиной. К таким переменным относятся, например, росто-весовые показатели, число наступлений события, денежные единицы, проценты и доли и др., а также латентные показатели – интеллектуальные способности, демократия34, политическая культура и т.п., измеряемые только через моделирование. Признаки, измеренные в номинальных или порядковых (ординальных) шкалах называются категориальными. Обе шкалы позволяют распределить все наблюдения на категории (группы). Разница состоит в том, что в порядковой шкале упорядочение категорий разумно, скажем, уровня образования, а в номинальной шкале, например по признаку «страна рождения» или «пол», – нет.

Математические методы обработки количественных и категориальных данных существенным образом различаются, поэтому определение типа шкалы, в которой измерены признаки, – обязательный этап анализа данных.

Заметим, что вне зависимости от типа шкалы во многих случаях характер генезиса признаков можно считать схожим: интересующие исследователя социальные явления мыслятся как стохастические, т.е. не являющиеся жестко детерминированными и испытывающие влияние множества случайных факторов. Например, результаты социологического опроса для выявления установок по отношению к мигрантам. На ответы могут влиять не только действительные установки опрашиваемого, но и самочувствие, погода, личные переживания, личность интервьюера, проводящего опрос. К анализу многих признаков, природа которых обусловлена как закономерностями, так и случайностью, может применяться инструментарий теории вероятностей и математической статистики.

Стохастический взгляд на исследуемые признаки предполагает, что конкретные наблюдения суть результаты реализации некоторого порождающего данные процесса, который в новой ситуации может привести к возникновению другого набора значений. Следовательно, имеющиеся данные – это только выборка из некоторой генеральной совокупности (некоторого закона распределения, характеризующего порождающий данные процесс). Иногда на первый взгляд неочевидно, что помимо полученной «выборки» есть еще какая-то генеральная совокупность. Например, если исследуется ВВП / человек в постсоветских государствах в 1991–2012 гг., то что считать генеральной совокупностью? В этой ситуации продуктивным может оказаться осознание того, что ВВП / человек – это результат взаимодействия множества экономических, демографических, социальных и природных процессов, значительное число которых носит недетерминированный характер. Следовательно, содержательно важной может быть задача отделения результатов экономических процессов от совокупности прочих (случайных) факторов. При такой постановке вопроса генеральной совокупностью может считаться множество значений, которые изучаемый признак мог принять на рассматриваемых объектах при данных характеристиках экономических процессов и совокупности влияющих случайных факторов.

К анализу многих признаков, природа которых обусловлена как закономерностями, так и случайностью, может применяться инструментарий теории вероятностей и математической статистики. Основной задачей, решаемой с помощью количественных методов, является инференция – получение вывода о характеристиках порождающего данные процесса на основе имеющихся выборочных данных. Наиболее широкое распространение получили два инструмента статистического вывода, речь о которых пойдет ниже: статистическое оценивание и проверка статистических гипотез.

Под статистическим оцениванием понимается установление приблизительного значения некоторого параметра генеральной совокупности на основе выборки. Сами оценки могут быть точечными (т.е. дающими на основе выборки конкретное числовое значение, которое считается достаточно близким к неизвестному параметру генеральной совокупности) или интервальными (так называемые доверительные интервалы, которые по выборке указывают не одно значение, а целый диапазон, в котором с некоторой, заданной исследователем, вероятностью, лежит неизвестный параметр распределения). При проверке статистической гипотезы исследователь сначала формулирует предположение про значение неизвестного параметра генеральной совокупности, затем устанавливает из этого предположения некоторое следствие, которое должно наблюдаться, если гипотеза верна, и не должно, если она ошибочна. Далее остается только узнать, наблюдается ли это следствие в данных или нет, и сделать вывод (конечно, не однозначный, а допускающий некоторую вероятность ошибки – ведь сами данные рассматриваются как результат случайного эксперимента).