Математико-статист модели в социологии. Учебное пособие оглавление введение. В основная цель курса, адресат

• Название: Учебное пособие оглавление введение. В основная цель курса, адресат
• Дата: 28.10.2022
• Размер: 2.75 Mb.
• Имя файла: Математико-статист модели в социологии.doc
• Тип: Учебное пособие; #760146
• страница: 10 из 17

Раздел IY. ПРОБЛЕМА ИЗУЧЕНИЯ ПРИЧИННО-СЛЕДСТВЕННЫХ ОТНОШЕНИЙ И ЭКСПЕРИМЕНТ В СОЦИОЛОГИИ; ОСНОВНЫЕ ИДЕИ ДИСПЕРСИОННОГО АНАЛИЗА


Основной целью настоящего раздела является изложение идей одного из известнейших направлений математической статистики – дисперсионного анализа. Однако нам хотелось бы, чтобы читатель-социолог воспринял эти идеи не механически, а в свете понимания того, насколько он сможет использовать их для решения одной из самых главных задач любого научного исследования – изучения причинно-следственных отношений. Ведь дисперсионный анализ, по большому счету, предназначен именно для этого. И для того, чтобы его грамотно использовать, необходимо хотя бы кратко оговорить, в чем специфика того «понимания» этих отношений (в частности, понимания термина «причина»), которая заложена в соответствующем формализме. Этому, в частности, может способствовать также сравнение дисперсионного анализа с другими математико-статистическими методами изучения связи между переменными, с другими (не обязательно математико-статистическими) способами анализа каузальных отношений.

Поэтому прежде, чем перейти непосредственно к описанию основ дисперсионного анализа, мы очень кратко рассмотрим некоторые методологические аспекты изучения причинных отношений вообще, с помощью математико-статистических методов – в частности; коснемся сути понятия эксперимента - того подхода к изучению причин, формализацией которого по существу является дисперсионный анализ, коротко коснемся специфики эксперимента именно в социологии. Кроме того, мы проанализируем, как прообразы идей, лежащих в основе дисперсионного анализа, «работают» при использовании простейшего коэффициента парной связи – корреляционного отношения, которое тоже можно рассматривать как способ изучения причинных отношений.

Для более яркого преподнесения математико-статистического подхода мы коснемся также нестатистических методов изучения каузальных структур.
Т е м а 12

Методологические аспекты изучения причинно-следственных отношений с помощью математических методов. Эксперимент в социологии

1. 
   Проблема изучения причинно-следственных отношений.
   

Подчеркнем специфику данного параграфа. Мы очень коротко охарактеризуем ряд известных, ставших классическими, подходов к пониманию причины. При этом сознательно обратимся к истокам интересующих нас положений. Наше изложение вынужденно является поверхностным: тема в какой-то мере уводит нас в сторону от основного содержания настоящего учебника. За кадром останутся многие интереснейшие методологические положения и споры, не потерявшие своего смысла и в наше время. Причина включения этого параграфа в книгу по сути оговорена выше. Мы хотим, чтобы математический аппарат воспринимался читателем не как нечто навязанное социологу «сверху», «со стороны», а как органическая часть социологического исследования. Хотелось бы, чтобы читатель понял, что математический язык – органическая часть социологического, что использование математического языка весьма удобно для адекватного изучения причинно-следственных отношений.

«Причина и следствие – философские категории, выражающие одну из форм всеобщей связи явлений. Причина обычно мыслится как явление, действие которого производит, определяет или вызывает другое явление; последнее называют следствием».⁶⁷ Для наших целей представляется существенным следующее добавление к сформулированному предложению, присутствующее в другом энциклопедическом издании: «Производимое причиной следствие зависит от условий. Одна и та же причина при разных условиях вызывает неодинаковые следствия. Различие между причиной и условием относительно. Каждое условие в определенном отношении является причиной, а каждая причина в соответствующем отношении есть следствие. Причина и следствие находятся в единстве: одинаковые причины в одних и тех же условиях вызывают одинаковые следствия. ... Совокупность всевозможных вещей и процессов природы составляют общее (универсальное) взаимодействие, исходя из которого мы приходим к действительному каузальному отношению ... Причина и следствие могут меняться местами: следствие может стать причиной другого следствия. Во многих областях объективной действительности само взаимодействие причины и следствия выступает как причина изменения явлений и процессов».⁶⁸ Для социолога, изучающего причинно-следственные отношения на основе анализа статистических связей, это весьма важно. Существуют математико-статистические методы измерения связей, которые позволяют в определенной степени учитывать указанные взаимодействия причин, следствий и условий протекания изучаемых процессов. Мы коснемся этого лишь в небольшой степени.

Несмотря на то, что изучение причинно-следственных отношений – главная задача любого научного исследования, единого определения понятия «причина» не существует. Приведем житейский пример, в какой-то мере говорящий о том, почему здесь возникают проблемы.

Предположим, что пожилой человек споткнулся о камень, лежащий на дорожке, и упал. Какова причина его падения? Естественно полагать таковой то, что человек споткнулся о камень. Падение – следствие этого. Одно явление (спотыкание о камень) повлекло за собой другое (падение). Вроде бы все ясно. Но представим себе, что по той же дорожке прошел молодой человек, тоже споткнулся, но не упал. Значит, камень – причина падения только при условии, что человек стар? Однако представим себе, что рядом с дорожкой был забор. И старый человек в той же ситуации не упал, поскольку схватился за забор. Значит, в число тех же условий попал и забор? Более того, то, что человек споткнулся, может быть не причиной падения, а следствием падения накануне, падения, приведшего к боли в ноге. И так – до бесконечности ... Естественно, глубокий анализ подобных ситуаций может привести к разным представлениям о том, что такое причина; в частности, о том, существуют ли вообще причины чего бы то ни было.

Анализу понятия причины уделялось внимание в трудах многих выдающихся ученых. И спектр мнений здесь очень широк. Мы не имеем возможности описать развитие этого понятия более или менее подробно (да это и не является нашей целью). Укажем лишь несколько ключевых фамилий с надеждой на то, что кто-то из студентов заинтересуется соответствующей проблемой и попытается найти ответ на многие стоящие перед исследователями и до сих пор не имеющие ответа вопросы, связанные с эффективным изучением каузальных структур, действующих в жизни общества.

О понятии причины говорил еще Аристотель (384-322 до н.э.). Этого мы касаться не будем, хотя использование взглядов выдающегося ученого Древней Греции отнюдь не бесполезно при анализе причинно-следственных отношений на основе современных математических методов. Не будем рассматривать и многие заслуживающие внимания положения других ученых, живших в следующие после Аристотеля два тысячелетия. «Перепрыгнем» в эпоху Просвещения.

Огромную роль в создании теории причинности, основанной на идее жестко детерминированного мира (все, что происходит, объясняется причинно-следственными связями), сыграл тот переворот в естествознании, который был осуществлен И.Ньютоном (1643-1727), создавшим классическую механику, что, помимо всего прочего, знаменовало собой очень важный методологический переход в научном познании мира от правдоподобных абстрактных рассуждений к точной количественной теории, к эксперименту⁶⁹. Со временем, когда стало ясно, что огромное количество причин, порождающих очень многие интересующие ученых явления, в принципе не может быть учтено, понятие каузальных отношений стало связываться с понятием вероятности. Один из создателей современной теории вероятностей П.Лаплас (1749 – 1827), стоящий на ньютоновской позиции, в своей работе «Опыт философии теории вероятностей» (1795) писал, объясняя роль теории вероятностей в познании мира (и в «натуральной философии», и в «нравственных науках»): «Всякое имеющее место явление связано с предшествующим на основании того очевидного принципа, что какое-либо явление не может возникнуть без производящей его причины. ... Воля, самая свободная, не может породить ... действия без побуждающей причины ... Противоположное мнение есть иллюзия ума, который, теряя из виду мелкие причины того или другого выбора воли, убеждается, что она определяется самою собою и беспричинна».⁷⁰ Подчеркнем, что здесь речь идет о причинной обусловленности т.н. свободной воли отдельного человека. Следующую цитату (о том, как теория всеобщей причинной обусловленности совмещается с обоснованием необходимости прибегать к помощи математической статистики), заимствованную из той же работы Лапласа, мы дадим в переводе русского ученого А.А.Чупрова, ибо этот перевод представляется нам более адекватным: «Разум, который для некоторого данного мгновения знал бы все действующие в природе силы и взаимное расположение всех составляющих ее тел, если бы притом он был достаточно мощным, дабы подвергнуть эти данные вычислению, охватил бы в одной формуле движения величайших светил небесных и движение мельчайших атомов; ничто не было бы для него недостоверным; будущее, как и прошедшее, были бы открыты его взору».⁷¹ Далее Чупров пишет: «Величественное научное credo и в то же время грандиозная программа! Кто же из работников науки откажется исповедовать эту веру и в то же время не остановится в раздумьи перед непомерным размахом программы!». Каков же выход из положения? Ответ мы уже обсуждали в п. 1.3. По сути здесь речь идет о генезисе понятия статистической закономерности. «Статистическая точка зрения знаменует отказ от того прослеживания единичных событий, которое рисуется уму естествоиспытателя как идеал полноты и совершенства знания. Область, где статистический способ изучения утверждался впервые, - явления в совокупностях человеческого общежития, - вообще не поддается изучению путем «астрономическим». Необозримы в своем прихотливом многообразии действия отдельных людей с их трудно уловимыми мотивами поведения, события в их индивидуальной жизни. Вместе с тем рассматриваемые обособленно, они часто мало интересны и не привлекают к себе поэтому внимание исследователя. Нам важно знать именно массовые итоги и общие результаты, представляющие собой сгустки единичных явлений и событий».⁷² Соответственно, с помощью статистических методов, надо изучать и причины разных явлений. При таком подходе к их изучению они тоже будут носить усредненный, статистический характер, о чем пойдет речь ниже.

Здесь же несколько скорректируем мнение Чупрова в соответствии с некоторыми современными представлениями. Во-первых, изучение причин отдельных событий зачастую бывает невозможно не только из-за «неподъемности» соответствующей работы, но и из-за принципиальных соображений: например, в силу невозможности объективного измерения каких-то параметров из-за влияния «прибора» на объект измерения. Это явление хорошо известно физикам, и они научились с ним «бороться» (принцип неопределенности Гейзенберга). Социологи тоже знают об указанном обстоятельстве (опросный инструментарий и обстановка опроса влияют на характер получаемых от респондентов ответов), но пока не разработано эффективных способов «борьбы» с этим явлением ⁷³. И, во-вторых, нельзя полностью отрицать необходимость разбираться в событиях индивидуальной жизни отдельных людей. Необходимость качественных методов исследования (например, использования биографического интервью) вряд ли можно отрицать. Но, наверное, все же говорить о научных выводах все же можно будет только в том случае, если мы, казалось бы, сугубо индивидуальные явления тоже встроим в статистическую канву (будем искать случаи повторения «экзотических» событий и анализировать возможность рассматривать их как причины или следствия других явлений).

Укажем еще некоторые соображения Чупрова. Их он высказал в статье, написанной для известного энциклопедического словаря Брокгауза и Эфрона. Чупров выделяет несколько научных школ, связанных с изучением нравственной статистики⁷⁴. Ту, к которой он причисляет самого себя, русский ученый называет математической (поскольку она ищет опору в математике и, в первую очередь, в теории вероятностей), или логической (поскольку она теснейшим образом примыкает к логике). Эта школа пришла «к более точному решению тех задач, над которыми бесплодно бились представители» других направлений в моральной статистике. Чупров подчеркивает, что «главную, хотя и не исключительную роль … при этом играла теория вероятности» (с.406). При этом он отмечает незавершённость работы и в то же время он говорит об «оживляющем веянии новых идей». О каких «новых идеях» идет речь?

В основании приложения теории вероятностей к статистике лежит представление об объективной возможности, введение которого было связано с углублением представлений о причинности. Если дана причина А некоторого явления, в полной её сложности и определённости, то явление необходимо. Но если имеет место не вся причина, а лишь некоторая часть ее, то явление становится только возможным. «Аналитическое исследование отношений возможной причинной связи является логической функцией статистического метода, тогда как аналитическое исследование отношений связи необходимой приходится на долю индукции» (с.407). Для количественного выражения объективной возможности «служит особая численная характеристика, получающая название математической вероятности. Значение этой характеристики раскрывается знаменитой теоремой Бернулли: в длинном ряду явлений, стоящих отчасти под действием одних и тех же общих причин, отчасти под действием причин, свойственных каждому из них в отдельности и с общими в связи не стоящих, числа повторений всех возможных событий всегда приблизительно пропорциональны их вероятностям при взятых общих условиях» ⁷⁵(с. 407). Развивая эти положения в других своих работах, Чупров пришёл к некоторым соображениям, лежащим в основе современного причинного (путевого) анализа, предвосхитил отдельные идеи крупнейшего американского социолога-эмпирика и методолога эмпирической социологии П. Ф. Лазарсфельда (1901–1976)⁷⁶. Отметим, что об этом говорил сам Лазарсфельд.⁷⁷

Примерно тех же взглядов на понятие причинности, на связь причинности со статистическим подходом, разделял М.Вебер (1864-1920). Взгляды великого немецкого социолога по этому поводу (в рамках обсуждения категории «возможного» в структуре каузального культур-социологического анализа) в их сравнении со взглядами русский неокантианцев (прежде всего – в лице Б.(Ф.)А.Кистяковского (1868-1920)), немецких и русских статистиков (И.Криз (1853-1928), В.И.Борткевич (1868-1931), А.А.Чупров) подробно описаны в работе известного современного российского социолога Ю.Н.Давыдова. ⁷⁸ Не будем раскрывать эти очень интересные дискуссии, хотя они отнюдь не потеряли своей актуальности и для нашего времени.

Описанный взгляд на проблему причинности разделялся отнюдь не всеми исследователями. Упомянем только двух ученых, глубоко разрабатывавших проблему причинности, но отрицавшими объективное существование причин. Это Юм и Кант. Подчеркнем, что в целом мы не согласны с идеалистической направленностью их представлений, но, тем не менее, полагаем, что использование ряда разработанных ими идей полезно при обосновании необходимости изучения причинно-следственных отношений с помощью математико-статистических методов и при разработке адекватных способов такого изучения.

Для известного английского (шотландского) историка и мыслителя Д.Юма (1711-1776) понятие «Я» – это «пучок перцепций» (чувственных восприятий). Перцепции разрозненны и единичны, чисто индивидуальны, не связаны друг с другом; следовательно, в мире нет реальной причинности, мы просто привыкли к тому, что за одной перцепцией (причиной) часто следует другая (следствие), но логически показать, почему это так, мы не можем. Подчеркнем, что здесь речь идет отнюдь не о статистическом понимании причинности (с которым соглашались Лаплас, Вебер, Чупров). Здесь скорее имеется в виду индуктивный процесс (доказательство с помощью перехода от частного к общему). В связи с этим вглядимся внимательно в приведенную выше цитату из Чупрова: аналитическое исследование отношений возможной причинной связи русский ученый понимает как логическую функцию статистического метода и говорит о вероятности как численной характеристике объективной возможности; аналитическое же исследование необходимой связи он относит к индуктивному выводу. Таким образом, в изучении причинной структуры он как бы выделяет два разных направления: статистическое и индуктивное. Поскольку глубоко познать роль какого-то подхода в науке можно только в сопоставлении его с другими подходами, то ниже мы уделим индуктивному подходу особое внимание (это тем более важно, что, насколько нам известно, в литературе, ориентированной на социолога, эти практически важные моменты не рассматриваются).

Теперь вернемся к Юму и отметим, что и он не совсем все в человеческом познании сводил к перцепциям. По Юму, здесь имеются исключения: например, математическое познание не зависит от перцепций и, например, геометрия является результатом неких операций воображения, не связанных с опытом⁷⁹. Именно такой взгляд на математическое познание в сочетании с идеей о возникновении понятия причины в результате привычки послужили одним из мощных толчков к тому обновлению европейской философии, которое было осуществлено великим немецким философом И.Кантом (1724-1804). Этот ученый рассматривал причинность как одну из тех категорий, без которых недостижимо упорядочение опыта (чувственных данных, результатов воздействия на нас вещей в себе). Кант полагал, что эту категорию нельзя извлечь из опыта: она является одной из априорных форм познания и как таковая требует предварительного критического анализа, изучения ее взаимодействия с опытом ⁸⁰.

Нам важно отметить, что кантовская теория познания учитывает активность субъекта (она проявляется в представления о причинности как априорной формы познания). Это обстоятельство будет использоваться нами в следующих параграфах, при обсуждении вопросов, связанных с изучением каузальных структур на основе использования математического аппарата: как мы увидим, выбор того или иного метода и, соответственно, интерпретация понятия причины, зависит от самого исследователя. Тем самым мы позволим себе несколько перетолковать кантовское понятие причинности, связав представление об априорности соответствующей формы познания с заданием этой формы посредством выбора используемой математической модели причинности (т.е. выбора то ли коэффициента корреляции, то ли регрессионного анализа и т.д.). В оправдание такого «святотатства» приведем еще одну цитату из Канта (напомним, что, в соответствии с мнением этого ученого мы изучаем только явления не познаваемых в принципе предметов, вещей в себе): «Так как явления не вещи в себе, то в основе их должен лежать трансцендентальный предмет, определяющий их как одни лишь представления, и потому ничто не мешает нам приписывать этому трансцендентальному предмету кроме свойства, благодаря которому он является, также причинность, которая не есть явление, хотя результат ее находится тем не менее в явлении. Но всякая действующая причина должна иметь какой-то характер, т.е. закон своей каузальности, без которого она вообще не была бы причиной».⁸¹ Будем считать, что характер причины, определяющий закон ее каузальности, - это и есть выбранная для изучения причины математическая модель. А то, что причина не есть явление, вполне согласуется с высказанным выше положением о том, что никакой математический метод не способен ответить на вопрос, что в рассматриваемых двух явлениях есть причина, а что – следствие. И то соединение чувственного созерцания с категориями рассудка, которое, по Канту, дает подлинное знание, при нашем подходе, вероятно, надо отождествить с органическим единством этапов применения математического метода (см. п. 1.7): формирования априорных соображений, дающих основу для выбора метода (условно это – чувственное созерцание), выбор алгоритма (использование категории рассудка), интерпретация результатов его применения, с возможной корректировкой результата (снова – чувственное созерцание)⁸².

Итак, несмотря на обилие работ, посвященных осмыслению понятия причины, ответ на вопрос о том, что такое причина, до сих пор остается открытым, единого мнения по этому поводу не существует. Тем не менее, исследователи все же как-то выходят из положения, изучают системы причинно-следственных отношений, которые обычно считают объективно существующими. И делается это, как правило, с помощью тех или иных математических (иногда – логических) методов. Подробнее об этом – в следующем параграфе, где мы используем ряд описанных выше идей, связанных с пониманием причинности разными исследователями, идей, формализованных в той или иной степени в современном логико-математическом обеспечении социологических исследований.

2. 
   Невозможность полностью формализовать понятия причины и следствия. Выделение двух основных направлений изучения причинно-следственных отношений: построение структурных уравнений и проведение эксперимента.
   

Ниже мы позволим себе упомянуть наименования нескольких методов анализа данных, пока вряд ли знакомых нашему читателю. Как и выше, мы делаем это сознательно, для того, чтобы студент получил хотя бы поверхностное представление о современном методном арсенале социолога.

Какое бы из известных определений причинности мы ни взяли, можно с уверенностью сказать, что не существует логико-математического метода, позволяющего полностью формализовать подход к выявлению причин, определяющих изучаемое исследователем явление (здесь, вероятно, требуется пояснить, почему мы говорим не только о математическом, но и о логическом анализе; однако это станет ясно из дальнейшего – логическими являются, например, правила причинного вывода на основе анализа результатов эксперимента, предложенные Миллем, о чем пойдет речь ниже).

Известно, что никакой формальный логико-математический анализ не может нам доказать, что такой-то признак (признаки) является причиной такого-то явления. Тем не менее, использование логико-математического формализма – это единственный подход, позволяющий проверять гипотезы соответствующего плана, корректировать, принимать или отвергать их.

Логико-математических методов, позволяющих изучать причинно-следственные отношения, очень много. Сюда входят очень разнородные подходы, начиная с расчета парных коэффициентов связи (число которых, в свою очередь, измеряется сотнями) и кончая сложными комплексными методами изучения структур связей между переменными, опирающимися на разного рода причинные, регрессионные, логлинейные, факторные, дисперсионные и другие модели (отдельные примеры методов, позволяющих изучать причинные отношения между двумя переменными, мы приводили в п. 11.3).

Как мы уже неоднократно упоминали, в каждом математическом методе заложена определенная модель того явления, которое с помощью этого метода изучается. Встает вопрос о том, чем отличается один метод от другого, т.е. вопрос о сравнении моделей, заложенных в каждом из них.

В рамках данной книги мы не будем подробно говорить обо всех этих методах. Выделим два главных направления.

Первое направление поиска причин связано с построением т.н. структурных уравнений. Речь идет о подходе, в соответствии с которым, на основе глубокого априорного анализа гипотетических причинных отношений между большим количеством переменных составляется система регрессионных моделей, анализ которых дает возможность четко понять, какие именно глубокие, опосредованные причины обусловливают ту или иную статистическую связь. Этот подход ранее назывался причинным, путевым анализом. Затем в соответствующие модели начали включать т.н. латентные (т.е. скрытые, не поддающиеся измерению с помощью непосредственного опроса респондентов). В результате подход объединил в себе, помимо своеобразных приемов использования регрессионного анализа, еще и факторный и латентно-структурный анализ. И подход стал коротко обозначаться аббревиатурой SEM (моделирование структурными уравнениями).

Представляется, что заложенные в указанном подходе модели близки к тому пониманию причинности, которое отвечает описанному выше статистическому подходу.

Второе направление отвечает поиску причин с помощью проведения эксперимента. Здесь выделим два поднаправления. Одно – статистическое. Современная наука включает в себя такой раздел, который называется «Планирование эксперимента». И опирается соответствующий подход на идеи дисперсионного анализа. Как уже было сказано, дисперсионный анализ отличается от ряда других подходов к выявлению каузальных отношений именно тем, что здесь речь идет о выявлении причинно-следственных отношений через эксперимент. При этом проверяются определенного рода статистические гипотезы. Конкретнее о «понимании» причины именно дисперсионным анализом пойдет ниже, в главах 14 и 15.

Второе поднаправление – индуктивное. Оно, как правило, не использует статистических предпосылок. Но мы его рассмотрим, во-первых, из-за его активного использования в социологии и, во-вторых, из-за того, его анализ даст возможность больше оттенить специфику (достоинства и недостатки) подхода математической статистики. Перейдем к более подробному описанию указанных поднаправлений.
12.3. Роль математической статистики в проведении эксперимента. Нестатистический (индуктивный) подход: эксперимент по Миллю

Надеемся, читатель-социолог помнит, что еще со времен Конта эксперимент в социологии считается одним из основных способов получения социологического знания. Но тот же Конт говорил и о сложности соответствующего процесса, его специфическом характере по сравнению с экспериментом в естественных науках.

Наверное, нетрудно понять, что эксперимент в социологии – дело не простое. Этой теме посвящено довольно много литературы. Ниже мы лишь очень коротко упомянем о наиболее острых проблемах, стоящих перед социологом, желающим получить новое знание с помощью эксперимента. Желающие познакомиться с этой проблематикой глубже могут воспользоваться библиографией, приведенной в списке добавочной литературы к настоящей теме.

Об основных моментах, обусловливающих специфику эксперимента в социологии, можно прочесть в отечественной литературе. ⁸³ Очень коротко напомним, что такое эксперимент, зачем он нужен и в чем состоит специфика его использования именно в социологии.

Воспользуемся несколькими цитатами из работы «Методы сбора информации в социологических исследованиях», кн.2.⁸⁴.

«Целью всякого эксперимента является проверка гипотез о причинной связи между явлениями: исследователь создает или изыскивает определенную ситуацию, приводит в действие гипотетическую причину и наблюдает за изменениями в естественном ходе событий, фиксирует их соответствие или несоответствие предположениям, гипотезам» (с.190). Удовлетворение всех предъявляемых к экспериментам требований (а эти требования родились в естественных науках и до сих пор никем не оспаривались) в социологии очень трудно. И основная трудность обычно заключается в обеспечении т.н. внешней и внутренней валидности эксперимента.

Определения упомянутых видов валидности даны в названной выше книге. Однако там нет четких указаний на способы их обеспечения. А такие способы опираются на математические методы. Остановимся на некоторых таких сторонах понятий внутренней и внешней валидности, которые нельзя оценивать без использования математического аппарата.

Внутренняя валидность. Проблема состоит в грамотном выделении таких факторов, которые действительно определяют вариацию интересующего нас признака. Мы должны быть уверены «в том, что именно изучаемый в данном эксперименте фактор, а не какой-либо иной, является причиной зарегистрированного изменения» (с.190). Как мы увидим в 14 и 15 главах, обеспечение такой уверенности дает дисперсионный анализ. Мы рассматриваем интересующие нас вариации значений некоторого признака Y в зависимости именно от изменения значения конкретного рассматриваемого фактора X (в однофакторном дисперсионном анализе, глава 14) или сочетаний значений двух рассматриваемых факторов X₁ и X₂ (в двухфакторном дисперсионном анализе, глава 15).

Внешняя валидность. Проблема состоит в обеспечении возможности переноса результатов с конкретной изученной исследователем экспериментальной ситуации в “живую” жизнь. Мы должны быть уверены «в том, что выявленная зависимость закономерна в определенных условиях, что полученные выводы можно распространять на внеэкспериментальные ситуации» (с.190). Ясно, что основным аппаратом, обеспечивающим подобную уверенность, может (и должна! Другого пути наука пока не создала) служить математическая статистика – построение доверительных интервалов, проверка статистических гипотез и т.д. Именно это делается в дисперсионном анализе, являющемся одним из разделов математической статистики.

Хотелось бы, чтобы особенное внимание читатель уделил следующему обстоятельству, слабо отраженному в социологических публикациях. Одним из первых социологов, обративших внимание на логику доказательства научных гипотез был английский ученый Дж.С. Милль (1806-1873), считающийся основателем позитивизма в Англии, создателем индуктивной логики, последователем Юма. Задача науки, с его точки зрения, - индуктивное упорядочение единичных явлений. Индукцию же «можно коротко определить как «обобщение из опыта». Она состоит в том, что на основании нескольких отдельных случаев, в которых известное явление наблюдалось, мы заключаем, что это явление имеет место и во всех случаях известного класса, т.е. во всех случаях, сходных с наблюдавшимися в некоторых обстоятельствах, признаваемых существенными»⁸⁵. Милль не говорит о том, в чем именно должны быть сходны эти обстоятельства, но использует предположение о том, что «в природе существуют сходные, параллельные случаи, что то, что произошло один раз, будет иметь место при сходных обстоятельствах и вторично, и не только вторично, а всякий раз, как снова встретятся те же самые обстоятельства» ⁸⁶. Заметим, что в подобных предположениях прослеживается определенная аналогия с определением вероятности, а именно, с тем, что мы, как правило, не знаем, каков должен быть тот комплекс условий, который входит в это определение.⁸⁷

Опишем предложенные Миллем логические схемы поиска причинных отношений, заимствуя их описание из цитированной выше фундаментальной работы Милля⁸⁸.

«Простейших и наиболее очевидных способов выделять из числа предшествующих явлению или следующих за ним обстоятельств те, с которыми это явление действительно связано при помощи неизменного закона, - таких способов два. Один состоит в сопоставлении тех отличных один от другого случаев, в которых данное явление имеет место; другой – в сравнении таких случаев, где это явление присутствует, со сходными в других отношениях случаями, где этого явления, тем не менее, нет. Первый из этих способов можно назвать «методом сходства» (the Method of Agreement), второй – «методом разницы» или методом различия (the Method of Difference).

ПЕРВОЕ ПРАВИЛО.

Если два или более случаев подлежащего исследованию явления имеют общим лишь одно обстоятельство, то это обстоятельство, - в котором только и согласуются все эти случаи, - есть причина (или следствие) данного явления...

ВТОРОЕ ПРАВИЛО

Если случай, в котором исследуемое явление наступает, и случай, в котром оно не наступает, сходны во всех обстоятельствах, кроме одного, встречающегося лишь в первом случае, то это обстоятельство, в котором одном только и разнятся эти два случая, есть следствие, или причина, или необходимая часть причины явления...

Из этих двух методов «метод различия» есть по преимуществу метод искусственного опыта или эксперимента, тогда как к «методу сходства» прибегают преимущественно тогда, когда эксперимент невозможен.

Третий метод можно назвать «косвенным методом различия», или «соединенным методом сходства и различия» (the indirect Method of Difference, or the joint Method of Agreement and Difference). Он состоит в двойном приложении метода сходства, причем оба доказательства независимы одно от другого и друг друга подкрепляют … Правило для него можно выразить следующим образом:

ТРЕТЬЕ ПРАВИЛО

Если два или более случаев возникновения явления имеют общим лишь одно обстоятельство, и два или более случаев невозникновения того же явления имеют общим только отсутствие того же самого обстоятельства, то это обстоятельство, в котором только и разнятся оба ряда случаев, есть или следствие, или причина, или необходимая часть причины изучаемого явления.»

Кроме того, Милль вводит «метод остатков» и «метод сопутствующих изменений» (the Method of concomitant Variations) с помощью следующих правил:

«ЧЕТВЕРТОЕ ПРАВИЛО

Если из явления вычесть ту его часть, которая, как известно из прежних индукций, есть следствие некоторых определенных предыдущих, то остаток данного явления должен быть следствием остальных предыдущих.

ПЯТОЕ ПРАВИЛО

Всякое явление, изменяющееся определенным образом всякий раз, когда некоторым особенным образом изменяется другое явление, есть либо причина, либо следствие этого явления, либо соединено с ним какой-либо причинной связью.»
Вряд ли требует особого доказательства утверждение о том, что Милль, во-первых, говорит об индуктивном выводе и, во-вторых явно следует тому положению Юма, в соответствие с которым понятие причинности возникает просто в силу возникновения у нас привычки за одной перцепцией наблюдать другую.

Миллевским рассуждениям уделяли огромное внимание русские социологи 19-го века. А.А.Чупров (о котором шла речь выше), изучал Милля, еще будучи гимназистом. Большое внимание творчеству Милля уделил Н.Г.Чернышевский⁸⁹. При этом логика Милля рассматривалась русскими учеными в основном именно как логика выявления причинно-следственных отношений (через эксперимент).

Слабо известным отечественным социологам является тот факт, что в наше время эти схемы были рассмотрены группой ученых под руководством В.К.Финна как основа того направления науки, которое связано с созданием искусственного интеллекта. Идеи Милля получили дальнейшее развитие. Был разработан пакет компьютерных программ, названный авторами “ДСМ-система” (по инициалам английского ученого)⁹⁰Здесь по существу речь идет о порождении гипотез о причинных отношениях на основе анализа данных. Тем не менее, и эти рассуждения можно считать касающимися проведения своеобразных экспериментов.⁹¹

Подчеркнем, что в работах коллектива, руководимого Финном, не предполагается вероятностное порождение исходных данных. Исходные данные не считаются выборкой из какой бы то ни было генеральной совокупности. Рассматриваемые значения признаков не считаются реализациями значений каких-то известных случайных величин. Поэтому традиционные для математической статистики вопросы о переносе результатов с выборки на генеральную совокупность даже не ставятся. То же можно сказать и о логических схемах Милля. Тем не менее, мы говорим об этом подходе именно в данном учебнике. Причин, по крайней мере, три. Во-первых, с педагогической точки зрения неправильно было бы отделять друг от друга описания методов, решающих сходные в содержательном плане задачи. Во-вторых, предположение о вероятностном происхождении данных в социологических задачах довольно часто должно подвергаться сомнению (об этом мы уже упоминали в п. 1.3). И если это сомнение исследователь сочтет оправданным, он должен тут же попытаться решить свою задачу (в данном случае речь идет об анализе причинно-следственных отношений) каким-то другим способом, не использующим классические математико-статистические приемы. Сделать это и позволяет, скажем, та же система Финна. В-третьих, понять, что такое статистический подход, можно только в сравнении его с нестатистическим. В этом параграфе мы говорим о нестатистических способах проведения эксперимента с целью изучения причинно-следственных отношений, в темах 14 и 15 – о статистических.

Сказанное подтверждает, что понятие эксперимента имеет много аспектов. Так, проблемы, рассматриваемые Миллем, казалось бы, совсем не похожи на те, которые решает дисперсионный анализ. В действительности же речь идет о разных возможностях изучения одного и того же процесса – причинно-следственного воздействия одного явления на другое. Каждый подход имеет свои достоинства и недостатки. Каждый отвечает своему пониманию того, что такое причина. Как мы уже отмечали, в литературе имеется огромное количество определений этого понятия. И имеется острая нехватка работ, в которых серьезно бы анализировались те понимания причинности, которые стоят за тем или иным математическим аппаратом. По нашему мнению, без особой натяжки можно сказать, что речь идет о необходимости анализа той существующей в сознании человека априорной формы познания, которую Кант связывал с законом причинности. Мы сейчас делаем упор не на слове «априорный», полагая, что положение об априорности спорно, а на том, что прежде, чем исследователь приступит к изучению причинности с помощью логико-математических методов, у него в сознании должно сформироваться представление о том, что такое причинность. И это представление должно лечь в основу выбора способа изучения причинности. Если даже исследователь не задумывается о таких вопросах, все равно, выбирая тот или иной математико-логический способ изучения причинности, он волей-неволей пользуется некой априорной ее моделью – той, которая была придумана автором используемого метода.

На повестке дня науки (речь идет о методологии социологического исследования) явно стоит вопрос о разработке методики комплексного использования разных способов выявления и оценивания причинно-следственных отношений при решении одной и той же социологической задачи.