Глава 8. Анализ данных

Виды анализа данных

Методы, применяемые социологами для анализа данных, многообразны. Выбор конкретного метода зависит, в первую очередь, от характера исследовательских гипотез, т. е. от того, на какие вопросы мы хотим получить ответ. Если целью является описание одной характеристики выборки в определенный момент времени, разумно ограничиться одномерным анализом,т. е. описанием распределения наблюдений («случаев») вдоль оси интересующего нас признака. Разнообразные техникимногомерного анализапозволяют одновременно исследовать взаимоотношения двух и более переменных и в той или иной форме проверять гипотезы о причинных связях между ними. Различия между этими методами-точнее, классами методов-неабсолютны. В реальном исследовании каждое уточнение исходных гипотез или выдвижение новой гипотезы в ходе анализа результатов приводит к необходимости выбора новой техники анализа данных. Так, если изначальная модель взаимоотношения двух переменных (скажем, профессии и дохода) не позволяет выявить определенную закономерность в собранных данных, исследователь выбирает одну из статистических техник, позволяющих контролировать влияние какой-то третьей переменной, например пола, на интересующее его отношение.

Помимо характера исследовательских гипотез на выбор методов статистического анализа влияет и природа полученных социологом данных. Мы уже говорили о том, что разные уровни измерениясоциологических переменных определяют возможности и ограничения анализа. Для того чтобы охарактеризовать распределение в выборке такого номинального признака, как «пол», мы не можем воспользоваться его среднеарифметическим значением и, следовательно, нам потребуются какие-то другие приемы компактного и точного представления полученной информации.

Методы, используемые для анализа связи между двумя номинальными переменными, также будут отличаться от методов анализа связи между номинальной переменной и переменной, измеренной на интервальном уровне. Таким образом, выбор той или иной статистики будет зависеть и от целей анализа, и от уровня измерения исследуемых переменных.

Существует два основных класса задач, решаемых с помощью статистических методов анализа. Задачей дескриптивной (описательной) статистикиявляется описание распределения переменной-признака в конкретной выборке. Методы дескриптивной статистики позволяют также анализировать взаимосвязь между различными переменными. Другой класс задач, связанный с необходимостью вывести свойства большой совокупности, основываясь на имеющейся информации о свойствах выборки из этой совокупности, решается с помощью методовиндуктивной статистики,или теории статистического вывода, основанной на вероятностном подходе к принятию решений. Воспользовавшись

какой-то моделью для анализа полученных выборочных данных, социолог обычно также применяет некоторые методы статистического вывода, позволяющие определить, выполняются ли обнаруженные им при анализе данных отношения на уровне большой совокупности, из которой была извлечена выборка.

В этой главе мы уделим основное внимание использованию дескриптивной статистики в анализе социологических данных. Нашей целью здесь будет скорее качественное, содержательное понимание сути этих методов, основанное лишь на самых элементарных математических представлениях и, в некоторых случаях, на интуитивном понимании «физического смысла» статистических моделей. Такое понимание может служить определенным фундаментом для более глубокого изучения прикладной статистики. Кроме того, оно совершенно необходимо для того, чтобы самостоятельно формулировать задачи анализа данных и ориентироваться в существующем разнообразии методов и техник, используемых другими исследователями при решении этих задач.

Одномерный анализ: табулирование и представление данных

Результаты измерения любой переменной могут быть представлены с помощью распределения наблюдений («случаев») по отдельным категориям данной переменной. Категория, в которую попадают одинаковые наблюдения, может быть номинальной («православный», «протестант» и т. п.) либо иметь числовое значение. В любом случае результатом такого упорядочения наблюдений будет их группировка.Работать с упорядоченными данными значительно проще, чем с исходным «сырым» массивом: в «сырых» данных, конечно, содержатся сведения о том, как много в выборке, например, пенсионеров, однако для получения нужной цифры придется перебрать все наблюдения «случай» за «случаем». Если данные сгруппированы, достаточно посмотреть, каковаабсолютная частота, т. е. число наблюдений в данной выборке, попадающих в интересующую нас категорию. Для переменных, имеющих не произвольную метрику, т. е. измеренных на ординальном или интервальном уровне (см. гл. 6), нередко используется еще одна процедура, делающая представление данных более компактным и удобным в работе при сохранении заданного уровня точности. Предположим, что в каком-то исследовании 22,0782% опрошенных поддержали государственную программу приватизации, а исследование, проведенное месяц спустя, дало иное значение-22,1327%. Даже если теоретический конструкт «поддержка программы приватизации» можно представить как непрерывный ряд числовых значений, на практике исследовательской переменной будет соответствовать некоторый набор дискретных числовых величин (категорий). Кроме того, тысячные или сотые доли процента едва ли будут существенны для интерпретации полученных результатов. Поэтому в представлении данных обычно используют процедуруокругления.Определив необходимую степень точности - и соответственно приемлемый уровень неточности,- исследователь может округлить все полученные числовые значения до десятых долей или, скажем, до целых процентов. Так, в нашем примере округление до целого числа даст цифру 22%. В дальнейшем каждое последующее наблюдение, дающее числовое значение в интервале между 21,5% и 22,5%, будет попадать в класс «22% поддержки приватизации». В результате процедуры округления исследователь фактически устанавливаетграницы классов,объединяющих

значения переменной в заданном интервале, и середины (центры) классов, т. е. усредненные значения для каждого интервала.

Необходимость объединить значения переменной в 10-15 крупных классов-категорий часто возникает и при работе со «слишком хорошо измеренными» признаками, соответствующими шкалам интервалов или отношений (возраст, доход и т. п.). Во-первых, чрезмерное количество градаций переменной препятствует ее компактному представлению-табличному или графическому. Во-вторых, для конечной выборки обычно соблюдается следующая закономерность: число градаций (категорий) признака обратно пропорционально их заполненности. Переменная с огромным числом градаций, содержащих по 2-3 наблюдения, часто создает серьезные проблемы в статистическом анализе и оценивании (хотя для некоторых методов анализа - корреляция, регрессия и т. п. - эти проблемы, как мы увидим дальше, несущественны). Самым целесообразным выходом обычно оказывается перекодирование, «сжатие» исследовательской переменной. Здесь существует два основных подхода:

1) исходные градации объединяются в более крупные классы на основании каких-то содержательных соображений, причем полученные классы имеют приблизительно равную ширину (например, данные о возрасте часто перекодируют в более широкие «десятилетние» категории- 20-29 лет, 30-39 лет и т. п.);

2) решение о способе «сжатия» переменной принимают, основываясь на распределении наблюдений («случаев») по оси переменной, например, границы между «низким», «средним» и «высоким» доходом устанавливают так, чтобы в каждую категорию попало 33% наблюдений.

Стремление к компактности и «читабельности» данных не должно вести к крайностям. Руководствуясь соображениями здравого смысла, исследователь должен избегать ситуаций, когда перегруппировка ведет к тому, что полученная переменная оказывается слишком грубым средством классификации наблюдений, не позволяющим выявить существенные для анализа различия. Важно также следить за тем, чтобы объединение категорий или числовых градаций пере-менной-признака не привело к искусственному созданию отношений и взаимосвязей, которые в действительности отсутствуют в данных.

Независимо оттого, какие статистические методы и модели собирается использовать исследователь, первым шагом в анализе данных всегда является построение частотных распределенийдля каждой изучавшейся переменной. Полученные результаты принято представлять в виде таблицы частотного распределения (или просто-таблицы распределения) для каждой существенной переменной. Примером табличного представления может служить приведенная нижетаблица 8.1,в которой представлены гипотетические данные выборочного опроса 500 владельцев домашних телефонов.

Иногда в таблице распределения указывают лишь относительные частоты, опуская абсолютные. Но и в этом случае в правом нижнем углу таблицы должны быть указаны абсолютное число ответивших (база для вычисления процентов) и число неответивших.

Помимо табличного представления частотных распределений обычно используют и различные методы графического представления.Самый распространенный метод графического представления одномерных распределений - этогистограмма,или столбиковая диаграмма. Каждый столбик соответствует интер-

Таблица 8.1 Частотное распределение ежемесячных расходов на международные телефонные переговорыИнтервал класса (расходы в руб.)Абсолютная частота, челОтносительная частота,%до 30005111,03000-5999408,66000-899913529,09000-119998017,212000-149996514,015000-199994910,520000-23999378,0свыше 2400081,7всегоN=465100% (=465)не ответили35(35)

валу значений переменной, причем его середина совмещается с серединой данного интервала. Высота столбика отражает частоту (абсолютную или относительную) попадания наблюдавшихся значений переменной в определенный интервал. При построении гистограмм часто приходится использовать некоторые конвенции, основанные на сугубо практических соображениях. Так, используя при группировке значений переменной неравные интервалы либо оставляя крайние градации открытыми («старше 65 лет», «свыше 24000 рублей» и т. д.), мы все же отображаем эти интервалы на гистограмме с помощью столбиков, имеющих одинаковую ширину. Другое практическое правило позволяет сделать гистограмму визуально уравновешенной, т. е. более привлекательной: масштаб шкалы обычно выбирают так, чтобы общая высота гистограммы составляла приблизительно 40-60% ее ширины. Пример гистограммы для данных из таблицы 8.1приведен нарисунке 14.

Если просто соединить между собой точки, соответствующие абсолютным или относительным частотам (ось ординат) для середин интервалов, мы получим так называемый полигон распределения.Эта операция, разумеется, будет иметь какой-то смысл лишь для количественных переменных, которые мы в принципе можем представить себе как непрерывные. Нарисунке 15изображен полигон распределения для экспертных оценок телегеничности политического ли-

дера (50 экспертов оценивали политика в процентах по отношению к некоторому абсолютному эталону телегеничности).

Еще один популярный способ графического представления, обычно используемый для качественных данных (т. е. для номинальных или ординальных измерений),- это круговая диаграмма.Каждый сектор круговой диаграммы представляет дискретную категорию переменной. Величина сектора пропорциональна частоте категории для данной выборки. Нарисунке 16приведена круговая диаграмма, иллюстрирующая распределение подростков, страдающих вялотекущей формой шизофрении, по возрасту на момент начала («дебюта») заболевания1.

Какую бы форму представления данных мы ни избрали, полученное частотное распределение все еще содержит «слишком много» деталей, не отвечая при этом на весьма важные для содержательного анализа вопросы о самых типичных значениях признака и диапазоне разброса отдельных наблюдений. Для облег-

' Источник данных: Личко А. Е.Шизофрения у подростков. М.: Медицина, 1989. С. 6.

чения работы с частотными распределениями, а также для обобщенного представления их характеристик, обычно используют определенные числовые значения - статистики.Дело в том, что специалисты по статистике используют последний термин в двух значениях: как название своей дисциплины и как обозначение какой-либо числовой функции, описывающей результаты наблюдений. Наибольшее практическое значение имеют две группы статистик:меры центральной тенденцииимеры изменчивости (разброса).

Меры центральной тенденцииуказывают на расположение среднего, или типичного, значения признака, вокруг которого сгруппированы остальные наблюдения. Понятие среднего, центрального, значения в статистике, как и в повседневной жизни, подразумевает нечто «ожидаемое», «обычное», «типичное». Способность среднего значения давать некую обобщенную информацию о распределении вытекает из того соотношения, которое связывает среднее значение с другими «особыми» точками распределения - минимумом и максимумом: зная среднее значение, мы можем утверждать, что наименьшее наблюдаемое значение полученного распределения - например, распределения веса или интеллекта - было не больше среднего, а наибольшее зафиксированное значение - не меньше среднего.

Отличие статистической трактовки среднего значения (или, точнее, мер центральной тенденции) от его «житейской» трактовки заключается прежде всего в том, что в статистике, в отличие от повседневной жизни, понятие среднего значения может быть строго задано лишь для одномерного распределенияпере-менной-признака. Мы можем, например, указать на семью со средним душевым доходом, но при этом не следует ожидать, что данная семья будет средней или типичной в каких-то других отношениях, т. е. будет иметь средний размер, среднюю жилплощадь и т. п. В повседневном общении мы приписываем понятию среднего куда более широкий и менее точный смысл. В этом нет большой беды, пока мы не смешиваем «житейскую» и «статистическую» интерпретации. Мы действительно получаем полезную информацию, узнав, что окружающие говорят о ком-то как о «человеке средних способностей», но будет ошибкой заключить, что некто X, имеющий средний показатель интеллекта, наверняка имеет средние успехи в учебе или посредственно сочиняет стихи. Именно поэтому популярные газетные образы «среднего российского подростка» или «среднего читателя», в сущности, лежат за пределами корректного использования статистики.

Самой простой из мер центральной тенденции является мода (Мо).Для номинальных переменных мода - это единственный способ указать наиболее типичное, распространенное значение. Разумеется, исследователь может пользоваться модальным значением и для характеристики распределения переменных, измеренных на более высоком уровне, если для этого существуют содержательные основания (например, описывая распределение ответов на вопрос о количестве подписываемых журналов).Мода - это такое значение в совокупности наблюдений, которое встречается чаще всего.Например, если в выборке содержится 60% православных, 30% мусульман и 10% представителей других конфессий, то модальным значением будет «православный». У моды как меры центральной тенденции есть определенные недостатки, ограничивающие ее интерпретацию. Во-первых, в распределении могут быть две и более моды (соответственно оно является бимодальным или мультимодальным). Скажем, если в группе из десяти человек четверо не имеют автомобиля (0), четверо имеют

один автомобиль, один человек имеет две машины и еще один - три, то нам придется-указать два модальных значения - 0 и 1. Кроме того, мода чрезвычайно чувствительна к избранному способу группировки значений переменной. Объединяя категории ответа, мы резко увеличиваем число наблюдений в отдельных категориях. Это открывает широкий простор для манипулирования данными (не всегда добросовестного). Поэтому «правилом хорошего тона» при вычислении модального значения для сгруппированных количественных данных является выравнивание ширины для всех интервалов класса.Еще одно важное правило касается случаев, когда частоты для всех наблюдаемых значений почти равны. Здесь лучше воздержаться от вычисления моды, так как в этом случае она просто не может быть интерпретирована как мера центральной тенденции. Если, скажем, 48% болельщиков поддерживают сборную Италии, а 49% - сборную Бразилии, модальное значение «поддерживает бразильцев» будет не очень модальным. И все же во многих случаях вычисление моды и необходимо, и полезно. Например, для архитектора, занимающегося планированием жилых домов, знание модального значения для размера семьи в данной местности, может оказаться весьма важным.

Другая мера центральной тенденции - медиана -обычно используется для ординальных переменных, т. е. таких переменных, значения которых могут быть упорядочены от меньших к большим. Пример вычисления медианы рассматривался нами в главе 6. Напомним, что медиана(Md) -это значение, которое делит упорядоченное множество данных пополам, так что одна половина наблюдений оказывается меньше медианы, а другая - больше. Иными словами, медиана - это 50-й процентиль распределения. Как мы уже видели, при работе с большим массивом данных удобнее всего искать медиану, построив на основании частотного распределения распределениенакопленных частот(или построив распределение накопленных процентов на основании распределения процентов). Для того чтобы найти медианное значение для маленького массива наблюдений, достаточно упорядочить наблюдения от меньших значений переменной к большим: то значение, которое окажется в середине, и будет медианным. Например, для ряда: 17 баллов, 18 баллов, 20 баллов, 21 балл, 22 балла, медианой будет значение 20 баллов. Если число значений в группе наблюдений четное, то медианой будет среднее двух центральных значений. Медиану иногда называют «позиционным средним», так как она указывает именно среднюю позицию в упорядоченном ряду наблюдений. Медиана может совпадать или не совпадать с модой. При этом медиана лучше всего соответствует нашему интуитивному представлению о середине упорядоченной последовательности чисел. Некоторые исследователи даже полагают, что медиана - лучше и «справедливее» среднеарифметического при описании таких величин, как, скажем, доход семьи. Ведь семьи, имеющие доход нижесреднего,могут составить и 60, и 70% населения. Когда же мы говорим, например,что медиан-ныйдоход составил 10 млн рублей в год, то не более 50% семей окажутся «ниже среднего уровня». На медиану не влияют величины «крайних» очень больших или малых значений.

И все же для количественных переменных самой важной и распространенной является другая мера центральной тенденции -среднее арифметическое,которое чаще всего называют простосредним(и обозначают какX). Процедура определения среднего общеизвестна: нужно просуммировать все

значения наблюдений и разделить полученную сумму на число наблюдений. В общем случае:

где Х1 ... Хi -наблюдаемые значения,п -число наблюдений, E - знак арифметической суммы.

В таблице 8.2показано, как вычислить средний возраст для выборки из 20 посетителей библиотеки. Заметьте, что каждое значение просто умножается на свою абсолютную частоту.

Приведенный нами пример (см. табл. 8.2)показывает, насколько среднее уязвимо для «крайних» значений. Фактически для нашей небольшой выборки молодых людей прибавление одного - восьмидесятилетнего - читателя заметно увеличило средний возраст. Следует, однако, помнить о том, что степень «возмущения» среднего под влиянием единичных очень больших или малых значений уменьшается в прямом соответствии с ростом объема выборки. Заметим также, что при расчете среднего для сгруппированных данных частоты умножаются на значение, соответствующеесередине интервала группировки.

Среднее обладает рядом важных свойств. В частности, если сложить все значения отклонений от среднего значения, т. е. разности между ХиХ1, Х2, ... Хi(которые могут быть и положительными, и отрицательными), тосумма отклоненийбудет равна нулю. Кроме того,сумма квадратов отклоненийнаблюдаемых значений от их арифметического среднего меньше сум-

мы квадратов отклонений от любой другой точки2. Эти свойства среднего определяют его уникальную роль в решении ряда статистических задач, о которых мы будем говорить ниже. Сейчас достаточно отметить то обстоятельство, что при использовании среднего в качестве «представителя» (т. е. статистической оценки) каждого из наблюдаемых значений, ошибка, определяемая как сумма квадратов отклонений, будет минимальной. Не стоит, однако, забывать о том, что и минимальная ошибка может быть достаточно большой. Так, для малых выборок, имеющих более чем одну моду, любая мера центральной тенденции, включая среднее, будет недостаточно хороша. Центральной тенденции в таком распределении просто не существует.

Выбирая меру центральной тенденции, нужно руководствоваться знанием се свойств, общей формой распределения и, наконец, здравым смыслом. Если при взгляде на гистограмму исследователь обнаруживает, что имеет дело с унимодальным симметричным распределением (половины гистограммы слева и справа от модального значения зеркально совпадают), то среднее, медиана и мода будут равны между собой. Если речь идет о выборке из большой совокупности, где интересующая исследователя переменная-признак распределена нормаль-но (т. е. большие и малые крайние значения встречаются редко, а средние- часто), наилучшим показателем будет среднее. Если в унимодальном распределении встречаются крайние значения, могущие значительно повлиять на сред-

нее (см. пример с возрастом, табл. 8.2),нужно отдать предпочтение медиане.

Вопрос о сравнимостисредних значений не так тривиален, как это может показаться. Сравнение значений средних показателей для различных выборок или для одной и той же выборки в разные моменты времени -^весьма распространенный способ анализа результатов. Не только в научных журналах, но и в газетах мы постоянно находим сведения о сравнительной величине душевого дохода в разных регионах, о различиях в среднем числе автомобилей, приходящихся на одну семью и т. п. Следует, однако, помнить о том, что заведомо некорректны сравненияразличныхмер центральной тенденции, например медианы и среднего. Причина здесь в том, что различные меры описываютразныехарактеристики распределения: медиана-среднее положение, мода-самое часто встречающееся значение и т. д. Кроме того, даже две одинаковые меры центральной тенденции не всегда сравнимы. Средние двух распределений имеет смысл сравнивать лишь в том случае, если во всех других отношениях распределения одинаковы, имеют сходную форму. Если исследователь говорит о равенстве средних значений, забыв упомянуть о том, что одно распределение симметрично, а другое-скошено вправо или влево из-за присутствия очень больших либо очень малых значений в его «хвостовых» частях, то он подталкивает читателя к заведомо неверному выводу о том, что анализируемая переменная распределена в двух выборках совершенно одинаково. Среднее распределения с очень длинным правым «хвостом» может оказаться равным среднему распределения, скошенного влево, где встречаются крайне малые значения признака. Но этим сходство будет исчерпываться: что общего (кроме величины среднего) у группы, включающей много людей с очень низким доходом, коэффициентом интеллекта и т. п., с другой группой, включающей много наблюдений с очень высокими значениями переменной-признака?

2 Доказательства этих свойств см. в книге: Гласе Дяс.. Стэнли Дж.Статистические методы в педагогике и психологии. М.: Прогресс, 1976. С.64-65.

Очевидно, важно не только знать, что типичнодля выборки наблюдений, но и установить, насколько выраженыотклоненияот типичных значений. Чтобы определить, насколько хорошо та или иная мера центральной тенденции описывает распределение, нужно воспользоваться какой-либомерой изменчивости, разброса.

Самая грубая мера изменчивости - размах(диапазон) значений. Эта мера не учитывает индивидуальные отклонения значений, описывая лишь диапазон их изменчивости. Под размахом понимают разность между максимальным и минимальным наблюдаемым значением. Если количество карманных денег в группе из десяти субъектов варьирует от 100 рубл. (1 человек) до 100000 рубл. (2 человека), размах будет равен 100000-100=99900.

Еще одна грубая мера разброса значений - это коэффициент вариации(Г), который определяется просто как процент наблюдений, лежащих вне модального интервала, т. е. процент (доля) наблюдений, не совпадающих с модальным значением. Если от модального отличаются 60% значений, тоV=60% (илиV=0,6).

Рассказывая о процедуре построения шкалы Терстоуна (см. с. 126-129), мы описали, как вычислить междуквартильный размах-очень удобный показатель разброса значений для ординальной переменной. Напомним, что нижний, первый, квартиль(Q1)отсекает 25% наблюдений, а ниже третьего квартиля(Q3) лежат уже 75% случаев.Полумеждуквартильный размахравен половине расстояния между третьим и первым квартилями:

Если распределение приблизительно симметрично, то можно считать, что по-лумеждуквартильный размах указывает границы, в которых лежит 50% данных по обе стороны медианы или среднего. Все эти меры изменчивости, как уже говорилось, можно считать скорее грубыми и приблизительными. Ни одна из них не уделяет должного внимания информации об отклонениях каждого отдельного наблюдаемого значения от среднего, хотя эта информация в большинстве случаев может быть получена из анализа распределения. Информацию о вариации некоторой совокупности значений относительно среднего несут значения отклонений от среднего, о которых мы уже говорили. Однако, просуммировав все значения отклонения (X - Хi), мы

получим нуль. Положительные и отрицательные отклонения будут взаимоунич-тожаться. Если же мы возведем в квадраткаждое отклонение ипросуммируем квадраты отклонений,то мы получим хорошую меру рассеяния, которая будет маленькой, когда данные однородны, и большой, когда данные неоднородны. Чтобы суммы квадратов отклонений для выборок разного размера можно было сравнивать, нужно поделить каждую из них наN,гдеN-объем выборки3.

Именно так и получают важнейшую меру рассеяния - дисперсию (s2). ЕслиХ-среднее,Х1, Х2 ... Хn -индивидуальные значения измеряемой переменнойx в данной совокупности, aN-объем выборки4:

Для того чтобы вычислить значение дисперсии, нужно вычесть из каждого наблюдаемого значения среднее, возвести в квадрат все полученные отклонения, сложить квадраты отклонений и разделить полученную сумму на объем выборки.

Величина, равная квадратному корню из дисперсии, называется стандартным отклонением (sx), т. е.:

3 Для небольших выборок (N< 100) лучше делить на (N-1).

4 Для сгруппированных данных более точной формулой дисперсии будет:

Совершенно очевидной интерпретацией стандартного отклонения является его способность оценивать «типичность» среднего: стандартное отклонение тем меньше, чем лучше среднее суммирует, «представляет» данную совокупность наблюдений.

Еще одно важное применение стандартного отклонения связано с тем, что оно, наряду со средним арифметическим, позволяет определить самые существенные характеристики но/шального распределения.Графически нормальному распределению частот наблюдений соответствует, как известно, симметричная ко-локолообразная кривая. Свойства нормального распределения прекрасно изучены, что позволяет делать важные выводы относительно самых разных распределений, не обязательно нормальных. В частности, известно, что 68% наблюдений (точнее, 68% общей площади) будет заключено в пределах ± 1 стандартное отклонение от среднего значения. Если, скажем, среднее нормального распределения равно 200, а стандартное отклонение - 4, то можно заключить, что не менее 68% наблюдений лежит между значениями 196 и 204 (т. е. 200 ± 4). Соответственно не менее 32% случаев будут лежать за этими пределами, в левом и правом «хвостах» распределения. Из теории вероятности известно также, что в пределах ±3 стандартных отклонений окажется около 99,73% общего числа наблюдений(см. рис. 18).

Для любого унимодального симметричного распределения, даже если оно отличается от нормального,не менее 56% наблюдений будут попадать в промежуток ±1 стандартное отклонение от среднего арифметического значения, для ±3 стандартных отклонений внутри указанного интервала окажутся не менее 95% наблюдений.

Очевидно, что стандартное отклонение - это прекрасный показатель положения любого конкретного значения относительно среднего, поэтому часто возникает необходимость выразить «сырые» оценки (баллы теста, величины дохода и т. п.) в единицах стандартного отклонения от среднего. Получаемые в результате оценки называют стандартными,илиZ-оценками.Для любой совокупности из N наблюдений распределение со среднимХи стандартным отклонениемsможно преобразовать в распределение со средним, равным 0, и стандартным отклонением, равным 1. Преобразованные таким образом индивидуальные значения будут непосредственно выражаться в отклонениях «сырых» значений от среднего, измеренных в единицах стандартного отклонения. Чтобы осуществить такое преобразование, нужно из каждого значенияХвычесть среднее и разделить полученную величину на стандартное отклонение, т. е. Z-оценки получают по простой формуле:

Использование Z-оценок не сводится к описанию положения некоторого значения относительно среднего в масштабе единиц стандартного отклонения. Стандартные оценки позволяют перейти от множества «сырых» значений к произвольной шкале с удобными для расчетов характеристиками среднего и стандартного отклонения. Домножая Z на константу c, мы можем получить распределение со стандартным отклонением(sx). Множество данных можно расположить на любой шкале с удобным средним (например, равным 100, как во многих тестах интеллекта) и стандартным отклонением. Другие примене-

ния Z-оценок связаны со сложными методами анализа данных, о которых мы будем говорить в дальнейшем.

Описанные процедуры анализа одномерного распределения относятся к дескриптивной статистике. Если мы стремимся обобщить данные, полученные на отдельных выборках, чтобы описать свойства исходной генеральной совокупности, необходимо, как уже говорилось, обратиться к методам индуктивной статистики,к теории статистического вывода.Переход от числовых характеристик выборки к числовым характеристикам генеральной совокупности называется оцениванием.При одномерном анализе данных чаще всего решают задачуинтервального оценивания.

Если переменная измерена на уровне не ниже интервального (доход, продолжительность образования и т. п.), мы легко можем получить выборочную оценку среднего. Но как узнать, насколько близка наша выборочная оценка, например, дохода, к истинному значению этого параметра, которое мы получили бы, располагая возможностью обследовать всю совокупность? Если наша выборка была случайной, на этот вопрос можно ответить. Чтобы перейти от выборочной оценки (статистики) к характеристике генеральной совокупности (параметру), можно, в частности, определить числовой интервал, в который с заданной вероятностью «укладывается» интересующий нас параметр. Чтобы понять идею интервального оценивания, достаточно вспомнить о том, что оценки, получаемые для множества выборок из одной совокупности, будут также распределены нормально, т. е. большая их часть будет попадать в область, близкую к истинному среднему, и лишь немногие окажутся в «хвостах» распределения, отклоняясь от этого значения. Для любой отдельно взятой выборки шансы оказаться близко к параметру совокупности значительно выше вероятности оказаться в «хвосте». Чтобы оценить степень этой близости, используют очень важную величину - стандартную ошибку средней.Стандартную ошибку обозначают какsM.

где sx- это стандартное отклонение, аN-объем выборки.

Подсчитав эту величину для наших данных, мы всегда можем определить с заданной вероятностью, в каких пределах будет лежать среднее совокупности. Совершенно аналогично приведенным выше рассуждениям для среднего отклонения можно сказать, что 95% выборочных средних будет лежать в пределах ±2 стандартные ошибки среднего генеральной совокупности (т. е. для 95 выборок из 100 выборочное среднее попадет в указанный интервал). Следовательно, любая конкретная единичная выборка, использованная в данном исследовании, с 95%-й вероятностью даст оценку, лежащую в интервале ±2 стандартных ошибок среднего совокупности. Заданный таким образом интервал для выборочных оценок называется доверительным интервалом,а та вероятность, с которой мы «попадаем» в этот интервал (например, 95% или 99%), называетсядоверительной вероятностью.Если, например, мы рассчитали, что для случайной выборки горожан средняя квартирная плата составляет 20000 рублей, а стандартная ошибка - 500 рублей, то можно с 95-процентной уверенностью утверждать, что для всех горожан средняя квартплата окажется в интервале 19000-21000 рублей. Задав интервал в 3 стандартные ошибки, мы сможем достичь уровня доверительной вероятности, равного 99,73% (см.рис. 18). По-

лезно помнить о том, что чем больше используемая выборка (чем больше N), тем меньше будетsM(см. формулу) и, следовательно, тем уже будет доверительный интервал.

Задачу интервального оценивания можно решить и для тех переменных, уровень измерения которых ниже интервального. Для этого в статистике используют свойства другого распределения -биноминального.Здесь мы не будем анализировать эти свойства. Достаточно отметить, что биномиальным называют распределение исхода событий, которые могут случиться или не случиться, т. е. в общей форме могут быть классифицированы как положительные или отрицательные. При этом наступление одного события автоматически означает, что другое не случилось. Степень интенсивности события (признака) просто не принимается в расчет. Классический пример - бросание монеты, которая может выпасть «орлом» или «решкой». Чтобы использовать это распределение для интервального оценивания, нужно превратить анализируемую переменную вдихотомическую,имеющую две категории (если, конечно, она таковой не являлась с самого начала). Примеры дихотомических переменных - пол, голосование «за» или «против» и т. п. Для дихотомической переменной стандартную ошибку можно вычислить по формуле:

где sbin -стандартная ошибка для биномиального распределения,Р -процент наблюдений в первой категории,Q -процент наблюдений во второй категории,N-объем выборки.

Если, например, нас интересует, насколько близок к истинному значению для генеральной совокупности тот процент ответов, который мы получили при опросе некоторой выборки, мы снова можем использовать интервальную оценку. Пусть, например, в выборке объемом 1000 человек 60% высказались против призыва студентов на воинскую службу, а 40% - за. Стандартная ошибка составит:

Если добавить (и отнять) 2 стандартные ошибки5 к полученной выборочной оценке, можно построить доверительный интервал, в который интересующая нас величина попадет с 95%-й вероятностью (т. е. вероятность ошибки не превысит 5%). С вероятностью 95% доля противников обязательного призыва студентов составит 60±3,1%.

Анализ связи между двумя переменными

Хотя результаты одномерного анализа данных часто имеют самостоятельное значение, большинство исследователей уделяют основное внимание анализу связей между переменными. Самым простым и типичным является случай ана-

5 Для больших выборок биномиальное распределение практически не отличается от нормального. Если РиQне слишком различны по величине, достаточно и не очень большой выборки.

лиза взаимосвязи (сопряженности) двух переменных. Используемые здесь методы задают некоторый логический каркас, остающийся почти неизменным и при рассмотрении более сложных моделей, включающих множество переменных. Устойчивый интерес социологов к двумерному и многомерному анализу данных объясняется вполне понятным желанием проверить гипотезы о причинной зависимости двух и более переменных. Ведь утверждения о причинных взаимосвязях составляют фундамент не только социальной теории, но и социальной политики (по крайней мере, так принято считать). Так как возможности социологов проверять причинные гипотезы с помощью эксперимента, как уже говорилось, ограниченны, основной альтернативой является статистический анализ неэкспериментальных данных. В общем случае для демонстрации причинно-следственного отношения между двумя переменными, скажем, XиY,необходимо выполнить следующие требования:

1) показать, что существует эмпирическая взаимосвязь между переменными;

2) исключить возможность обратного влияния YнаX;

3) убедиться, что взаимосвязь между переменными не может быть объяснена зависимостью этих переменных от какой-то дополнительной переменной (или переменных).

Первым шагом к анализу взаимоотношений двух переменных является их перекрестная классификация,илипостроение таблицы сопряженности.Речь идет о таблице, содержащей информацию о совместном распределении переменных. Допустим, в результате одномерного анализа данных мы установили, что люди сильно различаются по уровню заботы о своем здоровье: некоторые люди регулярно делают физические упражнения, другие - полностью пренебрегают зарядкой. Мы можем предположить, что причина этих различий - какая-то другая переменная, например, пол, образование, род занятий, доход и т. п.

Пусть мы располагаем совокупностью данных о занятиях физзарядкой и образовании для выборки горожан. Для простоты мы предположим, что обе переменные имеют лишь два уровня: высокий и низкий. Так как данные об образовании исходно разбиты на большее количество категорий, нам придется их перегруппировать, разбив весь диапазон значений на два класса. Предположим, мы выберем в качестве граничного значения 10 лет обучения, так что люди, получившие неполное среднее и среднее образование, попадут в «низкую» градацию, а остальные - в «высокую». (Это, конечно, большое огрубление, но мы используем его из соображений простоты.) Для занятий физическим^ упражнениями мы соответственно воспользуемся двумя категориями - «делают физзарядку» и «не делают физзарядку». Таблица 8.3показывает, как могло бы выглядеть совместное распределение этих двух переменных.

Таблица 8.3 Взаимосвязь между уровнем образования и занятиями физкультуройЗанятия физкультуройУровень образованияВсегонизкийвысокийделают зарядку50200250не делают зарядку20545250всего255245500

В таблице 8.3два столбца (для образования) и две строки (для занятий физкультурой), следовательно, размерность этой таблицы 2х2. Кроме того, имеются дополнительные крайний столбец и крайняя строка (маргиналы таблицы), указывающие общее количество наблюдений в данной строке или в столбце. В правом нижнем углу указана общая сумма, т. е. общее число наблюдений в выборке. Не давшие ответа уже исключены (для реальных данных их число также стоит указать, но не в таблице, а в подтабличной сноске). Заметим здесь, что многие исследователи при построении таких таблиц пользуются неписаным правилом: для той переменной, которую полагают независимой, отводится верхняя строка (горизонталь), а зависимую располагают «сбоку», по вертикали (разумеется, соблюдение этого правила не является обязательным и ничего с точки зрения анализа не меняет).

Обычно характер взаимоотношений между переменными в небольшой таблице можно определить даже «на глазок», сравнивая числа в столбцах или строках. Еще легче это сделать, если вместо абсолютных значений стоят проценты. Чтобы перевести абсолютные частоты, указанные в клетках таблицы, в проценты, нужно разделить их на маргинальные частоты и умножить на 100. Если делить на маргинал столбца, мы получим процент по столбцу.Например,

50/255х100 = 19,6%, т. е. 19,6% имеющих низкий уровень образования делают

зарядку (но не наоборот!). Если делить на маргинал строки, то мы получим другую величину -процент по строке.В частности, можно заметить, что 80% делающих зарядку, составляют люди с высоким уровнем образования

(200/250х100). Деление на общую численность выборки дает общий процент. Так, всего в выборке 50% людей, делающих зарядку.

Так как вывод о наличии взаимосвязи между переменными требует демонстрации различий между подгруппами по уровню зависимой переменной,при анализе таблицы сопряженности можно руководствоваться простыми правилами. Во-первых, нужно определить независимую переменную и, в соответствии с принятым определением, пересчитать абсолютные частоты в проценты. Если независимая переменная расположена по горизонтали таблицы, мы считаем проценты по столбцу; если независимая переменная расположена по вертикали, проценты берутся от сумм по строке. Далее сравниваются процентные показатели, полученные для подгрупп с разным уровнем независимой переменной, каждый развнутриодной категории зависимой переменной (например, внутри категории делающих зарядку). Обнаруженные различия свидетельствуют о существовании взаимосвязи между двумя переменными. (В качестве упражнения примените описанную процедуру ктаблице 8.3,чтобы убедиться в наличии связи между уровнем образования и занятиями физкультурой.)

Отметим специально, что элементарная таблица сопряженности размерности 2х2 - это минимально необходимое условие для вывода о наличии взаимосвязи двух переменных. Знания о распределении зависимой переменной недостаточно. Нельзя, например, утверждать, будто из того, что 75% детей-первенцев имеют интеллект выше среднего, а 25% - средний и более низкий, следует зависимость между порядком рождения и интеллектом. Необходимо проанализировать и распределение показателей интеллекта для детей-непервенцев. Варьировать должна не только зависимая, но и независимая переменная.

Таблица 8.4 Oбщая форма таблицы сопряженности размерности 2х2

Переменная УПеременная Х01всего1аba+b0сdc+dВсегоа + сb+dп

довольно ясно показывает, что всякое приращение в размерах партийной кассы (сдвиг вправо по оси Х)влечет за собой увеличение парламентского представи­тельства (сдвиг вверх по оси ординат). Между переменнымиХиYсуществуетлинейное отношение:если одна переменная возрастает по величине, то это же происходит и с другой. Помимо указания на природу отношения двух перемен­ных, диаграмма нарисунке 21позволяет также сделать некоторые предположе­ния обинтенсивности,силе этого отношения. Очевидно, что чем более ком­пактно, «скученно» располагаются точки-наблюдения вокруг пунктирной пря­мой линии (описывающейидеальное линейное отношение Х иY), тем сильнее зависимость. Нарисунке 22приведены еще три диаграммы рассеивания.

Очевидно, что на рисунке 22акакая-либо связь междуx и y попросту отсут­ствует. Нарисунке 22бвоображаемая прямая линия (отмечена пунктиром) пе­ресекла бы диаграмму сверху вниз, из левого верхнего в правый нижний угол. Иными словами, линейная связь в этом случае имеет обратное направление:

чем больше X,тем меньше зависимая переменная У. Заметим также, что «куч­ность» расположения точек вдоль воображаемой прямойна рисунке 226не очень велика, а значит и связь (корреляция) между переменными не только обратная, отрицательная, но еще и не очень сильная, умеренная. Наконец,на рисунке 22в зависимую и независимую переменную связывает явно нелинейное отноше­ние: воображаемый график нисколько не похож на прямую линию и напомина­ет скорее параболу¹². Отметим, что методы анализа, о которых сейчас пойдет речь, не годятся для этого нелинейного случая, так как обычная формула для подсчета коэффициента корреляции даст нулевое значение, хотя связь между переменными существует.

Существует обобщенный показатель, позволяющий оценить, насколько связь между переменными приближается к линейному функциональному отношению, которое на диаграмме рассеивания выглядит как прямая линия. Это коэффици­ент корреляции,измеряющий тесноту связи между переменными, т. е. их тен-денцию изменяться совместно. Как и в рассмотренных выше мерах связи каче-ственных признаков, коэффициент корреляции позволяет оценить возможность предсказания значений зависимой переменной по значениям независимой. Об­щая формула для вычислениякоэффициента корреляции Пирсонавключает в себя величинуковариациизначенийXиY. Эта величина(s_xy)характеризует со­вместное изменение значений двух переменных. Она задается как сумма произ-

¹²Именно так обычно выглядит зависимость между благожелательностью установ­ки по отношению к некоторому объекту (X)и интенсивностью установки (Y): люди, занимающие крайне благожелательную или крайне неблагожелательную позицию в каком-то вопросе, обычно оценивают свои убеждения как более выраженные и ин­тенсивные, чем те люди, чьи установки лежат в области середины, «нейтральных» значений шкалы.

ведений отклонений наблюдаемых значений Хи У от среднихXиYсоответ­ственно, т. е.Eⁱ⁼¹_n(X_i - Х )(Y_i - Y ),деленная на количество наблюдений. Чтобы

понять «физический смысл» ковариации, достаточно обратить внимание на сле­дующее ее свойство: если для какого-то объекта iв выборке оба значения —X, и Y,—окажутся высокими, то и произведение (Х_i -Х)на (Y_i - Y)будет боль­шим и положительным. Если оба значения (поХ и поY) низки, то произведение двух отклонений, т. е. двух отрицательных чисел, также будет положительным. Таким образом, если линейная связьХиYположительна и велика, сумма таких произведений для всех наблюдений также будет положительна. Если связь междуХ иУ обратная, то многим положительным отклонениям поХ будутсоответ­ствовать отрицательные отклонения поY, т. е. сумма отрицательных произведе­ний отклонений будет отрицательной.

Наконец, при отсутствии систематической связи произведения будут иногда положительными, иногда отрицательными, а их сумма (и, следовательно, кова-риация ХиY) будет, в пределе, равна нулю. Таким образом, ко вариация показы­вает величину и направление связи, совместного измененияХи У. Если разде­лить ковариациюs_xyна стандартные отклоненияs_xиs_y(чтобы избавиться от влияния масштаба шкал, в которых измеряютсяXиY), то мы получим искомую формулукоэффициента корреляции Пирсона(r_xy):

Более удобная для практических вычислений расчетная формула выглядит так:

Несмотря на несколько устрашающий вид, расчетная формула очень проста. Для «ручного» вычисления r_xy,вам понадобятся лишь пять величин: суммы зна-

чений по XиY(Eⁱ⁼¹_nХ_iиEⁱ⁼¹_nY_i), суммы квадратов значений поХ и Y (Eⁱ⁼¹_nХ²и

Eⁱ⁼¹_nY²), суммы произведенийХ иYпо всем объектам-«случаям» (Eⁱ⁼¹_n X_iY_i).

В таблице 8.11приведены данные о максимальных дневных и ночных темпе­ратурах, зарегистрированных в 10городах¹³.

Просуммировав значения в столбцах, мы получим E¹⁰ _i=1Х_i =258иE¹⁰ _i=1 Y_i=156.

Возведя каждое из значений Х и Yв квадрат и просуммировав, мы найдем, что

E¹⁰ _i=1Х_i² = 7180 и E¹⁰ _i=1 Y_i² = 2962. Сумма попарных произведенийХ_iиY_i(E¹⁰ _i=1 X_iY_i)

составит 4359.Вы можете самостоятельно убедиться в том, что подстановка всех значений в расчетную формулу даст (надеюсь) величинуr_xy=0,91. Иными словами, корреляция между дневными и ночными температурами воздуха очень высока, но все же отлична от 1,0(коэффициент корреляции может меняться в пределах от-1,0 до +1,0).Это отличие, вероятно, объясняется влиянием других факторов (продолжительность дня и ночи, облачность, географическое поло-

¹³Погода (Гидрометцентр РФ) //Сегодня. 1994. 23авг.

Таблица 8.11 Максимальные дневные и ночные температуры воздуха в некоторых городах
Город	Дневная температура воздуха (X)	Ночная температура воздуха (Y)
Лондон	16	11
Париж	21	12
Стокгольм	20	12
Варшава	25	14
Бонн	25	16
Рим	36	23
Тель-Авив	31	23
Анкара	32	15
Каир	36	22
Москва	16	8
N=10

жение и т. п.). Судя по полученной величине корреляции, знание дневных тем­ператур позволяет предсказыватьночные температуры с очень высокой точно­стью, но не безошибочно.

Величина, которая равна квадрату коэффициента корреляции Пирсона, т. е. г, имеет ряд интересных статистических свойств. Отметим сейчас, что r²являет­ся ПУО-мерой связи, подобной обсуждавшимся выше (см. с. 176—179).Мож­но показать, что она характеризует ту долю дисперсии значенийY, которая объяс­няется наличием корреляции междуХ и Y.(Естественно, величинаr²будет все­гда положительной и не может превзойти по абсолютной величине коэффициент корреляции.)¹⁴Та часть разброса в значенияхY, которая не может быть пред­сказана по значениям X,—этодисперсия ошибки нашего прогноза,т. е. 1 -r².Необъясненный разброс в значенияхУприсутствует в том случае, когда при равных уровнях Х (ср., например, дневные температуры в Варшаве и Бонне изтаблицы 8.11) сохраняются различия в значенияхY.

Коэффициент корреляции позволяет оценить степень связи между переменны­ми. Однако этого недостаточно для того, чтобы непосредственно преобразовы­вать информацию, относящуюся к одной переменной, в оценки другой пере­менной. Допустим, мы выяснили, что коэффициент корреляции между пере­менными «величина партийного бюджета» и «число мест в парламенте» равен 0,8.Можем ли мы теперь предсказать, сколько мест в парламенте полу­чит партия, годовой бюджет которой равен 100млн рублей? Похоже, что знание величины коэффициента корреляции нам здесь не поможет. Однако мы можем вспомнить, что коэффициент корреляции —это еще и оценка соответствия раз­броса наших наблюдений той идеальной модели линейного функционального отношения, которое на рассмотренных выше диаграммах рассеивания (см.рис. 21—22)представлено пунктирными прямыми. Эти линии называютлиниями регрессии.

Если бы все наблюдения аккуратно «укладывались» на линию регрессии, то для предсказания значения зависимой переменной достаточно было бы восстано-

¹⁴Подробный анализ можно найти в большинстве руководств по прикладной статисти­ке. Здесь мы ограничимся обсуждением общей логикиоценки объясненной дисперсии.

вить перпендикуляр к оси Y из той точки прямой, которая соответствует известному значению X.

На рисунке 23показано, как можно было бы графически определить ожидае­мые значенияYдля гипотетического примера с партийной кассой и местами в парламенте. (Разумеется, найти искомое значение У можно и без линейки, с помощью вычислений, если известен угол наклона регрессионной прямой и точка пересечения с осью ординат.)

Как говорилось выше, линия регрессии не обязательно должна быть прямой, но мы ограничимся рассмотрением самого простого случая линейной зависимо­сти(нелинейные связи во многих случаях также могут быть приближенно опи­саны линейными отношениями).

Существуют специальные статистические процедуры, которые позволяют най­ти регрессионную прямую, максимально соответствующую реальным данным. Регрессионный анализ, таким образом, дает возможность предсказывать зна­ченияYпо значениям Х с минимальным количеством ошибок.В общем виде уравнение, описывающее прямую линию регрессииY no X,выглядит так:

Y=a_yx +b_yx X,

где Y—то предсказываемое значение по переменнойY(в только что рассмот­ренном примере —количество мест в парламенте),а —это точка, в которой прямая пересекает осьY(т. е. значение Y для случая, когдаX=0), иb—коэффи­циент регрессии, т. е. наклон прямой. Часто удобно измерять обе переменные не в «сырых» шкалах, а в единицах отклонения от среднего. Процедурастан­дартизации,т. е. перевода исходной шкалы в стандартные Z-оценки,вам уже известна (см. с. 169).Преимущество использования стандартизированных пе­ременных в регрессионном анализе заключается в том, что линия регрессии в этом случае проходит через начало координат. Стандартизованный коэффици­ент регрессии (наклон прямой) обозначают обычно греческой буквой b(либо лат. b*).Правда, в отличие от b-коэффициента, bне позволяет прямо заклю­чить, на какое количество исходных единиц возрастет У при увеличенииХна одну единицу (например, насколько увеличится число депутатских мандатов при увеличении бюджета на 1млн рублей или насколько увеличивается зара­ботная плата при увеличении стажа работы на один год). С другой стороны,

bпозволяет сопоставить влияние на независимую переменную контрольных переменных, измеренных в разных шкалах.

Социологи обычно осуществляют регрессионный анализ, используя возмож­ности распространенных прикладных пакетов компьютерных программ (напри­мер, SPSS). В этом случае для нахождения линии регрессии, лучше всего соот­ветствующей данной выборке наблюдений, которая представлена точками на диаграмме рассеивания, используют метод минимизации взвешенной суммы квадратов расстояний между этими точками и искомой прямой¹⁵.

Хотя здесь не место для обсуждения статистических деталей, мы все же сдела­ем несколько замечаний, относящихся к осмысленному (или бессмысленному) использованию техники линейной регрессии.

Во-первых, как и в ранее обсуждавшихся примерах анализа связи, наличие ко­ординации, согласованности в изменениях двух переменных еще не доказыва­ет, что обнаруженное отношение носит собственно каузальный характер. Про­верка альтернативных причинных моделей, иначе объясняющих эмпирическую сопряженность переменных-признаков, может основываться только на содер­жательных теоретических представлениях.

Далее, нужно помнить о том, что регрессионные коэффициенты в общем слу­чае асимметричны.Если мы решим, что это У, а неХявляется независимой переменной, то вполне можем рассчитать другую по величине пару коэффици­ентов —а_xуиb_xу.(Заметьте, что порядок букв в подстрочном индексе значим:

первой всегда идет предсказываемая переменная, а второй —предсказываю­щая.) Разумеется, при выборе кандидатов в зависимые и независимые перемен­ные также важны не статистические, а содержательные соображения.

Если вернуться к затронутой выше взаимосвязи между линейной регрессией и корреляцией,то здесь мы можем сделать следующие дополнения. Пусть все точ­ки-наблюдения аккуратно размещены на регрессионной прямой. Перед нами почти невероятный случай абсолютной линейной зависимости. Зная, например, что коэффициентb(нестандартизованный) равен 313,мы можем утверждать, что именно такова величина воздействия переменнойXна зависимую перемен­нуюY. Кроме того, мы можем точно сказать, что единичная прибавка в величи­неXвызовет увеличениеYна ту же величину, 313(если, допустим,Х—стаж работы, а У —зарплата, то с увеличением стажа на год зарплата растет на313рублей). В этом случае коэффициент корреляции будет равен в точности 1,0, что свидетельствует о сильном, «абсолютном», характере связи переменных. Различие между предсказанными и наблюдаемыми значениями в этом случае отсутствует. Корреляция как мера точности прогноза показывает, что ошибок предсказания просто нет.

¹⁵Более детальные сведения можно найти в статистической литературе. Очень доступ­но проблема излагается, в частности, в кн.:Гласе Дж., Стенли Дж.Указ. соч. С. 123—141.Для тех же, кто захочет осуществить «ручную» регрессию для какого-либо из использованных примеров, просто приведем формулы для вычисления нестан­дартизированных коэффициентов (обозначения те же, что и выше):

В действительности, однако, из-за влияния других переменных и случайной выборочной ошибки точки-наблюдения обычно лежат выше или ниже прямой, которая, как говорилось, является лишь наилучшим приближением реальных данных. Коэффициент корреляции Пирсона rи величинаr²по-прежнему слу­жат оценкой точности прогноза, основанного на линии регрессии. Вполне воз­можны ситуации, когда коэффициент регрессии очень велик, воздействиеXнаYпросто громадно, но корреляция низка и, следовательно, точность прогноза невелика. Нет ничего необычного и в обратной ситуации: воздействиеХ на Y относительно мало, а коэффициент корреляции и объясненная дисперсия очень велики. Посмотрев на приведенные выше диаграммы рассеивания, можно лег­ко уяснить себесмысл отношения между корреляцией и регрессией:первая имеет прямое отношение к «разбросанности» точек наблюдения (чем выше «разбро­санность», тем нижеr²и ненадежнее прогноз), тогда как коэффициент регрес­сии описывает наклон, «крутизну» линии. Однако существующее здесь разли­чие не стоит и преувеличивать: регрессионный коэффициент (наклон прямой) для стандартизованных данных в точности равен коэффициенту корреляции Пирсонаr¹⁶.

Предположим, что исследователь изучает зависимость между образованием матери (X)и образованием детей (Y). Обе переменные измерены как количе­ство лет, затраченных на получение образования. Найдя достаточно высокую корреляцию междуХи У—скажем, равную 0,71, —он также находит коэффи­циенты регрессииаиbи устанавливает, чтоr²(называемый также коэффици­ентом детерминации) в данном случае приближенно равен 0,5.Это значит, что доля вариации в значениях переменнойY(образование детей), объясненная воздействием переменной-предиктораХ(материнское образование), составля­ет около 50%общей дисперсии предсказываемой переменной. Коэффициент корреляции между переменными достаточно велик и статистически значим даже для не очень большой выборки. Следовательно, обнаруженная взаимосвязь пе­ременных не может быть объяснена случайными погрешностями выборки. В пользу предложенной исследователем причинной гипотезы говорит и то об­стоятельство, что альтернативная гипотеза —образование детей влияет на об­разовательный статус родителей —крайне неправдоподобна и может быть от­вергнута на основании содержательных представлений о временной упорядо­ченности событий. Однако все еще не исключены те возможности, которые мы обсуждали в параграфе, посвященном методу уточнения. Иными словами, нам следует считаться с вероятностью того, что какая-то другая переменная (или несколько переменных) определяют и образование родителей и образование детей (например, финансовые возможности либо интеллект). Чтобы проверить такую конкурирующую гипотезу, следует рассчитать так называемуючастную корреляцию.Логика расчета частной корреляции совпадает с логикой построе­ния частных таблиц сопряженности при использовании метода уточнения. По­строить частные таблицы сопряженности для различных уровней контрольной переменной в случае, когда переменные измерены на интервальном уровне,— это практически неразрешимая задача. Чтобы убедиться в этом, достаточно

¹⁶ Легко понять, что при измерении в единицах стандартного отклонения максимальная связь (Р= 1,0) соответствует ситуации, когда сдвигу от начала координат в 1 ед. стан­дартного отклонения по Х соответствует увеличение У также на 1 ед. стандартного от­клонения. Важно заметить, что в случае стандартизированных переменных (и только в этом случае) коэффициенты регрессии Y no X и X noY будут совпадать.

подсчитать, каким должно быть количество таблиц уже при десяти-двенадцати категориях каждой переменной. Расчет коэффициента частной корреляции— это простейшее средство уточнения исходной причинной модели при введении дополнительной переменной. Интерпретация коэффициента частной корреля­ции не отличается от интерпретации частных таблиц сопряженности:частной корреляцией называют корреляцию между двумя переменными, когда статис­тически контролируется, или «поддерживается на постоянном уровне», тре­тья переменная (набор переменных).

Если, предположим, при изучении корреляции между образованием и доходом нам понадобится «вычесть» из полученной величины эффект интеллекта, пред­положительно влияющего и на образование, и на доход, достаточно воспользо­ваться процедурой вычисления частной корреляции. Полученная величина бу­дет свидетельствовать о чистом влиянии образования на доход, из которого «выч­тена» линейная зависимость образования от интеллекта.

Мюллер и соавторы ¹⁷приводят интересный пример использования коэффици­ента частной корреляции. В исследовании П. Риттербэнда и Р. Силберстайна изучались студенческие беспорядки 1968—1969гг. Одна из гипотез заключа­лась в том, что число нарушений дисциплины и демонстраций протеста в стар­ших классах учебных заведений связано с различиями показателей академи­ческой успеваемости учащихся. Корреляция между частотой «политических» беспорядков и средней успеваемостью оказалась отрицательной (хуже успева­емость —больше беспорядков) и статистически значимой(r = -0,36).Однако еще более высокой была корреляция между частотой беспорядков и долей чер­нокожих учащихся (r=0,54). Исследователи решили проверить, сохранится ли связь между беспорядками и успеваемостью, если статистически проконтроли­ровать влияние расового состава учащихся. Коэффициент частной корреляции частоты беспорядков и успеваемостипри контролерасового состава учащихся оказался равным нулю. Исходная корреляция между беспорядками и успевае­мостью в данном случае может быть описана причинной моделью«ложной взаимосвязи» (см. рис. 19):наблюдаемые значения этих двух переменных скор-релированы лишь потому, что обе они зависят от третьей переменной —доли чернокожих в общем количестве учащихся. Чернокожие студенты, как замети­ли исследователи, оказались восприимчивее к предложенным самыми актив­ными «политиканами» образцам участия в политических беспорядках. Кроме того, их успеваемость, помимо всяких политических событий, была устойчиво ниже, чем средняя успеваемость белых.

Коэффициент частной корреляции между переменными Х и. Y при контроле дополнительной переменнойZ(т. е. при поддержанииZ«на постоянном уров­не») обозначают какr_xy.z.Для его вычисления достаточно знать, величины на­блюдаемых попарных корреляций между переменнымиX, Yи Z (т. е.простых корреляций —r_xy, r_yz, r_xz):

Как всякая выборочная статистика, коэффициент корреляции подвержен выбо­рочному разбросу. Существует некоторая вероятность того, что для данной вы-

¹⁷ Mueller J., Schuessler К., Costner H. Statistical Reasoning in Sociology. 3rd ed. Boston:

Haighton Mifflin Co, 1977. P. 279—281.

борки будет получено ненулевое значение коэффициента корреляции, тогда как истинное его значение для генеральной совокупности равно нулю. Иными сло­вами, существует задача оценки значимостиполученных значений корреляций и коэффициентов регрессии, относящаяся к области теории статистического вывода. Описание соответствующих статистических методов выходит за рамки этой книги, поэтому мы рассмотрим лишь самые общие принципы, позволяю­щие решать описанную задачу в простых случаях и интерпретировать соответ­ствующие показатели при использовании стандартных компьютерных программ.

Прежде всего вероятностная оценка коэффициента корреляции подразумевает оценку отношения к его случайной ошибке. Удобная, хотя и не вполне надеж­ная формула для вычисления ошибки коэффициента корреляции (т_r),выглядит так¹⁸:

Всегда полезно вычислить отношение полученной величины rк его ошибке (т. е.r/т_i).В использовавшемся нами примере данных о погоде коэффициент корреляции оказался равен 0,91,а его выборочная ошибка составляет:

Отношение rкm_rобозначаемое какt,составит (0,91/0,573)= 15,88.Разумеется, коэффициент, превосходящий свою случайную ошибку почти в 16раз, может быть признан значимым даже без построения доверительных интервалов.

Когда значение г не столь близко к единице и выборка невелика, нужно все же проверить статистическую гипотезу о равенстве rнулю в генеральной совокуп­ности. Для этого нужно определить tпо формуле:

где t —это величина так называемого t-критерияСтьюдента (см. также гла­ву 4),г —выборочный коэффициент корреляции,п —объем выборки. Для ус­тановления значимости вычисленной величины t-критерияпользуются табли­цами t-распределениядля (n - 2)степеней свободы (см.табл. 4.1).Во многих пособиях по статистике можно найти и готовые таблицы критических значе­ний коэффициента корреляцииrдля данного уровня значимостиа. В этом слу­чае отпадает необходимость в каких-либо вычислениях t:достаточно сравнить полученную величину коэффициента корреляции с табличным значением¹⁹. (Например, величина коэффициента корреляцииr = 0,55будет существенной на уровне значимостир = 0,01даже для выборки объемом 105,так как крити­ческое значение составляет 0,254.)

¹⁸См.:Дружинин Н. К.Логика оценки статистических гипотез. М.: Статистика, 1973. С. 112—114.

"См., в частности:Ликеш И., Ляга И.Основные таблицы математической статистики. М.: Финансы и статистика, 1985.(Табл. 14.)

Множественная регрессия и путевой анализ

Выше описывалась модель линейной регрессии для двух переменных. В дей­ствительности социолог довольно редко сталкивается со столь простыми моде­лями данных. Влияние одного фактора обычно может объяснить лишь часть разброса наблюдаемых значений независимой переменной. Метод частной кор­реляции позволяет нам проконтролировать эффекты воздействия любых дру­гих контрольных переменных, которые мы в состоянии измерить. (Стоит снова подчеркнуть здесь, что статистические методы изучения причинных взаимо­связей, в отличие от экспериментальных,позволяют нам контролировать лишь те источники вариации, которые мы способны концептуализировать и измерить.) Однако еще более интересной задачей является контроль одновременного воз­действиянесколькихнезависимых наоднузависимую переменную, а также срав­нение эффекта воздействия разных независимых переменных и предсказание «отклика» независимой переменной. Именно эти задачи решают методы анали­за, о которых пойдет речь в данном параграфе. Наше изложение будет непол­ным, так как более детальное обсуждение требует дополнительной математи­ческой подготовки. Мы будем ориентироваться на сравнительно скромные цели понимания общей логики и интерпретации результатов соответствующих ста­тистических процедур.

Уравнение множественной регрессии —это определенная модельпорождения данных.Важные допущения, принимаемые в этой модели, касаются уже извес­тного вам требованиялинейности,а такжеаддитивностисуммарного эффекта независимых переменных. Последнее означает, что воздействия разных неза­висимых переменных просто суммируются, а не, скажем, перемножаются (муль­типликативный эффект, в отличие от аддитивного, имеет место тогда, когда ве­личина воздействия одной независимой переменной на зависимую, в свою оче­редь, находится под влиянием другой независимой переменной, т. е. независимые переменные взаимодействуют друг с другом).

Множественная регрессия во многом аналогична простой (бивариантной) рег­рессии. Отличие состоит в том, что регрессия осуществляется по двум и более независимым переменным одновременно,причем каждая из них входит в рег­рессионное уравнение с коэффициентом, позволяющим предсказать значения зависимой переменной с минимальным количеством ошибок (критерием здесь снова является метод наименьших квадратов). Частные коэффициенты в урав­нении множественной регрессии показывают, какой будет величина воздействия соответствующей независимой переменной на зависимуюпри контролевлия­ния других независимых переменных. Если воспользоваться простейшей сис­темой обозначений, то уравнение множественной регрессии для трех независи­мых переменных можно записать как:

где Y—это предсказываемое значение зависимой переменной,X₁ ... Х₃,—неза­висимые переменные, аb, ...b₃, —частные коэффициенты регрессии для каж­дой из зависимых переменных.

Коэффициенты bмогут быть интерпретированы как показатели влияния каж­дой из независимых переменных на зависимую при контроле всех других неза­висимых переменных в уравнении. В отличие от коэффициентов частной кор­реляции коэффициенты регрессии обладают размерностью. Они показывают,

на сколько единиц изменится зависимая переменная при увеличении независи­мой на одну единицу (при контроле всех остальных переменных модели). Пусть, например, мы построили уравнение множественной регрессии, описываю­щее зависимость дохода от интеллекта (Х₁)и стажа работы(Х₂).Если вели­чинаb₁оказалась равной 100,это означает, что каждый дополнительный балл по шкале интеллекта увеличивает доход на 100рублей. Значениеb₂= 950 говорит нам, что год стажа прибавляет 950рублей. Однако «сырые» оценки интеллекта и стажа измерены в разных единицах. Для определениясравни­тельной значимостинезависимых переменных, входящих в уравнение мно­жественной регрессии, мы должны подвергнуть все переменныестандар­тизации(т. е. перевести их в Z-оценки,см. выше). Стандартизованные ко­эффициенты множественной регрессии, которые удобнее всего обозначать какb*(либо греч. «бета» — B),меняются в пределах от -1,0до +1,0.Они сохраняют свою величину при изменении масштаба шкалы: переход от измерения возраста в годах к измерению в днях не изменит соответству­ющийb*.

Стандартизованные коэффициенты позволяют оценить «вклад» каждой из переменных-предикторов в предсказание значений независимой перемен­ной. Если в примере с влиянием интеллекта и стажа работы на доход ока­жется, что b₁*= 0,25,ab₂*=0,30,то можно заключить, что сравнительная значимость «веса» интеллекта и стажа в предсказании дохода различаются незначительно. Если же для одной переменнойb₁* =0,80,тогда какb₂* =0,40, мы можем сказать, что эффект воздействия второй переменной в два раза меньше эффекта первой.

Чтобы определить ожидаемые значения зависимой переменной для отдельных индивидов, достаточно подставить в уравнение множественной регрессии со­ответствующие значения переменных-предикторов и вычисленных коэффици­ентов Ь.Пусть, например, мы хотим рассчитать прогнозное значение величины дохода для человека, чей коэффициент интеллекта равен 110,а стаж работы — 20годам. Еслиb₁, как в вышеприведенном примере, составляет 100,b₂= 950, а слагаемое а = 50000,то мы получим:

ожидаемый доход = 50000 +100х 110 + 950х 20 = 80000руб.

Множественную регрессию можно использовать и для предсказания средних групповых значений,например среднего дохода мужчин-врачей. Единственное различие в данном случае заключается в использованиисредних значений неза­висимых переменныхдля подстановки в уравнение множественной регрессии. В качестве независимой переменной множественной регрессии могут исполь­зоваться и дихотомические переменные, которым приписывают значения 0и 1 (например, пол). Для того чтобы включить в уравнение номинальную перемен­ную с более чем двумя категориями, нужно создать соответствующее число новых,«фиктивных» переменных,каждая из которых будет кодироваться как О или 1в зависимости от наличия или отсутствия категории-признака. Скажем, состоящую из трех категорий переменную «цвет глаз» можно представить с помощью трех переменных:Х₁ —«голубые глаза»,Х₂ —«карие глаза»,Х₃, — «зеленые глаза». (Человек с голубыми глазами получит 1поХ₁и 0по двум другим переменным.)

Метод множественной регрессии очень популярен среди социологов. Вот, на­пример, как выглядели результаты его применения в исследовании Л. Бэрона и

Таблица 8.12 Множественный регрессионный анализ статистики изнасилований, 1979 г.21
Независимая переменная	Коэффициент b	Коэффициент b*	p<
Индекс совокупного тиража порнографических журналов (SMCX)	6,99	0,52	0,001
Показатель числа убийств и непредумышленных убийств	1,70	0,55	0,001
Показатель числа публичных оскорблений с угрозой применения физической силы	0,04	0,32	0,001
Индекс положения женщин (SWX)	0,43	0,27	0,014
Число грабежей	-0,03	-0,25	0,052
Процент черного населения	-0,41	-0,38	0,001
Процент живущих ниже федерального уровня бедности	1,11	0,29	0,011

М. Строса, изучавших факторы, влияющие на статистику изнасилований²⁰. Использованная в планировании этого исследования матрица данных включа­ла в себя в качестве объектов («случаев») различные штаты США. Признаками, по которым описывались штаты, служили около десятка независимых и соб­ственно контрольных переменных, предположительно воздействующих на за­висимую переменную,—количество зарегистрированных полицией изнасило­ваний на 100000населения в год для данного штата (по данным ежегодных статистических отчетов ФБР). Предполагалось, что существующие различия между штатами в уровне изнасилований можно будет объяснить различиями в уровнях независимых переменных. Нужно отметить, что разброс «случаев» по зависимой переменной был весьма велик —от 71,9на Аляске до 8,2в Север­ной Дакоте (1979).Из десятка переменных, включенных в уравнение множе­ственной регрессии, девять оказались статистически значимы. Основные ре­зультаты регрессионного анализа для семи переменных представлены втаб­лице 8.12.

Из таблицы видно, что индекс совокупного тиража порнографических журна­лов (интегральный показатель, учитывающий уровни продаж восьми популяр­ных изданий) имеет коэффициент регрессии 6,99.Это означает, что рост индек­са на единицу в среднем увеличивает количество изнасилований почти на7случаев (в расчете на 100000населения). Весьма значительно и влияние чис­ла убийств, что особенно заметно при сравнении стандартизованных коэффи­циентов (b*), не зависящих от шкалы измерения признака. Фактически количе­ство убийств вносит самый значительный «вклад» в предсказание значений за­висимой переменной (b* = 0,55).Интересно отметить, что одна из независимых переменных в описываемом исследовании —индекс положения женщин, рас­считанный на основании 22-х политических, экономических и социальных ин­дикаторов,—при анализе простых взаимосвязей продемонстрировала практи­чески нулевую корреляцию с количеством изнасилований (г = 0,17),причем

²⁰ Baron L., Strauss M. A. Sexual Stratification, Pornography, and Rape in the United States // Malamuth N.. Donnerstein E. (eds.) Pornography and Sexual Aggression. Orlando etal.:

Academic Press, 1984. P. 185—209.

²¹ Таблица приводится в сокращении по источнику: Baron L, Strauss V. A. Sexual Stratification, Pornography, and Rape...

результаты анализа диаграммы рассеивания также не дали никаких свидетельств в пользу гипотезы о нелинейной связи. Множественная регрессия позволила уточнить первоначальные выводы: при контроле прочих переменных модели, чем вышестатус женщин, темвышеуровень изнасилований (результат, которо­му довольно трудно найти теоретическое объяснение). Использование девяти независимых переменных позволило объяснить 83%дисперсии в показателях количества изнасилований (квадрат коэффициента множественной корреляцииr²составил 0,83).

При интерпретации результатов множественной регрессии стандартизован­ные коэффициенты, как уже говорилось, используют в качестве показателей значимости, «вклада» соответствующих переменных. Эта трактовка верна лишь в определенных пределах. При нарушении некоторых условий сравне­ние абсолютных величин стандартизованных коэффициентов может вести к неверным выводам. Дело в том, что коэффициенты регрессии подвержены влиянию случайных ошибок измерения(см. с. 116).Использованиененадеж­ных индикаторов«сдвигает» регрессионные коэффициенты к нулю²². Ины­ми. словами,более надежныеиндикаторы даютболее высокиеоценки коэф­фициентов. Пусть, например, для предсказания риска сердечно-сосудистых заболеваний использовались две независимые переменные индивидуально­го уровня—«ориентация на достижения» и «склонность подавлять агрес­сию»,—причем шкала для измерения первой обладалаболее высокимкоэф­фициентом надежности. Если стандартизованный коэффициент регрессии для достиженческой мотивации окажетсявыше,чем для подавления агрес­сии, это может рассматриваться как следствие таких содержательных раз­личий между переменными, которые важны с точки зрения теории психосо­циальных факторов заболеваемости. Но нельзя исключить и альтернатив­ное объяснение, связывающее более высокий регрессионный коэффициент первой переменной с побочными эффектами методов измерения: влияние ориентации на достижения не превосходит влияния, оказываемого на риск инфаркта склонностью подавлять агрессию, а наблюдаемые различия рег­рессионных коэффициентов связаны лишь с ненадежностью использован­ных индикаторов склонности к подавлению.

Другая проблема, требующая некоторой осторожности в интерпретации ко­эффициентов регрессии, возникает вследствие того, что модель множествен­ной регрессии не обязывает нас ни к каким строгим предположениям о при­чинных связях между независимыми переменными.Регрессионное уравне­ние, образно говоря, не делает никаких различий между собственно независимыми, т. е. теоретически специфицированными, переменными и дополнительными—контрольными, опосредующими и т. п.—факторами, вводимыми в модель с целью уточнения. В тех случаях, когда теоретическая гипотеза, проверяемая в ходе исследования, допускает: 1)существование взаимосвязей между независимыми переменными, 2)наличие прямых и кос­венных (опосредованных) влияний, а также 3)использование нескольких индикаторов для каждого латентного фактора, могут понадобиться более совершенные статистические методы. Одна из возможностей здесь—это использованиепутевого анализа.

²²Это явление называютаттенюацией.Существуют специальные методы внесения поправок на аттенюацию, но здесь они обсуждаться не будут.

Путевой анализ — один из основных способов построения и проверки причин­ных моделей в социологии.Многие более продвинутые статистические техники основаны на сходной исследовательской методологии.

Важным достоинством путевого анализа является то, что он позволяет оценить параметры каузальных моделей, причем в расчет принимаются не только пря­мые,но инепрямые (опосредованные)влияния. Если, например, в результате корреляционного или регрессионного анализа мы обнаружили, что интеллект (измеренный какIQ) лишь умеренно влияет на доход, нам не следует торопить­ся с общими выводами. Мы оставили неучтенной возможность того, что интел­лект может иметь существенное влияние на образование, которое, в свою оче­редь, воздействует на последующий доход. Таким образом, нам нужно принять во внимание то, что интеллект —помимо прямого эффекта —может иметь еще и опосредованное, непрямое влияние на доход посредством влияния на образо­вание. Методы, рассматривавшиеся нами до сих пор, описывали только пря­мые эффекты.

Путевой анализ включает в себя технику представления прямых и косвен­ных причинных влияний при помощи специальных диаграмм (потоковых графов). Эти диаграммы часто называют просто причинными (структурны­ми) моделями.

Последовательно «считывая» такую модель, можно легко определить все пути влияния одной переменной на другую и соответственно оценить величину чис­того эффекта. Во многих разделах этой книги причинные модели уже исполь­зовались для представления сравнительно сложных причинных гипотез (см., например, с. 122),поэтому общая логика их построения не требует детального обсуждения. Порядок представления переменных на диаграмме отражает пред­полагаемое направление причинной связи, а диапазон включенных в диаграм­му переменных и отношения между ними зависят от принятых исследователем теоретических гипотез. Так называемыепутевые коэффициенты,описыва­ющие связи между переменными (связям соответствуют стрелочки на диаг­рамме),равны стандартизованным коэффициентам множественной рег­рессии (b*)²³.

Обычно путевую диаграмму рисуют слева направо —от самых «ранних» по порядку следования независимых переменных до зависимой. Путевые коэффи­циенты часто обозначают латинскими«р»с подстрочными индексами(р₂₁ — это путевой коэффициент для связи между переменнымиX₁ —>Х₂).Нарисунке 24в качестве примера изображена путевая диаграмма, отражающая гипотети­ческие отношения между интеллектом(Х₁),образованием(Х₂),социально-эко­номическим статусом(Х₃),доходом(Х₄)и размерами сбережений(Х₅).

Специальные правила позволяют перевести отношения, изображенные на ди­аграмме, в совокупность структурных уравнений,описывающих механизмы прямого и опосредованного воздействия одних переменных на другие. Нари­сунке 24,в частности, видно, что не существует пути дляпрямого воздействия интеллекта на размеры сбережений, однако общий эффект воздействия интел­лекта будет включать в себясовокупность непрямых эффектов: X₁воздейству­ет наX₅ и через образование(Х₂),и через достигнутый статус(Х₃),и через доход(Х₄).Иными словами, хотя и нельзя утверждать, что склонность откладывать деньги «в кубышку» зависит от умственных способностей, последние влияют

²³ В оценивании также используется метод наименьших квадратов.

и на возможность получения образования, и на статус, и на доход. В свою оче­редь, люди с определенным социальным и экономическим статусом обнаружи­вают склонность иметь сбережения.

В общем случае, полный эффект влияния переменной равен сумме ее непосред­ственного эффекта и всех косвенных эффектов влияния.Величины возмуще­ний (е₂ — e₄)Haрисунке позволяют оценить, насколько хорошо работает мо­дель, показывая, какая часть дисперсии соответствующей переменной осталась необъясненной. В результате путевой анализ позволяет пересматривать и уточ­нять исходную теоретическую модель, сравнивать «эффективность» несколь­ких конкурирующих теорий для объяснения существующей совокупности эм­пирических наблюдений. Существуют даже компьютерные программы, осу­ществляющие автоматический поиск наилучшей структурной модели, т. е. процедуру, сходную с отбором из нескольких существующих теорий та­кой, которая максимально соответствовала бы полученным в исследовании дан­ным²⁴. Важно, однако, осознавать, что сами по себе результаты применения регрессионных методов и причинных моделей (регрессионные коэфициенты, линии регрессии, путевые диаграммы) решают прежде всего задачуобобщен­ного описанияуже полученных эмпирических данных. Они могут служить на­дежной основой для интерполяции, оценки положения гипотетических «точек» в пределах ряда наблюдавшихся значений, однако их использование в целяхэкстраполяции и прогнозаможет вести к существенным ошибкам в тех случа­ях, когда такой прогноз не подкреплен более широкой теорией, не сводимой к отдельной модели для конечной совокупности данных. (Достаточно указать в качестве примера на многочисленные ошибочные прогнозы в экономике —на-

²⁴Подробнее см.:И. Ф. Девятко.Диагностическая процедура в социологии: очерк ис­тории и теории. М.: Наука, 1993.С.121—136.

уке, где количество эмпирических данных и описывающих их структурных моделей многократно превзошло количество существующих теорий.)

Путевой анализ, как и множественная регрессия, сегодня является частью боль­шинства стандартных статистических программ для компьютера. Не стоит, од­нако, забывать о том, что при любом уровне прогресса в компьютерном обеспе­чении задать причинную модель, т. е. совокупность содержательных гипотез, подлежащих статистическому оцениванию,может только сам исследователь.

Дополнительная литература

Вайнберг Дж., Шумекер Дж..Статистика. М.: Финансы и статис­тика, 1979.

Гласе Дж., Стэнли Дж.Статистические методы в педагогике и пси­хологии. М.: Прогресс, 1976.

Интерпретация и анализ данныхв социологическом исследовании. М.: Наука, 1987.

Татарова Г. Г.Типологический анализ в социологии. М.: Наука,

1993.

Типология и классификацияв социологических исследованиях. М.:

Наука, 1982.

Толстова Ю. Н.Логика математического анализа социологических

данных. М.: Наука, 1991.

Хейс Д.Причинный анализ в статистических исследованиях. М.:

Финансы и статистика, 1981.

Флейс Дж.Статистические методы для изучения таблиц долей и пропорций. М.: Финансы и статистика, 1989.

Ядов В. А.Социологическое исследование: методология, програм­ма, методы. 2-е изд. М.: Наука, 1987.Гл. 5.