5. Четыре важнейших ограничения квантификации первичных социальных характеристик

Мы рассмотрели различные приемы перевода качественных со­циальных признаков в их количественные выражения. Это очень ответственный момент процедуры социологических исследований.

Схема 14 Типы шкал и допустимые для них операции с числами

Тип шкалы	Допустимые преобразования операций с числами (статистические меры и показатели)
Неупорядоченная номи­нальная шкала Частично упо­рядоченная но­минальная шка­ла Порядковая ординарная шкала (шкала рангов) Интервальная метр ческая шкала Идеальная метри- ческая шкала	Простая группировка, классификация в натуральных едини­цах (например, в количестве лиц разных профессий, попада­ющих в данные классы шкалы); оценка центральной тенденции в показателях модальной группы (Мо), т. е. пункта шкалы е наибольшей численностью; оценка рассеяния по пунктам шкалы в процентах к общей численности данных; при характеристике связей — оценки сопряженности по кри­териям хи-квадрат (х^2), коэффициенту Чупрова (Г), Крамера (Те), Юла (Q) и подобным мерам сопряженности и ассоциа­ции признаков — энтропийные показатели (Н) Те же операции, что и выше, а в случае приведения шкалы к полностью упорядоченной — операции, перечисленные ниже Монотонные преобразования шкалы и суммирование оценок (суммирование баллов и усреднение рангов), фиксированных в одной шкале; при характеристике центральной тенденции — все предше­ствующие операции плюс расчет медианы (Me); для оценки рассеяния признаков — то же, что выше (про-центовка^, плюс оценка .межквартального диапазона (показа­телей квартильного отклонения: Д,,<3); для характеристики связей — все показатели, указанные выше, плюс коэффициенты ранговой корреляции (R) При оценке центральной тенденции расчеты Мо, Me, а так­же среднеарифметической (х); показатели меры рассеяния те же, что выше, плюс оценка стандартного (квадратического) отклонения, дисперсии (D); при оценке связей — все вышеперечисленное плюс коэффи­циенты парных и множественных корреляций Все операции с числами

; Применение количественных методов и использование статис­тических отображений социальных явлений и процессов как бы возводит социологию в ранг подлинной «строгой» науки. Создается впечатление математической точности выводов. Между тем кван-тификация сложных и далеко не однозначных социальных реалий накладывает немало ограничений на собственно математические операции с их измерениями. Математик работает с простыми од­нозначными абстракциями, в основе которых суждение «есть— нет» (т. е. наличие—отсутствие данного свойства). Социолог обя­зан 'постоянно помнить, что в действительности скрывается за ве­личинами, которыми мы оперируем.

В данном случае мы обращаем внимание только на некоторые ограничения, связанные со специфическим видом формализации социальных данных, имея в виду наиболее распространенные и сравнительно простые приемы использования математической ста­тистики в социологии.

Первое ограничение — соразмерность количественных показа­телей, фиксированных разными шкалами в рамках одного иссле­дования.

Суммируем сведения о возможностях операций с числами в опи-, санных выше шкалах (схема 14)¹³.

Более сильная шкала отличается от ближайшей к ней относи- • тельно слабой тем, что допускает более широкий диапазон мате­матических операций с числами. Все, что допустимо для слабой шкалы, допустимо и для сильной. Но не все, разрешимое для силь­ной, позволительно для слабой шкалы. Поэтому смешение в ана­лизе мерительных эталонов разного типа приводит к тому, что не используются возможности сильных шкал: в этом случае все опе­рации с числами должны удовлетворять требованиям, предъявля- , емым к относительно слабым шкалам,

Конечно, это предостережение теряет смысл, если социолог не намерен сопоставлять данные, измеренные разными шкалами, и рассматривает их независимо друг от друга и в случае использо­вания более изощренных приемов математического анализа (напр., см.: [166].

Второе общее ограничение связано с формой распределения ве­личины фиксированных описанными выше шкалами, которое пред­полагается нормальным.

У, На рис. 8 показаны варианты нормального и скошенного рас­пределений, где нормальное (эталонное) обозначено пунктиром, а скошенное — сплошной линией. Нормальное гауссово распреде­ление имеет вид симметричного колокола, скошенного же по

Рис. 8. Распределения:

/.—• нормальное; 2 — скошенное

сравнению с нормальным в нашем случае «поднят» правый и опу­щен» левый конец (так называемые хвосты распределения). Для нормального распределения оценки меры рассеяния совпадают. т. е. М=Ме=Мо, а в скошенном «хвосты» распределения не влияют на среднюю арифметическую (М; другое часто встреча­ющееся обозначение средней арифметической — х), которая сдви­гается в сторону его больших значений.

Возможны и бимодальные распределения, где образуются сво­его рода горбы, а также растянутые, как бы сплющенные. Анализ таких видов распределений должен быть особенно внимательным, так как в этом случае непригодны обычные оценки меры рассея­ния и т. д.

Итак, второе ограничение — особенности одномерных (не го­воря уже о более сложных) распределений. Оно заключается в том, что необходимо внимательно изучать форму распределения с точки зрения его уклонения от нормального, симметричного.

Третье ограничение особенно неприятно. Оно состоит в том, что в социальных процессах нередки явления, измерение которых сле­дует производить шкалами открытого типа, где полюс наибольших значений не фиксирован и может принимать любую величину^.

Например, оценки размеров заработной платы в принципе дол­жны давать нормальные и вполне допустимые скошенные, но всег­да гауссовы распределения, так как есть социально и экономически обоснованные минимум и максимум зарплаты. Это — закрытая метрическая шкала оценок. То же самое можно сказать о чис­ленности детей в семье и т. п. явлениях.

Но при оценке многих субъективных состояний и показателей человеческой активности, например, результатов научной продук­тивности ученых, предельно максимальные значения трудно пред­положить достоверно.

В негауссовых, в частности, так называемых распределениях Ципфа (рис. 9, в котором фиксированы логарифмы координат), на примере оценки числа публикаций ученых в области химии [270. С. 146] видно, что до 70% из них имеют одну публикацию, около 25% — две, 8—10% — по три -или четыре публикации, но только по 0,1 и 0,2% достигают продуктивности в 20—30 публика­ций, Это распределение никоим образом не описывается гауссовым «колоколом». В последнем случае численность имеющих очень мало и очень много публикаций была бы примерно равной, а большинство ученых демонстрировали бы некоторое среднее число публикаций, например, по 7—8 в гауссовой статистике — это раз­личные показатели центральной тенденции распределения).

Однако применение негауссовых статистик в социальных нау­ках вообще, в социологии в частности, крайне затруднительно, так как невозможно использовать закрытые шкалы, поскольку в боль­шинстве случаев нет «естественных» эталонов измерения (число публикаций —один из примеров такого «естественного» эталона).

А если нам приходится изобретать шкалу, то недопустимо оставлять эткрытым один из ее полюсов.

Четвертое ограничение связано с особой природой социальных про­цессов, в которых статистические и детерминистские закономерности находятся в динамическом единстве. В определенных аспектах и на оп­ределенных отрезках времени соци­альные процессы вполне предсказу­емы. Но во многих случаях это да­леко не так, особенно в условиях социальных преобразований, кризи­сов социальных систем. В неста­бильных системах малые внешние или внутренние воздействия способ­ны вызвать неожиданное и неаде­кватное воздействию изменение [178; 179].

Поэтому предлагается, исполь­зуя для измерения первичных ха­рактеристик шкальные процедуры, прибегать к построению стоха­стических динамических моделей на основе «сценариев» возможно­го развития определенных социаль­ных процессов [283]. Такие сце­

нарии прогнозируются для разных временных интервалов, например начальной и завершающей стадий, которые могут быть суще­ственно разными по составу участвующих факторов и по характе­ру связей между ними, - .

Итак, преимущества квантификации и использования жестких критериев надежности исходных данных небезусловны и могут обернуться упрощением, а то и искажением социальной реально­сти¹⁵. Адекватные в исследовании массовидных социальных про­цессов, такие приемы утрачивают свои достоинства в изучении со­знательно организованных действий или «отклоняющихся» явле­ний, тогда как нередко именно последние дают пищу для вдумчи­вого социального анализа. Без таких «уклонений» социальные