Артемов Г. Политическая социология

ОГЛАВЛЕНИЕ

Раздел 1. Методологические и теоретические основы социологического исследования политической жизни

Глава 2. Технология и методы социологического исследования политической жизни

2.1. Технология эмпирического социологического исследования

Технология эмпирических исследований включает в себя после довательность операций, необходимых для получения информации об изучаемом явлении. Во всех отраслевых социологических на уках она одинакова. В социологической литературе существуют различные представления об этапах социологического исследования. Н. Смелзер выделяет три этапа: формулировку гипотез; сбор и обработку данных; анализ и обобщение данных [Смелзер, 27-34], А.Г. Здравомыслов — пять: составление программы; постро ение выборки; разработку методики; сбор и обработку материала; анализ и интерпретацию данных [Здравомыслов, 44]. Обобщая эти и другие подходы, можно утверждать, что всякое социологическое исследование проходит три этапа:

•  подготовительный;

•  полевой;

•  аналитический.

Первый этап начинается с разработки программы и заканчива ется пилотажным (пробным) исследованием. Программа исследования обычно состоит из трех частей: методологической, методи ческой и организационной [Капитонов, 387—503]. Методологичес кая часть программы содержит характеристику проблемы, цели, задач, объекта, предмета, концепции исследования, выборки, основных понятий, показателей, гипотез, а методическая — характе ристику методов сбора и анализа данных, логической структуры инструментария, схемы обработки первичной информации. Организационная часть (рабочий план) исследования включает в себя временной график осуществления необходимых работ, рабочие до кументы (формы анкет, бланков, карточек, инструкций участникам и руководителям полевых и аналитических работ), калькуляцию

[ 32 ]

сметной стоимости этих работ [Капитонов, 485—496; Социология. Основы общей теории, 378-380; Ядов, 1995, 288-309].

Пилотажное исследование (пилотаж) проводится с целью проверки качества инструментария, предназначенного для полевого исследования. В ходе пилотажа на ограниченном материале уста навливается валидность (пригодность) сконструированного при разработке программы измерительного инструмента: показателей и шкал. Критериями пригодности использования этого инструментария являются распределение значений измеряемых признаков по делениям шкал (от минимума до максимума), невысокий удельный вес нулевых значений признаков, отсутствие перекоса значений признаков (их концентрации в одном месте шкалы). С учетом ре зультатов пилотажного исследования производится коррекция ин струментария, после чего начинаются полевые работы.

В процессе подготовки и проведения социологического иссле дования осуществляется ряд процедур. Прежде всего — концептуализация проблемы, составляющей исходный пункт любого исследо вания. Эта процедура включает в себя определение понятий, выра жающих наиболее существенные аспекты изучаемой проблемы. Система понятий образует теорию — идеальную модель явления, дающую целостное представление о нем и объясняющую его внутреннюю структуру, место в социальной реальности, причины воз никновения и развития. Теория указывает на факты (реальные, эмпирически наблюдаемые события), относящиеся к данному яв лению. На основе теорий выдвигаются гипотезы — неоднозначные предположения о связях между различными фактами, характеризующих изучаемое явление. Гипотеза обязательно должна быть подтверждена или опровергнута. Эмпирическое социологическое ис следование можно рассматривать как процесс выдвижения и проверки гипотез, опирающийся на сбор, анализ и обобщение фактов. Для выполнения этой задачи необходимо осуществить операциона- лизацию выработанных в процессе концептуализации понятий.

Операционализация означает процедуру, с помощью которой по нятия переводятся в переменные. Переменные конструируются на основе выявления наблюдаемых и изменяющихся признаков поня тия, благодаря этому их можно обнаруживать в реальном сознании и поведении людей и измерять. Полный перевод понятий в пере менные (редукция) невозможен не только потому, что понятие включает ненаблюдаемые и неизмеряемые признаки явления, но и потому, что в процессе конструирования переменных мы подводим не понятия под их «эмпирические референты», а устойчивые структуры социального действия людей под понятия. Суть операц ионализации заключается в трансформации языка науки в язык

[33]

обыденный, используемый людьми в их повседневной жизни. По нятие отражает качественные (неизменные) признаки явления. Переменные выражают не только качественные, но и количествен ные (изменяющиеся) признаки, которые могут принимать различ ные значения, воздействуя друг на друга. Переменные, которые оказывают это воздействие, называются независимыми (активны ми), а переменные, подвергающиеся воздействию, — зависимыми (пассивными).

В научной литературе существует деление переменных на пока затели и индикаторы. Последние рассматриваются как частичные проявления показателей. Операционализация в этом случае выгля дит как перевод понятий в показатели, а показателей — в индика торы, значения которых и измеряются непосредственно; Операци онализация делает возможной следующую процедуру социологи ческого исследования — квантификацию.

Благодаря квантификации мы можем представить в виде чисел выделенные нами в процессе концептуализации исходные качественные характеристики изучаемого явления и использовать современные математические методы обработки и анализа информации. Однако в этом процессе возникает затруднение, связанное с тем, что по мере преобразования определенного качественного признака понятия в некоторое множество переменных, мы должны одно временно двигаться в обратном направлении, доказывая, что все сконструированные нами переменные отражают различные стороны квантифицируемого нами определенного качественного признака понятия, а не какого-либо другого его признака. Как правило, при квантификации множество качественных признаков поня тия трансформируется в еще более обширное множество переменных. Часто бывает трудно доказать, что измеренные переменные относятся к одному признаку, а не к нескольким. Качество опера-ционализации понятий в значительной степени зависит от точнос ти и однозначности их рабочих определений, сформулированных в ходе концептуализации, которая позволяет выбрать из множества существующих в научной литературе трактовок понятий те, кото рые в наибольшей степени соответствуют целям и задачам иссле дования.

Выделение простейших качественных признаков делает возмож ным их измерение. Это обусловлено единством качественной и количественной определенности любого явления действительности: качество всегда связано с определенным количеством, а количест во—с конкретным качеством. Поэтому в процессе дробления ка чественных признаков появляются количественные. И наоборот, по мере углубления анализа количественных признаков обнаружи-

[34]

Ваются качественные признаки. Единство этих двух характеристик выражается понятием меры, которая устанавливает диапазон измерения колич ественных характеристик явления, за пределами которого оно теряет свою качественную определенность (переходит в другое качественное состояние).

[Измерение — это процедура, в рамках которой качественным оизнакам изучаемого явления приписываются определенные количественные характеристики (значения). Оно осуществляется на номинальном, порядковом и интервальном уровнях^Методы сбора данных..., 82—90] с помощью шкал. Шкала (от лат. scala — лестни ца) представляет собой вербальную (словесную) или числовую сис тему фиксирующую взаимосвязанные значения признаков изучае мого явления. Каждому уровню измерения соответствует шкала определенного типа, отличающегося способом количественного выражения соотношения качественных признаков.

На номинальном уровне фиксируется пронумерованный пере чень качественных признаков изучаемого явления. Соответствую щая данному уровню шкала (номинальная) дает нам классификацию этих признаков на основе их равенства или неравенства (сходства или различия). Сходным признакам приписываются оди наковые значения, отличающимся — разные. Примером такой шкалы является перечень видов политического участия: 1 — выбо ры, 2 — референдумы, 3 — собрания, 4 — митинги, 5 — демон страции, 6 — марши протеста и т.д. В этом случае осуществляется простая фиксация использования или неиспользования населением того или иного вида участия. Измерение на рассматриваемом уровне носит условный характер, поскольку оно не позволяет фикси ровать количественное выражение определенных качественных признаков (в нашем примере — степень использования респонден том каждой из форм участия). Здесь мы можем получить лишь общее косвенное представление об этом в результате подсчета час тоты (в абсолютных величинах и процентах) упоминания перечис ленных форм участия в нашей выборке.

В соответствии с этими частотами можно выстроить из всех форм участия некоторый последовательный ряд от максимума до минимума (проранжировать их). Только после такой предваритель ной обработки становятся возможными следующие количествен- не операции: 1) определение моды, т.е. наиболее часто встречающегося значения изучаемого признака; 2) построение таблиц сопряженности (парных распределений) признаков; 3) вычисление в таблицах показателей парной связи признаков: критерия хи-квадрат, коэффициента сопряженности Пирсона (Р) и коэффици-Чупрова (7) [Рабочая книга социолога, 214—215; Энциклопе-

[35]

дический социологический словарь, 335]. Указанные коэффициенты равны нулю при полной независимости признаков и единице при полной их связи. С помощью данных операций можно обна ружить наличие связи между качественными признаками изучаемого явления. Например, можно выяснить влияние пола, возраста, профессии, социального положения, политической активности об следуемых на их распределение по формам участия.

На порядковом уровне измерения, в отличие от номинального, устанавливается не просто перечень, но и иерархическая последо вательность качественных признаков явления. Порядковая шкала позволяет фиксировать не только отношения «равенства — нера венства», но и отношения «больше — меньше» между отдельными позициями. Такую шкалу используют, например, для определения степени удовлетворенности опрашиваемых результатами полити ческого участия: 1 — совершенно не удовлетворен; 2 — скорее не удовлетворен, чем удовлетворен; 3 — в равной степени не удовлетворен и удовлетворен; 4 — скорее удовлетворен, чем не удовле творен; 5 — полностью удовлетворен. Цифры, обозначающие ранги (ступени) перечисленных пунктов шкалы (1, 2, 3, 4, 5), как и в предыдущем случае, имеют условный характер, поскольку они указывают на очередность расположения, а не на интенсивность качественных признаков. Мы можем, не нарушая отношения порядка, заменить указанные выше значения симметричными: -2, - 1, О, +1, +2. Шкала этого уровня не позволяет фиксировать измене ние значений изучаемого признака от минимума (или нуля) до максимума, так как она не имеет единицы измерения.

Порядковые шкалы позволяют осуществлять больше операций с числами, чем шкалы предыдущего типа. К перечисленным выше (для номинальных шкал) операциям прибавляются: 1 — определе ние медианы (значения признака, расположенного в середине упо рядоченного ряда); 2 — вычисление коэффициентов ранговой кор реляции (взаимосвязи) признаков, т.е. коэффициентов Спирмена и Кендалла [Рабочая книга социолога, 208—211]. Величина этих ко эффициентов может изменяться от +1 (при наличии строгой пря мой зависимости между двумя рядами рангов) до - 1 (при наличии строгой обратной зависимости между двумя рядами рангов). При отсутствии зависимости они равны нулю. Эти коэффициенты ис пользуются для определения наличия или отсутствия связи между двумя проранжированными рядами признаков. С их помощью можно, например, измерить зависимость между степенью удовле творенности политическим участием и степенью доверия полити ческим институтам по схеме: 1 — совсем не доверяю; 2 — больше не доверяю, чем доверяю; 3 — в равной степени не доверяю и до-

[36]

веряю, 4- больше доверяю, чем не доверяю; 5 — полностью до веряю, **

На интервальном уровне можно не только классифицировать и орядочивать качественные признаки, но и определять величину аленности одного их значения от другого. Шкалы этого уровня (интервальные) благодаря наличию стандартизованной единицы из меряемого признака позволяют определять расстояние между от дельными значениями этого признака, устанавливать насколько одно из них больше/меньше другого. Такие шкалы используются для измерения интереса к политической информации (продолжительности просмотра политических телепрограмм; числа политических изданий в домашней библиотеке и т.д.), политической ак тивности (частоты участия в политических мероприятиях; времени, затрачиваемого на политическую работу, и др.).

В социологии существуют методы, с помощью которых можно сконструировать интервальную шкалу [Рабочая книга социолога, 217-225]. Среди них наиболее распространен метод Тёрстоуна [Мангейм и Рич, 262—265; Рабочая книга социолога, 219—222]. Его можно использовать для измерения политических установок. Сначала составляется пронумерованный список кратких и недвусмысленных суждений (от 100 до 200), взятых из различных политичес ких текстов, уже проведенных исследований или придуманных самостоятельно. Указанные суждения должны выражать установку по отношению к определенному объекту (например, к правитель ству) и выписываться на отдельные карточки. Затем отбираются эксперты (более 50 человек), которые должны сами разработать шкалу, необходимую для измерения установки обследуемой нами группы. Каждому эксперту дается полный перемешанный набор таких карточек. Эксперты оценивают (одобряют или отвергают) отобранные суждения и присваивают каждому из них определенный балл.

Каждый эксперт оценивает предложенные ему суждения по 11-балльной шкале: 1 — сильное отрицание; 2 — не очень сильное отрицание; 3 — умеренное отрицание; 4 — слабое отрицание; 5 — очень слабое отрицание; 6 — нейтральное отношение; 7 — очень слабое одобрение; 8 — слабое одобрение; 9 — умеренное одобрение; Ю — сильное одобрение; 11 — очень сильное одобрение, кспертам должно казаться, что интервалы между этими градациями равны. В процессе оценивания суждений эксперт раскладывает их по стопкам, соответствующим вышеперечисленным градациям, отмечает в списке суждений номер стопки, в которую он помещает каждое суждение. После завершения сортировки карточек и экспертами каждому суждению приписывается обобщенная

[37]

балльная оценка. Затем из всей совокупности суждений исключа ются те, которые получили сильно расходящиеся оценки. В итоге остается (в списке и на карточках) 15—20 суждений, получивших сходную оценку экспертов. Эти суждения используются в массовом опросе.

В ходе интервью каждому респонденту предлагают отобрать из прошедших экспертную оценку суждений два-три, с которыми он согласен. Затем для отобранных респондентом суждений определя ется медианное значение, которое и становится баллом этого рес пондента по изучаемой установке. Разброс ответов респондента по отдаленным друг от друга позициям шкалы свидетельствует о не определенности его отношения к изучаемому объекту или об отличии его отношения от того, которое сформулировано в предложен ных ему суждениях. Концентрация ответов в смежных позициях шкалы говорит об однозначности отношения и о надежности самой шкалы.

Частным случаем данной шкалы является «истинная» интер вальная шкала [Мангейм и Рич, 85], или шкала отношений [Соци ология. Основы общей теории, 433], которая имеет не только единицу измерения, но и точку отсчета. Эта шкала позволяет определять, во сколько раз одно из значений изучаемого признака боль ше/меньше другого. С помощью такой шкалы обычно фиксируются возраст, доход, стаж работы и т.д.

Шкалы интервального уровня измерения допускают, помимо упомянутых на номинальном и порядковом уровнях, следующие операции с числами: 1) расчет средней арифметической; 2) опре деление дисперсии признака (рассеяния значений признака вокруг средней); 3) вычисление коэффициента парной корреляции Пирсона (г). Последний позволяет измерять направление и ин тенсивность взаимосвязи двух интервальных признаков в случае наличия между ними линейной зависимости. Его величина изменяется от - 1 до +1 [Мангейм и Рич, 426—430; Рабочая книга со циолога, 198].

В реальной практике социологических исследований встречают ся переходные варианты шкал. В качестве примера можно привес ти девятибалльную шкалу, применяемую в отечественной социоло гии при проведении экспертных оценок [Сближение рабочего класса и инженерно-технической интеллигенции социалистических стран. Т.З. Прага, 1985. С. 100—101]. Подобные шкалы можно ис пользовать для экспертной оценки влиятельности политических институтов:

Пример. Оцените, пожалуйста, с помощью нижеприведенной девяти балльной шкалы степень влияния различных политических институтов на

[38]

политику нашего государства». Позиция 1 шкалы означает полное отсутствие влияния, позиция 9 — определяющее влияние. Отметьте, пожалуйста, позицию, соответствующую Вашему мнению.

Измерение величины значений признаков здесь основано на допуще нии что эксперты (ведущие политологи и политики) способны непосред ственно производить количественную оценку параметров изучаемого явле ния. Считается, что в подобных шкалах должно быть не более 11 позиций.

Не менее важной процедурой является репрезентация объекта исследования (построение выборки). Все люди, подлежащие изучению в соответствии с выделенными переменными, называются генеральной совокупностью. Специально отобранная их часть, воспроизводящая в уменьшенном масштабе генеральную совокупность, составляет выборочную совокупность. В идеальном случае распределение выделенных признаков в обеих совокупностях должно совпадать. Это позволяет распространять на генеральную совокупность выводы, полученные на основе изучения выборочной совокупности.

Соответствие выборочной и генеральной совокупностей называется репрезентативностью (представительностью). Обычно выборка считается репрезентативной, если по значениям основных переменных она отличается от генеральной совокупности не более, чем на ±5%. В практике социологических исследований часто наблюдается «смещение» выборки — превышение 5%-ного барьера. В этом случае делается «перевзвешивание» (ремонт) выборки с целью ликвидации указанного превышения. Например, если соотношение мужчин и женщин в генеральной совокупности составляет 55/45%, а в выборочной совокупности обнаружено противоположное соотношение, т.е. 45/55%, то мы должны изъять из полученного массива данных необходимое число ответов респондентов-женщин.

Обычно репрезентация объекта исследования осуществляется по аким признакам, как пол, возраст, образование, род занятий, место жительства (тип поселения) и др. Выборка, построенная на основе соответствующих генеральной совокупности значений пере-

[39]

численных выше переменных, называется квотной. В этом случае представители различных социально-демографических групп отби раются сообразно их удельному весу среди населения. Каждый со циолог, участвующий в обследовании, получает квотное задание и находит респондентов с соответствующими ему характеристиками. Такую выборку можно построить в том случае, если имеются ста тистические данные о контролируемых нами признаках генеральной совокупности (как правило, число этих признаков не превышает четырех: пол, возраст, образование, род занятий).

Если же у нас нет необходимых статистических данных, то мы можем построить случайную выборку. Случайная выборка обычно создается на основе систематического отбора необходимого количества опрашиваемых из генеральной совокупности, например из списка избирателей. Первый респондент выбирается с помощью таблицы случайных чисел [Капитонов, 421—428; Мангейм и Рич, 514—516; Статистические методы анализа информации..., 305—308], а остальные — в соответствии с определенным интервалом (шагом). Можно действовать иначе; сначала с помощью таблицы случайных чисел отобрать избирательные участки, а затем на каж дом из них отобрать номера телефонов избирателей. В обоих слу чаях у каждого избирателя будет равная вероятность попадания в выборку. Например, если в нашем городе имеется 1800 избирательных участков и нам нужно опросить 1200 человек, то мы можем отобрать 100 участков и на каждом из них отобрать по 12 абонентов.

В практике массовых опросов, проводимых Институтом Гэлла-па, применялись две схемы построения выборки: социальная и политическая. Социальная выборка основана на данных переписи всего населения, политическая — на списках избирателей [Петровская, 67—72]. Первая схема использовалась для изучения потреб ности в товарах, уровня жизни, распределения доходов, пособий и пр., вторая — для изучения отношения к кандидатам, партиям, должностным лицам и т.д. Социальная выборка формировалась двумя способами: случайным и стратифицированным. При про стом случайном способе люди отбираются для опроса из алфавитного перечня всего населения. Это позволяет получить общее представление о состоянии дел. При стратификационном отборе все население делится на однородные группы (по образованию, профессии и т.д.), внутри которых проводится случайный отбор. Политическая выборка должна учитывать факторы, влияющие на участие в голосовании (тип кампании, место жительства, уровень дохода, возраст и др.). При ее построении сначала составляется классификация населенных пунктов, затем из каждого их вида произвольно отбираются поселения пропорционально удельному

[40]

весу этого вида. В этих поселениях выбираются административные р айоны, а в последних — избирательные участки. В первом вари анте выборки единицей обследования является семья, во втором — избирательный участок. На участках делается выборка домов, в каждом из которых опрашивается один избиратель.

Одним из основных вопросов социологического исследования является определение объема выборки (числа единиц наблюдения). Дж. Мангейм и Р. Рич в связи с этим пишут: «В большинстве наиболее значительных исследовательских проектов в области полито логии используются выборки объемом приблизительно 1400—1600 респондентов. Такие исследования дают результаты с точностью 3-4% и со степенью уверенности 0,99 считаются одновременно и возможными, и достаточно точными» [Мангейм и Рич, 180]. Одна ко в ряде случаев опрашивается большее число респондентов. Такие известные социологические центры, как Институт Гэллапа и Институт социологии РАН, на общегосударственном уровне чаще всего используют выборку объемом от 1500 до 2000 человек [Давы дов АЛ Объем выборки // Социологические исследования. 1988. № 6. С. 84; Трансформация социальной структуры и стратифика ция российского общества. М., 1996. С. 49]. Это вызвано необхо димостью повьпиения точности измерения (зачастую кандидаты в депутаты побеждают на выборах с перевесом от 1 до 2%). Объем выборки рассчитывается в каждом конкретном исследовательском проекте. В то же время в различных странах существуют определенные, установленные на основе опыта исследований модели вы борок.

После завершения разработки программы и проверки инстру ментария начинается полевой этап исследования, в рамках которого собираются и кодируются эмпирические данные. При коди ровке каждой позиции используемой нами формы сбора данных присваивается определенный номер в порядке нарастания. Нуме руются лишь альтернативы возможных ответов на вопросы. Полу ченные таким образом коды являются условными числами, однако только в такой форме фактическая информация может быть введена в компьютер. В стандартной для современной социологии системе прикладных программ (8Р88) закодированная информация обычно вводится в режиме электронной таблицы, столбцы которой обозначают номера вопросов (у), а строки — номера респондентов. На пересечении строк и столбцов записываются коды ЭДьтернатив, отмеченных респондентами при ответе на вопросы анкеты, например:

[41]

Аналитический этап включает ввод, статистическую обработку закодированной информации, обобщение и интерпретацию полу ченных данных.

На основе анализа осуществляется интерпретация данных. На этом этапе мы должны перейти от количественного (статистического) анализа данных к качественному (содержательному), перевести язык цифр на обычный язык. В то же время мы должны осуществить процедуру, обратную операционализации: перейти с обыденного языка, с помощью которого мы трансформировали ис ходные понятия в переменные и собирали первичную информацию, на язык науки, с помощью которого мы концептуализирова ли изучаемое политическое явление в начале исследования. Суть интерпретации собранного и обработанного нами фактического материала заключается в истолковании смысла обнаруженных на уровне эмпирического анализа структур повседневной политической жизни людей.

В заключение данного параграфа следует отметить, что изло женная в нем технология социологического исследования в основ ном относится к так называемым «жестким» (количественным) ме тодам сбора и анализа эмпирических данных. Технология приме нения «мягких» (качественных) методов описана в ряде учебных пособий [см., например: Белановский, 280—335; Социология. Ос новы общей теории, 415—423; Ядов (в сотрудничестве с В.В. Семеновой), 1998, 387—450]. В систематической форме эта технология изложена в учебном пособии [Семенова, 1998]. -—Принципиальное различие между технологиями количественного и качественного социологического исследования заключается в том, что количественное исследование основано на измерении параметров социального действия, а качественное — на понимании смысла этого действия. Поэтому в первом случае для получе ния результатов необходимо провести статистически значимое множество наблюдений за массовым сознанием и поведением людей, а во втором случае достаточно одного или нескольких на блюдений за сознанием и поведением небольшой группы людей или даже отдельного человека. Качественные методы: включенное наблюдение, анализ биографии, глубинное интервью, фокус-группа [Семенова, 102—114] позволяют социологу включиться в про-

[42]

цесс повседневной жизни изучаемых им людей и понять мотива цию их поведения ДЭта особенность качественных методов делает Ненужными те процедуры технологии социологического исследова ния, которые связаны с квантификацией и репрезентацией характеристик объекта исследования, а также со статистической обра боткой его результатов.

В.В. Семенова выделяет следующие особенности технологии ка чественного исследования [Там же, 127]:

•  Гипотезы формулируются на заключительном этапе анализа данных, а не до начала сбора, как в количественном исследовании.

•  Инструментарий создается в ходе полевой, а не подготови тельной части исследования.

•  Результаты исследования представлены в виде текстов (вы сказывания, фрагменты документов, транскрипты), а не цифр (ста тистические распределения, шкальные значения, коэффициенты).

•  Теоретические конструкции являются преимущественно ин дуктивными, а не каузальными.

•  Исследовательские процедуры индивидуальны и не стандар тизированы.

•  Анализ данных имеет содержательный (выделение тем, обоб щение идей), а не статистический характер (расчет распределения признаков, построение статистических таблиц, выявление зависи мостей между признаками).

В качественных исследованиях не проводится репрезентация объекта. Выборка здесь строится на основе не отражения структу ры обследуемой совокупности людей, а отбора типичных предста вителей изучаемых социальных категорий.* Поэтому качественное исследование воспроизводит не статистическую картину (структуру и результаты) изучаемого социального действия, а смысл, который вкладывают в него его участники.

В целом можно сказать, что основные этапы (подготовитель ный, полевой, аналитический) сохраняются в обоих типах исследования, однако их соотношение и роль отличаются. В качественном исследовании полевой этап приобретает центральное значение, по скольку во время сбора информации пересматриваются результаты предварительной концептуализации и операционализации изучаемого явления, а также начинается анализ этой информации. Соци олог здесь совмещает функции полевика и аналитика. На подготовительном этапе качественного исследования также разрабатывает ся программа, в которой формулируются его цель, задачи, объект и предмет, обосновывается выборка и инструментарий: вопросы, на которые предстоит найти ответы в ходе индивидуального и

[43]

группового интервью, наблюдения или изучения документов [Семенова, 125-134, Дмитриева, 42-60].

На основе сказанного можно сделать вывод о том, что главное отличие качественных исследований от количественных заключается в менее «жесткой» регламентации всех процедур, а также в более активном использовании коммуникативных элементов самого социологического знания. Живое общение с людьми зачастую дает информацию, позволяющую объяснить парадоксальные ре зультаты исследований, полученные на основе строгого соблюде ния всех требований статистики. Например, в ходе опросов, проведенных в апреле — июне 1996 г. Центром эмпирических политических исследований философского факультета СПбГУ (ЦЭПИ СПбГУ), было установлено, что значительная часть избирателей Санкт-Петербурга, считающих политические взгляды Явлинского близкими своим собственным и доверяющих ему, намерена голо совать на президентских выборах не за него, а за Ельцина (что и произошло в первом туре голосования). Статистические методы не могли дать ответ на вопрос о том, почему в таком «яблочном» в то время городе, как Санкт-Петербург (на парламентских выборах 1995 г. списки «Яблока» получили наибольшее число голосов во всех избирательных округах), Явлинский не смог получить полную поддержку сторонников своей партии. Прояснить ситуацию помогло фокусированное интервью с одним из этих сторон ников. Суть мотивации его поведения на выборах можно резюмировать формулой: «Я бы проголосовал за Явлинского, но боюсь Зюганова, и поэтому буду голосовать за Ельцина». Этот пример еще раз убеждает в необходимости комплексного использования количественных и качественных методов социологического иссле дования, о чем говорится в упомянутой выше статье Карла ван Метера (см. гл. 1).

2.2. Методы сбора данных

К наиболее распространенным в социологии методам сбора данных относятся наблюдение, опрос и анализ документов [Мето ды сбора информации..., 2, 153]. Под наблюдением понимают целенаправленную, непосредственную визуальную регистрацию социо логом событий политической жизни: собраний, демонстраций, ми тингов, встреч, конфликтов, переговоров и др. Оно относится к так называемым неконтактным методам сбора первичных данных, поскольку не предполагает прямой или косвенный диалог социолога с представителями различных групп населения.

Наблюдение бывает включенным и невключенным, структури рованным и неструктурированным, лабораторным и полевым. Для

[44]

фиксации результатов наблюдения обычно разрабатываются специальные карточки и бланки, в которые записываются основные характеристики изучаемого события, например место и время прове дения собрания, число и качественный состав присутствующих (пол, возраст), перечень обсуждаемых вопросов, реакция присутст вующих на выступления политиков, общая атмосфера и т.д. Все эти данные можно закодировать и обработать с помощью компью тера [Там же, 180—189]. Вместе с тем при включенном наблюдении (участие в работе партии, учреждения) можно обойтись без упомя нутых форм и ограничиться ведением дневниковых записей. При косвенном наблюдении за массовыми акциями (например, по те левидению) достаточно делать видеозаписи. Первый вариант на блюдения можно отнести преимущественно к количественным (жестким), второй и третий — к преимущественно качественным (мягким) методам сбора данных.

Опрос является формой диалога, участниками которого выступа ют профессиональные социологи и представители различных соци альных групп. Особенность опроса заключается в том, что он имеет вербальный (словесный) характер [Методы сбора информа ции..., 1, 46]. При опросе мы получаем от людей информацию только о тех явлениях политической жизни, которые отражаются их сознанием и могут быть выражены ими в словесной форме, причем на языке их повседневного общения. Этим обусловлено повышенное внимание социологов к формулировкам вопросов, ис пользуемых при анкетировании и интервьюировании [Петровская, 75—76]. Дж. Гэллап, наиболее авторитетный специалист в области проведения массовых опросов, сформулировал следующие эмпири ческие правила построения социологических вопросников: 1) во просы должны быть краткими и касаться существа дела; 2) слова и предложения должны быть простыми по смыслу и общими для по вседневного языка всех групп населения; 3) в вопросах не должно быть слов с сильной эмоциональной окраской; 4) вопросы должны включать все возможные альтернативы ответов [Социологические исследования. 1980. № 4. С. 163]. Опросы делятся на письменные (анкетирование) и устные (интервьюирование), массовые и экс пертные, групповые и индивидуальные, стандартизованные и фо кусированные [Там же, 125-222].

Основным инструментом этого метода является вопрос. По структуре вопросы делятся на открытые, закрытые и полузакры тые. В первом случае респондентам предоставляется возможность самостоятельно сформулировать ответы на вопросы, во втором — перечисляются все альтернативы ответов, в третьем — предусмат риваются как альтернативы, так и самостоятельные ответы. По

[45]

роли в исследовании вопросы делятся на фильтрующие, общие, причинные, специфические и оценочные. Фильтрующие вопросы позволяют выяснять, насколько опрашиваемые осведомлены отно сительно обсуждаемой проблемы. Общие (открытые) вопросы по могают выявлять взгляды респондента на эту проблему. Причин ные вопросы определяют факторы, обусловливающие эти взгляды. Специфические — устанавливают отношение респондента к отдельным аспектам проблемы. Оценочные — определяют интенсив ность или устойчивость этого отношения [Петровская, 77—80].

Существуют также вопросы-ловушки, с помощью которых про веряется искренность ответов на основные вопросы. Опрос также имеет качественные и количественные варианты. Анкетный опрос можно назвать количественным методом, а фокусированное интервью — качественным. В первом случае информация фиксируется системой показателей и шкал, во втором — обычной диктофонной записью, которая в последующем расшифровывается и подвергает ся качественному анализу.

Специфическим методом сбора данных является фокус-группа (от англ. Госив — центр, средоточие). Его можно рассматривать как вариант группового интервью, сконцентрированного на определен ной проблеме. Впервые этот метод были использован Р. Мертоном и П. Лазарсфельдом в 1941 г. для изучения эффективности радио передач. Затем Р. Мертон применил его для изучения эффектив ности пропагандистских военных фильмов [Дмитриева, 11]. В на стоящее время фокус-группы широко используются, в частности, при изучении эффективности политической рекламы, особенностей восприятия визуальной политической информации различными категориями населения и др. [Политический анализ, 46—65].

Фокус-группа является разновидностью качественных методов сбора данных. Она совмещает групповое интервью и групповую дискуссию. В начале, как правило, собравшимся демонстрируется «стимульный» материал (видео- и аудиозаписи, плакаты, фотографии, фильмы и т.д.), с помощью которого создается проблемная ситуация. Затем начинается обсуждение проблемы. Руководит процессом модератор (от лат. тос1ега1ог — тот, кто сдерживает). Эту роль может выполнять социолог высокой квалификации, овладев ший искусством организации групповых дискуссий. Его задача заключается в том, чтобы стимулировать спор, свободное высказыва ние мнений и одновременно не давать слишком активным участникам дискуссии подавлять остальных (отсюда название должности самого ведущего).

Сценарий фокус-группы тщательно продумывается перед ее проведением, однако инструментарий самого группового интервью корректируется в процессе его осуществления. Весь ход дискуссии

[46]

записывается с помощью видео- и аудиотехники, для того чтобы в последующем подвергнуть качественному анализу не только суждения, но и интонации, мимику, жесты участников. С образцами программы, сценария, правилами отбора участников, мето дикой проведения и формой отчета по результатам проведения фокус-групп можно подробно познакомиться в книге [Дмитриева, 106-130].

Анализ документов бывает двух типов: традиционный и форма лизованный (контент-анализ). Традиционный анализ документов — это вид качественного анализа, включающий осмысление и пони мание содержания документальных источников (летописей, свиде тельств очевидцев исторических событий, фонограмм, кинолент, видеозаписей, решений и протоколов заседаний официальных органов, писем, дневников, биографий). Документы делятся на ста тистические, текстовые и иконографические, официальные и личные. Формализованный анализ документов (писем, стенограмм, газет, радио- и телепередач) основан на переводе качественных ха рактеристик их содержания в количественные. В процессе кон тент-анализа выбираются смысловые единицы (фиксирующие фрагменты содержания документов) и единицы счета (фиксирую щие регулярность появления смысловых единиц в документе). Смысловыми единицами могут быть имена, термины, суждения.

С помощью контент-анализа можно изучать, например, традиционные для той или иной страны каналы рекрутирования правящей элиты на основе обработки справочников вроде «Кто есть кто?». Смысловыми единицами в данном случае будут географи ческие названия, профессии, должности. Единицей счета здесь может служить частота упоминания указанных смысловых единиц. Аналогичным образом можно выявить отношение газет к опреде ленному кандидату в депутаты, частоту появления и объем пози тивных или негативных материалов, посвященных ему. В отечест венной социологии накоплен большой опыт использования контент-анализа при изучении средств массовой информации [см., например: Методы сбора информации, 2, 118—130].

2.3. Методы анализа данных

В процессе анализа данных осуществляются следующие опера ций: расчет одномерного распределения признаков, построение группировок признаков, выявление зависимостей между признака ми. |При обработке данных прежде всего выявляют одномерные Распределения признаков (частоты появления различных значений

э тих признаков в полученном массиве данных). Например, в ходе

[47]

одного из массовых опросов 1993 г. было установлено, что полностью доверяли правительству 5% респондентов, в основном доверя ли 25%, не очень доверяли 36%, совсем не доверяли 25% (осталь ные затруднились ответить). На основе изучения этого распределе ния можно получить лишь предварительную информацию об отношении к правительству. Для всесторонней его оценки важно выяс нить специфику распределения ответов на указанный вопрос у представителей различных социальных групп, включенных в вы борку исследования: руководителей, специалистов, предпринимателей, военнослужащих, рабочих, учащихся, студентов, пенсионеров, безработных. Первым шагом на этом пути служит построение таблиц сопряженности (двумерных распределений) признаков. Анализ этих распределений обнаруживает, что руководители и служащие управленческого аппарата сильнее доверяют правительству, чем, например, рабочие, а среди последних преобладают люди, одно значно не доверяющие правительству. Это уже более точная харак теристика отношения населения к правительству. На основе дву мерных распределений признаков можно строить различные группировки опрошенных в соответствии с их социальными характе ристиками (профессия, квалификация, доход, образование и пр.). В итоге получаются простые и комбинированные таблицы данных, а также графики, диаграммы, гистограммы и др.

Однако все эти процедуры на самом деле представляют собой лишь подготовку к настоящему анализу данных. Главное в этом анализе — выявление зависимостей между признаками. Основны ми методами изучения зависимостей являются анализ статистичес ких таблиц, корреляционный, факторный, кластерный анализ и многомерное шкалирование.

Анализ статистических таблиц основан на оценке отсутст вия/наличия взаимосвязи признаков по критерию хи-квадрат [Ра бочая книга социолога, 194—195] и вычислении стандартизованных остатков (величин, которые указывают на степень отклонения на блюдаемых частот от ожидаемых) [ Сатаров Г.А. Структура полити ческих диспозиций россиян // Российский монитор. Архив совре менной политики. Вып. 1. 1992. С. 145]. Вычисление критерия хи-квадрат и стандартизованных остатков осуществляется с помощью пакета 8Р88 (опции: 8т.ат.1г.1с8\сго881аЪ$). Показателем наличия взаи мосвязи признаков служит значение критерия хи-квадрат, превы шающее табличное [Рабочая книга социолога, 507; Мангейм и Рич, 519] для соответствующего числа степеней свободы — ^(зна чение выдается 8Р85 в результатах (оигрш.) вместе со значением хи-квадрат) и уровня значимости. Принимаются во внимание аб солютные значения остатков, превышающие 1,65. Это служит ин-

[48]

дикатором существования значимой статистической зависимости между изучаемыми признаками. Знак «плюс» в стандартизованных остатках свидетельствует о том, что реальное количество наблюде ний больше ожидаемого, знак «минус» — о том, что оно меньше ожидаемого. Следует учитывать, что величина стандартизованных остатков указывает лишь на вероятность наличия линейной зависимости между изучаемыми переменными, но не на направление и интенсивность этой зависимости.

Рассмотрим особенности использования данной процедуры на примере анализа таблицы сопряженности альтернатив ответа на вопрос о возрасте респондентов и альтернатив ответа на вопрос о голосовании за избирательные объединения на парламентских вы борах 19 декабря 1999 г. (табл. 1).

Таблица 1 Взаимосвязь электоральных предпочтений и возраста респондентов

Источник: Опрос населения Санкт-Петербурга, проведенный ЦЭПИ СПбГУ в ноябре 2000 г. Таблица построена с помощью статистического пакета 8Р88.

[49]

Проверка взаимосвязи отобранных нами переменных по критерию хи-квадрат свидетельствует о ее наличии (наблюдаемое значение критерия хи-квадрат (116,158) выше табличного (45,315) для #=20 и уровня значимости 0,001). Анализ стандартизованных ос татков дает более сложную картину. Так, у «Единства» во всех возрастных группах зафиксированы статистически незначимые величины стандартизованных остатков. На этой основе можно сделать вывод о том, что в данном исследовании связь между возрастом и голосованием за «Единство» не наблюдается. У КПРФ и СПС зафиксирована диаметрально противоположная картина: в группе от 18 до 34 лет стандартизованные остатки составляют: у КПРФ -4,3, а у СПС +3,5. В группе 45 и старше: +5,4 и -2,6 соответственно. Это означает, что в младшей возрастной группе намного меньше, чем в старшей, тех, кто голосовал за КПРФ, и намного больше тех, кто голосовал за СПС. Голосование за ОВР и «Яблоко» в младшей и старшей возрастных группах характеризуется практическим отсутствием статистически значимых различий. За эти пар тии в основном голосовали представители средней возрастной группы (величина остатков составляет в обоих случаях +1,9).

Результаты анализа статистических таблиц дают возможность сформулировать гипотезы относительно взаимосвязи признаков изучаемого явления, нуждающихся в дополнительной проверке с помощью статистических методов, о которых пойдет речь далее.

Корреляционный анализ основан на расчете отклонения значений изучаемого признака от линии регрессии (от лат. гееге88ю — воз врат, в данном случае — возврат к средней) — условной линии, к которой эти значения тяготеют. Чем больше разброс значений, тем слабее связь двух интересующих нас признаков. Чем меньше разброс значений, тем сильнее связь (рис.1).

[50]

Корреляция (от лат. согге1атло — соотношение) — это статисти- I ческая взаимозависимость между признаками изучаемого явления. Корреляционный анализ представляет собой математическую процедуру, с помощью которой изучается эта взаимозависимость. Он заключается в вычислении коэффициентов корреляции — чисел, знак и величина которых характеризуют направление (прямая/об ратная) и интенсивность/тесноту (строгая, сильная, умеренная, слабая, нулевая) взаимозависимости. Показателем интенсивности связи служит значение коэффициента. Считается, что если он равен 1, то взаимозависимость признаков является строгой (пол ной); если его значение находится в интервале от 1 до 0,8, то это свидетельствует о сильной их взаимозависимости; если в интервале от 0,7 до 0,3 — об умеренной (неярко выраженной) взаимозависимости, а если же оно лежит в интервале от 0,2 до 0,0, то мы имеем дело со слабой или нулевой взаимозависимостью [Кимбл, 174—178; Тюрин и Макаров, 289]. Есть мнение, что в социологических исследованиях значения коэффициентов корреляции выше 0,5 встре чаются не очень часто, поэтому можно принимать во внимание те из них, которые равны или превышают 0,3 [Статистические мето ды анализа информации..., 97], т. е. характеризуют умеренную вза имосвязь признаков.

Следует отметить, что коэффициенты корреляции выражают не / причинную (обусловленность одного признака другим), а функцио-1 налъную (взаимная согласованность изменения признаков) зависимость между признаками [Рабочая книга социолога, 198]. Различают парную (между двумя признаками) и множественную (между несколькими признаками) корреляции.

Для изучения взаимосвязи признаков, измеренных с помощью различных типов шкал, используются разные коэффициенты кор реляции. На порядковом уровне измерения признаков наиболее широко применяется коэффициент ранговой корреляции Спирме- на, на интервальном уровне обычно используется коэффициент корреляции Пирсона. Коэффициент Спирмена равен +1, когда два ряда проранжированы строго в одном порядке, -1, когда два ряда проранжированы в строго обратном порядке, и равен нулю при полном взаимном беспорядочном расположении рангов.

Коэффициент корреляции Пирсона равен +1 при строгой (полной) прямой взаимозависимости двух признаков (увеличе ние/уменьшение значений одного признака сопровождается увели чением/уменьшением значений второго признака). Он равен -1 при строгой (полной) обратной взаимозависимости (увеличе ние/уменьшение значений одного признака сопровождается умень-

[51]

шением/увеличением значений второго признака). Наконец, вели чина этого коэффициента равна нулю при отсутствии взаимозависимости признаков. Об интерпретации значений коэффициентов корреляции, отличных от 1 и 0, говорилось в начале этого параграфа.

В качестве примера корреляционного анализа можно привести статью А. Ослона и Е. Петренко «Факторы электорального поведе ния: от опросов к моделям» (Вопросы социологии. 1994. № 5. С. 7—9). Авторы провели анализ связей между голосованием опреде ленных групп избирателей за разные партии и блоки на базе все российского опроса ФОМ (декабрь 1993 г.). В данной статье при водятся значения парных коэффициентов корреляции Пирсона для основных политических партий и блоков (табл. 2).

Таблица 2 Взаимосвязь голосования за различные партии и блоки

Авторы отмечают, что высокие значения (больше 0, 4) коэффи циента корреляции свидетельствуют о наличии линейной связи между голосованием за сравниваемые партии и блоки. Знак «минус» означает, что чем больше голосов определенная группа избирателей отдает за одну из сравниваемых партий, например за «Яблоко», тем меньше она отдает голосов за другую, например за ЛДПР (г = - 0,63). Знак «плюс» означает, что чем больше голосов группа избирателей отдает одной партии, например «Выбору Рос сии», тем больше она отдает голосов и другой сравниваемой пар тии, например «Яблоку» (г = +0,36). Значения г < 0,4 свидетельст вуют лишь о слабой выраженности линейной связи между голосова нием за разные партии, но это не исключает наличия другой формы связи (нелинейной).

В статье подчеркивается, что сам факт положительной или отрицательной корреляции говорит только о возможном механизме перераспределения голосов избирателей между партиями и блока ми, а не о сходстве или различии их политических позиций. Эти наблюдения в определенной мере подтверждаются результатами корреляционного анализа голосования за партии и блоки по ито-

[52]

гам парламентских выборов 1995 г., проведенного А.Е. Любаревым [Любарев А.Е. Корреляционный анализ результатов парламентских выборов 1995 года // Политические исследования. 1996. N° 5. С. 117—129]. Автором статьи были получены значения коэффици ентов корреляции, приведенные в табл. 3.

Таблица 3 Взаимосвязь голосования за различные партии и блоки

Как правило, на признаки изучаемого явления влияет множест во причин, поэтому для выявления полной картины недостаточно только анализа парных корреляций, нужна группировка этих корреляций и выявление на этой основе комплексов скрытых (латент ных) переменных, которые называются факторами (рис. 2).

Переменные П1 П2 ПЗ П4 П5 П6 П7 П8 П9

Факторы Ф1 Ф2

Рис. 2. Графическая структура факторного анализа

Необходимость факторного анализа обусловлена тем, что мы не можем воспринимать большое число сопоставляемых пар призна ков и вынуждены прибегать к помощи вычислительной техники. Факторный анализ основан на измерении доли влияния каждого из выделенных нами комплексов (независимых) переменных на изме нение изучаемых признаков явления (зависимых переменных) и обнаружении причинной обусловленности этих изменений. Факторы выражают внутренние (скрытые) свойства системы переменных, характеризующих изучаемое явление.

Исходной информацией факторного анализа служит матрица \ (система чисел, размещенных в прямоугольной таблице в виде п столбцов и т строк) парных коэффициентов корреляции [Харман, 33] всех отобранных нами переменных. На основе матрицы выяв-

[53]

ляются скопления переменных, тесно связанных друг с другом и слабо связанных с переменными, входящими в другие скопления. Эти скопления переменных образуют факторы (рис. 3).

Первый фактор (горизонтальная ось графика) образуют переменные, характеризующие ориентации на коммунизм или либерализм. Второй фактор (вертикальная ось графика) образуют ориен тации на власть или оппозицию. Следует учесть, что данная струк тура существовала в сознании населения Санкт-Петербурга на момент опроса (ноябрь 2000 г.). Со временем эта конфигурация пере менных может измениться.

Целью факторного анализа служит выявление так называемой простой структуры. Согласно Терстоуну, эта структура должна удовлетворять следующим условиям [Харман, 114]:

•  В каждой строке факторной матрицы должно быть хотя бы одно нулевое значение (нулевыми считаются также значения, пер вый разряд которых начинается с 1).

•  В каждом столбце факторной матрицы число нулевых значе ний должно быть не меньше числа факторов.

•  В каждой паре столбцов должно быть несколько переменных, которые имеют значения, равные нулю в одном из столбцов и не равные нулю — в другом.

•  В каждой паре столбцов имеется мало переменных, значения которых в обоих из них отличны от нуля.

[54]

В качестве примера такой структуры можно привести результаты факторного анализа данных упомянутого выше опроса населения Санкт-Петербурга (табл. 4).

Таблица 4 Примерный вид «простой структуры»*

* В таблицу включены переменные, характеризующие приверженность взглядам и голосование за избирательные объединения на парламентских выборах 19 декабря 1999 г. Анализ выполнен с помощью пакета 8Р85, методом главных компонент.

Переменные для факторного анализа отбираются в соответствии с определенными критериями. Считается, что эти переменные должны быть измерены с помощью интервальной шкалы [Факторный, дискриминантный и кластерный анализ, 63]. Для порядковых переменных не существует факторных моделей, поскольку операции сложения для них невозможны. Надо иметь в виду, что в дан ном случае «допускается лишь эвристическое использование таких моделей без статистической интерпретации резулътатов»(курсш мой. — ТА.) [Там же]. Это значит, что можно подвергать факторному анализу переменные, измеренные с помощью порядковых шкал, однако в данном случае нельзя оперировать собственными значениями факторов и определять более и менее значимые факторы.

[55]

На порядковом уровне с помощью факторного анализа можно лишь устанавливать кластерную структуру переменных [Там же, 65]. Часто предполагается, что порядковым переменным можно присваивать числовые значения, не нарушая их внутренних свойств. Например, можно присвоить числовые значения 5, 4, 3, 2, 1 позициям порядковой шкалы: целиком согласен, согласен, безразличен, не согласен, полностью не согласен. «Если искажения корреляций, вносимые при шкалировании порядковых переменных, не слишком велики, вполне законно использовать эти переменные в качестве числовых» [Там же, 63]. В отечественной социологии такие случаи встречаются довольно часто. Считается, что если основой факторного анализа служит матрица корреляций, а данные, полученные на порядковых шкалах, позволяют подсчи тывать коэффициенты корреляции, то это дает право использовать факторный анализ, но с учетом отмеченного выше ограничения — недопустимости статистической интерпретации собственных значе ний выделенных факторов. Здесь приходится ограничиваться лишь выявлением распределения переменных по скоплениям (кластерам).

Существует множество методов факторного анализа. Наиболее часто используется метод главных компонент. В нем факторы являются линейными функциями от наблюдаемых переменных. Зада ча в данном случае заключается не в объяснении корреляций между переменными, а в объяснении доли каждого скопления независимых переменных в дисперсии (отклонении от средней) ин тересующей нас зависимой переменной. В процессе факторного анализа определенная последовательность наблюдаемых перемен ных преобразуется в другую последовательность. Сначала вычисля ются парные коэффициенты корреляции между переменными и строится корреляционная матрица, которая образует основу факторного анализа. Затем последовательно строится матрица компо нент. При двухфакторном анализе первая компонента определяет ся таким образом, чтобы в ней содержалась максимальная доля дисперсии изучаемой переменной. Вторая компонента определяет ся аналогичным образом, но ее ось должна располагаться перпендикулярно первой. Выделенные компоненты должны объяснять не менее 50% суммарной дисперсии изучаемой переменной (напри мер, мотивации голосования за определенного кандидата в президенты). При трехфакторном анализе принцип определения главных компонент тот же самый, что и при двухфакторном: ось второй компоненты располагается перпендикулярно первой, ось третьей компоненты — перпендикулярно двум первым (рис. 4). Анализ проведен с помощью пакета 8Р88.

[56]

Число переменных, отобранных для факторного анализа, долж но превышать число факторов не менее, чем в два раза. В каждом факторе должно быть не менее трех переменных с максимальными значениями коэффициентов [Факторный, регрессионный и кластерный анализ, 28, 67].

На первом этапе анализа определяется минимальное число фак торов, адекватно воспроизводящих наблюдаемые корреляции. После этого осуществляется процедура вращения, с помощью кото рой устанавливаются легко интерпретируемые факторы. Графичес кий способ вращения заключается в проведении новых осей, кото рые обеспечивают воспроизводство вышеупомянутой простой структуры. Если после вращения обнаруживаются скопления точек (значений переменных), явно отделенных друг от друга, то это оз начает, что нам удалось провести оси через эти скопления.

Аналитический способ вращения осуществляется на основе оп ределенного объективного критерия. Этот способ включает два вида вращения: ортогональное и косоугольное. Наиболее часто используется ортогональное вращение с помощью метода варимакс (поиск максимальных значений 1-го фактора). Метод основан на Упрощении описания столбцов факторной матрицы, в результате него достигается лучшее разделение факторов (четче выделяется главный фактор). Целью любого способа вращения является полу-

[57]

чение наиболее простой факторной структуры, которая легче поддается содержательной интерпретации.

Число факторов определяется с помощью различных критериев:

1. Критерий собственных чисел: отбираются факторы с собст венными числами, превышающими 1, остальные не принимаютсяво внимание.

•  Критерий воспроизводимой дисперсии: обычно отбирают факторы, объясняющие 50 — 60% общей дисперсии изучаемой переменной.

•  Критерий отсеивания: на графическом изображении собственных чисел корреляционной матрицы заканчивают отбор на том факторе, после которого кривая принимает вид, близкий к горизонтальному (рис. 5).

[58]

Знаки «плюс» и «минус» факторных значений интерпретируют ся как увеличение или уменьшение значения переменной, т.е. про сто как разные направления. «Знак факторных нагрузок сам по себе не имеет внутреннего содержания и не несет информации о зависимости между переменной и фактором. Однако стоит сопо ставлять знаки разных переменных при одном факторе» [Фактор ный, дискриминантный и кластерный анализ, 67]. Факторные на грузки меньше 0,3 считаются несущественными [Там же, 60]. Ин терпретация факторов сводится к анализу величины и знаков на грузок. Рассмотрим эту процедуру на примере приведенного выше двухфакторного решения (см. рис. 3). Два вьщеленных фактора объясняют 61% дисперсии и включают переменные, указанные в табл. 5.

Таблица 5 Значения переменных после вращения*

* Матрица получена методом главных компонент в пакете SPSS .

Выпишем наибольшие значения переменных по выделенным факторам. Фактор 1: отрицательное направление (взгляды Зюгано ва, коммунистические взгляды, КПРФ), положительное направление (взгляды Хакамады, либеральные, СПС). Фактор 2: отрица тельное направление (ОВР, «Яблоко»), положительное направление (взгляды Путина, Яковлева). Содержание первого фактора состав-

[59]

ляет идеологический раскол (коммунисты — либералы), содержание второго фактора — политический раскол (власть — оппози ция). При интерпретации этих данных следует учитывать, что пе тербургские сторонники ОВР и «Яблока» в основном голосовали против Путина на президентских выборах 2000 г., а само петер бургское отделение «Яблока» (Региональная партия центра) нахо дилось в оппозиции губернатору Яковлеву. Эти расколы определя ли политическое поведение населения Санкт-Петербурга в 2000 г. (факторный анализ осуществлен на основе данных общегородского опроса, проведенного ЦЭПИ СПбГУ в ноябре 2000 г.). \ Кластерный анализ (от англ. с1и$1ег — пучок, группа) — это про цедура, позволяющая классифицировать различные объекты. С его помощью можно разбить респондентов на группы, сходные по ряду признаков. На дендрограмме «дерева признаков» признаки соединяются линиями, образуя отдельные пучки («ветви»), связан ные с другими пучками («ветвями»). Эти пучки и называют клас терами. Чем короче линия, связьшающая переменные, тем ближе они находятся в пространстве признаков. В процессе кластериза ции происходит объединение сходных объектов во все более слож ные группы («разветвление»). Кластерный анализ представляет собой разновидность многомерной статистической процедуры, упорядочивающей объекты в относительно однородные группы. Переменные для кластерного анализа выбираются в соответствии с теорией (концепции, гипотезы), которая лежит в основе классифи кации [Факторный, дискриминантный, кластерный анализ, 153]. Перед началом анализа они должны быть преобразованы в бино минальные, принимающие значение «1» при наличии признака и «0» при его отсутствии. В статистическом пакете SPSS эта опера ция осуществляется в опции: 1гап$Гогт\гесоде. Кроме того, из ана лиза следует исключить альтернативы: «затрудняюсь ответить», «другое» и пр.

Важную роль в кластерном анализе играют «меры сходства». Наиболее часто в качестве такой меры употребляется коэффициент корреляции Пирсона, первоначально использовавшийся для опре деления зависимости переменных. Кластеры обладают рядом свойств, среди которых наиболее важными являются плотность, дисперсия, форма, отдельность. Плотность — это близость отдель ных точек скопления, позволяющая отличать его от других областей многомерного пространства, содержащих либо мало точек, либо не содержащих их совсем. Дисперсия характеризует степень рассеяния точек в пространстве относительно центра кластера. От дельность характеризует взаимное расположение скоплений точек в пространстве [Там же, 165—166]. Кластеры можно рассматривать

[60]

как «непрерывные области пространства с относительно высокой плотностью точек, отделенные от других таких же областей облас тями с относительно низкой плотностью точек» [Там же, 166].

Наиболее известными методами кластерного анализы являются методы одиночной, полной и средней связи, а также метод Уорда [Там же, 191]. Метод Уорда (\УагсР8 те1под) позволяет создавать кластеры приблизительно равных размеров [Там же, 171]. Он сна чала объединяет самые близкие объекты, затем к уже образован ным кластерам присоединяются сходные с ними объекты. Мерой сходства в данном случае является 1 — коэффициент корреляции Пирсона.

На основе анализа содержания переменных, входящих в отдельные кластеры, строится группировка респондентов по признакам, включенным в процесс кластеризации. Рассмотрим эту процедуру на примере (рис. 6)*

0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8

Рис. 6. Дендрограмма мотивов голосования за кандидатов в Президенты России на выборах 1996 г.

Условные обозначения переменных: персональные электоральные предпочтения рес пондентов на президентских выборах 1996 г. (Ельцин, Зюганов, Явлинский); моти вация этих предпочтений (1.1. «Он мне нравится», 1.2. «Не хочу перемен», 2.1. «Меня устраивает его программа», 2.2. «Он знает, как решить проблемы страны», 3.1. «Я ему доверяю», 3.2. «Ему нет достойной замены»); мотивация голосования за списки политических партий на парламентских выборах 1995 г. (4.1. «Они заставят правительство думать о народе», 4.2. «Они смогут решить проблемы страны», 4.3. «Устраивает программа партии»). Анализ выполнен с помощью пакета « Statistica » по методу Уорда.

Кластерный анализ основных альтернатив ответа на вопрос о том, за кого намерены голосовать (опрос проводился в мае 1996 г.) респонденты («Ельцин», «Зюганов», «Явлинский»), и вопрос о мо тивах предстоящего голосования позволили обнаружить особые

[61]

структуры мотивации электорального выбора у сторонников отдельных кандидатов в Президенты России на выборах 1996 г. (см.: перечни мотивов в кластерах Ельцина, Зюганова и Явлинского).

Многомерное шкалирование представляет собой процедуру, с по мощью которой оценивается степень сходства/различия между переменными. С его помощью мы можем представить набор изу чаемых переменных в виде скоплений точек (каждой переменной соответствует одна точка). Этот метод позволяет находить в массиве данных комплексы сходных друг с другом и отличающихся друг от друга переменных. В геометрическом пространстве сходные переменные (тесно связанные между собой в сознании респонден тов) располагаются близко друг от друга и образуют скопления точек, отделенные пустым пространством от других скоплений сходных переменных. Чем больше сходства зафиксировано у изу чаемых переменных, тем ближе находятся обозначающие их точки на графике. Чем меньше сходства наблюдается у включенных в анализ переменных, тем дальше друг от друга располагаются соот ветствующие им точки на графике.

Данный метод дает возможность наглядно (на графике) пред ставить множество переменных и увидеть особенности их конфи гурации в геометрическом пространстве (чаще всего в двумерном). Подобная процедура используется при сопоставлении значительно го числа переменных, которое трудно анализировать без визуализации. Перед началом многомерного шкалирования осуществляется процедура преобразования переменных в биноминальные, как и в кластерном анализе.

Рассмотрим пример такой визуализации на основе набора пере менных, характеризующих идентификацию респондентов с различ ными взглядами (источник данных тот же, что и в примечании к рис. 6).

На графике рис. 7 видны четыре группы точек, отделенных друг от друга пустым пространством. Эти группы располагаются в рамках двух измерений. Первое измерение основано на противопоставлении власти и общественности, второе — на противопо ставлении коммунизма и либерализма. Эти оппозиции наблюдались в политическом сознании населения Санкт-Петербурга в конце 2000 г.

Специфическим методом обработки социологической информа ции является вторичный анализ данных. Он применяется для полу чения дополнительной информации по уже прошедшему первичную обработку массиву данных. Обычно вторичный анализ ис пользуют при повторной обработке результатов «чужих» или собст венных исследований. Можно выделить два типа вторичного ана-

[62]

Рис. 7. Конфигурация переменных в пространстве двух измерений* (политическая идентификация и партийные предпочтения на выборах)

лиза: монографический и сравнительный. В первом случае осуществляется повторный анализ одного массива первичных данных, во втором — сопоставляются несколько массивов первичных данных (например, электронные таблицы данных в системе 8Р88), полученные отдельными социологическими центрами в разное время, на разных выборках и по различным программам. Разнотипность исследований и используемых в них переменных порож дает необходимость их стандартизации как условия сопоставимости результатов исследований [Социальные исследования: построение и сравнение показателей. М., 1978. С. 134—139].

Сопоставлять можно лишь однородные переменные, но для обеспечения этой однородности нужно, чтобы сравниваемые пер вичные данные по этим переменным были получены на однотип ных выборках, одинаковыми методами и с помощью однотипных шкал. Если у нас нет информации о том, кого и как репрезентирует выборка, какие методы были использованы для сбора и анализа данных, как были сформулированы вопросы и какие альтер нативы предлагались респондентам для ответа на них, то вторичный анализ становится невозможным.

Нельзя в строгом смысле слова назвать вторичным анализом часто используемое сопоставление частотных распределений внеш не сходных переменных, взятых из отчетов по итогам массовых опросов населения, опубликованных в научных изданиях или газетах. Как правило, в этом случае авторы не выясняют степень

* Многомерное шкалирование выполнено с помощью пакета SPSS , опции: statistics \ scale \ multidimensional scaling .

[63]

однородности сравниваемых массивов информации, а между тем за каждым числовым значением признака стоит определенное качество. Не выяснив, насколько однородна качественная определенность переменных, отобранных из разных массивов данных, мы не можем их сопоставлять.

Для проведения вторичного анализа необходимо изучить описа ние выполненных исследовательских проектов, по которым имеет ся первичная информация в существующих отечественных и зару бежных архивах данных [см., например: Банк социологических данных, 1990 (Информационные ресурсы социологических центров СССР). М., 1990; Международный журнал социальных наук. Май. 1995. № 9. Европейские базы данных по социальным наукам); Мангейм Дж.-Б., Рич Р.-К. Политология. Методы исследования. М., 1997. С. 220—221]. В архивах нужно отобрать необходимые массивы данных, получить разрешение на их использование от руководства соответствующих центров и, сделав с них копии файлов, провести вторичный анализ.

Можно выделить несколько видов сравнительного вторичного анализа: сравнительно-типологический (синхронный), или анализ первичных данных исследований, проведенных в одно и то же время; сравнительно-генетический (диахронньш), или анализ ре зультатов исследований, проведенных в разное время. В любом случае предварительное изучение переменных с целью определения степени их однородности и пригодности для сравнения представ ляет собой обязательное условие вторичного анализа. Важно отме тить и то, что в процессе вторичного анализа мы, по существу, мысленно воспроизводим все этапы сопоставляемых исследований и одновременно осуществляем самостоятельное исследование, в ходе которого концептуализируем изучаемую проблему, выдвигаем собственные гипотезы, операционализируем понятия и т.д. Вторичный анализ означает новое, дополнительное исследование старых массивов первичных данных.

Основные выводы

•  Социологическое исследование проходит несколько этапов: подготовительный, полевой, аналитический.

•  Технологии сбора и обработки данных, основанные на ис пользовании количественных (основанных на измерении параметров политического действия) и качественных (осно ванных на понимании смысла явлений политического действия) методов существенно отличаются.

•  Основным документом, направляющим весь процесс исследо вания, является программа, в которой излагаются цель, зада-

[64]

чи, объект, предмет, концепция, гипотезы, методы и график проведения исследования.

•  Исходным пунктом исследования является определенная проблема, решение которой имеет значение для политической со циологии и практики.

•  Всякое исследование должно заканчиваться разработкой практических рекомендаций, способствующих совершенствованию технологии политического действия.

•  В процессе сбора эмпирических данных используются обще социологические методы: наблюдение, опрос, анализ докумен тов, которые включают конкретные методики, например включенное наблюдение, телефонное интервью, фокус-группы, контент-анализ, анализ биографий и т.д.

•  При обработке данных в политической социологии используются методы, заимствованные из прикладной статистики: анализ статистических таблиц, корреляционный, факторный, кластерный анализ и многомерное шкалирование.

•  Для воспроизведения явлений политической жизни желатель но использовать различные методы, каждый из которых по зволяет проверять стабильность результатов, полученных дру гим.

Основные понятия

Концептуализация

Квантификация

Репрезентация

Наблюдение

Анализ документов

Корреляционный анализ

Кластерный анализ

Наиболее важные термины

Пилотажное исследование

Номинальная шкала

Интервальная шкала

Генеральная совокупность

Социальная выборка

Кодировка данных

Стандартизованный остаток

Вращение

[65]

Контрольные вопросы, и задания для самостоятельной работы

1. Какие задачи решаются на подготовительном этапе социологического исследования политической жизни?
2. Назовите составные части программы социологического исследования.
3. Для чего осуществляется концептуализация проблемы социологического исследования?
4. В чем суть операционализации понятий?
5. Каким образом обеспечивается репрезентативность исследования?
6. Назовите уровни измерения признаков в социологическом исследовании.
7. Какие задачи решаются при интерпретации данных?
8. Чем отличаются количественные и качественные методы сбора данных?
9. Назовите явления политической жизни, которые можно изучать спомощью наблюдения.
10. Какие стороны политического сознания и поведения людей изучаются с помощью массовых опросов?
11. Что дает анализ документов для изучения происхождения политической элиты?
12. Как с помощью критерия хи-квадрат и стандартизованных остатков определяется наличие или отсутствие взаимосвязи признаков?
13. Какие коэффициенты корреляции применяются на порядковом и интервальном уровне измерения?
14. Чем отличается функциональная связь между признаками от причинной?
15. На каком уровне измерения возможно применение факторного анализа?
16. Что дает для изучения политического сознания кластерный анализ?
17. В чем состоит главная цель многомерного шкалирования?
18. Без соблюдения каких условий нельзя проводить вторичный анализ данных?