Качественные и количественные методы в политических науках

Билет 15 Вопрос 2
Качественные и количественные методы в политических науках.
Обработка информации является основой для начала следующего, более
сложного, этапа исследования анализа данных. Именно на этом этапе исследователь делает вывод о подтверждении или опровержении сформулированных
им ранее гипотез, выявляет те или иные социальные закономерности.
В зависимости от применяемых ранее методов сбора информации качественных или количественных и анализ данных бывает качественным или количественным. Целью первого является выявление закономерностей во взаимосвязях между переменными, целью второго измерение этих взаимосвязей.
Значительную роль в разработке качественного анализа сыграл ирландский логик и математик XIX в. Джордж Буль. Его учение получило название
булева алгебра или математическая логика.
Ее суть можно свести к нескольким положениям:
▪ формализация данных – перевод переменных в буквенные обозначения;
▪ сведение данных в таблицы сопряженности зависимых и независимых переменных («таблицы истинности»);
▪ оценка данных по шкале – истина (наличие) (обозначается цифрой 1 или заглавной буквой) и ложь (отсутствие) (обозначается цифрой 0 или малой буквой)__
▪ проведение логических операций с формализованными и оцененными суждениями – процедур сложения, умножения, минимизации логических выражений и т.п.
Примером применения булевой алгебры в политологии стали исследования Чарльза Рейджина.
Рассматривая падение военных режимов (исследователь обозначил их буквой F), он выделил три причины: конфликт между старыми и молодыми офицерами (А), смерть властвовавшего диктатора (B), недовольство сил безопасности военным режимом (C). Результаты своего исследования Ч. Рейджин представил в «таблице истинности»
Данные сравнительного анализа, сведенные в «таблицу истинности»,
можно подвергнуть дальнейшей обработке. Среди используемых логических
процедур наиболее распространенными являются:
1) Логическое сложение (дизъюнкция) – соединение двух и более высказываний союзом «или», обозначающим возможные варианты.
F является истинной (=1) в случаях если истинными являются А или В или С.
Как видим, математическая логика вовсе не тождественна математике: единица
здесь может быть равна двум, трем, но ни в коем случае не нулю.
2) Логическое умножение (конъюнкция) – соединение двух и более высказываний союзом «и».
Так если мы рассмотрим вторую строку таблицы, то можем вывести формулу
F=Авс (т.е. падение военных режимов происходит в случае наличия условия А
и отсутствии условий В и С). В результате логического умножения можно вывести следующие причины падения военных режимов
3) Булева минимизация – сокращение числа высказываний (строк таблицы истинности), относящихся к следствию. Основным правилом минимизации
является следующее: если два булевых выражения различаются между собой
только одним условием, тогда оно может быть признано незначимым и упразднено.
Полученные упрощенные выражения также можно подвергнуть новой минимиЗации
Кроме вышеназванных в булевой алгебре имеются и другие логические
операции.
Булева алгебра нашла широкое применение в политической науке. Ее эффективно использовали У. Розенбаум при изучении политической культуры; Ч.
Рэйджин при исследовании государственного строительства в Западной Европе; Дирк Берг-Шлоссер и Жизель де Мёр при изучении демократии в межвоенный период и др. Для использования булевой алгебры в политологии разработаны специальные компьютерные программы. Самой известной среди них является QCA (Qualitative Comparative Analysis – Качественный сравнительный
анализ), созданная в 1986 г. Криссом Дрэссом и Чарльзом Рейджином.
Не менее важное место в разработке методологии качественного анализа
принадлежит современнику Дж. Буля, английскому философу и экономисту
Джону Миллю. Он предпринял попытку сформулировать правила установления взаимосвязей в ходе сравнения
Два первых метода Дж. Миля легли в основу современных исследовательских стратегий: «наибольшего сходства» и «наибольшего различия». Суть
первой заключается в ограничении анализа группой стран, похожих друг на
друга по целому ряду характеристик (переменных). Эти характеристики исследователь может принять за постоянные, что позволяет ему полностью сосредоточиться на взаимовлиянии интересующих его переменных.
Содержанием метода «наибольшего различия» является сравнение стран,
принадлежащих, по мнению исследователя к двум качественно различным типам. Реализация этой стратегии требует более значительного, чем в предыдущем случае, объема теоретической работы, но зато, выявленный в ходе анализа
фактор, одинаково действующий в совершенно разных ситуациях, является исключительно важным.
Детальная разработка выделенного Дж. Миллем третьего метода сравнения метода сопутствующих разновидностей была осуществлена в рамках в
рамках количественного (статистического) анализа, направленного на измерение взаимосвязей между переменными.
Самой распространенной разновидностью статистического анализа является корреляционный анализ (от лат. correlatio соотношение) стратегия,
направленная на измерение и изучение взаимосвязей между переменными путем вычисления коэффициента корреляции числа, величина которого характеризует интенсивность/тесноту, а знак направление взаимозависимости.
В статистике существуют специальные формулы для вычисления коэффициента корреляции. Их выбор зависит от типа переменных. Связь качественных признаков (т.е. таких, которые могут быть расположены по номинальной,
ранговой или дихотомической шкале, иначе говоря, перечислены, ранжированы
или противопоставлены друг другу) высчитываются с помощью коэффициентов ранговой корреляции, сопряженности, ассоциации и т.д. Связь количественных признаков (т.е. таких, которые могут быть измерены числом) вычисляется с помощью коэффициента корреляции Пирсона.
Считается, что если значение коэффициента равно 1, то взаимозависимость признаков является строгой (полной); 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. Как правило, значение коэффициентов корреляции выше 0,5 встречаются очень редко. При одновременном возрастании переменных, корреляция является положительной, когда возрастание одной переменной приводит к уменьшению другой отрицательной. Если коэффициент корреляции равен +1 зависимость считается прямой, 1 обратной.
Вместе с тем, как отмечают специалисты, интерпретация коэффициентов
корреляции является творческим процессом, поскольку:
▪ существуют ложные корреляции, которые определяются случайным пересе-
чением признаков из-за влияния неучтенных факторов (например, с повышением должности число больничных дней уменьшается, но это не значит,
что высокое положение укрепляет здоровье);
▪ корреляция не тождественна причинной зависимости, она лишь указывает
имеющуюся между признаками связь; причина же может лежать гораздо
глубже;
▪ корреляция является основой для других видов количественного анализа:
регрессионного, факторного и т.п.
Регрессионный анализ вид статистического анализа, позволяющий
выявить и высчитать степень влияния независимой переменной на зависимую
переменную. Иными словами, измерить причинно-следственную связь. Суть
анализа заключается в составлении уравнения (системы уравнений) функциональной зависимости и вычислении коэффициента регрессии. В отличие от
корреляционного, регрессионный анализ может применяться только к количественным переменным.
Регрессия может быть простой, направленной на установление влияния
одной переменной на другую, и множественной, преследующей цель выявить
одновременное влияние двух и более независимых переменных на зависимую.
Регрессионный анализ важен для поверки различных исследовательских
гипотез, но на практике зачастую не отражает всю цепочку причин и взаимосвязей. В этом случае используют путевой анализ (пат-анализ) способ высчитывания путевых коэффициентов, описывающих связи между переменными, и построение модели, где представлены как прямые, так и непрямые (опосредованные) влияния переменных друг на друга.
Еще одним методом статистического анализа является факторный анализ, основанный на выявлении комплекса взаимосвязанных и взаимообусловленных (тесно скоррелированных между собой) скрытых независимых переменных (факторов) и измерении доли влияния этих факторов на зависимые переменные (см.: схему 2).
Необходимость факторного анализа связана с тем, что исследователь не в
состоянии воспринимать большое число сопоставляемых пар признаков и вынужден прибегать к помощи компьютера.
В политических исследованиях в качестве факторов обычно выделяют
скрытые причины, лежащие в основе многих явлений и процессов. Известные__
политологи С. Липсет и С. Роккан, объясняли, например, успех определенного
типа партий на выборах такими факторами как расколы избирателей на рабочих
и предпринимателей, горожан и селян, верующих и атеистов и т.п.
В своем исследовании о голосовании в Генеральной Ассамблее ООН
американские политологи Х. Алкер-младший и Б. Рассет провели сравнение 60
стран, введя факторы экономического и социального развития, включавшие в
себя по 20 показателей доход, производство, тип государства и пр.
Примером успешного использования факторного анализа являются работы представителя американской школы «новой политической истории» М.
Хаммарберга, который проанализировал поведение избирателей штата Индиана
в 70-х гг. XIX в. Путем регрессионного анализа М. Хаммарберг вычислил восемь количественных характеристик социального состава избирателей округов
по каждым выборам и на основе оценок построил модель факторов, влиявших
на результаты выборов в штате. В результате обозначились две группы факторов: 1) долговременные приверженность избирателей к определенным политическим партиям; 2) кратковременные такие факторы как статус кандидатов, политическая активность избирателей, влияние других партий и др.
Особое место среди видов статистического анализа занимает анализ временных рядов, основанный на изучении изменений значений переменных во
времени. Примером простого временного ряда является таблица 8, отражающая
процесс роста числа демократических стран за период 1974-1994 гг. Но в большинстве случаев временные ряды гораздо сложнее.
Сравнивая показатели ряда между собой или с уровнем, выбранным в качестве базиса, можно выявить скорость и интенсивности развертывания явления во времени. Обобщающей характеристикой интенсивности изменений является средний темп роста, демонстрирующей во сколько раз в среднем за единицу времени изменился уровень ряда. Сутью анализа временных рядов является выявление общей тенденции (направления) развития, ее графическое отображение в виде прямой тренда, что дает возможность объяснить настоящее,
обусловленное прошлым, и математически прогнозировать будущее.
Объясняя практическую пользу от применения анализа временных рядов,
западногерманский политолог К. Дойч сравнил политику с игрой в карты. Игроки в карты с небольшим состоянием, отметил политолог, разоряются не в ре- зультате
тенденции проигрывать понемногу и постоянно, а из-за большой
флюктуации проигрышей, которая может их быстро разорить, и они не смогут
достаточно долго продержаться в игре, чтобы начать выигрывать в то время,
когда наступит временная выигрышная серия. «И то, что случается с ограниченными ресурсами игроков, случается с ограниченным кругом сторонников
партий или политических деятелей, или с армией с небольшими резервами, находящейся в жестких условиях военных флюктуации».
В современной политологии анализ временных рядов используется довольно широко. Он применяется при изучении гонки вооружений, политикоделовых циклов, партийных интересов, правительственных расходов и др.
Характеризуя статистические методы, используемые в политологическом
анализе, следует заметить, что они позволяют выявить, наглядно представить и
измерить взаимосвязь между переменными. Такого рода измерения очень важны, ибо придают проводимому исследованию точность и строгость. Но сами по
себе, в отрыве от качественных методов, приемы количественного анализа малоэффективны. Выявить и измерить взаимосвязь очень важно, но выявить закономерность во взаимосвязях между переменными намного важнее.__