Четыре важнейших ограничения квалификации первичных социальных характеристик
Мы рассмотрели различные приемы перевода качественных социальных признаков в их количественные выражения. Это очень ответственный момент процедуры социологических исследований.
Применение количественных методов и использование статистических показателей взаимосвязи социальных явлений и процессов как бы возводит социологию в ранг подлинной "строгой" науки. Создается впечатление математической точности выводов. Между тем квантификация 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 и символами, 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 описанных выше шкалах (схема 14)16
16 Здесь частично используется схема из работы С. С. Паповяпа [201. С. 60].
Более сильная шкала отличается от ближайшей к ней относительно 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, предъявляемым к относительно слабым шкалам. 
Конечно, это предостережение теряет смысл, если социолог не намерен статистически сопоставлять данные, измеренные разными шкалами, и рассматривает их независимо друг от друга, а также в случае иных способов анализа, например, путем множественной классификации.
Второе общее ограничение связано с формой распределения величины фиксированных описанными выше шкалами, которое предполагается нормальным.
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, у скошенного же по 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.
В случае существенно скошенных и тем более бимодальных распределений можно:
(а) привести их к нормальному путем объединения градаций шкалы, образующих длинный "хвост" распределения. Например, значения 8,9 и 10 десятибалльной шкалы растянуты потому, что в них очень мало численности. Тогда объединим эти градации и соответственно переоценим пункты шкалы;
(б) при бимодальном распределении разумно порядковую шкалу перевести в неупорядоченную.
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.17
17 На это указал С. Д. Хайтун [277]. См. также работу Г. Кинмбл [110].
Например, оценки размеров заработной платы, доходов в принципе должны давать нормальные и вполне допустимые скошенные 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 [278. 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 публикациях.
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 демон стрировали 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 открытым 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.
Поэтому предлагается, используя для измерения первичных характеристик шкальные процедуры, прибегать к построению стохастических динамических моделей на основе "сценариев" возможного развития определенных социальных процессов [289]. Такие сценарии 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 реальности.18
18 На почве резкой критики жестко формальных процедур сбора и анализа данных в начале 70-х гг. в социологии возникло движение сторонников гибких или качественных методов с акцентом на понимании событий и жизни людей в большей мере, чем стремления к их строгому объяснению (см. гл. 6).
Адекватные в исследовании массо-видных 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 процессы отображаются и виде схем, лишенных жизненных красок.
Строго формализованный количественный анализ имеет свои пределы (298)19, за которыми могут быть утрачены качество, глубина и полнота осмысления действительности.
19 "Пределы" — так называлась статья выдающегося отечественного социолога В. Н. Шубкина, который в 70-е гг. призвал к "гуманистической социологии", акцентирующей внимание на личностных смыслах социальных явлений и процессов.
Поэтому социолог обязан хорошо владеть многообразными гибкими методами изучения общественных проблем, т. е. уметь наблюдать, строить гипотезы на основе несистематизированных впечатлений и бесед, переходя затем к более систематизированной и упорядоченной их проверке.
Практические советы
1. Приступая к разработке методов и процедур исследования, вначале продумайте, какие явления, свойства и объекты реально варьируют по их интенсивности, распространенности, состояниям выраженности, а какие могут быть фиксированы лишь в качественных отображениях.
2. Определяя способ квантификации (тип шкалы), соизмеряйте его не только с природой объекта, но и с целями исследования и возможностями последующего количественного анализа: излишняя квантификация — напрасная растрата усилий, недостаточная — упущенные возможности более обстоятельного изучения объекта.
3. Не забывайте, что всегда лучше опираться на достоверные и менее детальные сведения, чем на детальные и малодостоверные: отсюда — указания к выбору приемлемого типа шкал и дробности их метрики.
4. Изящный статистический анализ полученных данных будет вводить в заблуждение и нас самих и других, если ему не предшествовала добротная проверка надежности исходных измерений и регистрации фактов в целом.
5. Самое же главное состоит в том, что количественный анализ не самоцель, но лишь средство качественного: качественный анализ предшествует квантификации, качественным анализом завершается изучение количественных распределений и связей.
Глава IV