Логико-комбинаторные методы анализа социологических данных: эвристический потенциал и методическая специфика

Размещено на http://www.allbest.ru/

ЛОГИКО-КОМБИНАТОРНЫЕ МЕТОДЫ АНАЛИЗА СОЦИОЛОГИЧЕСКИХ ДАННЫХ: ЭВРИСТИЧЕСКИЙ ПОТЕНЦИАЛ И МЕТОДИЧЕСКАЯ СПЕЦИФИКА

Специальность 22.00.01 -

Теория, методология и история социологии

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата социологических наук

анализ социологический метод комбинаторный

Кученкова Анна Владимировна

Москва - 2012

Работа выполнена на кафедре прикладной социологии социологического факультета ФГБОУ ВПО «Российский государственный гуманитарный университет».

Научный руководитель: доктор социологических наук, профессор

Татарова Галина (Гульсина) Галеевна

Официальные оппоненты: Пузанова Жанна Васильевна

доктор социологических наук, профессор

ФГБОУ ВПО «Российский университет

дружбы народов»

заместитель заведующего кафедрой социологии

Михеенкова Мария Анатольевна

кандидат технических наук

ФГБУН «Всероссийский институт научной и

технической информации РАН»

старший научный сотрудник

Ведущая организация: ФГБОУ ВПО «Московский педагогический

государственный университет»

Защита состоится «22» мая 2012 г. в 16 часов на заседании Совета по защите докторских и кандидатских диссертаций Д. 212.198.09 при Российском государственном гуманитарном университете по адресу: 125993, Москва, ГСП - 3, Миусская площадь, д. 6, ауд. 273 .

С диссертацией можно ознакомиться в научной библиотеке Российского государственного гуманитарного университета.

Автореферат разослан «18» апреля 2012 г.

Ученый секретарь

диссертационного совета

доктор социологических наук Л.Н. Вдовиченко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В области анализа социологических данных широко используются различные классы математических методов. Арсенал инструментальных средств обработки информации постоянно расширяется, пополняясь новыми подходами, позволяющими решать содержательные задачи, возникающие в самых разнообразных областях эмпирической социологии. Многообразие методов анализа данных, с одной стороны, предоставляет исследователю богатый выбор и открывает широкие возможности. С другой стороны, порождает своего рода «методологическую травму» - «растерянность исследователей перед обилием социологических теорий, методологий, методов в процессе принятия решений о выборе средств познавательной деятельности» Татарова Г.Г. Методологическая травма социолога. К вопросу интеграции знания // Социологические исследования. 2006. № 9, С. 3. . В этой связи возникает потребность и в систематизации методического знания, и в осмыслении возможностей и ограничений тех классов математических методов, которые являются для социологического анализа относительно новыми.

К одному из таких классов относятся так называемые логико-комбинаторные методы, основанные на использовании средств математической логики и предназначенные для анализа взаимосвязи признаков на «локальном уровне». Базовыми методами этого класса являются: 1) метод СКА («сравнительный качественный анализ», qualitative comparative analysis, QCA) Впервые метод представлен в работе: Ragin C.C. The comparative method: Moving beyond Qualitative and Quantitative Strategies. Berkeley, Los Angeles and London: University of California Press. 1987; Одна из последних монографий: Ragin C.C. Configurational Comparative Methods: Qualitative Comparative Analysis (QCA) and Related Techniques. Sage. 2008. ; 2) ДСМ-метод (названный в честь Джона Стюарта Миля, JSM-method) Автоматическое порождение гипотез в интеллектуальных системах. М.: Книжный дом «ЛИБРОКОМ», 2009; ДСМ-метод автоматического порождение гипотез: логические и эпистемпологические основания. М.: Книжный дом «ЛИБРОКОМ», 2009. . Оба эти метода разрабатываются с 1980-х годов. Первый из них был предложен Ч. Рейджином, второй - отечественным исследователем В.К. Финном.

Актуальность изучения эвристического потенциала и особенностей применения логико-комбинаторных методов обусловлена несколькими причинами: отсутствием достаточно конструктивных описаний технологии применения этих методов, несмотря на существование немалого числа научных публикаций, в которых делается упор на подробное описание математических алгоритмов и не отражаются этапы построения концептуальных схем анализа, технологии его проведения. Каждый из этих методов обладает различными познавательными возможностями и ограничениями, ориентирован на решение вполне определённых содержательных задач. В основе каждого метода лежит теоретическая модель представления данных, особые модельные ограничения, которые должны выполняться на данных. Соответственно возникают задачи изучения адекватности методов в различных исследовательских ситуациях. Кроме того, возникают проблемы совместного использования этих методов с целью достаточно полного извлечения эмпирических закономерностей в рамках решения одной и той же задачи. Рассматриваемые методы развивались независимо друг от друга, что требует не только выявления преимуществ и ограничений каждого из них, но и изучения возможностей их последовательного применения. Логико-комбинаторные методы реализуют достаточно новый для социологии подход к анализу данных. Вследствие этого, необходимо соотнесение и сопоставление их с другими математическими методами и обозначение классов задач, для решения которых они являются эффективным способом анализа данных.

Степень научной разработанности проблемы. Логико-комбинаторные методы неразрывно связаны с методологией и методами анализа данных в социологии. В этой связи диссертационное исследование опирается на работы по методологии социологического исследования, в которых в той или иной степени затрагивалась проблематика анализа данных (Г.С. Батыгин, И.Ф. Девятко, Г.Г. Татарова, Ю.Н. Толстова, В.А. Ядов и др.); Батыгин Г.С. Обоснование научного вывода в прикладной социологии. М.: Наука. 1986; Девятко И.Ф. Модели объяснение и логика социологического исследования. М.: Ин-т социологического образования Российского центра гуманитарного образования, 1996; Татарова Г.Г. Методология анализа данных в социологии (введение). М.: NOTA BENE, 1999; Толстова Ю.Н. Анализ социологических данных: методология, дескриптивная статистика, изучение связей между номинальными признаками. Москва: Научный мир. 2000; Ядов В.А. Стратегия социологического исследования: описание, объяснение, понимание социальной реальности. М.: «Омега-Л». 2007. по методам многомерного анализа, разработка и применение которых имеет длительную традицию, как в России, так и за рубежом (М.Дж. Кендалл, А. Стьюарт, Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка, М.С. Олдендерфер, Р.К. Блэшфилд, Г. Крамер, Д. Хейс, С.Д. Хайтун и др.); Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976; Факторный, дискриминантный и кластерный анализ: пер.с англ. / Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка и др. М.: Финансы и статистика, 1989; Крамер Г. Математические методы статистики. М.: Мир, 1975; Хейс Д. Причинный анализ в статистических исследованиях М.: «Финансы и статистика», 1981; Хайтун С.Д. Количественный анализ социальных явлений: Проблемы и перспективы. М.: КомКнига, 2010. по методическим проблемам анализа социологических данных, в частности, на работы отечественных исследователей (Э.П. Андреев, Г.В. Осипов, В.Г. Андреенков, Ю.Н. Толстова, К.Д. Аргунова, Г.Г. Татарова, И.И. Елисеева, В.О. Рукавишников, Ф.М. Бородкин, Ю.Н. Гаврилец, П.С. Ростовцев, И.Б. Мучник, Б.Г. Миркин, В.А. Малахов, М.С. Косолапов и др.); Андреев Э.П., Осипов Г.В. Методы измерения в социологии. М.: Наука, 1977; Интерпретация и анализ данных в социологических исследованиях / отв. ред. В.Г. Андреенков, Ю.Н. Толстова. М.: Наука, 1987; Математические методы анализа и интерпретации социологических данных / В.Г. Андреенков, К.Д. Аргунова, В.И. Паниотто и др. М.: Наука, 1989; Елисеева И.И., Рукавишников В.О. Логика прикладного статистического анализа. М.: Финансы и статистика, 1982; Толстова Ю.Н. Логика математического анализа социологических данных. М.: Наука, 1991; Математические методы в социологическом исследовании / отв. ред. Рябушкин Т.В. М.: Наука, 1981; Типология и классификация в социологических исследованиях / АН СССР, Ин-т социологических исследований. М.: Наука, 1982; Количественные методы в социологии / редкол.: В.Н.Шубкин (сост.), А.Г.Аганбегян, Р.В.Рывкина и др. М.: Наука, 1966. по логико-комбинаторным методам, которые начали разрабатываться в конце 1970-х - начале 1980-х гг.

За рубежом начало исследованиям по применению средств и языка математической логики в социологических и политических исследованиях положили работы американского социолога Ч. Рейджина. Он изучал возможности использования булевой алгебры для формализации сравнительного анализа небольшого количества объектов. Первая публикация, описывающая метод «сравнительного качественного анализа» (СКА), вышла в 1987 г. Ragin C.C. The comparative method: Moving beyond Qualitative and Quantitative Strategies. Berkeley, Los Angeles and London: University of California Press, 1987. Позже в двух монографиях Ч. Рейджин предложил модификацию метода, а также сопоставил его со статистическим подходом к анализу социологических данных. Ragin C.C. Configurational Comparative Methods: Qualitative Comparative Analysis (QCA) and Related Techniques. Sage. 2008; Griffin L., Ragin C.C. Some Observations on Formal Methods of Qualitative Analysis // Sociological Methods & Research. 1994. №23 (1). P. 4-22.

Особенности метода СКА и результаты его применения на практике активно обсуждались в научной периодике. По данным Б. Риу, Rihoux B. Bridging gap between the qualitative and quantitative worlds? A retrospective and prospective view on qualitative comparative analysis. // Field methods. 2003. №15. P. 351-365. в 2003 г. насчитывалось уже около 230 публикаций, посвящённых «сравнительному качественному анализу». Сфера применения этого метода оказалась достаточно широкой: он использовался для изучения стилей административного управления в городах, анализа динамики убийств, проявлений рабочего сопротивления, причин, приводящим к злоупотреблениям наркотиками и алкоголем и прочего. Greckhamer T., Misangyi V.F., Elms H., Lacey R. Using qualitative comparative analysis in strategic management research: an examination of combinations of industry, corporate and business-unit effects // Organizational research methods. 2008. №11. P. 695-726; Kilburn H.W. Explaining U.S. Urban regimes: a qualitative comparative analysis // Urban affairs review. 2004. №39. P. 633-651; Regoeczi W.C., Miethe T.D. Taking on the Unknown: A Qualitative Comparative Analysis of Unknown Relationship Homicides // Homicide Studies. 2003. №7. P. 211-234; Roscigno V.J., Hodson R. The Organizational and Social Foundations of Worker Resistance // American Sociological Review. 2004. №69. P. 14- 39; Valtonen К., Padmore J.C., Sogren M., Rock L. Lived Experiences of Vulnerability in the Childhood of Persons Recovering from Substance Abuse // Journal of Social Work. 2009. №9. P. 39- 60. Со временем сложилась группа исследователей, которые занимаются разработкой, применением и продвижением СКА, изучением его методологических оснований и методических особенностей (Ч. Рейджин, Б. Риу, Ж. Де Мер, А. Берг-Шлоссер, Л. Кронквист, Дж. Квист, К. Шнайдер, Б. Вис и др.). Rihoux B. Bridging gap between the qualitative and quantitative worlds? A retrospective and prospective view on qualitative comparative analysis. // Field methods. 2003. №15. P. 351-365; Schneider C.Q. The consolidation of democracy. Comparing Europe and Latin America. Routledge. 2008; Vis B. Politics of risk-taking. Welfare State Reform in Advanced Democracies. Amsterdam University Press. 2010; Schneider C.Q., Grofman B. An Introduction to Crisp Set QCA, with a Comparison to Binary Logistic Regression // Political Research Quarterly. 2009. № 62. P. 662-684; De Meur G., Berg-Schlosser D. Comparing Political Systems: Establishing Similarities and Dissimilarities // European Journal of Political Research. 1994. №26(2). P. 193-219.

В отечественной научной литературе представлены переводы всего трёх статей Ч. Рейджина и его последователей. Рейджин Ч. Новые ориентиры // Сравнительная социология: избранные переводы. М.: Academia, 1995. С. 91-98; Рейджин Ч., Берг-Шлоссер Д., Де Мер Ж. Политическая методология: качественные методы // Политическая наука: новые направления / Под ред. Р.Гудина, Х.-Д. Клингеманна. М.: Вече, 1999. С.729-748; Квист Дж. Социальные реформы в скандинавских странах в 1990-е годы: использование теории нечеткого набора для оценки соответствия идеальным типам // SPERO: Социальная политика: экспертиза, решения, оценки. 2003. №1. С. 41-67. Метод СКА кратко описан в качестве метода анализа данных в области исторической макросоциологии Н.С. Розовым Розов Н.С. Логические средства анализа причинных связей. Методы Бэкона-Милля в приложении к теоретической истории //Историческая макросоциология: методология и методы. Новосибирск: Новосибирский государственный университет, 2009. С. 185-229. и упоминается в статьях А.В. Стрельниковой, П.В. Романова и Е.Р. Ярской-Смирновой. Стрельникова А.В. Сравнительное исследование как новое направление в социологической методологии (обзор сентябрьского номера журнала «International sociology») // Вестник РГГУ. 2007. №2-3. С. 322-328; Романов П.В., Ярская-Смирнова Е.Р. Методология исследования и критического анализа в сфере социальной политики и социальной работы // Социология: методология, методы, математическое моделирование. 2005. №2. С. 51-76.

В России исследования, посвященные использованию логико-комбинаторных методов для анализа социологических данных, связаны в первую очередь с именем В.К. Финна. Предложенный им в конце 1970х - начале 1980-х гг. ДСМ-метод Финн В.К. О машинно-ориентированной формализации правдоподобных рассуждений в стиле Ф. Бэкона-Д.С. Милля // Семиотика и информатика. 1983. № 20. С. 35-101. продолжает разрабатываться и применяться под его руководством научно-исследовательским коллективом ВИНИТИ РАН в различных областях науки, включая социологию. Результаты многолетних исследований по разработке и применению ДСМ-метода представлены в коллективных монографиях. Автоматическое порождение гипотез в интеллектуальных системах / Сост. Е.С. Панкратова, В.К. Финн; Под общ.ред. В.К.Финна. М.: Книжный дом «ЛИБРОКОМ», 2009; ДСМ-метод автоматического порождения гипотез: логические и эпистемлогические основания / Сост. О.М. Аншаков, Е.Ф. Фбрикантова; Под общ.ред. О.М. Аншакова. М.: Книжный Дом «ЛИБРОКОМ», 2009.

Первая версия интеллектуальной системы типа ДСМ для анализа именно социологических данных была разработана М.А. Михеенковой, Михеенкова М.А. Развитие ДСМ-метода автоматического порождения гипотез для его применения при анализе социологических данных типа «субъект=поведение»: автореф. дис. канд.техн.наук. М., 1998. а ее программная реализация осуществлена С.С. Московским. Этой проблематикой занимались Ж.И. Бурковская, С.М. Гусакова, Д.В. Панкратов, Т.В. Феофантова. Бурковская Ж.И., Михеенкова М.А., Финн В.К. О логических принципах анализа электорального поведения // Научно-техническая информация. Сер. 2. Информационные процессы и системы. 2004. №8. С.18 - 22; Панкратов Д.В. Логические и программные средства качественного анализа социологических данных. автореф. дис канд.техн.наук. М., 2001; Гусакова С.М., Михеенкова М.А., Финн В.К. О логических средствах автоматизированного анализа мнений // Научно-техническая информация. Серия 2. 2001. №5. С. 5-25; Михеенкова М.А., Феонфантова Т.Л. Обучающая ДСМ-система для анализа социологических данных // Вестник РГГУ. 2009. №10. С. 152-169. Использование ДСМ-метода в социологических исследованиях представлено в статьях Е.Н. Даниловой, С.Г. Климовой, А.А. Земскова.Данилова Е.Н., Михеенкова М.А., Климова С.Г. Возможности применения логико-комбинаторных методов для анализа социальной информации // Социология: методология, методы, математические модели. 1999. №11. С. 142-160; Земсков А.А. Некоторые возможности использования ДСМ-метода автоматического порождения гипотез для анализа социологических данных //Российская социология завтрашнего дня: сборник студенческих работ, ГУ-ВШЭ. М.: ТЕИС. 2006. С. 284- 309.

Другие методы поиска взаимодействий, установления закономерностей в виде комбинаций значений переменных (признаков) - алгоритмы деревьев решений, детерминационный анализ (основанный на анализе условных распределений), предложенный С.В. Чесноковым, Чесноков С.В. Детерминационный анализ социально-экономических данных. М.: УРСС, 1982. разработки Н.Г. Загоруйко и Г.С. Лбова Загоруйко Н.Г. Прикладные методы анализа данных и знаний. 1999; Лбов Г.С. Методы обработки разнотипных экспериментальных данных / Академия наук СССР, Сибирское отделение, Ин-т математики. Новосибирск: Наука. 1981. - не могут быть отнесены к классу логико-комбинаторных методов, поскольку используют лишь незначительные элементы математической логики.

Несмотря на наличие ряда монографий, сборников, статей, посвящённых двум основным видам логико-комбинаторных методов, недостаточно освещёнными остаются вопросы, связанные с их эвристическим потенциалом, местом в ряду других средств анализа данных, с методическими особенностями применения. Работы зарубежных авторов остаются неизвестными широкому кругу российских исследователей, а труды отечественных специалистов освещают в большей степени теоретические основания логико-комбинаторных методов, нежели технологии применения.

Не изученной остается проблематика совместного использования логико-комбинаторных методов в рамках решения одной и той же задачи, не проводились исследования с последовательным или параллельным применением логико-комбинаторных методов на практике, хотя с теоретической точки зрения М.А. Михеенковой проведен сравнительный анализ рассматриваемых нами методов. Михеенкова М.А. О формализованных эвристиках качественного анализа социологических данных // Вестник РГГУ. 2010. №12. С. 193-214.

Объектом диссертационного исследования являются логико-комбинаторные методы как особый класс математических методов многомерного анализа социологических данных.

Предметом диссертационного исследования выступают познавательные возможности логико-комбинаторных методов и методические особенности их применения.

Цель исследования заключается в разработке технологии использования логико-комбинаторных методов (включая и их последовательное применение) на примере решения двух классов содержательных задач: сравнительного анализа стран по совокупности типообразующих признаков; измерения гомогенности, непротиворечивости и близости групповых предпочтений.

Для достижения этой цели предполагалось решение следующих исследовательских задач:

1. Предложить основания для сравнения математических методов многомерного анализа жестко формализованных социологических данных.

2. Обосновать необходимость выделения логико-комбинаторных методов в особый класс математических методов на основе сопоставления их с широко распространенными средствами многомерного анализа.

3. Проанализировать методические особенности базовых логико-комбинаторных методов.

4. Разработать модель изучения отношения к протестному поведению в разных странах, опираясь на вторичную концептуализацию данных, полученных в рамках «Международной программы социальных исследований - 2006».

5. Определить преимущества и недостатки логико-комбинаторного подхода для типологического анализа стран (базовым типообразующий признак - одобрение / неодобрение населением протестного поведения).

6. Проанализировать познавательные возможности ДСМ-метода для измерения гомогенности, непротиворечивости и близости установок респондентов (на примере анализа политических предпочтений студентов, принадлежащих к электоратам разных партий).

Теоретико-методологическая основа исследования.

Для обоснования логико-комбинаторных методов как особого класса методов автор опирается на основные положения в области методологии и методов многомерного анализа социологических данных. Для выявления теоретико-методологических предпосылок их применимости и разработки технологии их использования - на упоминавшиеся выше труды авторов, предложивших СКА и ДСМ-метод: Ч. Рейджина, Д. Берг-Шлоссера, В.К. Финна, М.А. Михеенковой и др.

Для постановки задачи сравнительного анализа стран и ее решения использовались языковая и логическая структуры типологического анализа как метаметодики, предложенные Г.Г. Татаровой Татарова Г.Г. Основы типологического анализа в социологических исследованиях. М.: Высшее образование и наука, 2007. . Концептуализация исходных данных Международного проекта социальных исследований и работа с эмпирической базой проводились с учётом принципов вторичного анализа данных, опираясь на разработки В.С. Сычевой, В.П. Горяинова, А.В. Стрельниковой.Сычева В.С. Метод вторичного анализа // Социологические исследования. 1995. № 11. C. 46-59; Гориянов В.П. Опыт проведения вторичного исследования по классификации жизненных ценностей // Социология: методология, методы, математические модели. 1997. №9. С. 125-145; Стрельникова А.В. Исследовательские архивы: расширение возможностей для вторичного анализа // Социологические исследования, 2005. №1. С.126-131.

Эмпирическая база диссертационного исследования.

1. Данные исследования «Роль правительства в государстве», проведенного в 2006 г. в рамках Международной программы социальных исследований. International Social Survey Programme 2006: Role of Government. ZA4700. Data file Vers. 1.0.0 // GESIS Data Archive. [Electronic resource]. - Germany, Cologne, cop. 2008. - Mode acess: http://zacat.gesis.org/webview/index.jsp?object=http://zacat.gesis.org/obj/fStudy/ZA4700 Опрос проводился в 32 странах. Использовался жёстко формализованный унифицированный для всех стран вопросник. Выборка многоуровневая, стратифицированная, формировалась в каждой стране по существующим статистическим показателям. Общий объём выборочной совокупности составил 48 641 чел. Первичные (полевые) данные подвергались вторичному анализу и в процессе вторичной концептуализация были преобразованы посредством вычисления различных индексов - производных показателей, отражающих мнение населения разных стран, т.е. был осуществлен переход с уровня индивидуальных измерений к групповым.

2. Данные, полученные в исследовании «Электоральные предпочтения студентов РГГУ». Первый этап: рук. Р.И. Анисимов, анкетный опрос студентов 4-5 курсов, ноябрь 2003 г., число участников опроса - 272 респондента. Второй этап: рук. А.В. Стрельникова, анкетный опрос студентов 4-5 курсов, ноябрь 2007 г., число участников опроса - 267 респондентов. Выборочная совокупность формировалась на основе двух признаков: курс (4 и 5), факультет. Автор принимал непосредственное участие на втором этапе исследования в процессе сбора и анализа данных.

Научная новизна исследования заключается в следующем:

- в качестве средства систематизации знаний о математических методах многомерного анализа в социологии предложен ряд оснований для их сравнения (возможность получения статистических оценок, требуемый уровень измерения переменных, форма представления данных «на входе», структура результата «на выходе» и др.);

- опираясь на выделенные основания для сравнения математических средств многомерного анализа, определено место логико-комбинаторных методов в их структуре;

- предложена и апробирована методика вторичной концептуализации данных «Международного проекта социальных исследований» для сравнительного анализа стран по одобрению населением протестного поведения. В частности, осуществлен переход от индивидуального к групповому уровню измерения на основе введения интегральных показателей;

- определены преимущества и ограничения использования логико-комбинаторных методов для типологического анализа стран (по одобрению / неодобрению населением протестного поведения, по особенностям политической культуры, и т.д.);

- выявлены возможности использования методики измерения с помощью ДСМ-метода непротиворечивости, гомогенности и близости установок респондентов (на примере анализа политических предпочтений студентов, принадлежащих к электоратам разных партий).

Положения, выносимые на защиту

1. Способом обобщения информации о разнообразных методах многомерного анализа данных является их классификация по различным основаниям. Несмотря на невозможность предложить универсального критерия для сравнения методов, можно ввести несколько оснований для соотнесения достаточно новых для социологии алгоритмов анализа данных с широко распространенными методами. Наиболее эффективными из них являются так называемая метаметодика анализа данных (виды анализа: типологический, факторный (факториальный) и причинный), на реализацию которой направлены методы; определенный уровень измерения переменных; возможность получения статистических оценок.

2. Двумя базовыми логико-комбинаторными методами имеет смысл считать СКА (метод «сравнительного качественного анализа») Ч. Рейджина и ДСМ-метод В.К. Финна, которые разрабатывались в одно время и независимо друг от друга. Несмотря на то, что они опираются на различные алгоритмы поиска эмпирических закономерностей, оба метода используют в качестве языка формализации данных математическую логику. Эти инструментальные средства многомерного анализа данных основаны на индуктивном выводе и позволяют выявлять различные эмпирические закономерности, отыскивая и устанавливая сходства в характеристиках объектов в виде комбинаций значений переменных.

3. Специфика логико-комбинаторных методов по отношению к другим средствам многомерного анализа данных заключается в следующем: а) они предназначены для реализации метаметодики причинного анализа; б) направлены на решение задачи поиска взаимодействий, т.е. анализа взаимосвязи переменных на «локальном» уровне»; в) ориентированы на использование переменных, измеренных на номинальном и порядковом уровнях; г) могут использоваться для анализа выборок небольшого объема; д) не позволяют переносить выводы на генеральную совокупность, при этом не требуют выполнения условий, связанных с распределением значений переменных; е) соотносятся с «интеллектуальным анализом данных», так как направлены на отыскание максимального количества закономерностей в данных; ж) относятся к методам «формализованного качественного анализа», реализуя «восходящую», индуктивную стратегию анализа данных.

4. Большинство методов многомерного анализа данных направлено на изучение взаимосвязи между признаками на «глобальном» уровне. Однако в социологических исследованиях сложно обнаружить детерминанты того или иного явления, оказывающие на него сильное влияние вне зависимости друг от друга. При этом более значимое воздействие на целевой показатель могут иметь комбинации ряда характеристик, различные взаимодействия признаков. Для установления и изучения подобного вида закономерностей на «локальном» уровне адекватными являются именно логико-комбинаторные методы.

5. Преимущество использования логико-комбинаторных методов при проведении типологического анализа заключается в возможности выделения пересекающихся подгрупп объектов, часть характеристик которых полностью совпадает; в отличие, например, от кластерного анализа, в результате применения которого получают описание кластерных профилей, типичных представителей подгруппы, и каждый объект не полностью, но в большой или меньшей степени соответствует этому описанию (в зависимости от того, ближе он к центру кластера или дальше от него). С учетом указанных особенностей логико-комбинаторные методы целесообразнее использовать для типологизации небольшого количества объектов, в случае если необходимо получить не просто описания подгрупп схожих объектов в целом, а обладать при этом характеристиками каждого.

К недостаткам использования логико-комбинаторных методов для реализации типологического анализа относится дробное деление совокупности объектов на большое количество пересекающихся подгрупп, а также выявление закономерностей в виде длинных комбинаций значений признаков, что затрудняет восприятие, описание и интерпретацию результатов.

6. Последовательное использование различных логико-комбинаторных методов для выделения типологических групп стран, отличающихся по уровню одобрения населением протестного поведения и основным характеристикам политической культуры, позволило сопоставить СКА и ДСМ-метод между собой. СКА, рассматривая по отдельности две группы объектов с противоположными значениями целевого показателя, позволяет выделять среди каждой из них подгруппы объектов, обладающих одинаковыми характеристиками (комбинациями значений независимых признаков). В отличие от него, ДСМ-метод определяет подгруппы объектов, обладающих уникальной, присущей только им комбинацией характеристик, не встречающейся у объектов с противоположным значением целевого показателя. Тем самым выделяются подгруппы объектов и схожих между собой, и отличающихся от объектов с противоположным значением зависимого признака. Вследствие этого ДСМ-метод эффективно использовать для уточнения результатов применения СКА и выделения наиболее устойчивых закономерностей.

7. В случае большого количества исходных для анализа переменных целесообразнее применение ДСМ-метода, возможности которого были продемонстрированы в ходе сравнительного анализа стран с разным уровнем поддержки населением протестного поведения в широком контексте политических, экономических установок населения, объективных показателей развития стран.

8. Измерение непротиворечивости, гомогенности и близости установок респондентов с помощью ДСМ-метода позволяет получить групповые оценки и соответственно сравнивать группы. Методика измерения может использоваться для изучения установок опрашиваемых в различных сферах.

Теоретическая и практическая значимость работы. Результаты диссертационного исследования могут быть использованы:

- в теоретико-методологических исследованиях - для сопоставления новых методов анализа данных с другими алгоритмами поиска эмпирических закономерностей; совместного использования различных методов;

- в эмпирических исследованиях - для применения логико-комбинаторных методов в различных областях, для разработки концептуальной модели исследования; для анализа данных, полученных на «малых» и «средних» выборках;

- в преподавании дисциплин «методология и методика социологического исследования», «анализ данных в социологии».

Апробация работы. Основные положения и результаты диссертационного исследования отражены в 13 публикациях автора общим объемом 6 п.л. Они были представлены на 10 научных конференциях: Х конференция Европейской социологической ассоциации (Женева, 2011), Весенняя методологическая конференция Американской социологической ассоциации (Тилбург, 2011), V научно-практическая конференция памяти А.О. Крыштановского «Социологические методы в современной исследовательской практике» (Москва, НИУ ВШЭ, 2011), «Гуманитарные чтения» (Москва, РГГУ, 2010), «Наша социология: исследовательские практики и перспективы» (Москва, РГГУ, 2011, 2010, 2009, 2008), Международный молодежный научный форум «Ломоносов» (Москва, МГУ, 2011, 2010).

Структура диссертационного исследования. Работа состоит из введения, двух глав, заключения, списка использованной литературы и приложений.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность диссертационного исследования, определены его объект и предмет, сформулированы цель и задачи, освещена степень научной разработанности проблемы в зарубежной и отечественной литературе, описана теоретико-методологическая основа исследования и его эмпирическая база, а также новизна, теоретическая и практическая значимость.

В первой главе «Логико-комбинаторные методы в многомерном анализе социологических данных» выделяются два базовых логико-комбинаторных метода, предназначенных для анализа социологических данных, определяется их место в структуре методов многомерного анализа.

В параграфе 1.1. «Основания сравнения методов многомерного анализа жестко формализованных данных» в качестве одного из способов систематизации знаний об этих методах предлагаются несколько критериев для их сопоставления.

Рассматривается специфика методов многомерного анализа, предназначенных для обработки жестко формализованных данных, одного из самых распространенных видов эмпирической информации в социологии, и позволяющих решать различные задачи, такие как разбиение объектов на гомогенные подгруппы, анализ силы и формы взаимосвязи признаков, анализ структуры данных и др. К этой группе методов относятся регрессионный, кластерный, факторный, дискриминантный, дисперсионный анализ, многомерное шкалирование и др.

Подчеркивается, что обилие многообразных средств и алгоритмов поиска эмпирических закономерностей не позволяет предложить универсального основания для их сравнения, любая классификация будет носить в определённой мере условный характер. Вместе с тем, необходимость в ней всегда существует для систематизации «методного» знания. В этой связи в диссертации предлагается и последовательно раскрывается восемь различных оснований для сравнения методов многомерного анализа данных.

По некоторым из оснований методы удается однозначно классифицировать, например, по следующим: «статус» признаков (равноправные или зависимые и независимые); возможность получения статистических оценок (для распространения выводов на генеральную совокупность); возможность построения прогнозов; реализация стратегии поиска всех возможных закономерностей (соотнесение с областью интеллектуального анализа данных); «методная» триангуляция (наличие разных алгоритмов для решения одной и той же задачи внутри подгруппы методов); форма представления данных «на входе», структура результата «на выходе».

Анализ разбиения методов по различным критериям показал, что по некоторым основаниям не всегда возможно однозначно отнести метод к какой-либо подгруппе. Так, классификация становится проблематичной, если мы сравниваем методы многомерного анализа данных по требуемому уровню измерения признаков. Затруднения вызваны тем, что различные алгоритмы реализации одного и того же метода ориентированы на использование признаков, представляющих собой разные уровни измерения. В результате, метод нельзя соотнести только с одним из них, несмотря на то, что именно этот критерий определяет допустимые математические преобразования, которые можно использовать при работе с признаком, тем самым предопределяя возможность применения того или иного метода анализа данных.

Кроме того, непросто установить соответствие между методами многомерного анализа данных и метаметодикой, на реализацию которой они направлены. Для поиска причин того или иного явления, определяющих его латентных факторов или выявления типологических групп объектов можно использовать разные методы анализа. При этом часто один и тот же метод позволяет решить разные задачи в зависимости от того, на каком этапе анализа он применяется.

Тем не менее, сопоставление широко известных методов по разным критериям позволило продемонстрировать их возможности и ограничения в сравнении друг с другом. Диссертант утверждает, что эвристическая ценность осмысления различных оснований для классификации помогают определить место новых алгоритмов поиска закономерностей, в частности показать, какова роль логико-комбинаторных методов в ряду различных средств многомерного анализа данных.

В параграфе 1.2 «Виды логико-комбинаторных методов» выделяются два базовых метода в подходе к анализу данных, основанном на использовании средств и языка формальной логики: метод «сравнительного качественного анализа» и ДСМ-метод. Подробное рассмотрение теоретико-методических предпосылок позволили определить и сформулировать специфику этих инструментальных средств анализа жестко формализованных данных. В диссертации обосновывается, что метод «сравнительного качественного анализа» и ДСМ-метод имеют много общего, хотя и разрабатывались параллельно, независимо друг от друга. Во-первых, их объединяет использование в качестве языка формализации математической логики: в СКА - булевой алгебры и её модификации, в ДСМ-методе - специального варианта многозначной логики. Во-вторых, в основе обоих методов лежат идеи Дж.Ст. Милля и его логические правила причинного вывода, согласно которым, сходства, обнаруженные у объектов, обладающих определённым одинаковым свойством, являются детерминантами проявления у них этого свойства. Подчеркивается, что для СКА идеи Дж.Ст. Милля являются лишь одной из методологических предпосылок. В то время как с помощью ДСМ-метода все пять правил Дж.Ст. Милля могут быть формализованы, См.: Финн В.К. Индуктивные методы Д.С. Милля в системах искусственного интеллекта // Милль Дж.Ст. Система логики силлогической и индуктивной: Изложение принципов доказательства в связи с методами научного исследования / пер. с англ. М.: ЛЕНАНД, 2011. С. 787 - 828. и положены в основу рассуждений при сравнении и анализе каких-либо объектов. В-третьих, СКА и ДСМ-метод схожим образом трактуют понятие причины, а именно, как сочетание условий, вызывающих определенное явление. Речь идёт о «множественной причинности», подразумевающей, что для подгрупп объектов, обладающих изучаемым свойством, могут быть установлено несколько моделей объяснения его наличия у них. В этой связи, признаки, с помощью которых описываются объекты, рассматриваются в ходе анализа не по отдельности, а напротив, изучаются сочетания значений признаков, тем самым обеспечивается целостное описание объектов.

Отмечается, что на практике рассматриваемые методы использовались для анализа объектов разной природы. СКА - для сравнения стран, городов, организаций, наций (можно сказать, для проведения сравнительного анализа на макроуровне). ДСМ-метод в социологии применялся для изучения поведенческих установок респондентов, согласованности и консистентности мнений опрашиваемых.

Последовательное раскрытие алгоритмов двух базовых логико-комбинаторных методов в завершении позволило сделать вывод о том, что использование этих методов не подразумевает сложных математических вычислений и тем самым обеспечивает наглядность и прозрачность математического моделирования.

В параграфе 1.3. «Логико-комбинаторные методы как средства многомерного анализа данных» обосновывается их выделение в особый класс математических средств обработки жестко формализованных данных. Сопоставление СКА и ДСМ-метода с наиболее распространенными методами многомерного анализа данных по основаниям, выделенным в параграфе 1.1., и позволяет наглядно продемонстрировать их специфику.

ДСМ-метод и СКА предназначены для реализации метаметодики причинного анализа. Однако они основаны не на анализе вариации значений зависимой переменной под влиянием независимых, а на сравнении объектов, обладающих одинаковым значением целевого показателя, и установлении сходств между ними в виде комбинаций значений независимых переменных. Кроме того, в отличие, например, от регрессионного анализа, направленного на установление некоторого универсального для большинства из рассматриваемых объектов объяснения в виде уравнения, логико-комбинаторные методы позволяют определять несколько причинных моделей, описывающих различные подгруппы объектов.

Поскольку логико-комбинаторные методы предоставляют возможность изучать причинно-следственные взаимосвязи, то, как и в случае со всеми другими методами, направленными на решение этой же задачи, признаки, через которые описываются объекты, по статусу не являются равноправными, среди них выделяются независимые и зависимые.

Выявляется принципиальное отличие СКА и ДСМ-метода от традиционных статистических методов многомерного анализа, заключающееся в том, что логико-комбинаторные методы не позволяют переносить выводы, полученные для выборки объектов на генеральную совокупность, так как не подразумевают использование средств статистического оценивания, в отличие от регрессионного, дискриминантного анализа. Напротив, они основаны на индуктивном выводе, обобщении информации по рассматриваемой совокупности объектов. В этой связи при использовании логико-комбинаторных методов нет необходимости в выполнении таких требований, как нормальность распределения значений признака, кроме того, эти методы можно использовать при изучении выборок небольшого объёма.

В качестве другого неоспоримого преимущества логико-комбинаторных методов отмечается их ориентация на использование признаков, измеренных на номинальном или порядковом уровне. Это особенно ценно в социологии, где преобладает низкий уровень измерения, а большинство математических методов рассчитано на высокий.

Форма представления исходных данных в случае использования логико-комбинаторных методов, такая же традиционная, как при работе с другими средствами многомерного анализа, а именно - матрица вида «объект-признак». Форма закономерностей, получаемых «на выходе» - описания подгрупп объектов в виде присущих им комбинаций характеристик.

СКА и ДСМ-метод как два основных вида логико-комбинаторных методов направлены на отыскание всех существующих в данных зависимостей, в том числе неочевидных для исследователя, поэтому они являются средствами интеллектуального анализа данных. Если традиционный математико-статистический подход к анализу данных направлен на проверку описательных и объяснительных гипотез (опираясь на гипотетико-дедуктивную логику анализа), то логико-комбинаторные методы предназначены для реализации «восходящей» стратегии анализа данных, когда у исследователя нет предварительных гипотез о структуре искомого результата, о характере связи между признаками, так как она (структура) обнаруживается в ходе обработки данных.

Акцентируется внимание на одной из ключевых особенностей логико-комбинаторных методов: они предназначены для анализа взаимосвязи между признаками на «локальном» уровне», поиска взаимодействий в отличие от большинства методов многомерного анализа, ориентированных на установление взаимосвязи на «глобальном» уровне.

По форме представления закономерностей, виду решаемой задачи (поиск сочетаний значений независимых переменных, детерминирующих определенное значение зависимой) СКА и ДСМ-метод сходны с детерминационным анализом и методами последовательных разбиений. Отличием логико-комбинаторных методов является алгоритм выделения групп объектов с различными эмпирическими закономерностями (не разбиение исходной совокупности объектов на подгруппы, а напротив, объединение близких, схожих случаев). Причем объект относится к той или иной группе не на основе анализа частот, а опираясь на логическое рассуждение. Кроме того, логико-комбинаторные методы очень чувствительны к «шуму» и «маргинальным» объектам, вследствие этого позволяют производить формализованный анализ небольшого количества объектов.

В заключение этой главы делается вывод о том, что класс логико-комбинаторных методов является адекватным для анализа социологических данных.

В главе 2 «Эвристический потенциал логико-комбинаторных методов (на примере решения двух классов задач)» раскрываются возможности применения СКА и ДСМ-метода, во-первых, для сравнительного анализа стран по уровню поддержки населением массовых акций протеста, во-вторых, для измерения однородности, непротиворечивости, близости групповых предпочтений (на примере политических ориентаций электоратов разных партий).

В параграфе 2.1. «Особенности использования логико-комбинаторных методов в типологическом анализе (на примере сравнения стран по уровню одобрения населением протестного поведения)» демонстрируются возможности применения СКА и ДСМ-метода для выделения типологических групп стран с различным отношением населения к акциям политического протеста против правительства.

В параграфе 2.1.1 «Постановка исследовательской задачи. Логика анализа данных» формулируется исследовательская проблема, описывается эмпирическая база, рассматриваются теоретические подходы к определению протестного поведения и детерминант его возникновения.

Протестное поведение рассматривается как часть политической культуры общества, и как самостоятельный объект изучения. Анализ различных теорий, объясняющих механизмы протестного поведения, позволил выделить ключевые факторы, способствующие активизации этого канала коммуникации населения и власти. Наряду с объективными характеристиками неудовлетворительного социального и экономического положения граждан стран, к детерминантами протестного поведения относят такие элементы политической культуры, как вовлеченность в политическую жизнь общества, политическая эффективность (ощущение того, что индивидуальные действия могут оказывать влияние на политический процесс), политическая самоидентификация, гражданская активность, недоверие представителям и органам власти, негативная оценка деятельности органов власти и её отдельных представителей, негативное социальное самочувствие, обострение чувства депривации. Причем, большое значение имеют не столько указанные факторы сами по себе, а сколько их сочетания.

Кроме того, рассматривается специфика межстрановых сравнительных исследований, в рамках которых особое место занимают сравнение культур, ценностей, мнений граждан различных стран на основе опросов общественного мнения, проводимых с использованием унифицированного вопросника в разных странах.

На эмпирическом уровне исследовательская задача решалась в два этапа. На первом страны с высоким и низким уровнем одобрения права на акции политического протеста рассматривались в контексте нескольких ключевых показателей, определяющих специфику политической культуры в стране. Для этого использовалось пять характеристик: интерес населения к политике; уровень политической эффективности (уверенность в возможности «обычных» людей оказывать влияние на власть); уровень доверия к представителям власти; готовность соблюдать законы в любых обстоятельствах; участие в последних выборах государственного уровня (явка).

Поскольку социальные явления многогранны для более детального изучения одобрения и неодобрения политического протеста в разных странах на втором этапе исследования изначальная модель, включающая пять независимых признаков, была значительно расширена за счёт включения дополнительных характеристик, позволяющих подробнее описать каждую страну, политические и экономические ориентации населения.

Отбор показателей в обе модели производился на основе анализа теоретических подходов к определению протестного поведения и с учетом ограниченного набора признаков в исходной базе данных Международной программы социальных исследований.

Особое внимание в диссертационном исследовании уделяется описанию процесса подготовки и преобразования первичных данных для применения СКА и ДСМ-метода. В исходной базе данных были представлены ответы респондентов из 32 стран. Эти сведения были обобщены путем осуществления перехода к интегральным показателям по странам, т.е. в качестве единицы анализа рассматривался не респондент, а страна, и в качестве признака - характеристика страны (а точнее, мнение граждан страны), а не одного респондента. За значения этих показателей принимались групповые индексы, вычисленные для каждой страны на основе одномерных частотных распределений по признакам (эмпирическим индикаторам), содержащимся в исходной базе данных.

Затем индексы, вычисленные для каждой страны, были преобразованы в новые переменные с двумя альтернативами (высокий и низкий уровень соответствующего показателя), в связи с тем, что для использования метода СКА требуется, чтобы признаки были дихотомическими. Разбиение объектов на две группы по каждому из показателей (индексов) производилось с учетом медианного значения, стремлением к максимально «естественному» разбиению, необходимости выделения сопоставимых по количеству объектов групп. Для проверки и подтверждения оптимальности разбиения был использован Т-тест, а так же иерархический кластерный анализ. В результате была сформирована матрица данных, содержащая характеристики общественного мнения и настроения граждан каждой страны.

В параграфе 2.1.2 «Последовательное использование логико-комбинаторных методов для выявления типологических синдромов» представлены результаты первого этапа исследования: описывается применение СКА и ДСМ-метода для поиска типологических групп стран с различным отношением населения к протестному поведению в контексте ключевых характеристик политической культуры.

Рассматриваются типологические синдромы одобрения и неодобрения протестного поведения в разных странах, установленные с помощью метода СКА. Результатом его использования стало разбиение всех стран на девять пересекающихся подгрупп, каждая из которых объединяла объекты с одинаковыми значениями нескольких независимых признаков, характеризующих политическую культуру стран (рис.1).