2. теоретическая типологизация и ее проверка в эмпирическом анализе

2. ТЕОРЕТИЧЕСКАЯ ТИПОЛОГИЗАЦИЯ И ЕЕ ПРОВЕРКА В ЭМПИРИЧЕСКОМ АНАЛИЗЕ Теоретическая (или конструированная) типологи-зация — обобщение признаков социальных явлений на основе идеальной теоретической модели и по теорети­чески обоснованным критериям. Такая типологизацияг в отличие от эмпирической, есть условие прямой про­верки теории путем сопоставления конструируемых типов с эмпирическими свидетельствами соответ­ствия, или уклонений от идеальной модели. Здесь типо­логия отличается от рассмотренной выше, где устойчи­вость свойств типа находится путем многократного пе­ребора, тогда как в теоретической типологии критерии свойств выявляются путем логического анализа. В логике существует понятие "идеализированный" (идеальный) объект, которым обозначают реальный объект или целый класс объектов, отраженных в созна­нии в виде некоторой абстракции, идеальной системы, воспроизводящей его в упрощенном, схематизирован­ном виде [295. С. 151—156]. Идеальная социальная модель строится на основе абстракций двоякого рода: тех, что логически вытекают из более общих теоретических предпосылок — со­циологических понятий или принципов, а также абст­ракций на основе наблюдения эмпирических данных. Разумеется, и те, и другие имеют своим основанием ре­альную действительность. Именно потому, что конструи­рованная таким путем идеальная модель соотносится с системой теоретического знания, она выполняет важные функции включения теории в непосредственный анализ эмпирических данных. Модель такого рода обладает рядом особенностей: она определяет идеальные (в смысле абстракции) грани­цы социального объекта; включает критерии (или пара­метры), на основе которых определяется обоснованная в теории устойчивая связь его свойств и характеристик; если параметры, составляющие модель, представляют континуумы, фиксируются также количественные гра­ницы идеализированного объекта.55 В данном случае — в понятиях "больше" — "меньше", "силь­нее" — "слабее", т.е. в их упорядоченности или дихотомии, путем шка­лирования соответствующих операционализированных свойств (см. приводимый ниже пример).Анализ эмпирических данных, согласно теоретичес­кой типологии, предполагает, во-первых, определение частот распределения по каждому типу; во-вторых, изу­чение отклонений от идеализированных моделей по от­дельным параметрам и, если возможно, измерение ин­тенсивности и вероятности этих отклонений [314]. Классический пример идеализированной типоло­гии — типология мотивации социального действия у М. Вебера. В работе "Протестантская этика и дух капитализма" [31] Вебер задается вопросом, что отличает ценностно-мотивационный "синдром" предпринима­тельства в согласии с этикой протестантизма и путем теоретического анализа наблюдаемых реалий находит, что здесь имеют место: — мотивы прибыли, когда добывание денег превра­щается из средства в самоценную деятельность, цель; — аскетизм, исключающий потребление ради удо­вольствия, наслаждения радостями жизни; — рационализм, ответственность, трудолюбие. Эта типологическая конструкция побудила Э. Хагена сконструировать идеальные типы "инновационной личности" в отличие от "традиционалиста" (личности "авторитарной"). Авторитарный тип сформирован в условиях социального зас­тоя, инноватор — динамичными процессами современного об­щества [336]. Отсюда — дихотомия характеризующих их черт (которые логически выводятся из теоретического анализа (схе­ма 26). Исходя из аналогичных рассуждений другой исследова­тель Алекс Инкелес получил аналогичную типологию путем эмпирической классификации. Инкелес вначале операциона-лизировал свойства традиционной и современной личности, затем изучил их взаимосвязи на больших статистиках иссле­дований в разных странах Европы и "третьего" мира, а затем выявил корреляционные синдромы, достаточно близкие гипо­тетически заданным [340]. Благодаря развитию компьютерной техники эм­пирическая типологизация начала лидировать в соци­альных исследованиях. Некоторые социологи стали по­говаривать о том, что эпоха конструированной типоло­гии минула безвозвратно. Это вопрос принципиальный. Совпадение идеальной модели с реальным распределением есть способ эмпи­рической проверки теории, на основе которой конструи­ровалась модель. Здесь проверяются основные посылки относительно системообразующих признаков типа. Тео­рия, в свою очередь, есть объяснение закономерности данного ряда (последовательности) явлений и, следовательно, источник научного прогноза. Например, в исследованиях образа жизни важно проверить ряд гипотез относительно взаимосвязи между производственной и досуговой деятельностью людей.Согласно так называемой "компенсаторной" гипотезе, люди стремятся возместить в досуге то, что им недо­ступно в работе. Отсюда следует, что структура досуга работников малоквалифицированного и монотонного труда должна быть более разнообразной, чем работни­ков сложного, разнообразного труда. Если следовать "инерционной" концепции взаимосвязей труда и досуга, то, наоборот, монотонная работа должна сопровождаться аналогичным досугом, а творческая и разнообразная влечет более разнообразный тип досуга. Наконец, сле­дуя гипотезе относительной независимости этих двух сфер человеческой деятельности, мы вообще не обнару­жим определенной связи, а вводя поправку на детерми­нацию отношения к труду и к досугу типом личности (социально обусловленными и индивидуальными свой­ствами личности), мы должны выявить иные взаимосвя­зи [249. Гл. IV]. Очевидно, что каждая из названных гипотез предпо­лагает проверку на основе конструированных типоло­гий и трудовой деятельности (типизация профессио­нально-квалификационных групп обследованных) и до­суговой активности (по критериям разнообразия, изби­рательности, насыщенности творческой деятельностью). Подтверждение или опровержение такого рода гипо­тез — указание на некоторую закономерность, тогда как при эмпирической типологизации анализ вполне может ограничиться описанием найденных типов и лишь рет­роспективно — их истолкованием в духе названных ги­потез. Но убедительность такого истолкования опре­деленно будет недостаточна, так как в этом случае нельзя заранее предусмотреть нужные "идеальные соче­тания" свойств, требуемых строгими правилами обосно­вания теоретического вывода. Короче говоря, метод теоретической типологиза­ции ведет к объяснению, сформулированному в гипоте­зах, вытекающих из данной теории, тогда как эмпири­ческая типологизация допускает лишь описание полу­ченных данных и их интерпретацию, что позволяет формулировать более общие гипотезы, продвигает ис­следование в сторону разработки теории. В первом случае "теория на входе", во втором — "теория на выхо­де" — как результат анализа эмпирических данных.^ 3. ПОИСК ВЗАИМОСВЯЗЕЙ МЕЖДУ ПЕРЕМЕННЫМИ Перекрестная группировка по двум и более призна­кам — прямой путь к обнаружению возможных взаи­мосвязей между переменными. Для этого нужно соста­вить таблицу определенным образом, например, подсчи­тать пропорции частот одного признака в зависимости от частот другого. Для неискушенного читателя при из­ложении результатов социологических обследований разумнее использовать процентные отношения группи­ровок. В научной публикации следует указывать стати­стические критерии взаимосвязей и их значимости.^ Правила процентирования6 вовсе не так просты, как может показаться неопытному исследователю. Ос­новной вопрос: принимать ли за 100% данные по стро­ке или по столбцу?6 Подробно эти правила излагает X. Хейман [339]Это зависит от двух обстоятельств: от характера выборки обследованных и от логики ана­лиза. Выборка может быть либо репрезентативной (вы­борочная совокупность есть микромодель генеральной совокупности), либо нерепрезентативной. В последнем случае нам как минимум неизвестны пропорции суще­ственных характеристик в генеральной совокупности, или мы знаем, что эти пропорции в выборке не соблюда­ются. Возможна двоякая логика анализа "от причин к следствию" или "от следствий к причинам", что опреде­ляется гипотезой и содержанием данных. Если выборка представительна и отражает пропор­ции изучаемых групп в генеральной совокупности (дан­ного завода, например), тогда можно вести двоякий ана­лиз данных: по логике "от причин к следствию" и "от следствия к причинам". Рассмотрим пример. Предположим, что 1000 человек, ра­ботающих на акционерном предприятии, где акции принадлежат исключительно его сотрудникам, распределились в зависи­мости от того, участвуют или не участвуют они в технической и организационной модернизации производства, следующий образом (табл. 10). ^ Таблица 10Исходная перекрестная группировка данных: статус и участие в инновациях (N= 1000 чел.) Статус Участие в инновациях (чел.) Итого участвуют не участвуют Рабочие 250 455 705 ИГР 140 120 260 Служащие 10 25 35 Итого 400 600 1000 Проведем анализ по логике "от возможных причин — к следствию". Предпосылкой более или менее активного учас­тия в разработке нововведений может быть статус работника, тогда как вовлеченность в дела производства сама по себе не может быть причиной того или иного статуса, это — возмож­ное следствие первого фактора. При таком подходе за 100% следует брать данные по строке (табл. 10, а).Вывод: наиболее активные инноваторы — ИГР, наименее активные — служащие. Статус инженерно-технических работ­ников способствует их модернизационной активности в боль­шей мере, чем положение служащих или рабочих данного предприятия. Теперь проведем анализ по логике "от следствия к при­чинам": 100% суммируются в столбце (табл. 10, б).С логической точки зрения здесь проверяется гипотеза о вкладе каждой категории работников в разработку нововведе­ния, а не гипотеза об их соотносительной активности. Вывод из табл. 10, б: вклад рабочих — наибольший, так как они преобла­дают в составе персонала предприятия. Об относительной же активности рабочих по этим расчетам мы судить не можем.77 Имеется в виду, конечно, не значимость, качество предложенных Идей, но их численность. Предложения специалистов-инженеров или администраторов-служащих могут быть более радикальными, чем предложения рабочих.Итак, ретроспективный и проектирующий анализы предполагают различные по содержанию выводы.В репрезентативных выборках возможно проценти-рование "по диагонали" таблицы. Например, для табл. 6^ Таблица 10, аУчастие в инновациях как следствие статуса работников Статус Участие в инновациях (чел.) Итого участвуют не участвуют Рабочие 35 65 100 ИГР 64 46 100 Служащие 29 71 100 ^ Таблица 10, бАктивность персонала в зависимости от статуса работника Статус Участие в инновациях (чел.) участвуют не участвуют Рабочие 60 76 ИГР 35 20 Служащие 5 4 Итого 100 100 (если данные представительны) можно подсчитать про­центные доли всех 47 выделенных в ней сочетаний возрастных характеристик мужей и жен, из чего, ска­жем, следует, что более всего в изученной совокупности представлены молодые пары в возрасте 20—24 лет, како­вые составляют около 55% от всех пар (504:1838/2= =0,55), среди 50-летних и старше супружеские пары од­ного возраста составляют лишь 5% и т. д.^ Если выборка нерепрезентативна, процентирование можно вести только в рамках каждой подвыборки раз­дельно. Обычно такие подвыборки образуют по признакам, являющимся возможными причинами искомых связей: половозрастные, имущественные, этнической принадлеж­ности, шкалы по уровню образования, другим объектив­ным характеристикам социального статуса, места прожи­вания и т. д. Здесь несоответствие долей выборок реаль­ному распределению определенных групп в генеральной совокупности не исказит вывод (логика табл. 10, а). В противном же случае (по логике табл. 10, б) достоверность вывода будет прямо зависеть от представительности выборки.Наконец, в случаях, когда представительность пере­крестной классификации в принципе нельзя установить (например, о ценностных ориентациях и политических взглядах, отношений к партиям, где распределение в ге­неральной совокупности заранее вообще неизвестно), расчет процентов допустим в обоих направлениях и по диагонали с условием, что установленные связи требуют дополнительной проверки, ориентировочны. Для такой проверки используют систему так называемых конт­рольных (опосредующих) переменных.^ Анализ взаимосвязи двух переменных с помощью контрольного (опосредующего) фактора — прием, используемый для того, чтобы установить прямые и опосредованные, причинные и сопутствующие связи, а также уточнить их напряженность. Рассмотрим три вымышленных примера, в которых проиллюстрируем основные логические проблемы этого метода.88 Задачи этого класса применительно к социологии были впервые сформулированы в 40-е гг. П. Лааарсфел ьдом и П. Кен дал л и получи­ли в дальнейшем более полное логическое обоснование в работах X. Хеймана [339. С. 286—295].Пример 1. Надо определить, имеется ли связь меж­ду интересом людей к познавательным программам телевидения (обозначим как фактор П) и к развлека­тельным программам (фактор Р). Для установления взаимосвязи между этими явлениями используем про­стейший показатель — коэффициент ассоциации двух качественных переменных по Юлу. Чтобы подсчитать коэффициент ассоциации Юла, достаточно фиксировать наличие (+) или отсутствие (-) каждого из двух сопос­тавляемых качеств А к В. Построим двухмерную классификационную табли­цу (схема 27). Коэффициент ассоциации Юла (Q) высчитывается по формуле; Q=(ad - cb)/(ad - сb), где (схема 25) частоты а, b, с, d обозначают наличие или отсутствие признака П или Р. Свойства коэффициента: 1>Q>-1; Q=0, если какая-либо из частот (а, b, с или d) равны 0. При значе­нии коэффициента существенно выше или ниже 0 при некотором доверительном интервале (допустимой ошибке) связь имеется. Допустим, что в нашем примере наблюдается такое распределение (условные числа).Схема 27Модель перекрестной группировки двух дихотомичес­ких признаков ПиР для расчета коэффициента ассоциации Юла (Q) Px + Рx- п + а И п- с d Между П и Р обнаружена весьма высокая связь.Однако эта связь может быть лишь видимостью. Введем контрольную переменную — уровень образова­ния телезрителей (обозначим О) — и получим две двухмерные таблицы: для лиц с высоким (0+) и низ­ким (О~) уровнем образования (табл. 11, а). Подсчита­ем коэффициент Юла для таблиц 11, аи 11, б:^ Таблица 11Взаимосвязь интересов телезрителей к познаватель­ным (П) и развлекательным (Р) программам рx+ Рx- П+ 410 130 540 П - 130 410 540 540 540 1080 Таблица 11, а Взаимосвязь интересов телезрителей к познаватель­ным (П) и развлекательным (Р) программам раздельно для имеющих высокое образование (О+) и низкое образование (О~) О+ О- П+ П - П + П- Г 400 80 480 Р* 400 80 480 р- 50 10 60 Р- 50 10 60 Таблица 11, бВзаимосвязь между уровнем образования (О) и интере­сом к познавательным программам (П), между уровнем образования и интересом к развлекательным программам (Р) П + П - П+ П - О + 450 90 540 О + 480 60 640 О - 90 450 540 О - во 480 540 540 540 1080 540 540 1080 Связи между признаками П и Р в производных таб­лицах, выравненных по образованию, не обнаружено. Между тем в исходной табл. 11 связь высокая. Остает­ся предположить, что П и Р зависят от уровня образова­ния, но независимы относительно друг друга. Проверим это предположение, сгруппировав данные так, чтобы выявить связи между контрольным фактором (О — об­разование) и каждым из первоначальных (П и Р) (табл. 11, б). Видно, что связь между образованием и интересом к программам познавательных передач такая же, как между образованием и интересом к развлека­тельным программам, высока.Здесь действует следующее правило: если введение контрольной переменной уменьшает связь между двумя ис­ходными переменными, но связь между контрольной пере­менной и каждой из исходных достаточно высока, то конт­рольная переменная выступает либо в качестве интерпре­тирующей, либо в качестве объясняющей. Различие же меж­ду интерпретацией и объяснением состоит в следующем. Интерпретация — способ истолкования факторов, рассматри­ваемых как посредствующие переменные какого-то процесса, причины которого неясны. Объяснение суть истолкование ряда факторов, рассматриваемых в качестве причинных. Чтобы иллюстрировать метод обнаружения интерпре­тирующей и объясняющей связи, рассмотрим другой пример, используя ту же логику рассуждения и те же цифровые дан­ные. Пример 2. Обозначим Пр профессию телезрителей (Пр и Пр2 — это две группы профессий). И+ наличие, И~ отсут­ствие интереса к определенным программам. Для таблицы 11» используя те же данные, что в табл. 10, связь равняется 0,82 по коэффициенту ассоциации Юла (Qnp.K= 0,82). Введем контрольную переменную О — образование. Перестроив таблицы, как в предыдущем случае, найдем, что в производных связь потерялась: при фиксированном уров­не образования не обнаруживается связи между профессией и интересом к передачам определенного типа. Иначе говоря, люди с высшим образованием — инженеры, врачи, учителя — примерно одинаково интересуются передачами данного класса. Рабочие, продавцы магазинов, служащие учреждений, не имеющие высшего образования, также обнаруживают большую схожесть в отношении к телепрограммам этого класса. Как и в предыдущем случае, введение контрольной пе­ременной снизило (или в нашем условном примере свело к нулю) связь между исходными факторами. Однако заключе­ние во втором случае будет отличаться от вывода, который следует из первого примера. В первом примере образование предшествует интересу телезрителей к развлекательным или образовательным программам и потому объясняет связи так: между интере­сом к развлекательным и образовательным программам существует связь сопутствия, ибо, не будучи прямо связанны­ми между собой, обе эти разновидности интересов связаны с третьим фактором — образованием, которое и является при­чинной переменной. Логика объяснений связей между П и Р через О: Во втором примере контрольная переменная (образова­ние) не предшествует, но действует одновременно с одной из основных переменных (профессия). В этом случае она опос­редует связь между основными факторами и уточняет, интер­претирует ее: дело не столько в профессии, сколько в образо­вании. Логика объяснений связей между П и И через О: Пр--- О --- И Пример 3. Возможна ситуация, когда связь между дву­мя исходными переменными после введения контрольной не исчезает и не уменьшается, но она исчезает между одной из исходных переменных и контрольной. Рассмотрим этот вариант на условном примере с телезрителями. А — интерес телезрителей к программам "Что, где, ког­да?"; В — их интерес к программам "В мире животных". Контрольная переменная (О) — образование. Имеем серию из трех типов таблиц: исходная, промежуточная и итоговая. Первичная связь такова.^ Таблица 12Взаимосвязь между интересом телезрителей к двум типам программ А и В В + В - А + 400 600 1000 А - 100 100 200 500 700 1200 Стратегия социологического иследования Между интересом к передачам "Что, где, когда?" и "В мире животных" есть незначительная связь в пользу второй (Q=-0,20). Введем контрольную — образование (Табл. 12, а) Связь усиливается: люди с высоким образованием проявляют больший интерес к передачам "Что, где, ког­да?", люди с низким образованием больше интересуются циклом "В мире животных". Перестроив таблицы, рас­смотрим теперь связи между образованием и интересом к двум типам передач последовательно (табл. 12, б). Оказывается, что связи между образованием и ин­тересом к программам "Что, где, когда?" (фактор А) нет: люди смотрят или не смотрят эти программы неза­висимо от уровня образования. Здесь действуют какие-то иные факторы помимо образования. Правда, есть не­значительная связь между уровнем образования и инте­ресом к передачам "В мире животных" (фактор В). Этот тип анализа можно назвать спецификацией, или уточнением, в отличие от анализа по логике объяс­нения, или интерпретации. Во всех рассмотренных примерах мы имели дело с тремя переменными. Однако их могло бы быть и боль­ше. Логика анализа при этом остается прежней, меняет­ся лишь численность промежуточных членов в порядке анализа вследствие добавления новых контрольных факторов. Аналогична стратегия поиска взаимосвязей между более чем тремя, притом не дихотомическими, а многочленными качественными или количественными переменными. Принципиальное отличие — в технике анализа. Вместо измерения ассоциации двух переменных с помощью критерия Юла или Пирсона устанавливаются многофакторные функциональные связи (корреляции) и связи детерминации (регрессионный анализ). Приемы такого анализа рассматриваются в специальной литера­туре по статистике и математическим методам в социологии [см., напр., 79, 160, 199, 285, 266]. Анализ многомерных взаимосвязей и взаимозависимостей — типичная задача в социологии. Как правило, такие зависимости не удается "схватить" сразу каким-то единственным математическим мето­дом. Прибегают к различным средствам анализа в по­исках наиболее "наглядного", убедительного отображе­ния. Один из способов такого рода — метод отображе­ния взаимосвязей в корреляционном графе, предложен­ный эстонским математиком Л. Выханду [40]. Граф — это фигура, состоящая из точек (их называ­ют вершинами графа) и отрезков, соединяющих некоторые из этих точек (ребра графа). О графе мы уже упо­минали, рассматривая социометрические процедуры. Изображение связей в группе с помощью сопрограммы есть граф (рис. 12, с. 316). В социограмме указываются вершины графа (члены группы) и связи между ними (ребра графа). Бели бы удалось измерить корреляции или тесноту связей между всеми членами группы (вершинами) и со­ответственно этому выделить наиболее близкие и наибо­лее отдаленные связи, такое изображение можно было бы назвать корреляционным графом. Чтобы построить корреляционный граф, измеряют парные связи между всеми переменными, обозначенны­ми на графе как его вершины. Например, имея пять пе­ременных А, В, С, I) и Е, покажем, как связана каждая из них с каждой другой в матрице интеркорреляций (табл. 13).^ Таблица 13Матрица интеркорреляций пяти переменных (А, В, С, D, Е) А В С D Е А 1 0,96 0,90 0,01 0,06 В 0,96 1 0,15 0,85 0,95 С 0,90 0,15 1 0,02 0,14 D 0,01 0,85 0,02 1 0,60 Е 0,00 0,95 0,14 0,60 1 Связи между выделенными переменными можно описать графом, изображенном на рис. 16. Между вершинами Л, В и С существуют взаимосвязи Кл*=0'96» Клс=0>9°; квс=0'15* Связь RBC можно опус­тить, так как она намного слабее ("длиннее"), чем связь С и В через вершину А.^ Рис. 16. Корреляционный граф по методу Выханду.Иными словами, переменная А является для В и С либо объясняющей, либо интерпретирующей (В и С свя­заны как сопутствующие). Иная связь между вершинами В, D и Е. Все они взаимодействуют на уровне R более 0,60. Но каждая из них связана с вершиной С очень слабо (от 0,02 до 0,14, в графе эти связи опущены). В является промежуточ­ной между А, с одной стороны, Е и D — с другой, так как связи ЕсА гораздо слабее, чем их связи с В, которая, в свою очередь, тесно связана с А В корреляционном графе отображаются лишь те связи между вершинами, которые соединяют их крат­чайшим путем (т. е. являются наиболее тесными), и опускаются другие, менее тесные связи. На языке тео­рии графов [22] это означает, что мы разрываем замкну­тые дуги и оставляем только те ребра, которые свя­зывают вершины наиболее тесно. Поиск скрытой (потентной) структуры взаимосвя­зей множества переменных. Эффективная процедура для достижения этой цели — факторный анализ9 [145,148, 151, 210]. Сначала устанавливаются парные9 Приемы факторного анализа были разработаны психологами и первоначально использовались для выявления структуры интеллекта, а затем — для дифференцирования разнообразных психических свойств, корреляции всех изучаемых переменных, а затем отыс­киваются своего рода корреляционные плеяды или "узлы" связей. Иными словами, выделяют такие пере­менные, которые, будучи наиболее тесно взаимосвязаны в рамках своей плеяды, слабо связаны с другими корре­ляционными узлами. Выявленные "узлы" и есть факто­ры. Название фактора всегда условно и подбирается по ассоциации с теми переменными, которые наиболее сильно связаны с данным фактором — имеют наи­большие "факторные нагрузки". Приведем пример (табл. 14) из нашего исследования от­ношения рабочих к труду (1976 г., Ленинград), в котором фак­торному анализу подвергнуты оценки удовлетворенности раз­личными элементами производственной ситуации (более 4 ты­сяч рабочих разного характера труда) [233. С. 146—147]. Из табл. 14 видно, что первый фактор до вращения воб­рал в себя с положительными значениями все изучаемые свя­зи, исчерпав почти четверть их вариации. Это показатель объяснительной "силы" фактора, равной в данном случае 23,4%. Наиболее значимы в данном факторе оценки органи­зации труда (0,707), состояния оборудования (0,609), отноше­ний с администрацией (0,647), техники безопасности (0,653), а наименьшие связи обнаруживают оценки содержательных ас­пектов работы: ее разнообразия (0,213), возможности проявить смекалку (0,272) и т. п. Так как в генеральном факторе все изучаемые признаки взаимосвязаны, его можно назвать факто­ром общей удовлетворенности, в котором лидируют оценки условий труда. Второй фактор, объясняющая сила которого в два раза меньше (12,8%), — биполярный: одни оценки вошли в него с положительными значениями (содержательные аспекты рабо­ты, например разнообразие, возможность проявить смекалку), а другие (условия труда) — с отрицательными. Это указание на то, что имеются две подструктуры связей, которые могут быть прояснены операцией вращения факторов. После вращения четко обозначились две структурные со­ставляющие: 1-й фактор (достаточно информативный — 21,4%) — фактор условий труда, так как в нем с высокими фиксированных специальными тестами. Сегодня факторный анализ прочно вошел в арсенал методов социологических исследований. Таблица 14 Факторная матрица оценок рабочими уровня удовлет­воренности различными элементами производственной ситуации (N=4121) Оцениваемые элементы производственной ситуации Факторные нагрузки до вращения факторов после вращения факторов I II I II 1. Разнообразив работы 0,213 0,610 —0,072 0,642 2. Важность продукции 0,352 0,482 0,109 0,587 3. Возможность проявить смекалку 0,272 0,096 —0,056 0,745 4. Возможности повышения квалификации 0.3SO 0,478 0,118 0,586 5. Физическая нагрузка 0,275 0,070 0,236 0,191 6. Сменность 0,336 0,134 0,245 0,260 7. Состояние оборудования 0,609 —0,302 0,680 —0,009 8. Организация труда 0,707 —0,311 0,771 0,026 9. Ритмичность работы 0,541 —0,249 0,595 0,009 10. Санитарно-гигиенические условия 0,597 —0,267 0,653 0,018 11. Техника безопасности 0,653 —0,189 0,670 0,112 12. Отношения с администрацией 0,647 —0,052 0,60.6 0,233 13. Заработок 0,415 0,019 0.366 0,196 14. Отношения с товарищами по работе 0,410 0,294 0,242 0,443 Общая информативность, "объяснительная сила" фактора (v) 23,4 12,8 21,4 14,8 36 2 36 2 положительными нагрузками присутствуют оценки удовлетво­ренности именно условиями труда, 2-й фактор (14,8%) — фак­тор удовлетворенности содержательными аспектами работы. При этом в рамках отношения к содержанию труда лидирует творческий аспект — возможность проявить смекалку (0,745), отношение к разнообразию работы (0,642), удовлетворенность тем, насколько важна выпускаемая продукция (0,587), каковы возможности повышения квалификации (0,586). Во втором факторе особо важны организация труда, состояние оборудова­ния, санитарно-гигиенические условия, ритмичность работы и некоторые другие (все с весами около 0,6). Далее на основе обнаружения этих двух структур начнем разукрупнять факторную модель на более дроб­ные составляющие, каждому обследованному могут быть приписаны оценки по двум интегральным показате­лям (двум факторам): удовлетворенности условиями и содержанием труда. Таким образом, будут получены два обобщенных показателя на каждого обследуемого вместо 14 исходных. Обратим внимание на то, что те же самые признаки, которые входят в первый фактор с одинаковыми по зна­ку весами, во второй фактор вошли с противоположны­ми по знаку. Иными словами, это значит, что, судя по первому фактору, чем выше удовлетворенность условия­ми труда, тем выше удовлетворенность его содержанием, судя же по второму фактору — ситуация иная: с рос­том удовлетворенности одним из этих аспектов удовлетворенность другим снижается. Такой результат совсем не случаен. В цикле специальных исследований В. С. Магун показал, что подобный дуализм типичен для взаимосвязей между разными парами социологи­ческих и социально-психологических переменных, на­пример, между продуктивностью работника и его удовлетворенностью своим трудом. Но, кроме того, было убедительно продемонстрировано, что в подобных ре­зультатах нет противоречия, ибо разные типы взаимо­связей характерны для разных подвыборок внутри рассматриваемого массива, и подвыборки эти могут быть выделены на основе полученных факторов [147; 148].1010 См. также использование факторного анализа при исследования социальной идентификации личности [308], изучение латентной структуры страхов и тревог граждан России в 1996 г. [309].^ 4. СОЦИАЛЬНЫЙ ЭКСПЕРИМЕНТ КАК МЕТОД ПРОВЕРКИ НАУЧНОЙ ГИПОТЕЗЫ Социальный эксперимент выполняет две основные функции: достижение эффекта в практически-преобра­зовательной деятельности и проверка научной гипоте­зы. В последнем случае процедура экспериментирова­ния целиком сосредоточена на познавательном резуль­тате. Эксперимент выступает в качестве самого силь­ного способа проверки объяснительной гипотезы. В пер­вом же случае эксперимент нацелен на получение прак­тического эффекта управления некоторыми процессами. Познавательные результаты представляют здесь побоч­ный продукт управленческого эффекта. Экспериментальный поиск эффективных приемов управления опасно смешивать с тем, что мы обычно на­зываем передовым опытом. Нововведения вообще не относятся к сфере научного экспериментирования, а к области практического применения нововведений. Здесь возникают многообразные социально-экономические, по­литические, социально-психологические, организаци­онно-хозяйственные проблемы, часто далекие от логики осуществления эксперимента с научно-познавательными целями.1111 О проблемах социального эксперимента см. [66,132, 133,228]; логика и процедуры социального эксперимента описаны также в рабо­тах; [60, 134, 181]. Наиболее обстоятельно методология эксперимента в социологическом исследовании рассматривается в последней публи­кации Г. С. Батыгина [12. Гл.VI].В дальнейшем мы будем иметь в виду только науч­но-познавательную сторону социального эксперимента как средства или метода проверки гипотез.^ Логика экспериментального анализа была пред. ложена Дж. Стюартом Миллем еще в XIX в. По так называемому правилу согласия Милля устанавливают связь между двумя (или больше) рядами событий, кото­рые рассматриваются как гипотетические причины, и, с другой стороны, событием как возможным следствием причинных факторов. Если в одном ряду фиксируются события А, В, ^ С, D и как следствие — Р, а в другом ряду М, С, KtL и как след­ствие — снова Р, то причиной события Р является, види­мо, С. Все остальные встречаются в одном ряду, но не встречаются в другом. Правило различия Милля ис­пользуется для проверки гипотезы в обратном порядке: "не-С" должно повлечь за собой событие "не-Р", что ло­гически очевидно. Рассмотрим это на примере. Гипотеза "Сокращение числа кинопосещений на каждую 1000 жителей Петербурга за последние годы (Р)" может объясняться: At — распространением теле­видения (Са); Л2 — снижением художественных досто­инств фильмов (С2); ha — ростом запросов ки­нозрителей (С8); А4 — расширением строительства жи­лищ по периферии города, где недостаточно кинотеатров (NJ... Каковы операции по проверке гипотезы й:? (а) Возможно, что Р имеет место (число кинопосеще­ний падает), но С^ отсутствует (не растет число владель­цев телевизоров). Тогда по методу согласия Милля гипо­теза отвергается. (б) Ct имеет место (растет число владельцев телеви­зоров), а Р иногда имеет место (в некоторые годы сокра­щается число кинопосещений), иногда не имеет (в дру­гие годы не уменьшается число кинопосещений). Тогда по методу различия следует, что С, не может быть при­чиной Р. Гипотеза отвергается. (в) Р имеет разные вариации (растет или сокращает­ся число кинопосещений), но они не согласуются с вариациями С1 (число владельцев телевизоров тоже колеб­лется, но не ассоциируется с колебаниями Р). Гипоте­за отвергается. (г) Р имеет место, и С1 имеет место (сокращается число кинопосещений, и растет число телевладель­цев). Гипотеза принимается, но возникают следующие сомнения: возможно, здесь — сопутствующие измене­ния, т. е. какая-то третья переменная ведет к росту численности телевладельцев и вместе с тем — к паде­нию числа кинопосещений. Например, расширение рынка видеоаппаратуры и видеофильмов для домаш­него просмотра (Л5). Таким образом, гипотеза Л1 не является альтерна­тивой гипотезы А4, так как последняя объясняет со­бытия более полно. Проверяем гипотезу Л4. Согласно ей, ожидаем, что процент владельцев телевизоров в новых районах го­рода выше, чем в центральных, и одновременно чис­ленность кинотеатров в новых районах в пропорции к числу жителей меньше, чем в центральных. Если по той же логике, что и в случае с гипотезой hlf гипотеза А4 подтверждается, остаются непроверенными другие объяснения, изложенные в гипотезах Л2, А3, .... Л5. Такова общая логика экспериментального анали­за. Она реализуется в натурном и мысленном экс