143557 (Массовые опросы в социологии), страница 4

Х₁

Х₂

Х₃

Х₄

е₁

е₂

е₃

е₄

Рис. 2. Модель измерения латентной переменной с четырьмя индикаторами

Для ошибок в этой модели предполагается, что они не скоррелированы друг с другом (cov (e_i e_j) = 0) и с истинным значением X, а их средняя равна 0. В модели, представленной на рис. 3, все индикаторы — это так называемые эффект-индикаторы, все они находятся под влиянием X, и сила связей a, b, с, d соответствует «силе» этого влияния.

Модели измерения с латентной переменной и эффект-индикаторами очень популярны в социальных науках. Причина этой популярности в нашей склонности объяснять явные поступки людей, в частности, ответы на вопросы анкеты или выполнение тестовых заданий, неким внутренним свойством, качеством, навыком или предрасположенностью. Латентная переменная может быть, например, интеллектом, измеряемым с помощью индикаторов-тестов. Другой пример: мы можем полагать, что участие в выборах и ежедневное чтение политических новостей в газете — это индикаторы латентной «политической активности» или «вовлеченности в политику».

Однако использование эффект-индикаторов — это не единственная возможность. Например, мы можем использовать такие индикаторы, как потеря работы, развод, болезнь для измерения латентной переменной «жизненный стресс». В этом случае мине предполагаем, что латентная переменная является причиной своих индикаторов, скорее травмирующие жизненные события могут быть причиной стресса. Если мы имеем дело с какой-то из распространенных моделей социально-экономического статуса, в ней тоже будут присутствовать не эффект-индикаторы, а причинные (или формативные) индикаторы, т. е. индикаторы, значения которых детерминируют, определяют значение латентной переменной. На рис. 3 изображена элементарная модель латентной переменной с причинными индикаторами (Y_l — Y₄ — это индикаторы, Y— латентная переменная).

Если Y — это социально-экономический статус (СЭС), то Y_l — Y₄ могут представлять собой доход, образование, престиж профессии данного человека и «качество» его жилья (стоимость, престижность района и т.п.).

Y_l

Y₂

Y₃

Y₄

Рис. 3. Модель измерения с латентной переменной и причинными индикаторами

Ясно, что скорее доход является причиной СЭС, чем наоборот. Несмотря на кажущееся сходство моделей измерения, изображенных на рисунках 3 и 4, их «поведение» на стадии анализа будет очень разным. Разными могут оказаться и методы оценки качества индикаторов для этих моделей. Даже без специального анализа можно сказать, что в модели с эффект-индикаторами (рис. 3) всякий «хороший» индикатор должен чутко реагировать на рост или убывание латентной переменной и изменяться «в согласии» с остальными. В модели, изображенной на рис. 4, дело обстоит не так просто: если, скажем, возрастет доход — возрастет и статус, но образование или профессиональный престиж вполне могут не измениться, остаться на прежнем уровне. Другое очевидное отличие связано собственно с отбором индикаторов: для модели на рисунке 3 любой «хороший» эффект-индикатор может заменить любой другой, и их общее число вполне можно сократить: скажем, высокие результаты выполнения одного «хорошего» теста интеллекта будут достаточно надежно предсказывать результаты бесчисленного множества других тестов. Если же мы попытаемся убрать какой-то причинный, формативный индикатор, то изменится не только объем нашей анкеты — изменится сама латентная переменная, которую эти индикаторы собственно и составляют: так, стоит «убрать» доход из числа индикаторов СЭС, как мы уже будем изучать что-то вроде социального, но уж никак не экономического статуса. Приведенные примеры позволяют понять, почему так важно явно задать модель измерения, связывающую индикаторы, которые мы собираемся отобрать, с теоретическими понятиями.

Многие реальные модели измерения еще сложнее только что описанных. Индикаторы могут быть скоррелированы между собой и, что хуже, с ошибками измерения, в число индикаторов могут одновременно входить и эффект-индикаторы, и индикаторы-причины. Часто разработка модели измерения ведет к радикальному прояснению теоретических гипотез и понятий, которые на предыдущих стадиях исследования носили чрезмерно абстрактный и общий характер. Так, социолог, стремящийся найти индикаторы, скажем, «межэтнической напряженности», попытается по меньшей мере разделить «причины» и «эффекты» среди таких показателей напряженности, как поселенческая сегрегация (склонность представителей этнических групп к компактному и раздельному поселению) отсутствие семейных и дружеских связей с представителями «чужого» этноса, число столкновений и вооруженных конфликтов, недоброжелательное освещение «чужаков» в местной прессе и т. п. В ходе такой работы он наверняка сделает более ясными и отчетливо сформулированными свои представления о механизмах возникновения межэтнической напряженности и ее последствиях.

В целом при поиске и отборе индикаторов полезно руководствоваться некоторыми общепринятыми правилами:

I. Используйте индикаторы, применявшиеся в более ранних исследованиях. Существует множество устоявшихся и проверенных индексов (т. е. суммарных показателей) и шкал, свойства которых достаточно известны. При возможности проверьте, насколько хорошо «работают» эти показатели в вашем случае, проведя небольшое разведочное (пилотажное) исследование. Сориентироваться в многообразии существующих показателей и шкал помогают соответствующие справочные издания и тематические обзоры.

2. Если общепринятого способа измерения для какого-то понятия не существует, попытайтесь разработать множество индикаторов для различных определений понятия и проверьте, как различия индикаторов будут влиять на различия в интерпретации результатов. Имея дело с многомерным понятием, стоит подумать, какие именно измерения, аспекты понятия существенны в рамках вашей исследовательской гипотезы.

3. Обычно установки и мнения имеют более сложную структуру и требуют использования большего количества индикаторов, чем, например, поведенческие события. Конечно, решающее слово в определении количества индикаторов (количества вопросов в анкете) принадлежит практическим соображениям. Пилотажные исследования, интервьюирование «фокусных» групп могут оказаться полезными в отборе индикаторов и исключении лишних вопросов. Они также важны для оценки надежности и валидности показателей.

Прежде чем перейти к практическим проблемам конструирования вопросов для анкет и интервью, мы коротко рассмотрим уровни измерения, так как общее представление об уровнях измерения понадобится нам при обсуждении логики построения вопросов и ответов и использования шкал.

4 Уровни измерения

Существует несколько концепций измерения, по-разному определяющих, что может быть названо операцией измерения. В гуманитарных науках — и социология не является исключением — наибольшее влияние имеет репрезентационная концепция измерения, впервые детально обоснованная психофизиком С. С. Стивенсом. В этой концепции всякая операция измерения в конечном счете определяется как приписывание чисел вещам (свойствам, событиям) в соответствии с определенными правилами, так что отношения между числами отражают (или представляют, репрезентируют) отношения между вещами. Таким образом, измерение представляет определенные свойства в виде чисел, поддающихся суммированию, сравнению и т. п. Однако наша возможность измерить какие-то эмпирически наблюдаемые свойства, представить отношения между вещами в виде чисел редко носит абсолютный характер. О некоторых эмпирических свойствах мы можем сказать, что они выражены «больше» или «меньше» для каждого конкретного наблюдения, но не можем указать случаи, когда это свойство абсолютно отсутствует: так, даже если испытуемый не решил ни одной задачи, мы едва ли осмелимся утверждать, что он полностью лишен «интеллекта». Иногда наша способность измерять ограничена лишь возможностью отнести какую-то вещь (наблюдение) к определенному классу, причем между разными классами нельзя задать отношение порядка (больше — меньше). Иными словами, при измерении отношения между числами как-то зависят от отношений между вещами, и, следовательно, существуют ограничения для возможных преобразований чисел: игнорируя эти ограничения, мы теряем право утверждать, что наши числа что-то представляют, репрезентируют. Правила приписывания чисел вещам, используемые нами в каждом конкретном случае, воплощают в себе эти ограничения и определяют достигнутый уровень измерения (номинальный, порядковый, интервальный, абсолютный).

Номинальные измерения.

Номинальным измерением называют процесс отнесения объектов в классы. Все, что мы можем сказать об объектах, сгруппированных в один класс, — это то, что они идентичны в отношении некоторого свойства или признака, т. е. фактическое отношение между объектами — это отношение тождества (или различия). Для обозначения полученных классов могут использоваться и названия свойств, и числовые символы. Скажем, мы можем обозначать символом «0» мужчин, а символом «1» — женщин. Однако нельзя сказать, что признак «является мужчиной» в каком-то отношении меньше признака «является женщиной», или что «сумма одного мужчины и одной женщины равна единице». Хотя номинальные измерения довольно примитивны, они отнюдь не бесполезны, в чем мы убедимся при обсуждении методов анализа данных. Другими примерами номинального измерения могут служить национальность или место жительства.

Порядковые измерения

Измерение на порядковом (ординальном) уровне предполагает, что мы способны упорядочить объекты по степени выраженности свойства или признака, т. е. определить для них отношение «больше-меньше». Например, мы можем говорить о низком, среднем или высоком социальном статусе или низкой, умеренной или высокой коммуникабельности. Однако в случае порядкового измерения мы не можем определить точно, насколько велико расстояние между соседними категориями. Иными словами, мы не можем утверждать, что человек, получивший оценку «3» по шкале популярности, в три раза более популярен, чем получивший оценку «1», или что расстояние между категориями «48» и «45» по порядковой (ординальной) шкале равно расстоянию между категориями «22» и «19». Иными словами, ординальное измерение задает отношение порядка между категориями какого-то свойства, но не позволяет говорить о том, «на сколько» или «во сколько раз» одна категория больше другой, т. е. ни точка отсчета (абсолютный ноль), ни единица измерения здесь не могут быть определены.

Интервальный уровень измерения

Об интервальном уровне измерения можно говорить тогда, когда мы способны не только определить количество интересующего нас свойства в эмпирических наблюдениях, но также определить равные расстояния между категориями, т. е. ввести единицу измерения. Соответственно числовое приписывание становится здесь менее произвольным: объекту (наблюдению) присваивается число, соответствующее количеству измеряемого свойства, т. е. мы можем установить отношения равенства уже не между самими объектами, а между интервалами числовой шкалы: равные разности чисел соответствуют равным разностям значений измеряемого свойства или признака. Классический пример интервального измерения в физических науках — это измерение температуры по шкале Цельсия (или Фаренгейта). Единицы измерения — градусы — равны, однако «0» — это произвольная точка. При 0°С вода замерзает, однако свойство «иметь температуру» отнюдь не исчезает. Если нулевая точка неабсолютна, то бессмысленно утверждать, что 30°С предполагают в три раза больше свойства «температура», чем 10°С.

Шкала температуры Кельвина, как известно, начинается с абсолютного нуля, и этот абсолютный нуль имеет определенный физический смысл (вспомните термодинамику), так что можно даже сказать, что здесь «температура кончается». Шкала Кельвина — это шкала отношений. То же можно сказать и о физическом измерении расстояний, в частности, об измерении роста. Человек, имеющий рост в 2 метра, в два раза выше ребенка, чей рост 1 метр. Возраст человека, доход — другие примеры шкалы отношений.

Зачем учитывать уровень измерения?

Во-первых, отметим, что наше изложение существующих представлений об уровнях измерения — пусть оно и было далеко не полным, позволило заметить, что хотя приписывание чисел объектам возможно практически всегда, далеко не все операции над полученными числами будут иметь какой-то смысл. Соответственно далеко не все методы группировки и статистического анализа данных уместны для номинального или, скажем, интервального уровня измерения (с ними социологам чаще всего приходится иметь дело). Существуют различные техники анализа для разных уровней измерения переменных. Специальные методы построения социологических шкал, о которых будет говориться далее, также основаны на определенных представлениях о метрике переменных, т.е. об уровне их измерения. Все эти соображения должны быть приняты во внимание и при конструировании инструмента сбора данных, например, вопросника. Если мы хотим анализировать переменную «образование» по крайней мере на интервальном уровне, нам, вероятно, лучше использовать показатель «количество лет, затраченных на получение образования» и включить в анкету соответствующие вопросы. Однако если наша цель всего лишь показать, что лица с высшим образованием или ученой степенью чаще выписывают научно-популярные журналы, достаточно будет использовать привычные «ординальные» категории неполное среднее, среднее, высшее и т.п. (кстати, при анализе они, возможно, будут рассматриваться как номинальные).

Важно помнить, что каждая переменная может быть измерена на разных уровнях. Выбор определяется практическими соображениями, требованиями к качеству измерения (как правило, существует обратная зависимость между уровнем и качеством измерения, о чем еще будет говориться дальше), предполагаемой стратегией анализа данных. Практически всегда данные, позволяющие получить высокий уровень измерения, могут быть перегруппированы так, что уровень измерения станет ниже (обратное утверждение, к сожалению, неверно). Например, при анализе мы можем разбить наших респондентов на три возрастные категории, хотя в опросе использовали семь. Важно, однако, и то обстоятельство, что исследователь, использующий наши данные для вторичного или сравнительного анализа (возможно, мы и сами захотим к ним вернуться) сможет пользоваться «сырыми» более дробными категориями.

5 Общие правила конструирования опросников

Исследователь может использовать различные техники сбора данных: наблюдение, контент-анализ, анкетный опрос, интервьюирование и т. п. Самой распространенной техникой все же является опрос. Используемые в ходе опроса анкеты могут заполняться самими респондентами или специально обученными интервьюерами. В любом случае каждый из респондентов отвечает на фиксированные вопросы.

Используя стандартный инструмент сбора данных — анкету, опросный лист, социолог получает те сведения, которые позволяют заполнить матрицу данных «респонденты х переменные». Те пропуски в данных, которые возникли из-за неясности вопросов, неопределенной интерпретации ответов или нежелания людей отвечать на предложенный вопрос, обычно нельзя восстановить, вернувшись домой к респонденту. Поэтому так важно продумать заранее, какие вопросы следует задать.

Решающим соображением в выборе вопросов, которые будут заданы респонденту, является осуществленный исследователем выбор индикаторов теоретических понятий (см. выше): например, изучая влияние успехов в учебе на коммуникабельность студентов, мы задаем конкретные вопросы об экзаменационных оценках, числе друзей среди сокурсников, участии в самодеятельности, посещении студенческого бара и т. п. Если наше исследование является скорее объяснительным, чем сугубо описательным, полезно представить себе схематически ту теоретическую модель, которую мы намерены проверить, снабдив каждый теоретический конструкт «его» индикаторами.

Рассмотрим это на примере. Предположим, наша теоретическая модель сводится к простой гипотезе: люди, подвергавшиеся преступным посягательствам или бывшие свидетелями преступлений, т. е. имеющие «опыт жертвы», в большей степени поддерживают применение высшей меры наказания. Схематически наша гипотеза представлена на рис. 4.