Уточнение причин
Для объяснения практически любой корреляции может быть привлечено множество различных причин. Можем ли мы вообще быть уверены, что охватили их все? Конечно же, нет. Мы не смогли бы удовлетворительно провести или интерпретировать результаты даже самой малой части социологического исследования, если бы пришлось проверять возможность влияния любого фактора, который мы могли бы счесть относящимся к данному случаю. Определение причинных связей обычно направляется предыдущими исследованиями в данной области. Если у нас заранее нет удовлетворительного представления о вероятных причинных механизмах некоторой корреляции, то обнаружить реальные причинные связи будет очень непросто. Мы не будем знать, что нужно проверять.
Ярким примером проблем, связанных с поисками верной оценки причинных отношений, имеющих место в данной корреляции, является длительная история исследований на тему курения и рака легких. Исследования постоянно показывали сильную корреляцию этой пары переменных. У курильщиков больший шанс заработать рак легких, чем у некурящих, у заядлых курильщиков больший, чем у умеренных. Данную корреляцию можно представить и в обратном направлении. Так, среди больных раком легких высока доля тех, кто является курильщиком, или длительное время был им. Исследований, подтверждающих данную корреляцию, так много, что обязательное присутствие причинной связи в этом случае общепризнанно. Тем не менее, точные причинные механизмы до сих пор остаются неизвестными.
Однако сколько бы ни рассматривались корреляции в исследовании данного вопроса, всегда остаются сомнения по поводу наличия причинных связей, поскольку всегда возможны различные интерпретации корреляции. Например, выдвигалось предположение, что люди, предрасположенные к заболеванию раком легких, предрасположены также и к курению. С этой точки зрения не рак легких обуславливается курением, а курение и рак легких возникают вследствие предрасположенности, которая определяется биологической конституцией индивидов.
Методы исследований
Полевая работа
В социологии используется множество различных методов. При включенном наблюдении или полевой работе (эти два термина могут использоваться эквивалентно) исследователь живет вместе с группой или сообществом, которые он изучает, принимая непосредственное участие в их деятельности. Примером полевой работы является знаменитое исследование Ирвинга Гоффмана, посвященное изучению поведения людей в сумасшедшем доме[556]. Гоффман провел несколько месяцев в клинике для душевнобольных, работая помощником санитара. Один или два человека из персонала знали, что он социолог, но больным это не было известно. Поэтому Гоффман мог легко и непринужденно общаться с ними, и контактировал даже с тяжелыми больными, содержавшимися в закрытых палатах. Таким образом, у него была возможность составить детальную картину жизни этой организации, а также наклонностей и взглядов тех, кто в ней жил и работал. Исследовательскими материалами были ежедневные записи о жизни палат, а также сообщения о беседах и контактах с пациентами и персоналом.
Он обнаружил, например, что в закрытых палатах, где многие больные противились обычным способам социального общения, дежурные имели в своем распоряжении одного-двух “работающих больных” из других палат, помогавших им. Работающие больные в награду за свои усилия обычно имели ряд поблажек. Такая практика не была официально признана администрацией больницы, однако фактически она имела существенное значение для нормальной работы организации. Примером такого рода может быть фрагмент полевых заметок Гоффмана, посвященный повседневным событиям:
Ем с приятелем-пациентом в одном из кафетериев для больных. Он говорит: “Еда здесь хорошая, но я не люблю консервированного лосося”. Затем извиняется, бросает тарелку с едой в мусорный бачок и идет к раздаточной секции диетпитания, откуда возвращается с яичницей, заговорщицки улыбается и говорит: “Мы играем в пул с парнем, который смотрит за этими бачками”.
Гоффману удалось увидеть больницу с точки зрения пациента, а не через призму медицинских категорий, применяемых в подобных случаях психиатрами. “Мое глубокое убеждение, — писал он, — состоит в том, что любая группа людей, первобытных, пилотов авиалайнеров или пациентов клиники, живет своей собственной жизнью, которая оказывается наполненной смыслом, разумной и нормальной, когда вы с нею знакомитесь близко”. Работа Гоффмана показывает, что кажущееся “безумным” для стороннего наблюдателя оказывается не столь бессмысленным в условиях больницы. Психиатрические лечебницы предполагают такие формы дисциплины, одежды и поведения, при которых их обитатели практически не могут вести себя так, как ведут себя люди в обычном мире. Когда пациенты попадают в клинику, их личные вещи чаще всего отбирают, их самих раздевают, моют, дезинфицируют и облачают в больничную одежду. Отныне вся их жизнь протекает на глазах персонала, возможности уединения практически не существует, и персонал часто обращается с пациентами как с маленькими детьми. Как следствие, они начинают вести себя странным для постороннего взгляда образом, однако оправданным как попытка приспособиться к непривычным требованиям своего окружения.
Статистические термины
В социологическом исследовании при анализе данных часто используют статистические методики. Некоторые из них чрезвычайно оригинальны и сложны, но те, которые используют наиболее часто, просты для понимания. Чаще всего применяются меры главной или основной тенденции (способы подсчета средних величин) и коэффициенты корреляции (измерение степени связи одной переменной с другой).
Существует три метода подсчета средних величин, каждый из которых имеет свои преимущества и недостатки. В качестве рабочего примера возьмем уровень личного богатства (включая все виды благ, такие, как дома, автомобили, банковские счета и капиталовложения) тринадцати индивидов. Предположим, что эти тринадцать человек владеют следующим объемом благ:
1. £0
2. £5000
3. £10000
4. £20000
5. £40000
6. £40000
7. £40000
8. £80000
9. £100000
10. £150000
11. £200000
12. £400000
13. £10000000
Среднее здесь соответствует усреднению в его обычном понимании, и получается сложением вместе личного богатства всех тринадцати человек и делением результата на их общее число, то есть на 13. Итоговая сумма будет £11085000, разделив это на тринадцать, получаем значение, равное £852692. Среднее часто полезно потому, что оно основывается на использовании всего объема имеющихся данных. Тем не менее, эта операция может ввести в заблуждение там, где один или небольшая часть случаев очень сильно отличаются от большинства. В приведенном примере среднее значение фактически не будет мерой главной тенденции, поскольку присутствие одной очень большой величины £10000000 искажает все остальное. Может сложиться впечатление, что большинство этих людей владеет гораздо большим объемом благ, чем на самом деле.
В таких случаях может быть использована одна из оставшихся мер. Мода — значение, встречающееся в наборе данных наиболее часто. В примере, приведенном здесь, это £40000. Проблема с модой заключается в том, что этот метод не учитывает общее распределение данных, т. е. весь диапазон величин. Наиболее часто встречающийся случай не обязательно будет представительным для распределения в целом, и поэтому в качестве “средней величины” не очень полезен. В нашем случае £40000 не дают точного представления об основной тенденции, поскольку эта сумма располагается слишком близко к нижнему уровню приведенных значений.
Третьей мерой является медиана — значение, находящееся в середине набора. В примере, приведенном здесь, это седьмое значение — £40000.
В нашем примере дано нечетное количество значений. Если бы оно было четным, например, двенадцать вместо тринадцати то медиана исчислялась бы средним двух чисел, находящихся в середине — шестого и седьмого. Как и мода, медиана не дает представления о реальном диапазоне полученных данных.
Чтобы не дать ошибочной картины среднего, исследователь может использовать не только меру главной тенденции. Чаще всего вычисляется стандартное отклонение для набора данных. Это способ подсчета степени разброса, или диапазона, для набора значений, который в этом случае лежит между £0 и £10 000 000.
Коэффициенты корреляций предлагают полезный способ выражения того, как связаны друг с другом две (или больше) переменных. Если две переменные полностью коррелируют, мы можем говорить о полной положительной корреляции, выражаемой коэффициентом 1. Там, где связи между двумя переменными не обнаружено (они могут быть вовсе не связаны), коэффициент будет нулевым. Абсолютная отрицательная корреляция, выражаемая как -1, существует там, где две переменные находятся в точном обратном отношении друг к другу. В общественных науках абсолютные корреляции никогда не обнаруживаются. Корреляции порядка 0,6 и более, будь то положительные или отрицательные, обычно являются индикатором сильной связи между любыми анализируемыми переменными. Положительные корреляции такого уровня можно, например, обнаружить между классовым происхождением и поведением на выборах. Чем выше англичанин располагается по социально-экономической шкале, тем вероятнее он предпочтет консерваторов лейбористам.
