Keywords: logical models; quantitatively predictive models; misuse of statistics; nonlinear relationships; connections among connections.

От редакции. Одним из ярчайших событий XXIV Всемирного конгресса политической науки, который состоялся в Познани в июле 2016 г., стала лекция Рейна Таагеперы, прочитанная по случаю присуждения ему премии имени Карла Дойча. Данная премия присуждается ученым, внесшим выдающийся вклад в междисциплинарные исследования. Достижения Таагеперы в этом отношении бесспорны. По образованию он физик и немало сделал в этой научной сфере. Однако он также всемирно известный политолог – чего только стоят его работы по моделированию политических институтов и процессов! В наши дни каждый политолог еще на студенческой скамье непременно осваивает такой созданный им аналитический инструмент, как эффективное число партий.

В 1991 г. Рейн Таагепера создал школу, а затем факультет социальных наук в Тартуском университете. Таагепера известен как этнолог и историк, а также как общественный деятель и политик. Он был членом Конституционной ассамблеи Эстонии, баллотировался в президенты страны в 1992 г., заняв третье место с 23% голосов. Рейн Таагепера создал и возглавлял левоцентристскую партию «Республика». Ее он покинул после того, как партия «сдвинулась вправо».

Текст лекции Таагеперы не распространялся на конгрессе в Познани, однако российские участники конгресса смогли сделать подробные заметки, которые они затем сверили с текстом, опубликованным Таагеперой в журнале «International political science review» 3 . Этот объединенный материал мы представляем вниманию читателей, поскольку он имеет прямое отношение к теме нынешнего номера – будущему политической науки.

Мой жизненный путь определили две мечты. Одна заключалась в том, чтобы моя родная Эстония стала независимой. Другая связана со стремлением сделать социальные исследования в полном смысле научными. Моя первая мечта осуществлена, а вот на втором поприще я потерпел неудачу. Сегодня социальные науки все еще не в состоянии создавать надежное знание, отвечающее критериям научности. Мне возразят, что за последние годы сделано немало, публикации наших коллег полны математических формул. Вы ведь сами задавали этому тон, скажут мне. Результат налицо. Не совсем. Дело не в формулах и не в использовании математики. Дело в том, чтобы стать настоящей наукой. В чем особенность настоящей науки? Она шагает на двух ногах. Шаг одной заключается в вопросе: «Каково положение дел?». Для ответа необходимы наблюдение, измерение, наглядное отображение и статистическое описание. Шаг другой состоит в вопросе: «Как должны обстоять дела на основании логики?» Этот шаг ведет к созданию логических моделей, которые могут стать количественно предсказательными. Наука большей частью состоит из таких моделей, проверяемых на данных. Развитая наука устанавливает связи не только между индивидуальными факторами, но и связи между этими связями.

Затем мы снова шагаем первой ногой, обращаемся к положению дел, проверяем логические модели, обращаясь к новым фактам и данным. Однако после этого вновь шагаем второй ногой, создавая новые логические модели. Что же происходит в социальных науках? Тут проявляется идущая от лени склонность подгонять исходные данные под прямую линию или какую‐то модную схему, не отдавая себе отчета в необходимости думать и строить модели на основе логики, как настаивает на том Карл Дойч. В своей книге 2008 г. «Чтобы социальные науки стали более научными» (Making Social Sciences More Scientific) и в сочинении «Логические модели и основы вычислений в социальных науках» [Taagepera, 2015] я призываю к значимому расширению в методологии социальных наук. Речь идет не просто об использовании математики и вычислений, а об уместном их исполоьзовании и об уместном их соединении с логикой и другими нашими исследовательскими возможностями.

Получение премии Карла Дойча от Международной ассоциации политической науки – огромная и неожиданная честь для меня. Я познакомился с работами Карла Дойча, как раз когда мои интересы начали смещаться от физики в сторону социальных наук. Всё началось с работы Дойча «Национализм и его альтернативы» [Deutsch, 1969], но особое воздействие на меня оказала статья Манфреда Кохена и Карла Дойча «К рациональному исследованию децентрализации» [Kochen, Deutsch, 1969]. Это был ранний пример того, что я называю количественными логическими моделями. Я еще вернусь к этим моделям.

Следуя примеру Дойча, я обратился к изучению некоторых взаимосвязей, которые можно считать своего рода законами человеческой активности. Однако мой подход, который я принес с собой из физики, не был подхвачен коллегами, а скорее вызвал сопротивление. Вот почему премия Карла Дойча – приятный сюрприз для меня. Она означает, что я могу еще активнее заняться реализацией своей второй мечты – превращением социальных исследований в настоящую науку. Не внедрять математический аппарат, как порой превратно полагают, а продвигать логические модели. Но сначала немного слов о том, как я обратился к социальным исследованиям.

Однажды, когда мне было одиннадцать лет и я пас коров во время Второй мировой войны, мне подумалось вот что. Представьте, что сто солдат противостоят пятидесяти солдатам в открытом поле. Кто угодно может застрелить кого угодно из противоположного лагеря. Предположим, что их орудия и навыки равны. Сколько из 100 останется в живых, после того как 50 других будут уничтожены? Я подозревал, что потери превосходящей силы будут довольно малы. Я проделал некоторые расчеты в уме, но они оказались слишком сложными, а у меня с собой не было бумаги. Поэтому мне пришлось сдаться. Однако это означало, что в глубине души у меня созрело стремление использовать количественные логические модели для анализа социальных проблем.

Много позже я вспомнил эту задачу. Я быстро составил систему двух дифференциальных уравнений и решил их. Результат – целых 87 из 100 выживут. И что же, опубликовал ли я этот результат? Нет, не тут‐то было. Некий Ланчестер уже разработал эти уравнения в 1916 г., т.е. задолго до моего рождения [Lanchester, 1956].

Подобно Карлу Дойчу, мы с семьей бежали от тоталитарного режима в Восточной Европе. В конце концов я оказался в Северной Америке. По дороге я окончил среднюю школу в городе Марракеше (Марокко). Степень бакалавра ядерной физики я получил в Университете Торонто, а степень доктора физических наук – в Университете Делавера. Я публиковался в области ядерной физики и физики твердых тел [Taagepera, Nurmia, 1961; Taagepera, Storey, McNeill, 1961; Taagepera, Williams, 1966], но больше работал с текстильными волокнами в промышленной лаборатории (Pioneering Laboratory, DuPont de Nemours Experimental Station). Однако меня по-прежнему волновало то, что случилось с моей семьей и моей страной в ходе коллизий мировой политики. Поэтому я стал посещать вечерние курсы по политологии и в конце концов получил степень магистра международных отношений.

Во время обучения я обратил внимание на так называемый кубический закон выборов в англосаксонских странах. Это отношение применимо к двум основным партиям в выборах по мажоритарной системе относительного большинства с одномандатными округами. Оно отражает тот факт, что большая партия имеет изрядный бонус – ее доля мест больше, чем доля голосов. Но насколько больше? Просто сказать «больше голосов, больше мест» – это примитивная наука. Направления изменения недостаточно. Чтобы считаться наукой, мы должны делать взаимосвязи количественными. Это означает, что мы должны задаться вопросом о том, насколько большую долю мест получит партия с заданной долей голосов.

Кубический закон выборов это и делает. Он соединяет отношение мест двух партий, А и В, и отношение их голосов. Отношение мест примерно равно кубу отношения голосов S_A/S_B=(V_A/V_B)³. Например, если проценты голосов близки к 60:40, то так называемый кубический закон говорит, что проценты мест будут различаться как 77:23.