2. Количественный анализ

Количественные (статистические) методы анализа широко применяются в научных исследованиях вооб­ще и в социальных науках в частности. Современная экономика базируется на использовании математиче­ских моделей процессов производства, обмена и по­требления товаров. Социологи прибегают к статисти­ческим методам для обработки результатов массовых опросов общественного мнения. Психологи применя­ют аппарат математической статистики для создания надежных диагностических инструментов — тестов. Математика является мощным инструментом анализа эмпирических данных и построения научной теории. Хотя применение математических методов в социаль­ных науках имеет некоторые особенности по сравне­нию с точными науками, общие принципы носят уни­версальный характер.

То обстоятельство, что применение количествен­ных методов анализа предполагает знакомство с мате­матикой, оказывается существенным препятствием на пути более широкого проникновения статистических методов в сферу социальных исследований. И дело тут не столько в особой сложности самих этих методов, сколько в традиционных установках специалистов гу­манитарной сферы: они просто боятся математики, которая у них ассоциируется с непонятными формула­ми и кропотливыми вычислениями. Действительно, еще сравнительно недавно использование статистики предполагало изучение всех этапов вычислительной процедуры. При ручном вычислении неизбежно воз­никали ошибки, для исключения которых приходи­лось проводить всю процедуру как минимум дважды. Сейчас, в связи с распространением компьютеров, эти трудности в значительной степени устраняются. Даже самые сложные вычисления производятся быстро и с максимальной точностью. Достаточно лишь пра­вильно ввести исходные данные.

В новой ситуации меняется и подход к обучению методам количественного анализа. Если раньше по­дробно описывались сами вычислительные процеду­ры, то теперь основное внимание уделяется изложе­нию логики статистических рассуждений. А это можно сделать, почти не прибегая к математическим фор­мулам. Предполагается, что непосредственные расче­ты будут проводиться на компьютере, а в процессе подготовки и интерпретации данных будет возмож­ность обращаться за консультацией к специалисту. Он также поможет выбрать наиболее адекватный метод анализа, правда для этого ему надо грамотно объяс­нить задачи исследования. Четкая же постановка зада­чи требует владения общими принципами научной ме­тодологии и специфическим языком описания дан­ных.

Существующие приемы статистического анализа данных чрезвычайно многообразны. Нет никакой воз­можности даже кратко их перечислить. Да это, впро­чем, и не имеет особого смысла. Анализ данных — это комплекс практических умений и навыков, которым невозможно овладеть путем только чтения книг. Как в случае любого другого практического умения (вож­дение автомобиля, работа на компьютере, владение иностранным языком) необходима реальная практика. Но для начала полезна общая ориентировка. Именно такую скромную цель мы и ставим перед собой на дан­ном этапе. Знакомство с принципами статистического анализа, с основными типами статистических проце­дур и со сложившейся терминологией поможет пре­одолеть первое, но, пожалуй, самое главное препятст­вие на этом пути.

Все методы количественного анализа принято раз­делять на две большое группы. Методы статистичес­кого описания направлены на получение количествен­ной характеристики данных, полученных в конкрет­ном исследовании. Цели статистического описания во многом совпадают с разобранными выше целями каче­ственного анализа данных: мы стремимся к сжатому и наглядному их представлению. Математический язык оказывается очень эффективным средством до­стижения подобной цели. Методы статистического вывода позволяют корректно распространять резуль­таты, полученные в конкретном исследовании, на все явление как таковое, делать заключения общего ха­рактера. Эти методы являются мощным инструментом построения научной теории. Можно сказать, что с их помощью осуществляется переход от изучения локальных явлений к познанию универсальных законо­мерностей, а тем самым и к научному прогнозирова­нию.