Политическая наука №2 / 2015. Познавательные возможности политической науки - Страница 16
Кроме того, судя по публикациям 2013–2015 гг. в журнале «Political analysis», для зарубежных исследователей актуальна оценка политического содержания различных форм коммуникации в социальных сетях в Интернете (блогов, твитта, чатов, сетевых сообществ и т.д.) с помощью одной из моделей Байеса (Bayesian spatial following model), метода Монте-Карло, логистической регрессии для анализа динамики сетей (частный случай временной экспоненциальной модели случайного графа) [Barbera, 2015, p. 76–91; Almquist, Butts, 2013, 430–448]. Пожалуй, наиболее активно в отечественной политической науке в последние годы осваивают методы сетевого анализа исследователи Санкт-Петербургского государственного университета [Быков, 2013; Сморгунов, Шерстобитов, 2014].
В‐третьих, при решении задач типологического анализа достаточно эффективными в настоящее время считаются логико-комбинаторные методы, которые самими разработчиками позиционируются как средства реализации причинного анализа: метод качественного сравнительного анализа (КСА, QCA, qualitative comparative analysis, предложен Ч. Рейджином во второй половине 1980‐х годов) [Krogslund, Choi, Poertner, 2015, p. 21–41; Hug, 2013, p. 252–265] и ДСМ-метод (предложен отечественным исследователем В.К. Финном в начале 1980‐х годов), которые изначально разрабатывались параллельно как несвязанные методы.
Однако современная исследовательская стратегия подчас опирается на совмещение этих методов с целью содержательного сравнения полученных результатов. Безусловными достоинствами этих методов являются возможность выделения при типологизации пересекающихся групп, необязательность измерения или оценивания качеств анализируемых объектов с помощью абсолютной метрической или интервальной шкалы, формирование на основе исходных данных содержательных, концептуальных гипотез, возможность интерпретации анализируемых переменных как независимых или зависимых [Кученкова, Татарова, 2013, с. 10]. Основная задача обоих методов связана с поиском сочетания характеристик, которые можно определить как детерминанты существования какого‐то социального или политического феномена. Обнаружение нескольких адекватных причинных объяснений позволяет говорить о множественной конфигуративной причинности явления [Configurational comparative methods…, 2009].
Результаты одного из единичных на сегодняшний день отечественных политологических исследований на основе КСА приведены в статьях Д.К. Стукала и Т.Е. Хавенсон [Стукал, Хавенсон, 2012, с. 238–264], а также Л.В. Сморгунова [Сморгунов, 2011, с. 76–85]. Метод КСА реализуется в статистических пакетах tosmana и fsQCA и частично – STATA и R. Метод ДСМ назван в честь Дж.С. Милля и представляет собой так называемый метод автоматического порождения гипотез [ДСМ-метод…, 2009; Автоматическое порождение…, 2009].
Наконец, в‐четвертых, весьма перспективным направлением представляется использование математических методов для обнаружения так называемых нетипичных результатов голосования в электоральных исследованиях. Если в 1960–1990‐х годах ученые нетипичное голосование объясняли чаще всего с помощью теорий голосования «по разорванному билету», «рационального избирателя» или теорий смещения голосования в «нетипичных» выборах, не ставя под сомнение результаты голосования как таковые, то на сегодняшний день политологи все чаще ставят вопрос о способах обнаружения ошибок подсчета или даже прямых фальсификаций на выборах. Не случайно в англоязычной научной литературе закрепился устойчивый термин «Electoral forensics» («электоральная криминалистика»). Название говорит само за себя. Вопрос о «несущественном» или «существенном» влиянии воли людей, участвующих в подсчете голосов, на результаты выборов, т.е. о степени воздействия на реальное волеизъявлением избирателей, что вообще‐то является уголовно наказуемым деянием (это касается отнюдь не только стран, находящихся в транзите, но и государств со стабильной демократией), исследователей интересует прежде всего как методическая проблема.
Анализ достоверности результатов выборов возможен, по мнению некоторых специалистов, даже с помощью такого простого инструмента, как статистика хи-квадрат [Гусаров, Гухман, 2008, с. 105–118]. В целом можно выделить три основные группы методов фиксации ошибок подведения итогов голосования: а) обнаружение «выбросов» – нетипичного голосования (метод неявных контрольных сумм, метод сопоставления результатов голосования в близлежащих избирательных комиссиях); б) приемы, основанные на теории чисел (закон Бенфорда по второй цифре, закон Бенфорда по последней цифре, метод Бербера – Сакко по двум последним цифрам); в) приемы, основанные на оценке линии регрессии (метод Собянина–Суховольского, метод Шпилькина, метод Климека) [Бузин, Любарев, 2008; Мебейн, Калинин, 2009, с. 57–70; Шпилькин, 2011, с. 2–4; Шпилькин 2011; Beber, Scacco, 2012, p. 211–234; Kobak, Shpilkin, Pshenichnikov, 2012; Myagkov, Ordeshook, Shakin, 2009].
Справедливости ради отметим, что ошибки подсчета могут рассматриваться и как техническая проблема подведения итогов голосования в случае использования технических средств. Классический пример – проблема подсчета голосов на президентских выборах в США в 2004 г. Типичными же приемами фальсификации считаются завышенные результаты явки на выборы (эксперты утверждают, что в России отличие числа граждан, имеющих право участвовать в выборах, и количество лиц, внесенных в списки избирателей, составляет 2–5 млн), переброс голосов определенному кандидату или партии от следующего непосредственно за ним / ней претендента или пропорциональный «отъем» голосов от всех объектов выборов в пользу одного.
В настоящее время в России анализом этой проблемы занимается весьма узкий круг преимущественно молодых исследователей, но в целом отечественные авторы уже пользуются значительными результатами исследований в различных странах, позволяющих считать данное направление весьма перспективным даже в среднесрочной перспективе [Alvarez, Atkeson, Hall, 2013; Breunig, Goerres, 2011, p. 534–545; Carriquiry, 2011, p. 471–478; Deckert, Myagkov, Ordeshook, 2010; 2011, p. 245–268; Diekmann, Ben, 2010, p. 397–401; Election fraud…, 2008; Estok, Nevitte, Cowan, 2002; Fewster, 2009, p. 26–32; Implementing…, 2009; Statistical…, 2012, p. 16469–16473; Leemann, Bochsler, 2014, p. 33–47; Lehoucq, 2003, p. 233–256; Lukinova, Myagkov, Ordeshook, 2011, p. 603–621; Mebane, 2011, p. 269–272; Mebane, 2013; Mebane, 2010, p. 6–15; Mebane, 2013; Pericchi, Torres, 2011, p. 502–516; Shikano, Mack, 2011, p. 719–732; Torneo, Teehankee, Francis, 2013].
Прогресс исследовательских техник последних десятилетий существенно повлиял на стратегию исследования политических процессов и качество результатов научных проектов. Помимо понимания сложности перехода от обоснованных статистически, подтвержденных эмпирических гипотез к уровню концептуализации, следствием применения сложных техник анализа стала также и возросшая потребность в ходе исследования обращаться многократно к теоретическому уровню знания о предмете исследования. И если в середине XX в. эмпирические модели строились на множестве индикаторов, но при этом за пределами описываемого случая чаще всего имели относительно невысокие объяснительные возможности, то в последние два-три десятилетия ставка делается на то, чтобы связать воедино эмпирический и теоретический конструкты исследовательского проекта. Немалую пользу в решении этой задачи оказали модели, основанные на анализе латентной структуры объектов и поиске факторов, влияющих на изучаемые процессы.
Достаточно часто латентные измерения выполняют в проекте подчиненную роль, обеспечивая возможности выявления причинных отношений между анализируемыми явлениями или объекта изучения и окружающей среды. Обычно считается, что латентная переменная обеспечивает взаимосвязь между наблюдаемыми переменными. Она не имеет явно наблюдаемых значений [König, Marbach, Osnabrügge, 2013, p. 468–491; Oberski, 2014, p. 45–60].