Политическая наука №2 / 2015. Познавательные возможности политической науки - Страница 17
Традиционно поиск латентной переменной опирается на исследование моделей классической теории тестов, многомерного шкалирования, факторного анализа (учитываются и одно-, и двух-, и многофакторные варианты; наиболее используемым остается метод главных компонент), IRT (Item Response theory) и латентно-структурного анализа. Эти модели последовательно разрабатывались с конца XIX в. до середины XX в., однако стали применяться массово учеными в эмпирическом анализе политических процессов только во второй половине прошедшего столетия.
Одним из адекватных инструментов решения аналитической задачи поиска латентной переменной может выступать более современное моделирование на основе структурных уравнений (МСУ) с латентными переменными – путевой анализ (path analysis, причинный анализ), первоначально применявшийся в области эконометрии и постепенно начинающий использоваться в исследованиях политических процессов. В МСУ достаточно часто используется метод максимального правдоподобия (ММП) с полной информацией, но ситуации, когда исследователи вынуждены прибегать к алгоритмам оценки с использованием ограниченной информации, требуют от них обращения к «тестам спецификации, основанным на двухшаговом методе наименьших квадратов, для моделей структурных уравнений с латентными переменными, разработанных Болленом» (метод оценки 2 МНК) [Кирби, Боллен, 2012, с. 132]. Для оценки качества модели традиционно используется метод Монте-Карло. МСУ реализуется с помощью пакета LISREL (разработчики К. Йериског, Д. Сербом). Возможности использования имитационной модели содержатся в программном обеспечении EQS 5.0.
Определенный интерес представляет метод структурно-логической типизации, в основе которого лежит многоэтапная кластеризация и процедура выделения «ядер кластеров».
К сожалению, в российских научных публикациях до сих пор крайне редко встречается информация о дискриминантном анализе, который хорошо зарекомендовал себя в процедурах классификации, и возможностях его применения в политическом прогнозировании [Бессокирная, 2009, с. 25–35; Большов, 2009, с. 46–64].
Фрактальный анализ, который активно используется в области естественных наук, а также в экономике в теории управления и анализе финансовых рядов, крайне медленно входит в арсенал российских ученых. Этот вид анализа основан на принципе масштабной инвариантности – неизменности фактуры, свойств, конфигурации изучаемого объекта вне зависимости от степени «приближенности» ученого к нему. Речь идет о нескольких возможных моделях воспроизводства качеств объектов анализа: а) самоподобии, когда структура более высокого уровня строго фиксирует качества объекта более низкого уровня (так называемые регулярные фракталы; например, принцип организации отношений между ветвями власти на региональном и государственном уровнях); б) самоафинности – обобщении преобразований подобия, когда объекты более высокого уровня сохраняют свойства исходных «кирпичиков» явлений, но с несколько измененными свойствами (например, формы проявления политического лоббизма на локальном и федеральном уровнях будут отличаться, хотя природа и сущность этого явления сохраняются). Ученые предупреждают об опасности излишне широкой трактовки «самоподобия» политических объектов разного уровня [Brown, Liebovitch, 2010; Aguilera, Morer, Barandiaran, Bedia, 2013, p. 395–402].
Одним из перспективных направлений считается использование этого вида анализа для оценки динамических рядов с целью поиска скрытых закономерностей формирования определенных циклов, например оценки вероятности роста протестной активности населения определенного региона или страны. Вторым наиболее перспективным вариантом исследований с помощью фрактального анализа является соотнесение характеристик политических процессов на различных уровнях проявления, например: государственные – региональные – локальные явления; массовые – групповые – индивидуальные явления. Более 10 лет существуют компьютерные программы для реализации фрактального анализа: FRACTAN и FRACLAB.
Отдельного упоминания заслуживает так называемая методология анализа качественных данных (АКД; в англоязычной научной литературе – Computer Assisted Qualitative Data Analysis (CAQDAS) или Qualitative Data Analysis (QDA) software) – совокупность статистических компьютерных программных пакетов, позволяющих анализировать нечисловую информацию (тексты, рисунки, фотографии, аудио-, видеозаписи и т.д.) на основе выделения значимых компонентов информации, ее кодирования и последующего структурирования. К АКД относятся такие компьютерные программы, как, например, «Ethnograph» (разработчик Дж. Зейдель) и MAXqda (разработчики А. и У. Кукарц). Достаточно часто АКД связывают с grounded theory12, предполагающей процедуру последовательного кодирования информации (сначала «открытого», а затем «осевого» («избирательного»), связанного с какой‐то определенной категорией или термином), а также с методологией конструктивизма. Подробно с методами АКД можно познакомиться на сайте Online QDA (http://onlineqda.hud.ac.uk/methodologies.php). Автоматический анализ текстов осуществляется с помощью латентно-семантического анализа (LSA), вероятностного латентно-семантического анализа (pLSA) и латентного размещения Дирихле (LDA). Современные политологи предлагают различные типологии методов автоматизированного анализа текстов (Grimmer, Stewart, 2013, p. 267–297), а также ставят вопрос о поиске латентной переменной при изучении политических текстов [Lowe, Benoit, 2013, p. 298–313].
Отдельной частной, но методически важной проблемой в обработке неколичественных данных является надежность их кодировки, как вручную, так и с использованием автоматического компьютерного кодирования [DeBell, 2013, p. 393–406].
Считается весьма перспективной так называемая методическая триангуляция (термин, используемый обычно социологами) – применение одновременно нескольких методов к исходному объему данных для получения максимально достоверной и полной информации о скрытых закономерностях, связанных с состоянием объекта анализа. При изучении публикаций последних 3-4 лет в ведущем англоязычном журнале «Political analysis», посвященном методам политологических исследований, легко убедиться, что политологи идут этим же путем, используя, например, сравнение результатов исследования голосования, проведенного на основе метода множественной регрессии с последующей классификацией (мultilevel regression and poststratification, MRP) [Buttice, Highton, 2013, p. 449–467], или, например, сочетая метрическое многомерное шкалирование на основе байесовских методов и цепь Маркова с методом Монте-Карло (Markov chain Monte Carlo MCMC) [Bakker, Poole, 2013, p. 125–140].
Судя по всему, метод Монте-Карло оказывается востребованным в целом спектре политологических тем. Помимо электоральных исследований и сетевой политической коммуникации, он актуален для реконструкции политических диспозиций политиков на основе их текстов (речей, выступлений, заявлений и т.д.) [Elff, 2013, p. 217–232].
Ограниченность размеров статьи не позволяет остановиться на процедурных компонентах различных методов, о которых речь шла выше. Однако это и не являлось задачей данного текста. Мы ориентировались на необходимость систематизации информации, связанной с использованием различных сложных методов анализа в политологических исследованиях, с тем чтобы зафиксировать наиболее значимые результаты и тенденции. Надеемся, что эта задача успешно выполнена.
Автоматическое порождение гипотез в интеллектуальных системах / Под ред. В.К. Финна. – М.: Книжный дом «ЛИБРОКОМ», 2009. – 528 с.
Акрамовская А.Г., Якимец В.Н. АЯ-рейтинг регионов по уровню продвижения механизмов межсекторного социального партнерства // Сборник материалов международной научно-практической конференции «Социально-ориентированные стратегии экономического развития». – М.: ГУУ, 2007. – С. 3–10.