Coates D., Heckelman J. Interest groups and investment: a further test of the Olson hypothesis // Public choice. – N.Y., 2003. – Vol. 117, N 3/4. – P. 333–340.
Fiorina M. Formal models in political science // American journal of political science. – Blooming-ton, 1975. – Vol. 19, N 1. – P. 133–159.
Прикладная статистика как инструмент познания в социальных науках
Р.У. Камалова, Д.К. Стукал
Дискуссия о единстве или множественности органона научного познания, развернувшаяся на страницах ежегодника «МЕТОД», демонстрирует многие важные аспекты как применения математики и семиотики к изучению социального, так и развития этих наук в их познавательном потенциале. В этой статье мы обратимся к более техническим вопросам использования одной из ветвей математики – статистики – в прикладных исследованиях в области социальных наук (с акцентом на политологических изысканиях, обусловленным интересами и опытом авторов). Заметим, однако, что прикладная статистика не есть в чистом виде раздел математики, поскольку требует от специалиста не только и не столько способности формулировать и доказывать некоторые утверждения в форме теорем и даже не способности применять конкретные теоремы к решению отдельных задач, сколько готовности сочетать знание математических основ статистики с личным исследовательским опытом, эвристическим потенциалом тех или иных математических операций, а также пониманием природы и особенностей имеющихся эмпирических данных и характера решаемой исследовательской задачи. Важнейшим этапом применения статистики в исследовательской практике оказывается интерпретация результатов, которая едва ли может предопределяться реализованными математическими операциями. В этой связи очевидно, что успешное применение методов прикладной статистики требует дополнение сугубо математических операций над данными методами семиотики для дальнейшего совершенствования интерпретационного потенциала получаемых в ходе обработки данных результатов.
Собственно, в самом выражении «обработка данных» заложена некоторая предумышленная осторожность: мы избегаем говорить об анализе данных – процессе намного более глубоком и выходящем далеко за рамки вычислительных операций, совершаемых либо вручную, либо с использованием специализированных компьютерных средств. Специалисты-статистики порой говорят о том, что анализ данных – это не наука, а искусство, требующее большого исследовательского опыта. Возможно, обозначение анализа как сферы искусства является следствием разъединения статистики (и шире – математики) и семиотики; их сочетание же в рамках исследовательской практики позволило бы вернуть анализ данных в поле науки. Подобные попытки, однако, предпринимаются чрезвычайно редко и представлены в периферийных для современной статистики журналах [Martynenko, 2003]. Этот факт лишь подчеркивает большую дистанцию, на которой расположились по нелепому стечению обстоятельств статистика и семиотика, и указывает на перспективность их сближения.