Метод. Московский ежегодник трудов из обществоведческих дисциплин. Выпуск 4: Поверх методологических границ - страница 79
Многие категории политической науки являются сложными, многоаспектными, а возникающие при их формализации признаковые пространства – многомерными. Примерами таких признаков являются политические убеждения, государственная состоятельность [Стукал, Хавенсон, 2012], социально-экономический статус, уровень интеллекта и т.п., работа с ними требует обращения к методам измерения латентных переменных.
Методы измерения латентных переменных состоят в изучении взаимосвязей доступных для наблюдения показателей, отражающих некоторую латентную синтетическую категорию, и последующем моделировании ненаблюдаемых переменных. Допуская, что отдельные показатели могут характеризовать разные стороны ненаблюдаемого признака, мы принимаем тот факт, что их изменчивость во многом обусловлена изменчивостью латентного признака. Такая модель схожа с моделью регрессии и тоже содержит требования относительно распределения ошибок, но «отклик» в ней ненаблюдаем в принципе, поэтому о связи «предикторов» и «отклика» ничего нельзя утверждать однозначно.
Задача моделирования латентных переменных состоит в том, чтобы выяснить, можно ли наблюдаемую связь между несколькими переменными объяснить небольшим числом латентных признаков – факторов.
Самым первым и распространенным методом измерения латентных переменных является факторный анализ. Для его реализации требуется, чтобы и ненаблюдаемый «отклик», и наблюдаемые индикаторы были непрерывными величинами. Основным источником информации при этом является корреляционная матрица наблюдаемых переменных. Свои методы есть для категориальных признаков, а также для случаев признаков в разных шкалах [Стукал, Хавенсон, 2012, с. 244–246] (см. табл. 1).
Таблица 1
Классификация методов измерения латентных переменных
Источник: [Analysis of multivariate social science data, 2008, p. 177].
В факторном анализе выделяются два типа: разведывательный (exploratory) и подтверждающий (confirmatory). В первом типе не проводится проверка гипотез, он помогает проанализировать структуру связей в данных и сформулировать гипотезы, во втором типе, наоборот, проводится проверка гипотез о количестве факторов и нагрузках.
Метод главных компонент и факторный анализ часто дают близкие результаты и иногда МГК считают частью факторного анализа. Тем не менее это не так, хотя и появились они в одно время (факторный анализ был предложен Ч.Э. Спирменом в 1904 г. для изучения интеллекта). Во‐первых, они различны потому, что метод главных компонент относится к описательным методам математической статистики, а факторный анализ является методом моделирования. Это значит, что для моделей факторного анализа релевантны понятия допущения о характере распределения переменных, оценивания, статистической значимости, качества модели и статистического вывода. Во‐вторых, этапы проведения факторного анализа исходно формулируются так, чтобы сначала содержательно определить ненаблюдаемую категорию, интересующую исследователя, и уже потом подбирать измеримые показатели, характеризующие ее, тогда как для МГК набор исходных признаков предполагается заданным (стоит отметить, что на практике оба метода зачастую реализуются с нарушением такой последовательности) [Analysis of multivariate social science data, 2008, p. 177].