Array Коллектив авторов - Политическая наука №1 / 2018

Крайне важный шаг заключается в том, чтобы наглядно представить имеющиеся данные (to graph the data ) 15 15 На самом деле мы должны визуализировать больше, чем данные [Taagepera, 2008, p. 202–204; Taagepera, 2015, ch. 8]. На графиках мы должны выявлять те «запретные» зоны, где точки не базируются на концептуальных основаниях, – в данном случае на тех, где N< 1 и C< 0. Также следует показать те «якорные точки», которые как раз логически включены в описываемые взаимосвязи. Например, любая взаимосвязь между самой большой долей мест и их количеством должна быть равна MS =1 (случай президентских выборов), что приводит к тому, что S 1 =1 – так как максимально может быть занято 100% мест. Именно поэтому (1; 1) – та самая «якорная» точка. Ее визуализация опирается на «мыслительную» ногу в дополнение к «наблюдательной». . Посмотрите на график и поразмышляйте над тем, какую информацию он дает. На графике с обычным масштабом (не таком, как на рисунке 1), связь между продолжительностью жизни кабинета и числом партий представляется в виде нисходящей кривой, но НЕ прямой линии. Так забудьте о рефлекторном использовании линейной регрессии!

Кривая наводит на мысль, что продолжительность жизни правительства может быть обратно пропорциональна числу партий. Однако дальнейшие размышления приводят нас к предсказанию, что это должен быть квадрат числа: C=k/N 2 , где k – это еще неопределенная константа 16 16 Функциональная форма C=k/N 2 выводится логически, но значение константы k определяется эмпирически. Это вполне обычная ситуация в физике. . Представленное выражение не является линейным, как и большинство других взаимосвязей в науках. Но это нелинейность такого вида, когда можно логически предположить, что логарифмирование продолжительности жизни правительств и числа партий приведет к линейной взаимосвязи, с наклоном -2. Повторная визуализация , но теперь уже с использованием логарифмированных шкал, подтверждает это подозрение, что мы и можем видеть на рисунке 1.

Теперь и только теперь можно перейти к статистическим подходам, которые позволят протестировать предложенные логические модели. Чтобы это имело смысл, линейная регрессия должна применяться только к логарифмированным показателям продолжительности жизни правительств и числа партий – не к их количественным измерениям как таковым. Данная линейная регрессия подтверждает ожидаемый наклон, равный -2, а также позволяет найти наилучшее значение для константы – 42 года.

Итак, конечным результатом является получение количественной предсказательной логической модели : C=42 года/ N 2 . Эта модель «количественная и предсказательная», потому что она предсказывает не только направление изменений, но также и продолжительность жизни правительства при заданном числе партий. Модель «логическая», потому что использование в качестве делителя квадрата числа партий исходит из логических соображений.

Заметьте, что мы использовали чередующиеся шаги каждой ноги, на которых стоит наука. Мы начали с наблюдения, левой ноги, а затем обратили внимание на направленное мышление – правую ногу. Визуализация включается в «наблюдательную» ногу. Дальнейшие размышления приводят к обратной квадратной модели. Это заставило нас задаться вопросом: «Как мы можем превратить эту кривую в прямую линию?» Переход к логарифмам послужил ответом. Затем мы снова переключили наше внимание на «наблюдательную» ногу, перейдя к построению линейной регрессии на основе измененных данных. Наконец, мы должны были вновь сместить фокус нашего внимания на «мыслительную» ногу и спросить себя: «Имеет ли данный результат смысл?» Да, имеет. В частности, при большом числе партий продолжительность существования правительства будет приближаться к нулю, как это и должно быть.

Вообразим теперь, что за дело возьмется специалист в области статистики. Как только он установит направленность связи, все дальнейшие логические рассуждения покажутся ему излишними. Он попытается прыгать только лишь на «наблюдательной» ноге, как это показано на рисунке 3. Здесь он даже откажется от визуализации . Он загрузит сырые данные для построения регрессии, не обращая внимания на тот факт, что сама структура данных нелинейна. Без визуализации как он это узнает? 17 17 Он может сделать еще хуже. Он может включить полдюжины контрольных переменных, которые могут правдоподобно влиять на продолжительность жизни правительства: состояние экономики, левая или правая партия, публичная поддержка премьер-министра и т.д. Каждая из них может незначительно «отобрать» влияние числа партий, которое в полной мере уменьшается, когда мы вычитаем N , вместо того чтобы делить на квадрат N . Кроме того, несколько других факторов могут привести к иллюзорным уровням «значимости». Его компьютерная выдача покажет отрицательный знак для коэффициента наклона. Это подтвердит его предсказание о направлении связи, и это все, что такой специалист нацелен получить 18 18 Специфические количественные предсказания легко могут оказаться неверными при ближайшем рассмотрении; даже когда существует поддержка широкого направления изменений. Напротив, слишком много исследований в политологии находится в «безопасности» при попытке доказать их ложность, так как они только и предсказывают широкое направление изменений, оставляя его точное значение неопределенным. .

Но постойте! Какой срок жизни правительства его регрессионная прямая отмерит в случае очень большого числа партий? Его нисходящая прямая предскажет отрицательную продолжительность жизни правительства, если число партий станет действительно большим. Это нелепо. Он не задается базовым вопросом: «Имеет ли данный результат смысл?»

Я вижу, как такие нелепые регрессии публикуются постоянно. Забывая о логическом мышлении, социальные исследователи слишком часто идут по легкому пути, подгоняя сырые данные к прямой линии или же к любому другому стандартному формату, базирующемуся на статистических или иных «модных» основаниях 19 19 Это единственное предложение действует как громоотвод, если опустить слово «часто». Как говорится в одном комментарии к рабочему варианту данной статьи: «Как таковое, оно хорошо применимо к политологии (особенно до недавнего времени), но неприменимо к другим дисциплинам в области социальных наук, например, к экономике, где лог-логарифмические и линейно-логарифмические модели являются обычным делом, и где пробит-, логит- и другие нелинейные оценивающие [курсив мой. – Авт. ] модели становятся нормой. Это даже неприменимо в полной мере к некоторым искушенным сотрудникам журналов, таких как Political Analysis , где используются нелинейные модели (главным образом пробит и логит), а также эффекты взаимодействия». . Дорогие коллеги, если мы как ученые хотим всерьез воспринимать нашу профессию – политическую науку , мы не должны публиковать такие нелепости. Нам не следует этого делать, чтобы действующие политики воспринимали нас всерьез.