Файл: Руководство для профессиональных аналитиков москва 2009 rv удк 001. 51 Ббк72 с 40.pdf

стоит в мысленном разделении наблюдаемой изменчивости на две части
(обусловленные, соответственно, закономерными и случайными причинами) и выявлении закономерной изменчивости на фоне случайной
39
. Вероятностный характер предсказаний в статистических закономерностях обычно бывает обусловлен действием множества случайных факторов, которые имеют место в статистических совокупностях.
Статистическая закономерность возникает как результат взаимодействия большого числа элементов, составляющих совокупность, и характеризует не столько поведение отдельного элемента совокупности, сколько всю совокупность в целом. Проявляющаяся в статистических закономерностях
«необходимость» возникает вследствие взаимной компенсации и уравновешивания множества случайных факторов,
«пробивает» себе'дорогу через массу случайностей.
Другими словами, современный подход к анализу и обработке данных позволяет «за деревьями увидеть лес» - например, за специфичностью, неповторимостью каждого человека усмотреть тенденции, имеющие место
«в среднем» для всех респондентов изучаемой совокупности.
Статистическими являются часто употребляемые утверждения типа: «средний возраст ткачих равен
38 годам»,
«выбор профессии выпускниками вузов не связан с их полом», «такая-то радиопередача имеет самый высокий рейтинг среди слушателей» и т.д.
Роль изучения статистических закономерностей для аналитической работы вряд ли можно переоценить. Они вполне адекватно описывают массовые явления случайного характера, а именно такого рода явления и изучают обычно аналитики различного профиля деятельности.
О громадной роли изучения статистических закономерностей в эмпирических науках, в том числе в эмпирической аналитике, можно прочитать, например, в работе А.И. Р
АКИТОВА
40
Причины, побуждающие исследователя искать ту или иную закономерность, могут быть разными, а задачу поиска закономерности иногда отождествляют с задачей объяснения интересующего нас явления. Так, выяснив, что коэффициент корреляции между числом рейдерских захватов бизнеса в данном регионе и числом самоубийств бизнесменов в том же регионе близок к единице, мы считаем, что самоубийство объясняется потерей бизнеса
41
. Однако этот же пример показывает сложность процесса объяснения. Поясним это.
Величина найденного коэффициента говорит о наличии статистической связи между двумя явлениями, что как бы объясняет, почему в наблюдаемых данных большим значениям числа рейдерских захватов отвечают большие частоты суицидов (между соответствующими признаками имеется сильная статистическая связь).
Здесь представляется уместным вспомнить, что статистическая связь, вообще говоря, не доказывает наличие причинно-следственной.
Выявление статистической закономерности - это как бы формальное объяснение того, что в действительности интересует аналитика. Хотя такое объяснение зачастую играет огромную роль в исследовании, аналитик, как правило, стремится им не ограничиваться. Нужно идти дальше, пытаясь выявить причинно-следственные отношения. А это чаще всего возможно сделать только на основе применения качественных методов.
С помощью качественных методов желательно выйти на содержательные представления о том, что невозможность восстановить бизнес подталкивает бывшего руководителя компании к самоубийству. В таком случае расчет упомянутого выше коэффициента корреляции можно рассматривать как формальную закономерность, отвечающую этой содержательной закономерности и подтверждающую ее. Тогда «закон», под который мы подводим объясняемое явление, можно отождествлять
39. Т
ЮРИН
Ю., М
АКАРОВ
А. Анализ данных на компьютере - М.: Инфра-М, 2003.
40 Рлкитов А.И. Статистическая интерпретация факта и роль статистических методов в построении эмпирического знания. - М.: Наука, 1981.
41. Понятия «корреляционный анализ», «статистическая связь» подробно обсуждаются в разделе 8.2.
210 211

с теми самыми причинно-следственными отношениями, о которых шла речь выше. В качестве иллюстрации причинно-следственных отношений можно упомянуть зависимость количества депозитных вкладов в банках от величины ставки рефинансирования.
Наряду с объяснением изучаемого явления, представляется целесообразным всегда иметь в виду, по крайней мере, еще две цели: описание исходных данных и осуществляемое на основе выявленной закономерности предсказание (и прогнозирование) того или иного явления. Описание - цель, достичь которую часто бывает необходимо прежде, чем непосредственно приступать к поиску основной интересующей исследователя закономерности. Предсказание тоже зачастую считается основной целью аналитического исследования
42
Описание требуется, для того чтобы финансовый или политический аналитик мог хотя бы самым приблизительным образом сориентироваться в том
«море» самых разнообразных данных. А потребность в этом обычно имеется. Ведь далеко не всегда аналитику бывает с самого начала полностью ясно, каков вид закономерностей, «скрывающихся» за интересующими его данными, не всегда понятно, например, какими признаками эти закономерности должны описываться, возможно ли в принципе подобрать соответствующие признаки и т.д. Например, анализируя падение стоимости определенных видов ценных бумаг на бирже, аналитик должен уметь правильно группировать, классифицировать и обрабатывать многочисленные данные, для того чтобы понять, происходит ли падение стоимости так называемых
«голубых фишек» в результате объективного спада производства или как следствие финансовых махинаций, интриг биржевых спекулянтов.
Описание может помочь дать ответы на подобные вопросы, с тем чтобы потом уже можно было более направленно искать интересующие аналитика соотношения. Описание данных обычно достигается с помощью самых
42. Известен афоризм О. Конта: «Знать, чтобы предвидеть».
простых способов сжатия исходных данных. Примеры: доля женщин в изучаемой совокупности; средний возраст респондентов; величина разброса респондентов по возрасту; наиболее часто встречающаяся среди респондентов профессия; нижний уровень дохода 10% самых богатых респондентов и т.д. Заметим, что
совокупность наиболее употребительных приемов
выявления закономерностей, описывающих изучаемое
множество объектов, называется описательной, или
дескриптивной, статистикой. Это - одна из областей анализа данных.
Имеется два вида описаний: качественное, в обычной словесной формулировке, и количественное, где описанием служит численное значение. Между этими видами описания есть определенная связь. Чтобы от описания перейти к точной формулировке закономерностей или устойчивых правил, необходимо уметь обрабатывать количественные описания так, чтобы из них можно было делать качественные выводы.
В этом состоит задача статистики. Например, качественным описанием является электоральная поддержка той или иной партии. Количественным - статистическая оценка предпочтений представительной выборки избирателей.
Прогноз тех или иных характеристик жизни общества, по существу, служит целью выявления любой закономерности: изучать ту или иную сторону жизни общества чаще всего надо для того, чтобы научиться управлять какими-либо процессами.
Прогноз осуществляется обычно с помощью довольно сложных процедур построения экспертных сценариев.
Подчеркнем, что выше мы везде неявно предполагали, что для описания какого-либо явления, выявления определяющих его причин, предсказания последствий и т.д. необходимо использование математики. Мы считали очевидным, само собой разумеющимся, что анализировать данные, изучать на этой основе окружающую нас реальность можно только с помощью математических методов. А так ли это? Этот вопрос тем более актуален, что любому аналитику не раз приходилось слышать

212 213

о том, что использование математики в гуманитарных науках связано с определенными проблемами. Теперь попытаемся пояснить, почему процесс анализа данных должен опираться на применение математического аппарата, и какого рода сложности возникают при использовании математики в науке вообще и в аналитических исследованиях, в частности. Все дело в том, что аналитическим процедурам, как правило, предшествуют процедуры измерительные.
Под
измерениями
в
системно-аналитических
исследованиях понимают процедуры, при помощи
которых объекты исследования отображаются в
некоторую
математическую
систему
с
соответствующими
отношениями
между
ее
элементами
43
Существует множество других определений термина
«измерение», несколько отличающихся друг от друга в зависимости от точки зрения исследователя. Общим во всех определениях является, по-видимому, следующее: измерение есть приписывание (иногда с помощью специальных приборов и инструментов) чисел вещам в соответствии с определенными правилами. Измерить рост человека - значит приписать число расстоянию между макушкой человека и подошвой его ступней, найденному с помощью линейки.
Измерение коэффициента интеллектуальности кандидата на занятие той или иной вакансии в коммерческой структуре - это присвоение числа характеру ответной реакции, возникающей у него на группу типовых задач. Измерение преобразует определенные свойства наших восприятий в известные, легко поддающиеся обработке вещи, называемые
«числами».
В качестве объектов измерений могут выступать любые интересующие аналитика объекты и процессы - индивиды, производственные коллективы, условия труда, быта, финансовые потоки, колебания цен, изменение общественного мнения и т.д. При измерениях каждому объекту приписывается определенный элемент исполь-
43 Я
НОВСКАЯ
С.А. К
ОЛИЧЕСТВО
(
В математике) // Филос. энциклопедия. - М., 1962. -
Т. 2. Т
ЮРИН
Н.Н., М
АЛИКОВ
М.Ф. Введение в метрологию - М., 1965. С
УППЕС
П., З
ИНЕС
Дж. Основы теории измерений // Психологические измерения. - М., 1967.
214

зуемой математической системы. В практике чаще всего используются числовые математические системы, элементами которых являются действительные числа.
Однако возможно использование и нечисловых систем.
Поэтому вместо термина «измерение объектов» часто используется термин «измерение свойств объектов». В процессе проведения анализа измерение
- есть связующее звено между социальным объектом и его математическим представлением.
Теория, методология и практика измерений - неотъемлемая составная часть аналитического исследования.
Основные проблемы теории измерений в математике были разрешены в рамках созданной А.
Л
ЕБЕГОМ
(конец XIX в.) аксиоматической теории меры
44
, используемой во многих науках. Его представление об измерениях, сложившееся в рамках естественных наук, можно назвать классическим.
Современный подход к пониманию измерений, находящий наиболее широкое практическое применение в системно-аналитических исследованиях, начал формироваться на рубеже XIX-XX вв. Его возникновение было обусловлено потребностями общественных наук, дальнейшее развитие которых к концу XIX в. стало немыслимым без использования формальных моделей изучаемых процессов или явлений
45
Непригодность классического подхода для измерений в общественных науках обусловила расширение этого понятия. Под измерениями стали понимать способ приписывания чисел объектам, независимо от наличия единицы измерения.
Очевидно, классическое понимание измерений не противоречит такому подходу и может рассматриваться как частный случай последнего.
Одним из основоположников нового подхода к пониманию измерений стал американский психолог
С.С. С
ТИВЕНС
,
автор общеизвестной
44. Л
ЕБЕГ
А. Об измерении величин. - М.: Фиэматгиз, 1960.
45. П
ФАНЦАГЛЬ
И. Теория измерений. - М., 1976. Осипов Г.В., А
НДРЕЕВ
Э П.
Методы измерения в социологии. - М., 1977. Ч
ЕСНОКОВ
СВ. Детерминационный анализ социально-экономических данных. - М., 1982. Б
ЕРКА
К. Измерения:
Понятия, теории, проблемы. - М., 1987.
215

классификации шкал по уровню измерений. Развитие идей С.С. С
ТИВЕНСА его последователями привело к рождению новой теории измерений, для которой основными являются понятия шкалы и ее допустимого преобразования. Знание шкал и теории измерений чрезвычайно нужно системному аналитику, который имеет дело с банковскими и биржевыми операциями, котировкой ценных бумаг, рейтингами политических деятелей и т.д. Выявление тенденций стоимости акций, прогноз в отношении победителя выборов, построение правильной маркетинговой стратегии начинается с того, что аналитик применяет измерительные процедуры для получения первичных массивов данных и выстраивает их на измерительных шкалах.
Представления о «шкалах измерений» образуют весьма полезную группу понятий. Кратко рассмотрим, следуя С.С. С
ТИВЕНСУ
,
различные шкалы и их применение в процессе сбора и анализа данных.
Номинальное измерение (присвоение обозначения или обозначений) едва ли заслуживает того, чтобы называться «измерением». Это процесс группирования предметов в классы, когда объекты, принадлежащие к одному классу, идентичны (или почти идентичны) в отношении некоторого признака или свойства. Далее классам даются обозначения; за обозначение класса часто принимаются числа, которые могут служить объяснением заголовка «номинальное измерение».
Схемы классификации предпочтений в отношении того или иного товара - примеры номинальных измерений в маркетинговом деле. Сотрудники кадровых служб часто кодируют «пол», обозначая «особей женского рода» нулем, а «особей мужского рода» - единицей; это также номинальное измерение. Числа, которые мы присваиваем в номинальном измерении, обладают всеми свойствами любых других чисел. Мы моясем складывать их, вычитать, делить или просто сравнивать. Но, если процесс присвоения чисел предметам представлял собой номинальное измерение, то наши действия с величиной, порядком и прочими свойствами чисел не будут иметь никакого смысла по отношению к самим предметам, поскольку мы не интересовались величиной, порядком и другими свойствами чисел, когда присваивали их. При номинальных измерениях используется исключительно та особенность чисел, что 1 отличается от 2 или 4. Если предмет А обозначается 1, а предмет В- 4, то Л и В различаются в отношении измеряемого свойства. Отсюда вовсе не следует, что в «В» содержится больше свойства, чем в «А».
А вот три остальные шкалы, с которыми мы будем иметь дело, используют следующие свойства чисел: числа можно упорядочивать по величине, их можно складывать и делить.
Порядковое измерение возможно тогда, когда возможно обнаружить в предметах различные степени признака или свойства. В этом случае используется свойство
«упорядоченности» чисел, и числа приписываются предметам таким образом, что если число, присвоенное предмету А, больше числа, присвоенного В, то это значит, что в А содержится больше данного свойства, чем в В.
Допустим, мы получили данные ранжирования четырех менеджеров А, В, С и D по результатам тестирования их интеллекта по той или иной методике.
Мы можем расположить их следующим образом: D, С,
А, В. Порядковое измерение имеет место в том случае, когда мы присваиваем менеджерам Д С, А, В
соответственно номера 1, 2, 3 и 4. Заметим, что номера 0, 23, 49 и 50 тоже подошли бы, поскольку расстояние между двумя соседними номерами не имеет значения. Мы не можем себе представить, что измеритель в состоянии распознать, например, будет ли различие между «количеством» интеллекта D и С больше или меньше разницы между интеллектами Си А.
Поэтому не стоит придавать большого значения тому, что разница в оценках D и С такая лее, как и дистанция между С и А.
Посмотрим теперь, каким образом числа занимают места предметов. Числа - это частичные представители предметов; мы обращаемся к ним, когда важны как различия между ними, так и их порядок. При порядковых

216 217