Понятие научного исследования и его разновидности. Структурирование и моделирование экзогенных и эндогенных факторов

2. Краткий курс лекций по дисциплине «Научно-исследовательская работа студентов» Видеолекции 1-5 в курсе «История экономических учений»: http://www.intuit.ru/studies/courses/3550/792/info Раздел 1. Понятие научного исследования и разновидности Тема 1.1. Структурирование и моделирование экзогенных и эндогенных факторов Моделирование, как средство познания и преобразования материального мира, широко применяется во многих отраслях науки и техники. Моделирование представляет собой процесс замещения объекта исследования некоторой его моделью и проведение исследований на модели с целью получения необходимой информации об объекте. Модель - это физический или абстрактный образ моделируемого объекта, удобный для проведения исследований и позволяющий адекватно отображать интересующие исследователя физические свойства и характеристики объекта. Удобство проведения исследований может определяться различными факторами: легкостью и доступностью получения информации, сокращением сроков и уменьшением материальных затрат на исследования и т.д. Большинство современных процессов характеризуются наличием значительного числа разнообразных факторов, влияющих на процесс; большим количеством внутренних связей между факторами и их слож-ным взаимным влиянием на процесс; развитием различных направлений процесса, конкуририрующим между собой и определяющих его ход; воздействием на процесс большого числа неконтролируемых и неуправляемых факторов, играющих роль возмущений. Структура - это упорядоченное множество элементов и их отношений. Исследуемый объект при системном подходе рассматривается как система, состоящая из взаимодействующих элементов, составляющих упорядоченное множество. Структура объекта характеризуется качественным и количественным составом элементов и их взаиморасположением или взаимосвязями. Качественное различие элементов определяется их физическими свойствами. Количественно физические свойства элементов выражаются некоторыми скалярными величинами, называемыми параметрами элементов. Физические свойства объекта определяются его структурой и параметрами элементов, из которых он состоит. Внешние воздействия зависят от физических свойств внешней среды и характера ее взаимодействия с объектом. Физические свойства внешней среды также определяются ее параметрами. В принципе, существует множество толкований основных определений таких понятий, как компоненты и параметры модели, функциональные зависимости, ограничения, целевые функции моделирования. Для определенности будем пользоваться следующими определениями: 1. Каждая модель представляет собой некоторую комбинацию та-ких составляющих, как компоненты, переменные, параметры, функциональные зависимости, ограничения, целевые функции. 2. Под компонентами понимают составные части, которые при соответствующем объединении образуют систему. Иногда компонентами считают также элементы системы или ее подсистемы. Система определяется как группа или совокупность объектов, объединенных некоторой формой регулярного взаимодействия или взаимозависимости для выполнения заданной функции. Изучаемая система состоит из компонент. 3. Параметр - это величина, характеризующая свойство или режим работы объекта. Параметрами являются величины, которые исследователь может выбирать произвольно, в отличие от переменных модели, которые могут принимать только значения, определяемые видом данной функции (т.е. типом данной модели). В модели системы будем различать переменные двух видов - экзогенные и эндогенные. Экзогенные переменные, это входные переменные, которые порождаются вне моделирующей системы или возникают в результате воздействия внешних причин. Эндогенными переменными называются переменные 4. Функциональные зависимости описывают пведение переменных и параметров в пределах компоненты или же выражают соотношения между компонентами системы. Эти соотношения по своей природе могут быть либо детерминистскими(в которых отсутствуют случайные процессы), либо стохастическими( в которых присутствуют средние характеристики случайных процессов). 5. Ограничения модели представляют собой устанавливаемые пределы изменения значений переменных или ограничивающие условия их изменений. Они могут вводиться либо разработчиком (тогда они называются искусственными), либо устанавливаться самой системой вследствие присущих ей внутренних свойств. 6. Целевая функция (функция критерия) представляет собой точное отображение целей и задач системы и необходимых правил оценки их выполнения. Выражение для целевой функции должно быть однозначным определением целей и задач, с которыми должны соизмеряться принимаемые решения. Метод науки состоит в том, чтобы обнаруживать факты, которые могут опровергнуть теории. То, что мы называем проверкой теорий – это попытка установить, нет ли в них изъяна. Таким образом, несмотря на то, что факты подбираются с точки зрения теорий и подтверждают их до тех пор, пока теории выдерживают проверки этими фактами,, все же они представляют собой нечто большее, чем простое повторение этих ранее построенных теорий. Факты подтверждают теории в том случае, если они являются результатами неудачных попыток опровергнуть теоретические прогнозы, что убедительно свидетельствует в пользу той или иной теории. Поэтому я полагаю, что именно возможность опровержения или фальсификации теорий определяет возможность их проверок, а, следовательно, их научный характер. (Поппер К. Открытое общество и его враги. – М.:Феникс, 1992. – Т.2. – С.300) Тема 1.2. Методология организации научного исследования Алгоритм научного исследования: 1. Определение основных целей исследования и ресурсов для достижения целей (что хочу?, что могу?). 2. Описание проблемной ситуации. Определение предпосылок (аксиоматики) исследования. 3. Предварительный анализ проблемной ситуации (качественный анализ) 4. Формулировка научной проблемы с использованием принципа фальсификации. 5. Выработка гипотезы исследования. 6. Сбор и классификация информации (количественный анализ) 7. Проверка достоверности исследовательских результатов (верификация теории) 8. Подтверждение, опровержение или уточнение гипотезы исследования Методология – учение о структуре, логической организации, методах и средствах деятельности. Методология науки – это учение о принципах построения, методах, формах организации и способах научного познания. К сожалению, многие исследователи не уделяют должного внимания столь важному элементу научной работы, как методология. Может быть, это объясняется тем, что в советский период в диссертации по любой проблеме указывалось, что она написана на основе марксистско-ленинской методологии. Вот и вся наука, попробуй возразить, не вздумай задать вопрос, подумать, что есть иная методология. Сказав, что основой методологии исследования являются труды классиков марксизма-ленинизма, документы правящей КПСС, произведения руководителей коммунистической партии и советского государства, авторы не всегда удосуживались даже конкретно показать взгляды и позиции, которыми они руководствовались при исследовании. Высказывания классиков, положения партийных документов воспринимались как аксиома. Больше того, правильность научного исследования оценивалась, исходя из его соответствия нами же созданным догмам, положениям марксизма-ленинизма и документам партии. Такой подход нанес существенный урон творческой стороне исследований. И в периоды, предшествующие демократизации общественной жизни нашей страны открыто или скрыто существовали различные мировоззренческие, политические течения, далеко не всегда они были антикоммунистическими, тем более антинаучными, как их долгие годы представляли. Без знания, понимания широкого спектра мировоззренческих взглядов нельзя объективно представить любую научную проблему. Сама научная база методологии существенно расширилась, основывается на плюрализме взглядов. Нам представляется, что научный уровень диссертационных, да и любых других научных исследований, повысится, если в них будет глубоко разработана методология применительно к исследуемой теме. В научных работах большое значение придается ссылкам на источники, из которых взяты какие-либо положения. Это, безусловно, правильно, если в этом действительно есть потребность. Один профессор главное достоинство диссертации видел в обилии сносок. И вот способный и сверхдисциплинированный аспирант представляет текст диссертации, в котором закавычивались не только по две-три строчки, но и по два-три слова. Работая над текстом, мы поснимали немало кавычек, но он умолял все сохранить, признаваясь, что боится этого профессора. В таком случае мы шли ему навстречу. По этому поводу приведем характерный для прошлого пример. На конференции, посвященной Хосе Хулиану Марти (1853–1895), который известен теоретической разработкой вопросов революции, разгорелся спор. Одни считали, что ставшее предметом спора положение (банальное по смыслу) Марти взял у Ленина, причем не из его произведения, а из устного высказывания при личной встрече; другие доказывали, что такой встречи быть не могло. Прозвучала реплика: положение по сути правильное, не требующее гениальности, и каждый из вас, не задумываясь, может сказать то же самое. Так почему обязательно надо ссылаться на теоретика, даже если у него и есть такие слова, почему каждый не мог прийти к такому выводу самостоятельно. С этим трудно было не согласиться. Современное исследование должно иметь широкую методологическую основу. Исследователь должен ориентироваться в различных теориях, политических партиях и течениях, это должно служить его методологической подготовке. Методы научного познания делят на общенаучные и специальные, относящиеся к конкретной отрасли науки. Догматизированное подчинение каждого исследования независимо от его структуры, изучаемого явления методу диалектического и исторического материализма нанесло существенный вред общественной науке в советский период. Сегодня этот метод неприемлем, наука избавлена от идеологического диктата. Современное научное исследование основывается на критериях объективности, соответствия истине, правде, опирается на совокупность трудов отечественных и зарубежных ученых. Заметим, что ныне широко вводятся в научный оборот работы, которые раньше считались реакционными, псевдонаучными. В методологическом разделе ученые представляют общенаучные и специальные для каждой отрасли науки научные принципы и методы исследования, которые ими используются в диссертационном исследовании. Практика показывает необходимость использования в научном исследовании методов смежных наук. Исследователь постоянно обращается к методу анализа, который позволяет разложить исследуемый предмет на составные части, и синтезу – соединению полученных при анализе частей в целое. Если обратиться к исторической науке, то в диссертации могут быть применены следующие принципы научного исследования: объективность, историзм, всесторонность анализа проблемы. К числу наиболее значимых для исторического исследования относится принцип историзма. Для исследователя это означает, что, изучая какое-либо историческое явление, он должен учитывать, где, когда, по каким причинам (политическим, идеологическим, экономическим, социальным) это явление возникло, каким оно было вначале, как затем развивалось и каким оно в конечном счете стало. Историческое исследование требует одновреного использования двух общих методов: исторического и логического. Исторический метод предусматривает исследование истории в ее последовательном развитии, со всеми присущими ей чертами и особенностями, через которые проявлялись общие закономерности развития. Логический метод позволяет из истинных суждений-посылок получить истинные суждения-заключения. Используются специфические исторические методы – хронологический, проблемно-хронологический, синхронистический, метод периодизации (диахронный), ретроспективный, статистический. Теоретические (обобщающие) науки интересуются проверкой универсальных гипотез, а прикладные обобщающие науки – предсказанием конкретных событий. (Поппер К. Открытое общество и его враги. – М.:Феникс, 1992. – Т.2. – С.303-304) Предпосылки исследования как различия в методологии: Представление о человеке в социальных дисциплинах Экономические предпосылки Социологические предпосылки Политологические предпосылки Суверенитет (независимость) Зависимость от прошлых решений и окружения Зависимость от действий и характера социальных институтов Эгоистичность Альтруистичность Подверженность влиянию авторитетов Рациональность Иррациональность (спонтанность и непредсказуемость поведения людей) Эмоциональность (влияние сиюминутных настроений на принятие решений) Информированность Подверженность манипуляции (Радаев В.В. Экономическая социология. Курс лекций: Учеб. Пособие. – Аспект Пресс, 1997. – С. 16.) Экономика – дедуктивный метод Социология – индуктивный метод исследования. В основе методологии научного исследования социальных процессов лежит процедура типизации, т.е. классификация явлений и процессов с учетом определения между ними сходных признаков. И лишь потом ищутся закономерности, которые используются при анализе и конструировании аналогичных объектов. Выявление поведенческих стереотипов, т.е. комплекс представлений и идеалов, которые одобряются или не одобряются большинством членов общества, что стимулирует личность избирать или отклонять нормативно признанную модель поведения. Тема 1.3. Методы сбора информации и разработка концепции научного исследования Основу науки управления, как и любой другой науки, составляет научный метод. Термин «научный метод» различными людьми может пониматься по-разному, хотя принципиальных различий в этом не обнаруживается. Например, Р. Джонсон (1971) под этим термином подразумевает шесть следующих основных этапов исследовательского процесса: 1) определение проблемы; 2) установление целей; 3) формулирование гипотез; 4) сбор данных (экспериментальная проверка гипотез); 5) классификация, анализ и интерпретация; 6) выводы, обобщение, корректировка гипотезы или разработка новой гипотезы. Ф.А. Кузин (2000) выделяет семь этапов научного исследования: 1) обоснование актуальности; 2) постановка цели и конкретных задач; 3) определение объекта и предмета исследования; 4) выбор методов (методики) проведения исследования; 5) описание процесса исследования; 6) обсуждение результатов исследования; 7) формулирование выводов и оценка полученных результатов. Другими словами, научный метод – это метод, использующий общепризнанные процедуры и способы исследования. Важная особенность научного метода – это позиция исследователя или лица, принимающего решение. Правильный, систематизированный и обоснованный подход предполагает скорее объективность и рассудительность, чем эмоциональное отношение. Применяя научный метод в явном или неявном виде, необходимо отложить окончательное суждение до тех пор, пока не будет собрана вся относящаяся к делу информация. На протяжении прошедших столетий человек стремился найти окончательные ответы на стоящие перед ним вопросы. Более новые теории обратили его внимание на то, что всегда имеется ряд возможных ответов. Появилась тенденция выражать полученные новые данные скорее с помощью вероятностных категорий, чем категорий определенности. Для применения научных методов необходимо мышление, постоянно ищущее новое, стремящееся все взвесить и все объяснить, т.е. мышление, которое постоянно вопрошает: «Почему?» Научный метод требует: 1) объективных, а не субъективных мнений; 2) разборчивости и проницательности; 3) творчества. Общие методы научного познания, как известно, делятся на три большие группы: · эмпирического исследования (наблюдение, сравнение, измерение, эксперимент); · используемые как на эмпирическом, так и на теоретическом уровне исследования (абстрагирование, анализ и синтез, индукция и дедукция, моделирование и др.); · теоретического исследования (восхождение от абстрактного к конкретному и др. Любая система не только существует, но и совершает какие-то действия, и анализ даже простых понятий сложной системы требует их рассмотрения в двух аспектах – «функция» и «схема». Функция системы – это все, что система делает, может делать, а схема – это совокупность элементов, участвующих в реализации функций системы, и методы, с помощью которых система осуществляет свои действия. В такой двухаспектной системе существует два типа задач: 1) анализ – по заданной схеме найти реализуемую ею функцию; 2) синтез – по заданной функции найти реализующую ее схему. Анализ, как известно, – это метод исследования путем разложения предмета исследования на составные части и последующее сравнение этих частей с определенными критериями. В процессе анализа в зависимости от решаемых проблем и задач исследования может использоваться широкий круг известных количественных и качественных методов исследования (тема 3, 4). Основные задачи анализа: выявление элементов объекта исследования и их свойств; анализ характеристик элементов и связей между ними; выявление структуры и динамики объекта в целом как адаптивной синергетической системы, состоящей из многих элементов (но система не есть простая сумма этих элементов). Синтез представляет собой соединение частей, полученных в ходе анализа, в новое целое. Методы анализа и синтеза органически связаны между собой. Основные задачи синтеза заключены в определении: требований к «выходу» системы (продукция); условий функционирования системы, при которых на «выходе» можно получить определенный материальный поток; структуры и динамики объекта, реализующего эти требования; элементов, потоков, связывающих эти структуры; способов функционирования этих элементов; способов контроля и корректировки выполнения данным объектом данных функций. Раздел 2. Качественные методы обработки информации Если в начале научной или популярной статьи сталкиваетесь с любой из следующих фраз: Как всем давно известно... Существует версия... По мнению видных российских (зарубежных) ученых... Опыт показывает... Интуиция подсказывает... Бытует мнение... Проведенный комплексный анализ позволяет... Обобщение фактов и имеющихся наблюдений приводит к мысли... Общепринято полагать..., то дальше читать не нужно. С вероятностью 0.98 это ненаучное утверждение. Тема 2.1. SWOT-анализ: недостатки и преимущества SWOT-анализ — метод стратегического планирования, заключающийся в выявлении факторов внутренней и внешней среды организации и разделении их на четыре категории: Strengths (сильные стороны), Weaknesses (слабые стороны), Opportunities (возможности) и Threats (угрозы). Сильные (S) и слабые (W) стороны являются факторами внутренней среды объекта анализа, (то есть тем, на что сам объект способен повлиять); возможности (O) и угрозы (T) являются факторами внешней среды (то есть тем, что может повлиять на объект извне и при этом не контролируется объектом). Например, предприятие управляет собственным торговым ассортиментом — это фактор внутренней среды, но законы о торговле не подконтрольны предприятию — это фактор внешней среды. Объектом SWOT-анализа может быть не только организация, но и другие социально-экономические объекты: отрасли экономики, города, государственно-общественные институты, научная сфера, политические партии, некоммерческие организации (НКО), отдельные специалисты, персоны и т. д. Акроним SWOT был впервые введён в 1963 году в Гарварде на конференции по проблемам бизнес-политики профессором Кеннетом Эндрюсом (англ. Kenneth Andrews). В 1965 году четыре профессора Гарвардского университета — Леранед (англ. Leraned), Кристенсен (англ. Christensen), Эндрюс (англ. Andrews) и Гут (англ. Guth) — предложили технологию использования SWOT-модели для разработки стратегии поведения фирмы. Была предложена схема LCAG (по начальным буквам фамилий авторов), которая основана на последовательности шагов, приводящих к выбору стратегии. SWOT-анализ эффективен при осуществлении начальной оценки текущей ситуации, однако он не может заменить выработку стратегии или качественный анализ динамики. Сильные стороны SWOT-анализа: Это универсальный метод, который применим в самых разнообразных сферах экономики и управления. Его можно адаптировать к объекту исследования любого уровня (продукт, предприятие, регион, страна и пр.). Это гибкий метод со свободным выбором анализируемых элементов в зависимости от поставленных целей (например, можно анализировать город только с точки зрения туризма или только с точки зрения работы транспорта и т.д.). Может использоваться как для оперативной оценки, так и для стратегического планирования на длительный период. Использование метода, как правило, не требует специальных знаний и наличия узкопрофильного образования. Недостатки: SWOT-анализ показывает только общие факторы. Конкретные мероприятия для достижения поставленных целей надо разрабатывать отдельно. Зачастую при SWOT-анализе происходит лишь перечисление факторов без выявления основных и второстепенных, без детального анализа взаимосвязей между ними. Анализ даёт в большей степени статичную картинку, чем видение развития в динамике. Результаты SWOT-анализа, как правило, представлены в виде качественного описания, в то время как для оценки ситуации часто требуются количественные параметры. SWOT-анализ является довольно субъективным и чрезвычайно зависит от позиции и знаний того, кто его проводит. Для качественного SWOT-анализа необходимо привлечение больших массивов информации из самых разных сфер, что требует значительных усилий и затрат. Тема 2.2. Методика Бостонской аналитической группы Матрица Бостонской консалтинговой группы имее два плюса. Красиво звучит "БКГ" и позволяет наглядно представить где вы находитесь по отношению к вашим конкурентам В остальном она скорее запутывает, а не распутывает реальные проблемы. 1. Идея Брюса Д. Хендерсена, разработчика сей матрицы, о жизненном цикле фирмы стырена у Альфреда Маршала. Именно он еще в начале XX века высказал идею, что фирмы переживают разные этапы своего развития, подобно людям: рождение, становление, зрелось, старость, смерть. Но несмотря на очевидность этого положения постфактум создать какую-либо теорию связываю-щую возраст фирмы и ее эффективноть не получилось. Да, фирмы смертны, но смертны по разно-му. Почему - экономической науке это пока неизвестно. И не нужно спекулировать на данную тему, типа когда перешли в стадию коров - продавайте акции... Как понять где переход из одной "клетки матрицы" в другую? 2. Проблемы измерения. Здесь кто как хочет так и измеряет. Предлагается долю рынка, занимае-мую вашей фирмой, нормализовывать к продажам вашего самого крупного конкурента. Например, если объемы продаж самой крупной фирмы 100 тыс. рублей, а ваши 60 тыс рублей. То самый крупный получит значение 1, вы - 0.6 и т.д. Т.е. ось Х будет размещаться в диапазоне от 0 до 1. Почему так? Насколько корректной будет расчет средней доли рынка? В современных исследованиях так не считают. Или коэффициент Джини, или индекс Херфиндаля-Хиршмана, или уж какие-нибудь С4 или С5. Почему? Потому что, индекс Херфиндаля корреспондирует с индексом Лернера, например, и их постронение позволяет определить значение ценовой эластичности. Определение же значение ценовой эластичности позволяет разработать конкретные рекомендации в плане ценообразования, т.е. ответить на один из ключевых вопрос поднимать или снижать цены по сравнению с конкурентами. То ж и осью Y - как измерять рост рынка...? 3. А как измерить собственно сам рынок? Кто является вашим конкурентом? Это предмет отдель-ного исследования. Вопрос "Что из себя представляет рынок моей продукции?" не является про-стым. Для сторонников "матрица БКГ" ответ на него уже дан. Вот рынок, вот конкуренты, хошь плыви туда, хошь сюда... 4. Для чего разрабатывалась матрица БКГ? Для "стратегического планирования". Так вот какую стратегию нужно выбрать фирме? Увеличивать цены и снижать долю рынка или снижать цены и увеличивать долю рынка? Консультант, демонстрирующий данный подход, тут развернется длин-ной тирадой, конечный смысл которой будет "а хрен его знает". В этом основная проблема. Мож-но и так, и так. Но если можно все, то зачем эта матрица БКГ? Современный подход в рамках Industrial Organization (да простит мне читатель иностранный термин, на русский чаще всего пере-водят как Экономика отраслевых рынков или экономика несовершенной конкуренции) решает данную проблему используя большое количество "если...." Если так и так, и так, то выбираем стратегию роста цен. Если не так, не так, а вот так, то альтернативную стратегию. Но тут разби-раться нужно, долго учиться, осваивать математику и экономическую теорию. А в матрице БКГ все просто, типа просто. Тема 2.3. Контент-анализ и метод Дельфи Контент-анализ (англ. content analysis; от content — содержание) — формализованный метод изучения текстовой и графической информации, заключающийся в переводе изучаемой информации в количественные показатели и ее статистической обработке. Характеризуется большой строгостью, систематичностью. Сущность метода контент-анализа состоит в фиксации определенных единиц содержания, которое изучается, а также в квантификации полученных данных. Объектом контент-анализа может быть содержание различных печатных изданий, радио- и телепередач, кинофильмов, рекламных сообщений, документов, публичных выступлений, материалов анкет. Контент-анализ начал использоваться в социальных науках начиная с 30-х гг XX в. в США. Впервые этот метод был применен в журналистике и литературоведении. Основные процедуры контент-анализа были разработаны американскими социологами X. Лассуэллом и Б. Берелсоном. Г. Лассуэлл его использовал в конце 1930-х годов для исследований в сфере политики и пропаганды. Лассуэл модернизировал контент-анализ, ввел новые категории и процедуры, особое значение придавал квантификации данных. Развитие средств массовой коммуникации вызвало увеличение контент-аналитических исследований в этой области. Во время второй мировой войны контент-анализ применялся некоторыми государственными учреждениями США и Англии для изучения эффективности пропаганды в разных странах, а также в разведывательных целях. Накопленный опыт контент-аналитических исследований был подытожен в книге Б. Берелсона «Контент-анализ в коммуникационных исследованиях» (начало 50-х гг). Автором был определен сам метод контент-анализа, а также разные его виды, критерии и единицы для количественного исследования. Книга Б. Берелсона до сих пор является фундаментальным описанием, дающим понимание основных положений контент-анализа. После обобщений, сделанных Б. Берелсоном, в США появилось много исследований, в которых контент-анализ применяется в различных научных направлениях. Наиболее интересной методической новацией была методика «связанности символов» Ч. Осгуда (1959), которая позволяла выявить неслучайно связанные элементы содержания. Западноевропейские исследователи в использовании метода контент-анализа опирались в основном на американский опыт. Тем не менее, здесь тоже появилось несколько оригинальных методик качественно-количественного анализа содержания (Ж. Клейзер, А. Моль). В настоящее время к основным процедурам контент-анализа относятся: 1. Выявление смысловых единиц контент-анализа, которыми могут быть: а) понятия, выраженные в отдельных терминах; б) темы, выраженные в целых смысловых абзацах, частях текстов, статьях, радиопередачах и т. п.; в) имена, фамилии людей; г) события, факты и т. п.; д) смысл апелляций к потенциальному адресату. Единицы контент-анализа выделяются в зависимости от содержания, целей, задач и гипотез конкретного исследования. 2. Выделение единиц счета, которые могут совпадать либо не совпадать с единицами анализа. В 1-м случае процедура сводится к подсчету частоты упоминания выделенной смысловой единицы, во 2-м — исследователь на основе анализируемого материала и здравого смысла сам выдвигает единицы счета, которыми могут быть: а) физическая протяженность текстов; б) площадь текста, заполненная смысловыми единицами; в) число строк (абзацев, знаков, колонок текста); г) длительность трансляции по радио или ТВ; д) метраж пленки при аудио- и видеозаписях, е) количество рисунков с определенным содержанием, сюжетом и пр. 3. Процедура подсчета в общем виде сходна со стандартными приемами классификации по выделенным группировкам. Применяется составление специальных таблиц, применение компьютерных программ, специальных формул (напр., «формула оценки удельного веса смысловых категорий в общем объеме текста»), статистические расчеты понятности и аттрактивности текста. Метод контент-анализа широко применяется как вспомогательное средство в науке, социологии и др. науках при анализе ответов на открытые вопросы анкет, материалов наблюдений, результатов психологического тестирования (в частности, в проективных методиках), для анализа результатов в методе фокус-групп. Подобные методы используются также в исследованиях массовых коммуникаций, в маркетинговых и многих др. исследованиях. Контент-анализ может использоваться для исследования большей части документальных источников, однако лучше всего он работает при относительно большом количестве однопорядковых данных. В социальной науке контент-анализ может применяться, во-первых, как самостоятельный исследовательский прием исследования содержания сообщения; во-вторых, в комплексе с другими методами, т.е., когда одновременно исследуют не только сообщение, но и другие элементы коммуникационного процесса; в-третьих, как вспомогательный метод обработки массива данных, полученных другими методами В социальной науке контент-анализ в первую очередь используется для изучения человеческого общения, коммуникаций и их субъектов как представителей микро- и макрогрупп. Непосредственными материалами исследования являются документы, которые рассматриваются как «сообщение». Понятие «сообщение» является специфичным социально-психологическим, в нем акцентируется динамический характер объекта, его включенность в коммуникационную систему. (Т.е. имеется в виду зависимость сообщения от личностных и групповых особенностей коммуникатора и реципиента). Можно выделить основные области применения контент-анализа в социально-психологических исследованиях: изучение через содержание сообщений социально-психологических особенностей их авторов (коммуникаторов); изучение реальных социально-психологических явлений (объекта, субстанции сообщений), которые отображены в содержании сообщений, в том числе тех явлений, которые имели место в прошлом и недоступны для исследования другими методами; изучение через содержание сообщений социально-психологической специфики различных средств коммуникации, а также особенностей форм и приемов организации содержания, в частности пропагандистского; изучение через содержание сообщений социально-психологических особенностей их реципиентов; изучение через содержание сообщений социально-психологических аспектов влияния коммуникации на реципиентов как представителей разных микро- и макрогрупп, а также изучение успешности общения. Кроме того, можно выделить виды применения контент-анализа во вспомогательных целях: для обработки и уточнение данных, полученных другими методами в социально-психологических исследованиях; специальное — применение для изучения научной литературы. Дельфийский метод был разработан в 1950—1960 годы в США для прогнозирования влияния будущих научных разработок на методы ведения войны (разработан корпорацией RAND, авторами считаются Olaf Helmer, Norman Dalkey, и Nicholas Rescher). Имя заимствовано от Дельфийского Оракула. Является методом экспертного оценивания. Особенности: заочность, многоуровневость, анонимность. Исходная предпосылка метода — если грамотно обобщить и обработать индивидуальные оценки квалифицированных экспертов по поводу ситуации на рынке, то можно получить коллективное мнение, обладающее достаточной степенью достоверности и надежности. Суть этого метода в том, чтобы с помощью серии последовательных действий — опросов, интервью, мозговых штурмов — добиться максимального консенсуса при определении правильного решения. Анализ с помощью дельфийского метода проводится в несколько этапов, результаты обрабатываются статистическими методами. Базовым принципом метода является то, что некоторое количество независимых экспертов (часто несвязанных и не знающих друг о друге) лучше оценивает и предсказывает результат, чем структурированная группа (коллектив) личностей. Позволяет избежать открытых столкновений между носителями противоположенных позиций так как исключает непосредственный контакт экспертов между собой и, следовательно, групповое влияние, возникающее при совместной работе и состоящее в приспособлении к мнению большинства, даёт возможность проводить опрос экстерриториально, не собирая экспертов в одном месте (например, посредством электронной почты) Субъекты: группы исследователей, каждый из которых отвечает индивидуально в письменной форме. организационная группа — сводит мнения экспертов воедино. Этапы: Предварительный: подбор группы экспертов — чем больше, тем лучше — до 20. Основной: постановка проблемы — экспертам рассылается вопрос и предлагается его разбить на подвопросы. Организационная группа отбирает наиболее часто встречающиеся. Появляется общий опросник. этот опросник рассылается экспертам. Их спрашивают — можно ли добавить ещё что-то; достаточно ли информации; есть ли дополнительная информация по вопросу? В итоге получаем 20 вариантов ответов с дополнительными аспектами и информацией. На основе этого составляется следующий опросник. улучшенный опросник вновь рассылается экспертам, которым теперь надо дать свой вариант решения, а также рассмотреть наиболее крайние точки зрения, высказанные другими экспертами. Эксперты должны оценить проблему по аспектам: эффективность, обеспеченность ресурсами, в какой степени соответствует изначальной постановке задачи. Таким образом выявляются преобладающие суждения экспертов, сближаются их точки зрения. Всех экспертов знакомят с доводами тех, чьи суждения сильно выбиваются из общего русла. После этого все эксперты могут менять мнение, а процедура повторяется. операции повторяются, пока не будет достигнута согласованность между экспертами, или не будет установлено отсутствие единого мнения по проблеме. Изучение причин расхождений в оценках экспертов позволяет выявить незамеченные ранее аспекты проблемы и зафиксировать внимание на вероятных последствиях развития анализируемой проблемы или ситуации. В соответствии с этим и вырабатывается окончательная оценка и практические рекомендации. Обычно проводится три этапа, но если мнения сильно разнятся — то больше. Аналитический: проверка согласованности мнений экспертов, анализ полученных выводов и разработка конечных рекомендаций. Раздел 3. Количественные методы научного исследования Вот есть статистическая задача. По выборке сделать некоторое заключение о генеральной совокупности. Генеральная совокупность и, следовательно, выборка неоднородна. Она характеризуется некоторым набором, как это сейчас модно, адресов. Если мы ведем речь о людях (пациентах, респондентах, потребителях и т.д.), то таким типичными адресами являются возраст, пол, место проживания, доход. Причем эти адреса могут быть устойчивыми во времени (например, пол), могут меняться непонятно как (например, доход), могут меняться постепенно (возраст) Вопрос - можем ли мы подобрать идеальную выборку, воздействуя на которую мы бы получили представление с заданной вероятностью о поведении генеральной совокупности? Ответ нет. Ввиду условности любой из наших группировок. В институте просто учат. Приходит препод и говорит - делай так. Например, сначала сегментируй по месту жительства, потом по полу, потом по доходу. На другие адреса забей, они не значимы... Почему я должен ему верить? Потому, что он так уже делал и метода работает. С погрешностью, но работает. А если мы пересегментируем, например в качестве первого фактора возьмем доход, то метода будет работать лучше или хуже? Практик ответит - не знаю, проверять надо. И начнутся исследования стандартных отклонений, коэффициентов детерминации и т.п. На эту тему писал еще Аристотель. Любая группировка условна! Невозможна идеальная каталогизация. Нет, идеальная каталогизация предполагает уникальность каждой книги. Тогда зачем вся эта хрень? Для выработки дедуктивной гипотезы. Вся статистика с эконометрикой сами по себе ничего особенного не значат. Ну сгруппировали не совсем так, ну и чо? Важно то, как меняется наша выборка под воздействием, желательно, одного внешнего фактора. Выборка не может быть устойчивой во времени, если в выборке люди. Поэтому допуски и погрешности будут достаточно велики, т.е. несопоставимы с химией, физикой и другими науками, имеющими дело с неживым. Не в этом задача. Задача состоит в попытке фальсификации модели, т.е. попытке опровергнуть гипотезу о влиянии фактора Х на фактор Y. Посмотрели как люди вели себя до, поставили эксперимент, если возможно, сопоставили результаты в контрольной и экспериментальной группе, сделали вывод. Повторили эксперимент. Не работает? Отбросили дедуктивную гипотезу, сформулировали новую... А если трудности с экспериментом? Тогда степень достоверности снижается, индукции-то нет, а временной ряд по определению неустойчив. Но это не значит, что нужно ограничится исключительно априорными рассуждениями. Все равно нужно считать, только понимать при этом, что достоверность прогнозов будет ниже. И ничего в этом страшного нет, люди разные и чем они более разные, тем сложнее предсказывать их поведение. Тема 3.1. Статистические методы: средние значения, дисперсия Сре́днее значе́ние — числовая характеристика множества чисел или функций (в математике); — некоторое число, заключённое между наименьшим и наибольшим из их значений. Исходным пунктом становления теории средних величин явилось исследование пропорций школой Пифагора. При этом не проводилось строгого различия между понятиями средней величины и пропорции. Значительный толчок развитию теории пропорций с арифметической точки зрения был дан греческими математиками — Никомахом Герасским (конец I — начало II в. н. э.) и Паппом Александрийским (III в. н. э.). Первым этапом развития понятия средней является этап, когда средняя стала считаться центральным членом непрерывной пропорции. Но понятие средней как центрального значения прогрессии не дает возможности вывести понятие средней по отношению к последовательности n членов, независимо от того, в каком порядке они следуют друг за другом. Для этой цели необходимо прибегнуть к формальному обобщению средних. Следующий этап — переход от непрерывных пропорций к прогрессиям — арифметической, геометрической и гармонической. В истории статистики впервые широкое употребление средних величин связано с именем английского ученого У. Петти. У. Петти один из первых пытался придать средней величине статистический смысл, связав её с экономическими категориями. Но описания понятия средней величины, его выделения, Петти не произвел. Родоначальником теории средних величин принято считать А. Кетле. Он одним из первых начал последовательно разрабатывать теорию средних величин, пытаясь подвести под неё математическую базу. А. Кетле выделял два вида средних величин — собственно средние и средние арифметические. Собственно средние представляют вещь, число, действительно существующие. Собственно средние или средние статистические должны выводиться из явлений однокачественных, одинаковых по своему внутреннему значению. Средние арифметические — числа, дающие возможно близкое представление о многих числах, различных, хотя и однородных. Каждый из видов средней может выступать либо в форме простой, либо в форме взвешенной средней. Правильность выбора формы средней вытекает из материальной природы объекта исследования. Формулы простых средних применяются в случае, если индивидуальные значения усредняемого признака не повторяются. Когда в практических исследованиях отдельные значения изучаемого признака встречаются несколько раз у единиц исследуемой совокупности, тогда частота повторений индивидуальных значений признака присутствует в расчетных формулах степенных средних. В этом случае они называются формулами взвешенных средних Диспе́рсия случа́йной величины́ — мера разброса данной случайной величины, то есть её отклонения от математического ожидания. Квадратный корень из дисперсии, называется среднеквадрати́ческим отклоне́нием, станда́ртным отклоне́нием или стандартным разбросом. Стандартное отклонение измеряется в тех же единицах, что и сама случайная величина, а дисперсия измеряется в квадратах этой единицы измерения. Из неравенства Чебышёва следует, что вероятность того, что случайная величина отстоит от своего математического ожидания более чем на {\displaystyle k} k стандартных отклонений, составляет менее {\displaystyle 1/k^{2}} 1/k^{2}. В специальных случаях оценка может быть усилена. Так, например, как минимум в 95 % случаев случайная величина, имеющая нормальное распределение, удалена от её среднего не более чем на два стандартных отклонения, а в примерно 99,7 % — не более чем на три. Тема 3.2. Понятие корреляции и ее смысл Корреля́ция (от лат. correlatio «соотношение, взаимосвязь») или корреляционная зависимость — статистическая взаимосвязь двух или более случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин. первые в научный оборот термин корреляция ввёл французский палеонтолог Жорж Кювье в XVIII веке. Он разработал «закон корреляции» частей и органов живых существ, с помощью которого можно восстановить облик ископаемого животного, имея в распоряжении лишь часть его останков. В статистике слово «корреляция» первым стал использовать английский биолог и статистик Фрэнсис Гальтон в конце XIX века Значительная корреляция между двумя случайными величинами всегда является свидетельством существования некоторой статистической связи в данной выборке, но эта связь не обязательно должна наблюдаться для другой выборки и иметь причинно-следственный характер. Часто заманчивая простота корреляционного исследования подталкивает исследователя делать ложные интуитивные выводы о наличии причинно-следственной связи между парами признаков, в то время как коэффициенты корреляции устанавливают лишь статистические взаимосвязи. Например, рассматривая пожары в конкретном городе, можно выявить весьма высокую корреляцию между ущербом, который нанёс пожар, и количеством пожарных, участвовавших в ликвидации пожара, причём эта корреляция будет положительной. Из этого, однако, не следует вывод «увеличение количества пожарных приводит к увеличению причинённого ущерба», и тем более не будет успешной попытка минимизировать ущерб от пожаров путём ликвидации пожарных бригад.[5] В то же время, отсутствие корреляции между двумя величинами ещё не значит, что между ними нет никакой связи. Например, зависимость может иметь сложный нелинейный характер, который корреляция не выявляет. Некоторые виды коэффициентов корреляции могут быть положительными или отрицательными. В первом случае предполагается, что мы можем определить только наличие или отсутствие связи, а во втором — также и её направление. Если предполагается, что на значениях переменных задано отношение строгого порядка, то отрицательная корреляция — корреляция, при которой увеличение одной переменной связано с уменьшением другой. При этом коэффициент корреляции будет отрицательным. Положительная корреляция в таких условиях — это такая связь, при которой увеличение одной переменной связано с увеличением другой переменной. Возможна также ситуация отсутствия статистической взаимосвязи — например, для независимых случайных величин. Тема 3.3. Введение в парный регрессионный анализ Регре́ссия (лат. regressio — обратное движение, отход) в теории вероятностей и математической статистике — математическое выражение, отражающее зависимость зависимой переменной у от независимых переменных х при условии, что это выражение будет иметь статистическую значимость. В отличие от чисто функциональной зависимости y=f(x), когда каждому значению независимой переменной x соответствует одно определённое значение величины y, при регрессионной связи одному и тому же значению x могут соответствовать в зависимости от случая различные значения величины y. Если при каждом значении x=xi наблюдается ni значений yi1…yin1 величины y, то зависимость средних арифметических и является регрессией в статистическом понимании этого термина Этот термин в статистике впервые был использован Френсисом Гальтоном (1886) в связи с исследованием вопросов наследования физических характеристик человека. В качестве одной из характеристик был взят рост человека; при этом было обнаружено, что в целом сыновья высоких отцов, что не удивительно, оказались более высокими, чем сыновья отцов с низким ростом. Более интересным было то, что разброс в росте сыновей был меньшим, чем разброс в росте отцов. Так проявлялась тенденция возвращения роста сыновей к среднему (regression to mediocrity), то есть «регресс». Этот факт был продемонстрирован вычислением среднего роста сыновей отцов, рост которых равен 56 дюймам, вычислением среднего роста сыновей отцов, рост которых равен 58 дюймам, и т. д. После этого результаты были изображены на плоскости, по оси ординат которой откладывались значения среднего роста сыновей, а по оси абсцисс — значения среднего роста отцов. Точки (приближённо) легли на прямую с положительным углом наклона меньше 45°; важно, что регрессия была линейной. В общем случае регрессия одной случайной переменной на другую не обязательно будет линейной. Также не обязательно ограничиваться парой случайных переменных. Статистические проблемы регрессии связаны с определением общего вида уравнения регрессии, построением оценок неизвестных параметров, входящих в уравнение регрессии, и проверкой статистических гипотез о регрессии[2]. Эти проблемы рассматриваются в рамках регрессионного анализа. Простым примером регрессии Y по X является зависимость между Y и X, которая выражается соотношением: Y=u(X)+ε, где u(x)=E(Y | X=x), а случайные величины X и ε независимы. Это представление полезно, когда планируется эксперимент для изучения функциональной связи y=u(x) между неслучайными величинами y и x. На практике обычно коэффициенты регрессии в уравнении y=u(x) неизвестны и их оценивают по экспериментальным данным. Если об одном авторе независимо говорят три человека, то его наверное стоит прочитать. Так и с Талебом, все чаще концепция "черный лебедь" начинает мелькать в околонаучных разговорах. Прочитать книжку "Черный лебедь. Под знаком непредсказуемости" можно здесь: http://spkurdyumov.narod.ru/talebbbbb.htm. В жизни случаются экстроординарные события. Как хорошие, так и плохие. Время и саму вероятность этих событий почти невозможно спрогнозировать. Эти события Талеб и предлагает называть "черными лебедями" и убеждает нас всю книгу, что эти-то события (например, война) и определяют жизненный успех или фиаско: "... крайние случаи. Норма не важна" Талеб предлагает перестать строить из себя провидцев и делать вид "что мы, типа, понимаем больше, чем на самом деле". Потому, что "никто не знает, что происходит". Талеб обвиняет нас в том, что мы цитируем классиков, не читая их, ругает Платона, указывает на провалы традиционного мировосприятия, типа "в городе два роддома - большой и маленький. В одном из роддомов родилось 60% мальчиков. В каком из роддомов это произойдет с большей вероятностью?" (по его мысли большинство статистиков ответит, что в большом, хотя чем больше выборка, тем ближе к 0.5). Для автора концепции "черного лебедя" принцип равновесия (базовый экономический постулат) и центральная предельная теорема обосновывающая нормальное или гауссовское распределение (базовый статистической постулат) являются хренями. Талеб уважает Юма, Поппера и Хайека, но ссылок на их работы по ходу своей книжки не приводит. Еще бы, ведь Талеб просто популярно пересказывает все, что эти ребята написали плюс Кейнс, на которого автор почему-то даже не ссылается. Не читайте Талеба, прочитайте Юма, Поппера, Хайека и Кейнса. Если не хватит силенок, то хотя бы Марка Блауга "Методология экономической науки, или как экономисты объясняют". Четче, понятнее, без автобиографических экскурсов и разговоров за жизнь, без сомнительных примеров и попыток сомнительных обобщений. Без всяких "как я буду говорить в 12 главе этой книги" или "как я уже написал в 6 главе этой книги". Талеб сам является "черным лебедем", таким ливанским, психологическим проповедником-популяризатором, выдающим чужие идеи за свои собственные. Слабая книга, но вовремя написанная, заставила говорить слишком много об этом авторе. Так часто бывает - не поняли еще о чем речь, но уже начали активно критиковать. Но от того, что Вы много и усиленно критикуете еще не значит, что Вы что-то сами понимаете. Возможно, Вы просто не там учились или учились плохо. Прежде чем водить "Мерседес" нужно освоить велосипед. А велосипедом в энтом деле является статистика одной переменной. Прежде чем делать регрессию посмотрите на распределение каждой переменной. Регрессия получится, если переменные распределены нормально, т.е. колоколообразно или более менее в соответствии с функцией Гаусса. Что нужно сделать. Найдите среднюю, найдите стандартное отклонение от средней или сигму, как ее называют. А далее посмотрите насколько идет разборос переменных. Бог с ними с табличными интегралами и функцией Лапласа. Сделайте хотя бы грубую оценку Если значения попадают в диапазон значений средее плюс или минус три сигмы , то это значит (при нормальном распределении), что с вероятностью 0,997 следующее значение или прогноз окажется верным. Далее если две сигмы, то вероятность уже 0,954 Если 1,6 сигмы, то вероятность 0,9 Если одна сигма плюс/минус, то вероятность 0,68 Далее, пусть у Вас значения по одной переменной попадают в одну сигму и значения другой тоже попадают в одну сигму. Насколько достоверна будет ваша регрессия, или там корреляция. Правильно 0,68*0,68=0,46. Не больно то высокая предсказательная сила модели получается. А если у вас регрессия от двух переменных и все они попадают в одну сигму, тогда вероятность еще меньше 0,68*0,68*0,68=0,31. Поэтому, прежде чем садиться за эконометрику, сделайте элементарный статистический анализ одной переменной и только потом пытайтесь искать зависимости, хотя бы между двумя статистическими параметрами.