Политическая наука №1 / 2018

Журнал настаивал на замене ее простой регрессионной моделью, что не имело логического смысла. В качестве компромисса авторам позволили оставить тот подход, который действительно имел смысл, но при условии добавления бессмысленной модели [Taagepera, 2008, p. 4]. Если людей, проводящих логически обоснованное количественное исследование, принуждают к добавлению бессмысленных линейных моделей, то что?то здесь не так, что?то не в порядке в этом королевстве.

Рис. 2.

Наука шагает на двух ногах: наблюдении и осмыслении [Taagepera, 2015].

Две ноги науки

Взгляните на рисунок 2. Здесь наука изображена на двух ногах. Именно наличие двух ног и позволяет ей шагать, приращивать знание. Как я уже говорил, шаг одной заключается в вопросе о положении дел. Этот шаг связан с наблюдением, измерением, наглядным отображением и статистическим описанием. Шаг другой ногой связан с выяснением логических оснований положения дел. И не только наблюдаемых, но возможных, а также и необходимых при последовательном использовании логических оснований.

Именно второй шаг ведет нас к построению логических моделей. И это придает дополнительный смысл первому. Пока мы фокусируем свой взгляд только на том, что перед глазами, мы действительно улавливаем, каково положение дел в конкретном случае. Вся полнота проблемы раскрывается целиком, только когда мы задаемся вопросом: «Каким положение дел должно быть?» Именно этот вопрос и связанный с ним шаг позволяют нам понять, что именно следует искать.

Две ноги шагают дальше, когда мыслительные модели тестируются с помощью собранных данных, чаще всего статистически[13 - То, что обычно небрежно сваливается в одну кучу под названием «статистический анализ», исполняет в действительности две чрезвычайно различные функции. Одна из них – статистическое описание данных – наилучшим образом соответствует тому, что обычно понимается под подходящим математическим форматом, включая значения констант в данном формате, меры разброса (такие как R

) и т.

д. Вторая – статистическое тестирование предполагаемых моделей – показывает, насколько хорошо предсказание согласуется со средним данных. Измерения с помощью статистических критериев тоже различаются между собой, но они также отличаются значительно от мер разброса. В частности, коэффициент детерминации R

не имеет значения и даже бесполезен, когда дело доходит до тестирования моделей.].

Вы можете сказать, что это звучит слишком абстрактно.