2.4. Технология применения методов анализа исследовательских объектов

К оглавлению
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 
17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 
34 35 36 37 38 

Методы, используемые в организации научно-исследовательской

деятельности, могут быть разделены на два вида: исследовательские

и инструментальные. Критерием различия между ними является несовпадение

целей и сфер использования. Исследовательские (аналитические)

методы нацелены на анализ и диагностику исследуемой

системы, тогда как инструментальные — на проектирование новых систем,

новых подходов.

Предметом настоящего параграфа выступают исследовательские

(аналитические) методы, благодаря которым производится профессиональная

подготовка фактологической исследовательской базы для

направленного управленческого воздействия на социум с целью проектирования

в нем заданных свойств и приоритетов.

Аналитические методы направлены на обобщение фактологического

материала, заключение его в определенную (символическую) форму,

позволяющую выявлять скрытые зависимости между событиями

и явлениями с целью их понимания и объяснения. В зависимости от

целей и характера исследования осуществляется использование того

или иного конкретного метода в изучении управляемой системы, обнаруживающей

свои особенности в разрезе применяемого к ее анализу

метода. К числу этих методов следует причислить четыре вида: причинный,

корреляционный, факторный и логический.

Причинный анализ

Причинный анализ является первичной попыткой научного анализа

социальных процессов, характерной чертой которого выступает

наиболее сильная связь между переменными, приводящая к качественному

преобразованию одного элемента другим. Объектом причинного

анализа выступает прочная устойчивая зависимость между

двумя факторами, в которой один из факторов выступает способом

изменения другого фактора:х- а, гдехслужит причиной а.

Причитгая связь является разновидностью функциональной связи,

при которой причинное действие без остатка растворяется в результате

в соответствии с определенным законом. Отличительной

чертой причинной связи является ее длительность во времени, устанавливающая

определенный период времени между произведенным

действием и ее результатом. Степень причинного воздействия из-

меряется в показателе коэффициента корреляции между причинным

и следственным динамическими рядами. В случае приближения численного

значения коэффициента к единице степень причинной обусловленности

одного фактора другим становится ярко выраженной.

Главной целью причинного анализа является выявление цепочки

причинно-следственной зависимости между переменными исследуемого

процесса.

К основным задачам причинного анализа следует отнести.

1. Выявление наиболее характерных для данной проблемной ситуации

показателей и определение характера их зависимости

друг от друга. К ключевым показателям производственной системы

обычно относят такие показатели, как объем производства,

количество работников, объем заработной платы, объем продаж,

издержки, прибыль. Общим требованием к выбору показателей,

лежащих в основе причинного анализа является их измеримость

и сопоставимость с другими показателями, образующими объект

исследования.

2. Построение в фуппе отобранных показателей замкнутых контуров,

назначение которых состоит в том, чтобы обеспечить равновесие

между ключевыми показателями данной системы. Конструирование

контура является важнейшим этапом в процессе

проведения причинного анализа, поскольку наглядное представление

системы причинных зависимостей между переменными

отвечает главной цели причинного анализа.

Достижение этих задач становится возможным при построении когнитивной

карты (графа), благодаря которому можно определить локальные

участки исследуемого объекта с действием либо положительной,

либо отрицательной обратной связи. Когнитивной картой является

схематичное отображение причинно-следственных связей в объекте

исследования, призванное обозначить характер и структуру проблемной

ситуации.

При анализе причинной зависимости следует принимать во внимание

характер этой зависимости. В соответствии с этим выделяют два

рода зависимости: положительную и отрицательную связи. Положительной

связью является такая зависимость, при которой рост (снижение)

значений одного фактора вызывает рост (снижение) в значении

другого фактора.

ТА +ВТ ИЛИ ХА +Bi

174 Исследование социально-эконодлических и политических процессов

Отрицательную связь вызывает такая зависимость между факторами,

при которой рост (снижение) в значении одного фактора вызывает

снижение (рост) в значении другого фактора.

ТА -В4. или iA -вТ

Контуром в системе называется такая комбинация связей, которая

предполагает наличие трех и более факторов, находящихся друг с другом

в причинно-следственных связях.

В рамках контура изменение в признаке Xвызывает изменение в признаке

Л, а он, в свою очередь, влияет на Z, тогда как Z вызывает рост X

Образование контуров в модели объекта означает наличие в структуре

обозначений исследуемого процесса взаимосвязанной цепочки причинно-

следственных зависимостей между переменными, изменение

в значении которых отображается на изменении значений других переменных,

с которыми данная переменная находится в причинно-сЛед-

ственной связи.

Внутри контура производится действие обратной связи, заключающейся

в воздействии результатов функционирования системы факторов

на характер этого функционирования. Действие обратной связи

может иметь как положительный, так и отрицательный характер проявления.

Положительной обратной связью в контуре называется такая зависимость

между факторами, которая способствует созданию условий

нарушения равновесия в контуре системы (рис. 2.8).

ttA

(+)

_ +

"ct

fB +

Рис. 2.8. Контур положительной обратной связи

Отрицательной обратной связью называется такая зависимость

между факторами, которая способствует формированию условий для

сохранения равновесия в контуре системы (рис. 2.9).

Ш -

Рис. 2.9. Контур отрицательной обратной связи

Одной из разновидностей причинного анализа является пат-анализ,

назначение которого состоит в определении оценки прямых и непрямых

действий одной переменной на другую. Широкое применение

пат-анализа в социальных науках вызвано переплетением в социальных

явлениях и процессах связей между составляющими их элементами,

локализация которых позволяет научиться управлять ситуацией,

ослаблять или, напротив, усиливать действие отдельных

факторов.

Наряду с выделением схемы причинных зависимостей между переменными

пат-анализ предполагает выделение показателя R, отличие

которого от других заключается в том, что он выражает те колебания

значения положенного в него признака, которое не может быть объяснено

колебаниями других переменных в контуре.

Таким образом, характеризуя, к примеру, соотношение между различиями

в доходах {Х\), качеством жилья (Х2) и наличием загородного

дома (дачи) (.ХЗ), можно представить простейшую модель (рис. 2.10):

Ru—

ХЗ-Ц—Rw

Рис. 2.10. Графическое представление модели

Представленную модель можно описать системой уравнений, численными

значениями которой выступают пат-коэффициенты (р), выражающие

степень воздействия одной переменной на другую при постоянных

воздействиях других переменных (Д):

Xi -pluRu

Х2 - р21Х1 + p2vRv

ХЗ = р32Х2 + рЗ 1X1 + p3wRw.

Таким образом, на основе представленной модели мо^но заключить,

что величина XI целиком обусловлена действием факторов, лежащих

за пределами модели, величина Х2 обусловлена Xi и факторами

извне, а ХЗ обусловлена XI и Х2 и факторами вне модели.

Переменные, которые хотя бы частично обусловлены другими переменными

(Х2 и ХЗ), называются эндогенными, тогда как переменные,

обусловленные целиком внешними факторами, являются экзогенными.

Соотношение между экзогенными и эндогенными факторами лежит

в основе разделения причинных моделей на рекурсивные и нерекурсивные.

В рекурсивных моделях все причинные воздействия должны

176 Исследование социально-экономических и политических процессов

осуществляться только в одном направлении, без выделения петель

обратной связи, как это имеет место в представленной выше модели.

Наличие обратной связи между образующими контур переменными,

ведущее к проявлению так называемой взаимной причинности, выступает

главным признаком нерекурсивной модели.

Таким образом, можно сформулировать общий алгоритм в проведении

причинного анализа, предполагающий прохождение ряда этапов.

1. Определение индикаторов переменных, заключающееся в том,

чтобы для каждого фактора найти его количественное выражение.

2. Определение количественного выражения степени причинного

воздействия, заключенного в формулировке базовых пат-коэффициентов

в системе причинно-следственных взаимосвязей.

3. Построение когнитивной карты или графа с выделением эндогенных

и экзогенных факторов. Значение в построении такой

карты состоит в том, чтобы для каждой исследуемой системы

найти совокупность релевантных (присущих именно этой системе)

переменных, раскрывающих характер зависимости между

элементами данной системы.

Целью построения когнитивной карты сети причинно-следственных

взаимодействий является нахождение оптимального сочетания

составляющих контур обратной связи показателей, обусловливающего

условия стабильности или нестабильности системы.

Важнейшим звеном в проведении причинного анализа является

выделение контрольного показателя системы, в отношении которого

проявляется встречное воздействие со стороны петли обратной связи,

устанавливающей положительную или отрицательную связь.

Выбор контрольного показателя продиктован целями исследуемой

системы, установленными в ней приоритетами.

Признаком управляемости системы является наличие в ней механизма

отрицательной обратной связи, стабилизирующего значение

контрольного показателя, фиксированный диапазон вариации которого

является условием динамического равновесия между образующими

контур показателями, обеспечивающего режим саморегуляции

системы.

Основными задачами составления когнитивных карт являются:

• выявление индикаторных переменных, то есть переменных, изменения

в значении которых способствуют разрушению данной

системы;

• определение естественных условий равновесия между параметрами

системы;

• определение возможных сценариев нарушения равновесия в исследуемых

системах.

В высшей степени продуктивным в практике исследования социальных

процессов является использование матричных схем при определении

причинных зависимостей между выявленными проблемами.

Смысл этих схем заключается в коллективной оценке влияния одних

проблем на другие, что дает возможность строить предположения о естественных

тенденциях развития проблемных ситуаций и о порядке

их последовательной нейтрализации.

Оцененная по пятибалльной системе причинно-следственная связь

между актуальными проблемами организации позволяет при обсуждении

составить исчерпывающее представление о существующих проблемах

и их основных источниках.

Однако при принятии окончательного решения руководитель должен

учитывать массу других факторов, преимущественно внешнего

плана, влияние которых вряд ли можно формализовать.

Порядок построения матричной схемы следующий (табл. 2.12).

Таблица 2.12

Пример матрицы причин

Название

проблемы

1 .Противоречия

между

линейными

и функциональными

руководителями

2. Отсутствие

опыта в

выполнении

долгосрочных

проектов

3. Слабая

информационная

база

4. Недостатки

в подборе

персонала

ведущих

проектных

групп

1

1

2

2

4

1

5

3

3

3

4

2

2

5

3

1

1

6

4

1

2

3

7 Сумма

причин

14

4

6

14

Продолжение ^

178 Исследование социально-экономических и политических процессов

Таблица 2.12 (продолжение)

Пример матрицы причин

5. Недостатки

в распределении

плановых заданий

6. Отсутствие

эффективных

коммуникаций

между службами

7. Разрыв между

этапами

реализации

проекта

Сумма следствий

1

2

1

6

3

13

3

9 4

2

7 И 0

4

4

4

50

По горизонтали откладываются количественные зависимости между

причинами и следствиями, оцененные с точки зрения степени прямого

влияния.

К примеру, оценка 4 (строка 1, ф. 3) означает, что противоречия

между линейными и функциональными подразделениями имеют

сильное влияние на появление недостатков в системе информации.

Присвоение той или иной проблеме определенного количества

баллов означает способность этой проблемы оказывать влияние на

актуализацию других проблем, что требует изначального сосредоточения

внимания исследователей на поиске путей скорейшего решения.

По сумме следствий определяют наиболее восприимчивую к действиям

других проблем проблему, решение которой, как правило,

можно перенести на заключительные этапы решения всего комплекса

задач.

Для определения приоритетов в очередности решения возникающих

перед организацией проблем используется способ построения

графа проблем. Диаметр круга графа выражает важность данной проблемы

как причины появления других проблем, образуя основу для

обоснования последовательности в решение ключевых проблем. Направленность

причинной связи на этом графе фиксирует соединительная

стрелка (см. рис. 2.11).

Назначение матрицы проблем объединения и созданного на ее основе

графа проблем объединения состоит в том, чтобы определить

причинно-следственные связи между проблемами производственного

процесса и разработать с учетом полученной информации пос;}едо-

вательность в разрешении этих проблем.

Рис 2.11. Граф проблем объединения

Корреляционный анализ

Опыт анализа закономерностей исследуемой реальности показал,

что единство и целостность объектов обеспечивается не только прямым

влиянием одного признака, явления на другой (по типу причинно-

следственной связи), но и косвенно, через сопряженное соотношение

между качественно различными факторами.

Использование статистических методов к исследованию социальных

процессов наглядно иллюстрирует корреляционный анализ,

сфера применения которого сегодня стремительно расширяется.

Корреляционный анализ позволяет определить степень зависимости,

сопряженности между двумя и более признаками.

Корреляционная связь имеет место в том случае, если функциональная

(причинная) связь между показателями проявляется лишь

частично. В основе корреляционной связи лежит соотношение между

динамическими рядами варьируемых признаков, взаимодействие которых

обусловливает устойчивый режим функционирования системы.

Метод корреляционного и регрессионного анализа широко используется

для определения тесноты связи между показателями, не находящимися

в функциональной (причинной) зависимости. Теснота связи

между изучаемыми показателями измеряется корреляционным

отношением (для криволинейной зависимости). Для прямолинейной

зависимости исчисляется коэффициент корреляции:

I XiYi:

R = "L

4a xi -^(^^0^ ^. ШL„к. -^(S:i^io:^ )

л^ V Л'

Основными задачами корреляционного анализа в практике исследования

экономических проблем являются:

180 Исследование социально-экономических и политических процессов

• определение оптимального сочетания номенклатуры продуктов

и услуг;

• измерение и оценка зависимости между производственными показателями;

• оценка использования инвестиций в различных программах.

Использование корреляционного анализа позволяет выявлять факторы

производства и их влияние на производственные показатели, определять

приоритеты разработки стратегии предприятий, а также

разрабатывать эффективную торговую политику предприятий.

Основу корреляционного анализа составляют связи, назначение которых

состоит в выявлении общезначимой связи между исследуемыми

переменными, в основе которой лежит действие определенного

фактора. При этом одни переменные выступают как факторные, другие

— как результативные. Однако, используя такой тип зависимостей,

следует учитывать различия между функциональной (причинной) и корреляционной

связями. При функциональной связи изменение результативного

признака {X) всецело обусловлено действием факторного

признака (У). При корреляционной связи изменение результативного

признака (У) обусловлено влиянием факторного признака (X) не

всецело, а лишь частично, так как возможно влияние прочих факторов

(е):

Примером корреляционной связи является зависимость сумм издержек

обращения от объема товарооборота. В этом случае, помимо

факторного признака — объема товарооборота (X), на сумму издержек

обращения (У) влияют еще неучтенные факторы (е).

В табл. 2.13 представлено соотношение между двумя динамическими

рядами, распределяющими значения объемов продаж (У) и производства

(X). Основываясь на использовании коэффициента корреляции

можно выявить связь между двумя показателями с целью

определения заложенного в основу их динамики общего условия, влияющего

на их соразмерное изменение.

Таблица. 2.13

Соотношение объема продаж и производства продукции

№п/п

1

2

3

Xi

40

60

80

YI

20

60

80

XiYI

800

3600

6400

YI*

400

3600

6400

Xl^

1600

3600

6400

п/п

4

5

6

7

8

9

10

Xi

100

140

160

180

190

180

170

IXi =

= 1295

Yi

100

140

160

180

160

140

130

ZYi =

= 1170

XiYi

1200

1890

8400

32 400

30 400

25 200

22 100

IXiYi =

= 160 200

Yi^

10 000

19 600

25 600

32 400

25 600

19 600

16 900

ZYi^ =

= 179 700

Xl^

14 400

18 225

19 600

32 400

36100

32 400

28 900

IXi^ =

= 193 625

Подставляя полученные значения в формулу коэффициента корреляции,

получаем:

160,2-

Л =

1,3x1,2

10

1,3

(193 )х(179,7-0,144)

( 10

— = 0,8.

Проиллюстрировать полученный результат можно по шкале Чед-

дока (табл. 2.14).

Таблица 2.14

Шкала Чаддока

Показатели тесноты связи

0,1-0,3

0,3-0,5

0,5-0,7

0,7-0,9

0.9-0,99

Характеристика силы связи

слабая

умеренная

заметная

высокая

весьма высокая

По мере приближения значения коэффициента к единице корреляционная

связь практически трансформируется в причинную.

Полученный выше результат свидетельствует в пользу достаточно

высокого значения коэффициента корреляции между показателями,

что подчеркивает высокую степень их внутренней взаимозависимости.

Корреляционный анализ может использоваться для измерения связи

между различными показателями исследуемых процессов, что

обеспечивает возможность контролировать и направлять эти процессы.

Наличие корреляционной связи между показателями позволяет

через воздействие на один показатель оказывать влияние на другой

показатель, выстраивая порядок управления процессом.

182 Исследование социально-экономических и политических процессов

Широкую популярность в процессе использования корреляционного

анализа получила формула коэффициента ассоциации известного

британского ученого Дж. Юла (1871-1951).

Проиллюстрировать применение коэффициента ассоциации для

решения конкретной проблемы позволит формулировка следующей

задачи.

Для оценки влияния факторов на производительность труда в организации

было проведено исследование, в ходе которого рассматривалась

связь между фактором удовлетворенности трудом, изученного

в результате социологических исследований и производительностью

труда, дифференцированной исследователями на два уровня.

В ходе опроса 100 человек были получены следующие результаты

(табл. 2.15).

Таблица 2.15

Связь между производительностью труда

и удовлетворенностью трудом в организации (вариант)

Производительность труда

(X)

Высокая

Низкая

N(Yi)

Удовлетворенность (Y1) либо

неудовлетворенность

профессцей (Y2)

20

(N11)

30

(N21)

50

0

(N12)

50

(N22)

50

N(Xi)

20

80

100

Числа, приведенные в таблице, выражают количество человек, относящихся

к одной из четырех групп образованной матрицы.

Корреляционную зависимость между полученными в результате

исследования показателями, выраженную в значении коэффициента

ассоциации, можно вычислить по формуле:

Q =

Подставляем числовые значения в формулу:

(20x50-ОхЗО)

е = 7 ( = 1-

(20x50 + 0x30)

Значение коэффициента указывает на глубокую корреляционную

связь между производительностью труда и удовлетворенностью про-

фессией, однако зависимость здесь является односторонней (производительность

влияет на удовлетворенность, но влияет ли удовлетворенность

на производительность?).

Из табл. 2.14. хорошо видно, что если один из показателей^в таблице

отсутствует, то величина коэффициента ассоциации всегда будет равна

единице, что дает преувеличенную оценку степени связи между

исследуемыми показателями. Поэтому, чтобы сделать анализ более

точным и учесть двухстороннюю связь между показателями используется

коэффициент контингенции К. Пирсона:

Ф = (л^|| хЛ^^^ - N^^x N)/ yJN (xl)x N (х2)х N (yl)x N (у2).

Коэффициент контингенции измеряется в диапазоне от +1 до - 1 ,

но всегда меньше коэффициента ассоциации.

Ф = (20x50-0)/V20x80x50x50 = 1000/2000 = 1/2.

Если Ф меньше или равно 0,5, то существует двухсторонняя связь.

В данном случае удовлетворенность труд^ также оказывает влияние

на производительность труда.

Для оценки значимости коэффициента корреляции применяется (t)

критерий Стьюдента, вычисляемый по формуле:

Т

Полученная в процессе этих расчетов величина сравнивается с критическим

(ij), которая берется из специальной таблицы значений с учетом

заданного уровня значимости и числа степеней свободы.

Другим критерием, подтверждающим гипотезу о случайном или

неслучайном распределении частот исследуемого признака, является,

X — хи-квадрат. Для проверки такой гипотезы сравниваются эмпирические

(наблюдаемые) и теоретические частоты. Численное значение

X определяется по формуле:

X г

где/— эмпирические частоты, а / ' — теоретические частоты.

Теоретическое значение определяется с учетом числа степеней

свободы, определяемого по формуле: К = п - г - 1, где п - число

184 Исследование социально-экономических и политических процессов

групп, г — число параметров и степени вероятности. В случае фактического

значения X ниже табличного (в соответствии с таблицей критических

значений критерия К. Пирсона) в основе распределения частоты

исследуемого признака лежит закон нормального распределения.

Таким образом, с помощью данного критерия можно установить

статистически значимую взаимосвязь между переменными, составляющими

параметры исследуемого объекта.

Использование корреляционного анализа будет неполным, если

в расчет не берется значение среднего арифметического распределения,

позволяющего сглаживать случайные и неслучайные колебания

в динамике исследуемых рядов данных.

Среднее арифметическое распределение

Среднее арифметическое распределение, обозначаемое X, вычисляется

по следующей формуле:

N

- 1Л

X=^^—,

N

где X. — значение каждого отдельного случая; N — количество случаев;

Л'

~ •? ^i

X = — — знак суммы значений всех отдельных случаев от 1 до Л^.

N

Среднее арифметическое исчисляется в тех случаях, когда необходимо

определить объем усредняемого признака, выявленный путем

обобщения суммы значений всех единиц исследуемой совокупности.

К примеру, вычисленная таким образом средняя заработная плата в регионе

позволяет сравнивать с этой величиной заработную плату

различных социальных и профессиональных групп, определять оптимальную

величину бюджетных дотаций и надбавок для выравнивания

уровня жизни населения региона.

Так, распределяя в ходе вычисления среднего арифметического

между отдельными элементами общую величину признака, исследователь

выстраивает медиану. Медианой называется значение признака

у той единицы совокупности, которая расположена в середине ряда

частотного распределения. Для вычисления медианы необходимо в первую

очередь проранжировать индивидуальные значения признаков.

расположить соответствующие этому ряду частоты и найти их срединный

интервал. Так, к примеру, вычисляется средняя численность населения

ведущих городов региона (табл. 2.16).

Таблица 2.16

Разделение городов по численности населения

№п/п

1

2

3

4

5

6

Город

А

Б

В

Г

Д

Е

Численность

1 000 000

400 000

250 000

120 000

50 000

30 000

Срединные ранги в ряду представленных данных составляют 3-4

строку, и поэтому медиана равна

250 000 + 120 000 : 185 000.

Таким образом, медиана для данной выборки свидетельствует о том,

что три города в регионе располагают численностью выше данного

значения, а три города не дотягивают до этого значения. Если объем

значений делит исследуемую совокупность на четыре,части, то величина

каждой из них именуется квартилями, на десять — децилями, на

сто — процентилями.

Однако использование среднеарифметического при определении

характера рядов распределений может быть некорректным, если разброс

значений в исследуемой совокупности является очень большим.

Зафиксировать такой разброс помогут два важнейших статистических

показателя: показатель дисперсии и коэффициент вариации.

Показатель дисперсии

Дисперсию можно вычислить по формуле:

2 Цх-х)

а = .

Корень квадратный из дисперсии <т^ представляет собой среднее

квадратическое отклонение.

а = уа

186 Исследование социально-экономических и политических процессов

Показатель дисперсии, иногда называемый средним квадратом отклонений,

призван определить степень размытости распределенного

признака относительно среднего арифметического. Чем меньше среднее

квадратическое отклонение, тем лучше средняя арифметическая

отражает собой всю исследуемую совокупность. Если величина квад-

ратического отклонения высока, то использование среднеарифметического

значения показателя переменной для характеристики всей

совокупности недопустимо.

Коэффициент вариации

Коэффициент вариации отображает отношение среднего квадрати-

ческого отклонения к среднему арифметическому и вычисляется по

формуле:

2

и = —х100%.

Коэффициент вариации (X) является наиболее распространенным

показателем колеблемости, вариативности признаков, используемым

для оценки типичности средних величин. Статистиками доказано, что

если коэффициент вариации больше 40 %, то это говорит о значительной

степени вариативности признака в исследуемой совокупности,

свидетельствующей о широком разбросе признака.

Значение коэффициента вариации особенно наглядно выявляется

при характеристике региональной асимметрии. К примеру, по объемам

ВРП размах вариации из 88 регионов (кроме Чечни) в 1999 г. составил

29,4 раза (на краях ряда Ханты-Мансийский автономный округ

и Республика Дагестан), коэффициент вариации — 91,3%. В Европе

аналогичное соотношение между регионами Европейского союза составляет

4,6 раза, а между всеми европейскими странами — около 13 раз.

Разновидностью корреляционного анализа является корреляционно-

регрессионный метод. Одной из распространенных аналитических

задач, решаемых с применением корреляционно-регрессивного метода,

является задача на запуск-выпуск.

Допустим, что имеются фактические данные о запуске и выпуске

промышленных изделий (тыс. шт) (табл. 2.17).

Таблица 2.17

Фактические данные о запуске-выпуске промышленных изделий

Показатель

запуск Xj

выпуск Yj

X,

18

17,2

Xj

22

20,9

X,

13

11,6

Х4

20

18,7

Х5

15

14,1

Хб

14

12,9

2

5:iXi=102

SiYi = 95,4

Требуется определить зависимость выпуска изделий (в среднем) от

их запуска, составив соответствующее уравнение регрессии.

Значения X и F определяются по формулам:

X = S.X. - п; Y = S,Y, - п; п - 6,1 = 1,...,6;

X -= 102 - 6 - 17; У - 95,4 - 6 = 15,9.

Дальнейшим вычислениям придается табличная форма, что повышает

их наглядность (табл. 2.18).

Таблица 2.18

Представление вычислений в табличной форме

(Х,-Х)

1

5

3

-2

-3

(Xi-X)^

1

25

16

9

4

9

(V,-Y)

1,3

5

-4,3

2,8

-1,8

-3

(Y,-Y)^

1,69

25

18,49

7,84

3,24

9

(Х,-Х)

(Y,-Y)

1,3

25

17,2

8,4

3,6

9

S.(X, - Xy = 64 Sj(Y. - Vy = 65,26 S,(X,- X)(Y - Y) = 64,5.

Теснота связи между показателями запуска и выпуска измеряется

коэффициентом корреляции, который исчисляется по формуле:

п = d^xy + dxdy.

Подставляя соответствующие значения, получим:

S, =Vli(Xi-Xcp)'^n = V64^6 = 3,27;

dy - VS.(Y, - Y)' + n - V65,26 + 6 = 3,30;

d'^^ = S(X - X)(Y. - Y) - 64,5 + 6 - 10,75;

n - 10,75 + (3,27 X 3,30) - 10,75 + 10,79 « 0,996.

Считая формулу линейной (Y = a^ + a,X), определим зависимость

выпуска промышленных изделий от их запуска. Для этого решается

система нормальных уравнений:

па„ + a,S,Xi = S,Y.;

a„S,X, + a,S,X,^ = S^Y,

Величины SX.^ и SXjY представлены в табл. 2.20.

188 Исследование социально-экономических и политических процессов

Показатель

х.^

XiYi

Х|

324

309,6

Х:

484

459,8

Хз

169

150,8

Таблица 2.20

Рассчитанные значения SX,' и SX,Y,

Х4

400

374

Xs

225

211,5

х«

196

180,6

2

IiXi^=1798

ZjXjYi» 1686,3

Значение а^ определяем из первого уравнения:

6а„ + 102а, - 95,4;

102а„+1798а,-1686,3;

а„ - (95,4 - 102а,) + 6, или а„- 15,9 - 17а,.

Подставляя найденное выражение а^ во второе уравнение, находим

значение а,:

102(15,9 - 17а,) + 1798а, - 1686,3;

1621,8 - 1734а, + 1798а, - 1686,3;

64а,-1686,3-1621,8;

64а,-64,5; а,-1,01;

а„- 15,9 - (17 X 1,01); а„- 15,9 - 17,17;

а„--1,27.

Итак, уравнение регрессии в окончательном виде имеет следующий

вид:

У - - 1,27 + 1,01Х.

Проверка:

У - - 1,27+1,01 X 17 - - 1,27 + 17,17;

У - 15,9.

Ранговая корреляция

Ранговая корреляция вычисляется на основе формулы, созданной

Ч. Спирменом для определения тесноты связи как между количественными,

так и между качественными признаками исследуемого

процесса при условии, что значения этих признаков будут проранжи-

рованы или упорядочены по степени убывания или возрастания признака.

Коэффициент ранговой корреляции вычисляется по формуле:

к = 1--

6£d'

(n'-n)'

где d — разность рангов; п — общее число рангов; Sd ^ — сумма квадратов

в разности рангов.

Главной задачей ранговой корреляции является определение того,

насколько исследуемые объекты, сравниваемые процессы идентичны

по их признакам, и насколько эта идентичность (или неидентичность)

является значимой, чтобы принимать ее во внимание при их

оценке.

Примером, подтверждающим применение ранговой корреляции, может

служить сравнение приоритетов потребительского выбора между

различными категориями потребителей, заключающееся в совпадении

их потребительских ориентации в отношении того или иного товара

или внедренной новации.

С помощью вычисления коэффициента ранговой корреляции возможно

решение таких задач, как:

• выявление факторов производства и их влияния на производственные

показатели;

• определение приоритетов разработке стратегии предприятий;

• разработка эффективной торговой политики предприятий;

• измерение общественного мнения на основе общности ориентации

различных социальных групп и пр.

Механизм реализации метода ранговой корреляции предполагает

ряд этапов.

1. Выделение не менее двух рядов последовательностей, характеризующих

динамические характеристики объекта исследования.

2. Определение места каждому показателю в структуре динамического

ряда и распределение полученных результатов по рангам.

Полное совпадение мест показателей в динамических рядах

означает положительную корреляцию, тогда как обратный порядок,

соответственно, свидетельствует об отрицательной корреляции.

3. Вычисление фактического коэффициента ранговой корреляции,

располагающегося в диапазоне от -1 до +1.

Проиллюстрировать процедуру исчисления ранговой корреляции

можно на конкретном примере.

Опрашиваются две группы экспертов, потребителей в разных частях

города с целью получения информации об источниках сведений

о потребительских качествах товара. Ответы распределяются следующим

образом (табл. 2.21).

190 Исследование социально-экономических и политических процессов

Таблица 2.21

Данные двух независимых групп об источниках рекламной информации

Источник информации

Радио

Телевизор

Администрация

Друзья

Родственники

Магазин

Слухи

1 фуппэ

76

91

97

46

55

37

36

ранг

3

2

1

5

4

7

6

2 группа

82

81

98

60

39

42

52

ранг

2

3

1

4

7

6

5

Данные обследования заносятся в формулу:

К=1-(6х(1 + 1+0+1+9+ 1 + 1)/(343-7) = 1-84/336-0,75.

Полученный результат свидетельствует о достаточно высокой степени

корреляции между приведенными в таблице рядами данных. Это

подтверждает версию, что между двумя торговыми точками значительной

разницы в оценке потребителями приоритетов в получении

информации не наблюдается. И поэтому предприятие в своей маркетинговой

политике может и не принимать во внимание факт пространственной

отдаленности между своими торговыми представительствами.

Использование метода ранговой корреляции также эффективно

при наличии нормативной структуры показателей, отображающей условия

потенциального экономического роста фирмы в сложившихся

условиях.

К примеру, если в основу развития предприятия положен принцип

экономического роста, в соответствии с которым снижение затрат живого

труда должно осуществляться более опережающими темпами по

сравнению с темпами затрат труда овеществленного, то нормативный

ряд показателей развития предприятия будет выглядеть следующим

образом:

Тзп < Тсс < Тмз < Ттп < Тнчп < Тр < Тп, где Т — показатель темпов

роста, п — прибыль, нчп — нормативно-чистая продукция, тп — стоимость

товарной продукции, мз —материальные затраты, р — расчетный

показатель, измеряемый как п + мз, ее — полная себестоимость

товарной продукции, зп — трудовые затраты, выраженные в показателе

заработной платы.

В нормативном ряду должны быть как ограничивающие показатели,

имеющие в данном случае минимальные темпы роста, так и резуль-

тативные, закладывающие приоритетные цели развития предприятия.

Оценивая соответствие между нормативной и фактической структурами

показателей, можно сделать вывод о результативности стратегической

политики предприятия и о необходимости проведения корректирующих

мер.

Алгоритм использования метода ранговой корреляции для оценки

стратегической политики предприятия относительно темпов его развития

будет включать в себя следующие этапы.

1. Выявление динамики ключевых показателей роста, определяющих

стратегическую политику предприятия за определенный

период и выстроенных в направлении от ограничивающих показателей

к результативным.

2. Представленная таблица преобразуется в таблицу темпов выделенных

показателей, измеренных в процентах на стадиях ежегодного

изменения. На основании данных составленной таблицы

формируются динамические ряды фактических поТсазателей.

3. На основании соответствия фактического динамического ряда

нормативному производим расчет коэффициента ранговой корреляции

по каждому фактическому динамическому ряду.

4. По имеющимся данным коэффициента ранговой корреляции

выявляем зависимости изменения данного коэффициента во

времени, объясняя волнообразный характер этих изменений.

Индексный метод

Целью индексного метода является определение сущностных показателей,

необходимых для характеристики процессов, развертываемых

в пространстве и времени. С помощью индексов выявляются

индикаторы оценки происходящих в управляемых системах изменений,

концентрируется информация о наиболее существенных процессах.

Основой индексного метода является перевод натурально-вещественной

формы выражения процесса в форму индикатора.

Статистическим индексом является относительная величина сравнения

сложных совокупностей и отдельных их единиц. При этом сложной

понимается такая статистическая совокупность, отдельные элементы

которой непосредственно не подлежат суммированию.

Индексный метод выполняет как аналитическую, так и синтетическую

функцию. Аналитическая функция индексного метода заключается

в способности определять влияние факторов на изменение изучаемого

показателя, синтетическая — в объединении (агрегировании)

192 Исследование социально-экономических и политических процессов

разнородных единиц статистической совокупности. Например, индекс

цитируемости, используемый для оценки квалификации ученого-исследователя,

выполняет скорее синтетическую функцию, определяя

совокупность множества признаков (количество научных трудов, j^e-

ная степень, занимаемая должность и пр.) при помощи отдельного показателя,

тогда как индекс цен имеет скорее аналитическую природу,

будучи ориентирован на оценку экономических изменений в обществе,

их вектора.

В зависимости от степени охвата подвергнутых обобщению единиц

изучаемой совокупности выделяются индивидуальные и общие индексы.

Индивидуальные индексы характеризуют изменения отдельных единиц

статистической совокупности, а общие — сводных.

К примеру, показатель изменения объема реализации товарной

массы продуктов питания за определенный период является общим

индексом физического объема товарооборота. Тогда как изменения

в продаже-отдельных групп товаров фиксируются индивидуальным

индексом.

Индивидуальные индексы определяются по формуле:

где I — показатель индекса по q-ой группе, Q,: QQ— количественные

показатели состояния объекта в текущем и базисном периоде в натуральных

показателях.

Общие индексы охватывают максимально полный перечень единиц

статистической совокупности, измеряя общее значение исследуемых

процессов и явлений. Примером общего индекса служит индекс Г. Па-

аше, при помощи которого принято определять индекс цен. По динамике

индекса цен судят об инфляционных процессах в стране, а также

о тенденциях в изменениях уровня жизни ее населения. Агрегатная

форма этого инде1?са имеет вид:

I 55^

' 2:PQ,'

где рассматривается отношение суммы стоимости продаж товаров

в текущем периоде по ценам этого же периода к сумме стоимости продаж

товаров в текущем периоде по ценам базисного периода.

Широкую популярность обрело использование территориальных

индексов, при помощи которых производится ранжирование террито-

риальных образований относительно ключевых признаков, положенных

в основу их дифференциации. Среди них наиболее популярны

индексы специализации, локализации и агломеративности.

Индекс специализации города вычисляется по формуле:

S, = (K-N.)/N.,

где S. — индекс специализации города i по отрасли N, N. — доля отрасли

N в суммарной занятости города i, N. — доля отрасли N в суммарной

занятости по стране.

Индекс локализации служит для сопоставления доли территориального

образования (района, города) в какой-либо отрасли хозяйства с

его долей в каком-либо укрупненном базисном показателе, которым

может быть промышленность в целом, валовой внутренний продукт,

национальный доход и пр. Вычисляется индекс специализации по

формуле:

J,'T.N/TK,

где Г — число занятых в отрасли на данной территории;

Т — число занятых во всех отраслях хозяйства этой же территории;

ЛГ. — число занятых в отрасли по стране в целом;

N — число занятых в народном хозяйстве страны в целом.

Индекс агломеративности выражает соотношение плотности сети

городских поселений к среднему кратчайшему расстоянию между ними

и вычисляется по формуле:

K^N/S-LI'-P/P.

где N— число городских поселений в агломерации; 5— размеры

территории агломерации; L — среднее кратчайшее расстояние между

городским поселениями агломерации; Р — численность городского населения

зоны спутников и Р^ — численность городского населения агломерации.

Факторный анализ

Факторный анализ возник в 1904 г., когда известный математик

Ч. Спирмен обратился к исследованию структуры умственных способностей.

Наиболее полную трактовку факторному анализу дал Л. Тер-

стоун в 20-30-х г., сделав упор на методологических основах факторного

анализа и его практическом применении.

Факторный анализ — это процедура установления силы влияния

факторов на функцию или репрезентативный признак (полезный эф-

184 Исследование социально-экономических и политических процессов

фект машины, элементы совокупных затрат, производительности труда

и т. д.) с целью ранжирования факторов для разработки плана организационно-

технических мероприятий по улзгчшению функций.

Основными особенностями факторного анализа являются:

• в противоположность контролируемому эксперименту, факторный

анализ опирается на наблюдение над естественной динамикой

переменных;

• факторный анализ не требует предварительных гипотез, напротив,

он сам служит инструментом выдвижения гипотез.

Факторный анализ устанавливает прочность всех связей между переменными,

выбранными для исследования. Он позволяет не только

выделить группы наиболее взаимосвязанных признаков, но и отделить

несущественные признаки от существенных, оценить их информативность.

Таким образом, с помощью этого метода можно объяснить отклонения

или воспроизведение наблюдаемых корреляций с помощью

меньшего набора лирейных комбинаций исходных переменных.

Каждый фактор, влияющий на изменения наблюдаемых переменных,

является их линейной функцией:

Коэффициент Л., показывает вес каждой наблюдаемой переменной

X в проявлении фактора /!.

Задачей факторного анализа является процедура определения отдельных

факторов, влияющих на изменение результативного показателя,

установления формы функциональной и стохастической зависимости

между результативным и факторным показателями.

В проведении факторного анализа выделяются следующие этапы.

1. Выделение связи между показателями.

2. Выделение контуров связи с наибольшим коэффициентом схожести

и выделение факторов, обеспечивающих максимальное распределение

признаков.

Основным инструментом выявления связи между факторным и результативным

признаком являются коэффициент корреляции и коэффициент

эластичности. Если для определения факторной связи через

коэффициент корреляции обязательно использование соответствующей

программы ЭВМ, то учет коэффициента эластичности дает возможность

более грубого и в то же время доступного способа выявления

характера зависимости между результативным показателем

и действующим на него фактором. Коэффициент эластичности изме-

ряется как количественный показатель соотношения в изменении факторного

признака и сопряженного с ним изменения результативного.

В зависимости от значения этих показателей определяется функция

этой зависимости с соответствующим видом регрессии.

1. Подбор вида регрессии, который наилучшим образом отражал бы

действующую связь изучаемого показателя с набором факторов.

2. Разработка метода, позволяющего определить влияние фактора

на результативный признак.

3. Построение матрицы, элементами которой служат коэффициенты

корреляции, вычисленные по формуле:

^N^X"-(XxfjNi.f -(LYf~\

Ha подготовительной стадии факторного анализа большое внимание

следует уделять качеству матрицы исходных данных для ЭВМ.

С этой целью рекомендуется на основе логического анализа определить

группы факторов, влияющих на исследуемую функцию.

Анализ матрицы следует осуществлять следующим образом.

Пусть исследователь располагает совокупностью N(i= 1,2... N) наблюдений

и набором из п (/ = 1,2... п) признаков, из значений которых

составляется матрица, где строки соответствуют наблюдениям, а столбцы

признакам, характеризующим явление.

Хи

-^21

^ и

-^N1

^ .

^

к

^2„

Х-.

^N„

По представленным данным строится матрица интеркорреляций, значения

которых задаются парными корреляциями между переменными

(табл. 2.22).

В зависимости от предмета рассмотрения в ячейки строк могут

включаться объекты анализа, временные интервалы, а в ячейки столбцов

— ряды, характеризующие изменение объекта в пространстве, стадии

динамики.

Предварительным условием осуществления факторного анализа

является преобразование корреляционной матрицы в матрицу фак-

196

Xsn^

1

2

3

4

5

6

7

8

9

Исследование социально-асономических и

1

1

0,01

0.05

0,35

0,1

0,1

0,09

0,01

0,11

2

0,01

1

0,11

0,23

0,47

0,46

0,38

0,04

0,05

3

0,05

0,11

1

0,09

0,08

0.03

0.03

0.01

0.02

4

0.35

0,23

0.09

1

0,05

0,12

0,13

0,05

0,03

5

0,1

0.47

0,08

0.05

1

0.1

0,15

0,16

0.04

толитических процессов

Таблица 2.22

Матрица интеркоррвляций

6

0,1

0,46

0.03

0,12

0,1

1

0.12

0.09

0.04

7

0.09

0.38

0.03

0,13

0,15

0.12

1

0,08

0,23

8

0,01

0,04

0.01

0,05

0,16

0,09

0,08

1

0,45

9

0,11

0,05

0,02

0.03

0,04

0.04

0.23

0.45

1

торных нагрузок с помощью метода главных компонентов. Затем определяется

путь максимальной корреляции путем построения связного

фафа, вершинами которого выступают все рассматриваемые признаки

X а ветвями — коэффициенты связи между признаками R... Граф

составляется таким образом, чтобы сумма величин коэффициента связи

между признаками, представляющая вершины этого дерева, была

максимальной. «Разбивая:^ дерево на части, учитывая значения факторных

нагрузок между переменными (за пороговую величину тесноты

связей берется показатель 0,2), мы получаем группу близких признаков,

которые и называются факторами. Значения интеркорреляции

ниже 0,2 не берутся в расчет при построении графа и опускаются

(рис. 2.12).

F1 е^эй

Рис. 2.12. Корреляционный граф по методу Л. Выханду

Выстроенный корреляционный граф, фиксирующий наиболее тесные

связи между переменными, называется корреляционным графом

по методу эстонского математика Л. Выханду.

Взаимоотношения между факторами можно изобразить на графике,

где изменения в значениях между факторами отображаются в наклоне

кривой соотношения факторов на базе выявленных факторных

нагрузок (рис. 2.13).

F1

F2

Рис. 2.13. Взаимоотношения между факторами на основе выявленных

соотношений факторных нафузок

К исходным данным следует предъявлять следующие требования.

1. В объем выборки должны включаться данные только по однородной

совокупности объектов анализа, то есть одного назначения

и класса, используемые в аналогичных условиях по характеру и типу

производства, режиму работы, географическому району и т. д.

В случае, когда необходимо увеличить размер матрицы, исходные

данные отдельных объектов могут быть приведены в сравнимый

с большинством объектов вид по отличающимся признакам

путем умножения их на корректирующие коэффициенты.

2. Период динамического ряда исходных данных должен быть небольшим,

но по возможности одинаковым для всех объектов.

Зона прогноза должна охватывать срок в два и более раза меньше

срока исследуемого периода, прогностическая оценка которого

должна периодически обновляться (уточняться).

3. Исходные данные должны быть качественно однородными, с небольшими

интервалами между собой.

4. Следует применять одинаковые методы или источники формирования

данных. Если динамический ряд имеет крупные структурные

сдвиги (например, из-за изменения цен, ассортимента

выпускаемой продукции), то все данные должны быть приведены

в сравнимый вид или одинаковые условия.

198 Исследование социально-эконоллических и политических процессов

5. Отдельные исходные данные должны быть независимыми от

предыдущих и последующих наблюдений. Например, наблюдение

не должно определяться расчетным путем по предыдущему наблюдению.

Использование факторного анализа является полифункциональным

и может иметь место при диагностике стоящих перед управлением

проблем, а также при анализе и проектировании систем мотивации

персонала.

Логический анализ

Логическая экспертиза исследуемых процессов является одним из

ключевых способов диагностики характера лежащих в их основе проблем.

Специфической чертой логического анализа является оценка

событий с точки зрения непротиворечивости и логической цельности

отображающих эти события средств описания. Таким образом, логический

анализ целесообразно осуществлять в отнощении средств выражения

событий, фактов, текстов научно-исследовательских программ

и проектов путем обоснования последовательности и аргументированности

заключаемых в ходе этого анализа выводов.

Характерной чертой логического анализа является то, что его объектом

выступает не сам процесс, а суждение о нем, оценка качества, обоснованность

которого служит условием того, насколько адекватными

являются наши представления о сущности этого процесса, формах его

когнитивной актуализации. В качестве объекта логической оценки

исследуемых процессов может быть рассмотрен один из перечисленных

ниже аспектов.

1. Перечень свойств и признаков исследуемого процесса, рассмотренный

с точки зрения их полноты, непротиворечивости и доказательности.

2. Структуризация обоснования заключений о характере и свойствах

исследуемых процессов, базирующаяся на необходимости

соблюдения основных логических правил: единства логического

основания при разделении признаков и свойств объекта; полноты

эмпирической базы в получении результатов исследования; непротиворечивости

положенных в основу заключений аргументов.

3. Проведение первичной экспертизы исследуемого процесса с целью

выявления сети функциональных зависимостей между его

элементами.

Основными структурными единицами логического анализа выступают

понятия, а^ждения и умозаключения.

На уровне понятий закладывается полнота и точность определения

понятий, их идентичность первоначально заложенному содержанию

в пространстве всего оцениваемого документа. Основной задачей, лежащей

в основе логического анализа на данном уровне, является достижение

оптимального соотношения между содержанием и объемом

используемых в суждениях об объекте понятий. Критерием оптимальности

такого соотношения является определенность и допустимая степень

абстрактности используемых в анализе объекта понятий.

На уровне суждения проводится оценка соответствия предикатов сущности

понятия, в отношении которого они устанавливаются и свойства

которого отображают. В ходе определения свойств и признаков исследуемых

процессов, осуществляемого при помощи суждений, необходимо

придерживаться перечня логических правил, в соответствии

с которыми выделенные свойства и признаки не противоречат друг

другу, дифференцируются строго по одному основанию и соответствуют

сущности обследуемого процесса.

Как известно, все суждения можно разделить на четыре группы: общеутвердительные

(Л), частноутвердительные (7), общеотрицательные

(£) и частноотрицательные (О). Взаимоотношение между этими

суждениями позволяет проиллюстрировать модель «логического квадрата

», в рамках которого проявляются три типа связей: соподчинения,

контрарная и контрадикторная (рис. 2.14).

Общие

Контрарные

Подчинение

Частные

Подчинение

Су6контра1аные

Утвердительные Отрицательные

Рис. 2.14. Логический квадрат

200 Исследование социально-экономических и политических процессов

Общеутвердительные суждения — это суждения, при помощи которых

подтверждается тезис, имеющий максимальную степень общности.

Формулой общеутвердительного суждения является «Все

5 есть Р».

Частноотрицательным является суждение, подтверждающее тезис

на ограниченном объеме всех возможных признаков (формула: «Некоторые

5 есть Рр). Общеотрицательным является суждение, отрицающее

тезис во всем объеме его содержания. Формулой этого вида суждения

является: «Ни одно 5 не есть Р». Частноотрицательным является

суждение, отрицающее тезис на ограниченном объеме его возможных

признаков (формула: «Некоторые 5 не есть Р»). Как видно из рис. 2.14,

контрарные связи вс5зникают между суждениями Л и О, /и О, контрадикторные

— между АиО,1иЕ, подчинения — между Л и /, £ и О.

На основе знания типов соотношения между суждениями определяется

логическая стрзтстура сведений об объекте, степень общности

и характер совместимости между основными разделами описания

объекта.

Содержание суждения определяется количеством признаков или

действий (предикатов), характерных для субъекта этого суждения,

а также способом связи между этими предикатами.

К примеру, в суждении «проект имеет как теоретическую направленность,

так и практическое значение» по отношению к одному

субъекту (проекту) привязано два предиката (теоретическая направленность

и практическое значение). Связь, выражающая перечень

признаков исследуемого объекта — субъекта суждения, дополняющих

друг друга, называется конъюнкцией.

Связь, выражающая альтернативный (взаимоисключающий) характер

признаков объекта, называется дизъюнкцией.

В том случае, если в содержании объекта выявляется функциональная

обусловленность одного признака другим, имеет место импликация.

Логическая структура умозаключений отображает последовательность

в выработке новых знаний, обобщений, заключаемых на базе

собранных фактов. Логическая экспертиза документа на стадии умозаключений

должна показать, насколько аргументированными и достоверными

являются выводы из накопленных фактов, эмпирических

обобщений, насколько доказательными представляются сами правила

логического вывода, сопутствующие пол5гчению нового знания.

Как известно, в логике выделяются два вида умозаключений: дедуктивные

и индуктивные.

Спецификой дедуктивного подхода является концентрация сил на

обобщенной оценке системы и разработке общих принципов формирования

организационной структуры объекта. Логически дедукцией

является способ мыслительной деятельности, основанный на схождении

от общих суждений к частным и далее — к единичным.

В противоположность дедуктивному, индуктивный подход ориентирован

на получение общих выводов путем обобщения единичных

суждений. Этот вид умозаключений содержит в себе условные (имп-

ликативные) суждения, условно-категорические, разделительно-категорические

и условно-разделительные умозаключения. Логические

формулы этих умозаключений могут быть использованы в практике

принятия оптимальных управленческих решений и доказательстве

оптимальности принятого решения.

Соблюдение ряда логических правил является необходимым условием

таких решений. Вот только несколько из этих правил:

• тезис должен быть логически определенным, ясным и точным;

• тезис должен оставаться тождественным самому себе на протяжении

всего процесса доказательства;

• аргументы должны быть истинными и доказанными;

• аргументы не должны противоречить друг другу;

• аргументы должны быть достаточными для данного тезиса.

Дедуктивное умозаключение лежит в основе двух видов косвенного

доказательства: апогагического и разделительного. Апогагическим

называют косвенное обоснование истинности тезиса путем установления

ложности противоречащего ему допущения. Разделительным

называют косвенное обоснование тезиса, выступающего членом дизъюнкции,

путем установления ложности и исключения всех других членов

дизъюнкции.

Прямой способ доказательства предполагает использование индуктивного

умозаключения. Индуктивные умозаключения обнаруживают

две разновидности, обозначаемые как полная и неполная индукция.

В полной индукции заключение о принадлежности некоторого признака

всему классу явлений получают на основе повторяемости этого

признака у каждого из явлений класса.

В неполной индукции такое заключение получают на основе повторяемости

признака у некоторых явлений класса.

При прямом способе доказательства тезис обосновывается аргументами

без использования противоречащих тезису допущений.

202 Исследование социально-эконоА<\ических и политических процессов

В процессе научных исследований индуктивный подход предусматривает

детализированное описание исследуемого объекта, информационных

связей и организационных отношений, результатом которого

должен стать определенный вывод, который необходимо положить

в основание стратегической цели. Индуктивный подход присущ наблюдениям

с не очень известными объектами, с недостаточно исследованной

структурой, с неустановившимися связями и отнощениями.

Дедуктивный подход, в свою очередь, предполагает доказательство,

базирующееся на имеющейся информации, основанное на соблюдении

правил соответствующего вида умозаключения и используется при определении

стратегической целесообразности развития предприятия.

Квалификация социального исследователя опирается на овладение

всеми тремя уровнями логического анализа управляемого объекта.

Сначала реальность, подлежащая исследованию, формулируется в понятиях,

фиксируя главные объекты анализа. Затем выстраиваются

суждения как нормативной, так и ценностной ориентации, выражающие

признаки замещаемых понятиями точек анализа, а также действия

подпавших в сферу анализа субъектов.

Поиск надежных решений сопровождает стадия составления умозаключений,

представляющих собой набор посылок, при обобщении

которых осуществляется выбор логически выверенного решения. Дедуктивный

и индуктивный варианты этого выбора выражают два наиболее

распространенных стиля в проведении научного исследования:

стратегий последовательного и постепенного поиска неизвестного заранее

результата, а также стратегии использования готовой методологической

схемы для объяснения или определения путей, ведущих

к заранее сформулированному результату. Различие между этими стратегиями

научного поиска лежит в основе разделения функции прогноза

на поисковый и нормативный.

Владение основными методами логического разложения исследуемого

объекта дает возможность исследователю избрать наилучший

вариант в разрешении проблемы.

Гарантией правильности этого выбора является цельность и непротиворечивость

системы понятий, представляющих объект исследования,

баланс между нормативными и ценностными суждениями в описании

объекта, а также логическая обоснованность принятых решений,

приближающаяся по своей достоверности к строгим правилам логического

вывода в классических умозаключениях. Методы установления

причинных связей позволяют усилить степень этой обоснованности

в условиях ситуационной неопределенности.