ПОИСК ВЗАИМОДЕЙСТВИЙ

- одна из наиболее распространенных задач анализа данных (см.) в социологии, состоящая в выявлении взаимодействий признаков (см.). Проблема П.в. особую актуальность имеет для социологии, экономики и др. поведенческих наук, анализ данных  в к-рых часто показывает незначимость важных теоретич. закономерностей на всей совокупности изучаемых объектов, но правильная группировка последних (содержательная или формальная) дает возможность выявить сильные эффекты на подгруппах. В силу этого изучение зависимостей между признаками в соответствующих задачах неразрывно связано со структурированием данных, выявлением таких групп, в каждой из к-рых искомые зависимости являются устойчивыми, в то же время значимо различаясь между группами. Существование различн. закономерностей на одной и той же совокупности объектов чаще всего бывает обусловлено именно наличием взаимодействий рассматриваемых признаков. Взаимодействия независимых признаков (предикаторов) X , ... , X создают значимые различия их отношений с "зависимым (целевым) признаком Y (в таких случаях говорят о различиях закономерностей, или "поведения" объектов) на различн. подгруппах выборки, характеризуемых отношениями свойств (значений) Х-ов. Проблема П.в. обостряется из-за особенностей социологич. данных, отличающих эти данные от тех, для к-рых разработано большинство методов статистич. анализа. Разнотипность шкал, по к-рым социологич. данные получаются создает разнообразие форм отношений между признаками: коэффициентов связи и др. формальных конструкций, отражающих зависимость как между признаками в целом, так и между отдельными значениями этих признаков - альтернативами. Интересующие социолога закономерности могут связывать как признаки целиком, так и их отдельные альтернативы (см. Сравнение коэффициентов связи номинальных признаков) Поэтому проблема П.в., к-рая, с одной стороны связана с формой отношений между признаками видов закономерностей, типов "поведения" объектов, а с другой - с неоднородным характером социологич. данных, требует разнообразных подходов и методов ее решения. Методы П.в. можно разбить (в значительной мере условно) на три группы. К первой группе методов отнесем регрессионный (в т. ч. качественный), дисперсионный, ковариационный, лог-линейный анализы (см. соответствующие статьи). Все эти методы объединены в одну группу, поскольку для них задача П.в. не является главной. В данном случае эта задача отождествляется с проблемой неаддитивности используемых в социологии статистич. моделей (аддитивной наз. модель, не включающая произведений переменных) и связана, т. обр., с гипотезами о форме зависимости между признаками и априори заданных взаимодействиях. Вести поиск взаимодействующих признаков в условиях неопределенности (когда априори не известны ни форма зависимости, ни то, какими могут быть искомые взаимодействия) методами этой группы затруднительно, особенно при большом числе предикторов. Кроме того, применение этих методов требует выполнения стохастич. предположении о характере используемых моделей: нормальности совместного распределения признаков на всей выборке или на отдельных ее частях, независимости ошибок измерения и т. д. В этих методах взаимодействия часто наз. условными эффектами и решение рассматриваемой проблемы сводится к проверке наличия значимых условных эффектов. Если гипотезы, отвечающие предполагаемой статистич. модели, не отражают реальную ситуацию с наличием взаимодействующих признаков, то оцениваемые параметры модели или коэффициенты влияния будут ошибочными, предсказание зависимого признака будет неверным; статистики, характеризующие двумерные и многомерные связи, могут содержать смещения в своих оценках. Во вторую группу методов П.в. входят методы специально направленные на такой поиск в условиях множественности признаков и отсутствия гипотетич. предположений о том, какие признаки взаимодействуют. Эти методы предлагают определенную статистич. модель изучаемых закономерностей. Но модель не предполагается заранее, как в методах первой группы, а выявляется в процессе селективного отбора признаков на каждом этапе последовательного разбиения выборки. Во вторую группу входят методы выявления взаимодействий (Morgan J. N., Messenger R. С.) и родственные им методы иерархич. группировки (Миркин Б. Г., Ростовцев П. С), называемые также методами последовательных разбиений с целевым признаком. Их объединяет присущее им свойство иерархичности, к-рое позволяет вести П.в. на отдельных подгруппах выборки. Методы первой группы не дают возможности выявлять взаимодействия такого типа, в них значимость взаимодействия определяется на всей выборке, а не на ее частях. Кроме того, в рассматриваемом случае ослаблены многие стохастич. предположения, накладываемые на признаки. Предикторы могут быть измерены шкалами любого типа, вплоть до номинальных. В одном из методов (Ростовцев П. С.) в качестве целевого признака может выступать группа признаков, так что группировка значений Х-ов осуществляется относительно нескольких Y-ов. Оптимальная модель при использовании методов рассматриваемой группы строится на основе сходных логич. принципов, хотя каждый из методов имеет свои особенности, связанные с типом используемых для измерения признаков шкал и с критериями оптимизации разбиения. На каждом из шагов разбиения, кроме первого, необходимо решить, какую из вновь образованных (дочерних) групп подвергнуть дальнейшему разбиению (в нек-рых алгоритмах разбиению подлежат все дочерние группы). Предикторы, образующие каждую из итоговых групп, являются либо определенно взаимодействующими, либо этот факт необходимо подтверждать с помощью методов первой группы. Тщательный анализ диаграммы разбиения может выявить ошибки в данных, большое число пропущенных данных, различн. смещения в распределениях признаков, происходящие, напр., в рез-те нарушения процедур и правил отбора респондентов в выборку. Необходим детальный анализ того, являются ли полученные взаимодействия фактом содержательной теории, либо просто отражают ошибки в данных. Итоговая группировка может служить вспомогательным средством для построения обобщенного показателя, в качестве к-рого выступает классификационный признак, построенный на группах. Рассматриваемые методы могут играть первостепенную роль в задачах типологич. анализа социологич. данных. Третья группа методов П.в. объединяет методы поиска логич. закономерностей (Лбов Г. С.) и детерминационного анализа (Чесноков С. В.), а также нек-рые другие, сходные с ними. Эти методы, так же как и методы второй группы, специально направлены на П.в. и не предполагают никаких априорных соображений о характере последних. Основной чертой этих методов является отсутствие статистич. модели данных и стохастич. предположений, накладываемых на признаки. Именно это отличает их от методов второй группы. Методы Г. С. Лбова могут работать с признаками, измеренными по шкалам любого типа, методы С. В. Чеснокова - с номинальными признаками. Все рассматриваемые методы, по существу, являются методами выявления сложных условных частот, определяющих градации зависимого признака. Отсутствие строгой статистич. модели обусловливает гибкость методов, их способность работать в условиях полной теоретич. неопределенности. Отметим, что нек-рые методы второй группы сродни методам третьей. Для сравнения, сопоставления рез-тов, особенно необходимых в социологии, где чаще всего отсутствует априорная модель изучаемого явления, требуется комплексное применение методов из разных групп. Так, методы третьей группы могут служить очень хорошим средством для П.в. в сочетании с методами первой группы. Лит.: Лбов Г.С. Методы обработки разнотипных признаков. Новосибирск, 1981; Чесноков СВ. Детерминационный анализ социально-экономических данных. М., 1982; Миркин Б.Г. Группировка в социально-экономических исследованиях. М., 1985; Ростовцев П.С. Алгоритмы анализа структуры прямоугольных матриц "пятна" и "полосы"// Анализ нечисловой информации в социологических исследованиях. М., 1985; Интерпретация и анализ данных в социологических исследованиях. М., 1987; Morgan J.N., Messenger R.C. THAID: a sequential//Analysis program for the analysis of nominal scale dependent variables. Michigan, 1973. К.Д. Аргунова.