На  правах  рукописи 

005018822

Кученкова Анна  Владимировна 

ЛОГИКО­КОМБИНАТОРНЫЕ  МЕТОДЫ АНАЛИЗА  СОЦИОЛОГИЧЕСКИХ  ДАННЫХ: 

ЭВРИСТИЧЕСКИЙ  ПОТЕНЦИАЛ  И МЕТОДИЧЕСКАЯ  СПЕЦИФИКА 

Специальность 22.00.01  ­

теория, методология и история  социологии 

АВТОРЕФЕРАТ 

диссертации на соискание ученой  степени 

кандидата социологических  наук 

3  М А Й  2 0 1 2 

Москва­2012 

Работа  вьшолнена  на  кафедре  прикладной  социологии  социологического 

факультета ФГБОУ ВПО «Российский государственный  гуманитарный  университет». 

Научный  руководитель:  доктор социологических наук, профессор 

Татарова Галина (Гульсина)  Галеевна 

Официальные оппоненты:  Пузанова Жанна  Васильевна доктор социологических наук, профессор 

ФГБОУ ВПО «Российский  университет 

дружбы народов» 

заместитель заведующего кафедрой  социологии 

Михеенкова Мария  Анатольевна кандидат технических  наук 

ФГБУН «Всероссийский институт научной  и 

технической информации  РАН» 

старший научный  сотрудник 

Ведущая  организация:  ФГБОУ ВПО «Московский  педагогический 

государственный  университет» 

Защита  состоится  «22»  мая  2012 г.  в  16  часов  на  заседании  Совета  по  защите 

докторских  и  кандидатских  диссертаций  Д.  212.198.09  при  Российском  государственном 

гуманитарном  университете по  адресу:  125993, Москва, ГСП ­ 3, Миусская  площадь, д.  6, 

С  диссертацией  можно  ознакомиться  в  научной  библиотеке  Российского 

государственного гуманитарного  университета. 

Автореферат разослан  апреля 2012 г. 

Ученый секретарь 

диссертационного  совета 

доктор социологических  наук  Л.Н.  Вдовиченко 

ОБЩАЯ ХАРАКТЕРИСТИКА  РАБОТЫ 

Актуальность  темы  исследования.  В  области  анализа  социологических  данных 

широко  используются  различные  классы  математических  методов.  Арсенал 

инструментальных  средств  обработки  информации  постоянно  расширяется,  пополняясь 

новыми  подходами,  позволяющими  решать  содержательные  задачи,  возникающие  в 

самых разнообразных  областях эмпирической социологии. Многообразие методов анализа 

данных,  с  одной  стороны,  предоставляет  исследователю  богатый  выбор  и  открывает 

широкие  возможности.  С  другой  стороны,  порождает  своего  рода  «методологическую 

травму»  ­  «растерянность  исследователей  перед  обилием  социологических  теорий, 

методологий,  методов  в  процессе  принятия  решений  о  выборе  средств  познавательной 

деятельности»'.  В  этой  связи  возникает  потребность  и  в  систематизации  методического 

знания,  и  в  осмыслении  возможностей  и  ограничений  тех  классов  математических 

методов, которые являются для социологического анализа относительно  новыми. 

К  одному  из  таких  классов  относятся  так  называемые  логико­комбинаторные 

методы,  основанные  на  использовании  средств  математической  логики  и 

предназначенные  для  анализа  взаимосвязи  признаков  на  «локальном  уровне».  Базовыми 

методами  этого  класса  являются:  1) метод  СКА  («сравнительный  качественный  анализ», 

qualitative comparative  analysis, QCA)  2) ДСМ­метод  (названный  в честь Джона  Стюарта 

Миля, JSM­method)^.  Оба эти метода разрабатываются  с  1980­х годов. Первый из них бьш 

предложен Ч. Рейджином, второй ­  отечественным исследователем  В.К. Финном. 

Актуальность  изучения  эвристического  потенциала  и  особенностей  применения 

логико­комбинаторных  методов  обусловлена  несколькими  причинами:  отсутствием 

достаточно конструктивных  описаний  технологии  применения  этих методов, несмотря  на 

существование  немалого  числа  научных  публикаций,  в  которых  делается  упор  на 

подробное  описание  математических  алгоритмов  и  не  отражаются  этапы  построения 

концептуальных  схем  анализа,  технологии  его  проведения.  Каждый  из  этих  методов 

обладает  различными  познавательными  возможностями  и  ограничениями,  ориентирован 

на решение вполне определённых  содержательных  задач. В основе каждого  метода  лежит 

теоретическая  модель  представления  данных,  особые  модельные  ограничения,  которые 

'  Татарова  Г.Г.  Методологическая  травма  социолога.  К  вопросу  интеграции  знания  //  Социологические исследования. 2006. № 9, С. 3. 

Впервые  метод  представлен  в  работе:  Ragin  С.С.  The  comparative  method:  Moving  beyond  Qualitative  and Quantitative  Strategies.  Berkeley,  Los  Angeies  and  London:  University  of  California  Press.  1987;  Одна  из последних  монографий:  Ragin  С.С.  Configurational  Comparative  Methods:  Qualitative  Comparative  Analysis (QCA) and Related Techniques.  Sage.  2008. ^ Автоматическое  порождение  гипотез  в  интеллектуальных  системах.  М.:  Книжный  дом  «ЛИБРОКОМ», 2009; ДСМ­метод  автоматического  порождение  гипотез: логические  и эпистемпологические  основания.  М : Книжный дом <ЛИБРОКОМ»,  2009. 

- 3 -

должны  выполняться  на  данных.  Соответственно  возникают  задачи  изучения 

адекватности методов  в различных  исследовательских  ситуациях.  Кроме того,  возникают 

проблемы  совместного  использования  этих  методов  с  целью  достаточно  полного 

извлечения  эмпирических  закономерностей  в  рамках  решения  одной  и  той  же  задачи. 

Рассматриваемые  методы  развивались  независимо  друг  от  друга,  что  требует  не  только 

выявления  преимуществ  и  охраничений  каждого  из них,  но  и  изучения  возможностей  их 

последовательного  применения.  Логико­комбинаторные  методы  реализуют  достаточно 

новый  для  социологии  подход  к  анализу  данных.  Вследствие  этого,  необходимо 

соотнесение  и  сопоставление  их  с  другими  математическими  методами  и  обозначение 

классов  задач,  для  решения  которых  они  являются  эффективным  способом  анализа 

данных. 

Степень  научной  разработанности  проблемы.  Логико­комбинаторные  методы 

неразрывно  связаны  с  методологией  и  методами  анализа  данных  в  социологии.  В  этой 

связи  диссертационное  исследование  опирается  на  работы  по  методологии 

социологического  исследования,  в  которых  в  той  или  иной  степени  затрагивалась 

проблематика анализа данных (Г.С. Батыгин, И.Ф. Девятко, Г.Г. Татарова, Ю.Н. Толстова, 

В.А. Ядов  и др.);*  по  методам  многомерного  анализа, разработка  и  применение  которых 

имеет длительную традицшо, как в России, так и за рубежом (М.Дж. Кендалл, А. Стьюарт, 

Дж.­0. Ким,  Ч.У. Мьюллер,  У.Р. Клекка,  М.С. Олдендерфер,  Р.К. Блэшфидд,  Г. Крамер, 

Д. Хейс,  С.Д. Хайтун  и  др.);^  по  методическим  проблемам  анализа  социологических 

данных,  в  частности,  на  работы  отечественных  исследователей  (Э.П. Андреев, 

Г.В. Осипов,  Б.Г. Андреенков,  Ю.Н. Толстова,  К.Д. Аргунова,  Г.Г. Татарова, 

И.И. Елисеева,  В.О. Рукавишников,  Ф.М. Бородкин,  Ю.Н. Гаврилец,  П.С. Ростовцев, 

И.Б. Мучник,  В.Г. Миркин,  В.А. Малахов,  М.С. Косолапов  и  др.);®  по  логико­

*  Батыгин  Г.С.  Обоснование  научного  вывода  в  прикладной  социологии.  М.:  Наука.  19Z6; Дееятко  И.Ф. 

Модели  обьясиение  и  логика  социологического  исследования.  М.:  Ин­т  социологического  образования Российского  центра  гуманитарного  образования,  1996;  Татарова  Г.Г.  Методология  анализа  данных  в социологии  (введение).  М.:  NOTA  BENE,  1999;  Толстова  Ю.Н.  Анализ  социологических  данных: методология,  дескриптивная  статистика,  изучение  связей  между  номинальными  признаками.  Москва: Научный мир. 2000; Ядов  В.А. Стратегия социологического  исследования: описание,  объяснение,  понимание социальной реальности. М.: «Омега­Л».  2007. '  Кендалл М.Дж.,  Стьюарт А.  Многомерный  статистический  анализ  и  временные  ряды.  М.:  Наука,  1976; Факторный, дискриминантный и кластерный анализ: пер.с англ. / Дж.­0.  Ким, Ч.У. Мьюллер, У.Р. Клекка и др.  М.: Финансы и статистика,  1989; Крамер  Г. Математические  методы статистики. М,: Мир,  \9И­,ХейсД. 

Причинный  анализ  в  статистических  исследованиях  М.:  «Финансы  и  статистика»,  1981;  Хайтун  С.Д. 

Количественный анализ социальных явлений: Проблемы и перспективы. М.: КомКнига, 2010. '  Андреев  Э.П..  Осипов  Г.В.  Методы  измерения  в  социологии.  М.:  Наука,  1977;  Интерпретация  и  анализ данных  в  социологических  исследованиях  /  отв.  ред.  В.Г.  Андреенков,  Ю.Н.  Толстова.  М.:  Наука,  1987; Математические  методы  анализа  и  интерпретации  социологических  данных  !  В.Г.  Андреенков, К.Д. Аргунова, В.И. Паниотго и др. М.: Наука,  1989; Елисеева И.И., Рукавишников  В.О. Логика прикладного статистического анализа. М.: Финансы и статистика,  1982; Толстова Ю.Н.  Логика математического  анализа социологических  данных. М.: Наука,  1991; Математические методы в социологическом  исследовании  / отв. 

­ 4 ­

комбинаторным  методам,  которые  начали  разрабатываться  в  конце  1970­х  ­  начале 

1980­х гг. 

За рубежом начало исследованиям по применению средств и языка  математической 

логики  в  социологических  и  политических  исследованиях  положили  работы 

американского  социолога  Ч. Рейджина.  Он  изучал  возможности  использования  булевой 

алгебры  для  формализации  сравнительного  анализа  небольшого  количества  объектов. 

Первая публикация, описывающая метод «сравнительного  качественного  анализа»  (СКА), 

вышла в  1987 г.' Позже в двух монографиях Ч. Рейджин предложил модификацию  метода, 

а также сопоставил его со статистическим подходом к анализу социологических  данных.' 

Особенности  метода  СКА  и  результаты  его  применения  на  практике  активно 

обсуждались в научной  периодике. По данным  Б. Риу,' в 2003 г. насчитывалось уже около 

230  публикаций,  посвященных  «сравнительному  качественному  анализу».  Сфера 

применения  этого  метода  оказалась достаточно  щирокой:  он использовался  для  изучения 

стилей  административного  управления  в  городах,  анализа динамики  убийств,  проявлений 

рабочего  сопротивления,  причин,  приводящим  к  злоупотреблениям  наркотиками  и 

алкоголем  и  прочего.'"  Со  временем  сложилась  группа  исследователей,  которые 

занимаются  разработкой,  применением  и  продвижением  СКА,  изучением  его 

методологических  оснований  и  методических  особенностей  (Ч. Ре14джин,  Б. Риу, 

Ж. Де Мер, А. Берг­Шлоссер, Л. Кронквист, Дж. Квист, К. Шнайдер, Б. Вис и др.)." 

ред.  Рябушкин  Т.В.  М.:  Наука,  1981;  Типология  и  классификация  в  социологических  исследованиях  /  АН СССР,  Ин­т  социологических  исследований.  М.:  Наука,  1982;  Количественные  методы  в  социологии  / редкол.: В.Н.Шубкин (сост.), А.Г.Аганбегян, Р.В.Рывкина и др. М.: Наука,  1966. 

Ragin  С.С.  The  comparative  meùod:  Moving  beyond  Qualitative  and  Quantitative  Strategies.  Berkeley,  Los Angeles and London: University of California Press,  1987. '  Ragin  C.C.  Configurational  Comparative  Methods:  Qualitative  Comparative  Analysis  (QCA)  and  Related Techniques.  Sage. 2008;  Griffin L,  Ragin  C.C.  Some  Observations  on  Formal Methods  of  Qualitative  Analysis U 

Sociological Methods & Research.  1994. №23 (1). P. 4­22. '  Rihoux B. Bridging gap between the qualitative  and quantitative worlds? A retrospective  and prospective view  on qjulitative conçarative  analysis. // Field methods. 2003. №15. P. 351­365. 

Greckhamer  Г., Misangyi  V.F., Elms Я ,  Lacey  R. Using qualitative comparative analysis  in strategic management research: an examination of combinations of industry,  corporate and business­unit  effects // Organizational  research methods.  2008. №11. P. 695­726; KUbum  H.W. Explaining  U.S. Urban regimes: a qualitative  comparative  analysis // Urban affairs review.  2004. №39. P. 633­651; Regoeczi  iV.C,  Miethe  T.D. Taking on the Unknown: A  QuaUtative Comparative  Analysis  of Unknown  Relationship  Homicides  // Homicide  Stadies.  2003.  №7.  P.  211­234;  Roscigno 

V.J., Hodson  R. The Organizational and Social Foundations of Worker Resistance // American Sociological  Review. 2004.  №69.  P.  14­ 39;  Valtonen K.  Padmore  J.C.,  Sogren  M.,  Rock  L  Lived Experiences  of Vulnerability  in  the Childhood of Persons Recovering ftora Substance Abuse // Journal of Social Work. 2009. №9. P. 39­ 60. "  Rihoux B. Bridging gap between the qualitative and quantitative worlds? A  retrospective and prospective view  on qualitative  comparative  analysis.  //  Field  methods.  2003.  №15.  P.  351­365;  Schneider  C.Q.  The  consolidation  of democracy.  Comparing  Europe  and Latin America.  Routledge.  2008;  Vis B.  Politics  of  risk­taking.  Welfare  State Reform  in  Advanced  Democracies.  Amsterdam  University  Press.  2010;  Schneider  C.Q.,  Grofman  B.  An Introduction to Crisp  Set  QCA,  with  a Comparison  to Binary  Logistic  Regression //  Political  Research Quarterly, 2009. № 62. P. 662­684; De Meur G.. Berg­Schlosser  D. Comparing Political Systems: Establishing Similarities and Dissimilarities//  European Journal of Political Research.  1994. №26(2). P.  193­219. 

- 5 -

в  отечественной  научной  литературе  представлены  переводы  всего  трёх  статей 

Ч. Рейджина и его последователей.'^  Метод СКА кратко описан в качестве метода  анализа 

данных в области исторической макросоциологии Н.С. Розовым'^  и упоминается в статьях 

A.B. Стрельниковой,  П.В. Романова и Е.Р.  Ярской­Смирновой.'^ 

В  России  исследования,  посвященные  использованию  логико­комбинаторных 

методов  для  анализа  социологических  данных,  связаны  в  первую  очередь  с  именем 

B.К. Финна.  Предложенный  им  в  конце  1970х  ­  начале  1980­х  гг.  ДСМ­метод" 

продолжает  разрабатываться  и  применяться  под  его  руководством  научно­

исследовательским  коллективом  ВИНИТИ  РАН  в  различных  областях  науки,  включая 

социологию.  Результаты  многолетних  исследований  по  разработке  и  применению 

ДСМ­метода представлены в коллективных  монографиях.'* 

Первая  версия  интеллектуальной  системы  типа  ДСМ  для  анализа  именно 

социологических  данных  была  разработана  М.А. Михеенковой,''  а  ее  программная 

реализация  осуществлена  С.С. Московским.  Этой  проблематикой  занимались 

Ж.И. Бурковская,  С.М. Гусакова,  Д.В. Панкратов,  Т.В. Феофантова."  Использование 

ДСМ­метода  в  социологических  исследованиях  представлено  в  статьях  E.H.  Даниловой, 

C.Г. Климовой, A.A.  Земскова." 

"  Рейдокин  Ч. Новые  ориеигиры  //  Сравнительная  социология:  избранные  переводы.  М.:  Academia,  1995. С. 91­98;  Рейдокин  Ч.,  Берг­Шлоссер  Д.,  Де  Мер  Ж.  Политическая  методология:  качественные  методы И 

Политическая наука: новые направления /  Под ред. Р.Гудина, Х.­Д  Клингеманна.  М.: Вече,  1999.  С.729­748; КаистДж.  Социальные реформы в скандинавских  странах в  1990­е годы: использование теории  нечеткого набора  для  оценки  соответствия  идеальным  типам  //  SPERO:  Социальная  политика:  экспертиза,  решения, оценки. 2003. №1. С. 41­67. "  Розов  Н.С.  Логические  средства  анализа  причинных  связей.  Методы  Бэкона­Милля  в  приложении  к теоретической  истории  //Историческая  макросоциология:  методология  и  методы.  Новосибирск: Новосибирский государственный университет, 2009. С.  185­229. 

Стрельникова  А.В.  Сравнительное  исследование  как новое  направление  в социологической  методологии (обзор  сентябрьского  номера  журнала  «International  sociology»)  //  Вестник  РГТУ.  2007.  №2­3.  С.  322­328; Романов  П.В.,  Ярская­Смирнова  Е.Р.  Методология  исследования  и  критического  анализа  в  сфере социальной  политики  и  социальной  работы  //  Социология:  методология,  методы,  математическое моделирование. 2005. №2. С. 51­76. "  Финн B.R  О  машинно­ориентированной  формализации  правдоподобных  рассуждений  в стиле Ф. Бэкона­Д.С. Милля // Семиотика и информатика.  1983. № 20. С.  35­101. "  Автоматическое  порождение  гипотез  в  интеллектуальных  системах  /  Сост.  Е.С.  Панкратова,  В.К.  Финн; Под общ.ред.  В.К.Финна.  М.: Книжный дом «ЛИБРОКОМ», 2009; ДСМ­мегод автоматического  порождения 

гипотез: логические и эписгемлогические основания / Сост. О.М. Аншаков, Е.Ф. Фбрикантова; Под  общ.ред. 

О.М. Аншакова. М.: Книжный Дом «ЛИБРОКОМ»,  2009. 

"  Михеенкова  М.А.  Развитие  ДСМ­метода  автоматического  порождения  гипотез  для  его  применения  при анализе социологических данных типа «субьект=поведение»: автореф. дне. канд.техн.наук. М.,  1998. "  Бурковская  ЎК.И.,  Михеенкова  М.А.,  Финн  В.К.  О  логических  принципах  анализа  электорального поведения  //  Научно­техническая  информация.  Сер.  2.  Информационные  процессы  и системы.  2004.  №8. С.18  ­  22; Панкратов  Д.В.  Логические  и  программные  средства  качественного  анализа  социологических данных,  автореф.  дис  канд.техн.наук.  М.,  2001;  Гусакова  С.М.,  Михеенкова  М.А..  Финн В.К.  О логических средствах  автоматизированного  анализа мнений //  Научно­техническая  информация.  Серия 2.  2001.  №5.  С. 5­25;  Михеенкова  М.А.,  Феонфантова  ТМ.  Обучающая ДСМ­система  для анализа социологических  данных //ВестникРГТУ.  2009. №10. С.  152­169. "Данилова  Е.Н., Михеенкова  М.А., Климова С.Г.  Возможности применения логико­комбинаторных  методов для  анализа  социальной  информации  //  Социология:  методология,  методы,  математические  модели.  1999. 

Другие  методы  поиска  взаимодействий,  установления  закономерностей  в  виде 

комбинаций  значений  переменных  (признаков)  ­  алгоритмы  деревьев  решений, 

детерминационный  анализ  (основанный  на  анализе  условных  распределений), 

предложенный  С.В. Чесноковым,^"  разработки  Н.Г. Загоруйко  и  Г.С. Лбова^'  ­  не  могут 

быть  отнесены  к  классу  логико­комбинаторных  методов,  поскольку  используют  лишь 

незначительные элементы математической  логики. 

Несмотря  на  наличие  ряда  монографий,  сборников,  статей,  посвященных  двум 

основным  видам  логико­комбинаторных  методов,  недостаточно  освещенными  остаются 

вопросы,  связанные  с  их  эвристическим  потенциалом,  местом  в  ряду  других  средств 

анализа  данных,  с  методическими  особенностями  применения.  Работы  зарубежных 

авторов  остаются  неизвестными  широкому  кругу  российских  исследователей,  а  труды 

отечественных  специалистов  освещают  в  большей  степени  теоретические  основания 

логико­комбинаторных  методов, нежели технологии  применения. 

Не  изученной  остается  проблематика  совместного  использования  логико­

комбинаторньк  методов  в  рамках  решения  одной  и  той  же  задачи,  не  проводились 

исследования  с  последовательным  или  параллельным  применением  логико­

комбинаторных  методов  на  практике,  хотя  с  теоретической  точки  зрения 

М.А. Михеенковой проведен сравнительный  анализ рассматриваемых  нами методов.  ^ 

Объектом  диссертационного  исследования  являются  логико­комбинаторные 

методы  как  особый  класс  математических  методов  многомерного  анализа 

социологических  данных. 

Предметом  диссертационного  исследования  выступают  познавательные 

возможности  логико­комбинаторных  методов  и  методические  особенности  их 

применения. 

Цель  исследования  заключается  в  разработке  технологии  использования  логико­

комбинаторных  методов  (включая  и  их  последовательное  применение)  на  примере 

решения  двух  классов  содержательных  задач:  сравнительного  анализа  стран  по 

совокупности  типообразующих  признаков;  измерения  гомогенности,  непротиворечивости 

и близости групповых предпочтений. 

№11.  С.  142­160;  Земское  A.A.  Некоторые  возможности  использования  ДСМ­метода  автоматического порождения  гипотез  для  анализа  социологических  данных  //Российская  социология  завтрашнего  дня: сборник студенческих работ, ГУ­ВШЭ. М.: ТЕИС. 2006. С. 284­  309. ^^  Чесноков C.B. Детерминационный анализ социально­экономических  данных. М.: УРСС,  1982. 

Загоруйко  Н.Г.  Прикладные  методы  анализа  данных  и  знаний.  1999;  Лбов  Г.С.  Методы  обработки разнотипных  экспериментальных  данных  /  Академия  наук  СССР,  Сибирское  отделение,  Ин­т  математики. Новосибирск: Наука.  1981. "  Михеенкова  М.А.  О  формализованных  эвристиках  качественного  анализа  социологических  данных  // Вестник РГГУ. 2010. №12. С.  193­214. 

- 7 -

Для  достижения  этой  цели  предполагалось  решение  следующих 

исследовательских  задач: 

1.  Предложить  основания  для  сравнения  математических  методов 

многомерного анализа жестко формализованных социологических  данных. 

2.  Обосновать  необходимость  выделения  логико­комбинаторных  методов  в 

особый  класс  математических  методов  на  основе  сопоставления  их  с  широко 

распространенными  средствами многомерного  анализа. 

3.  Проанализировать  методические  особенности  базовых  логико­

комбинаторных  методов. 

4.  Разработать модель изучения отношения к протестному поведению в разных 

странах,  опираясь  на  вторичную  концептуализацию  данных,  полученных  в  рамках 

«Международной  программы социальных исследований ­  2006». 

5.  Определить  преимущества  и  недостатки  логико­комбинаторного  подхода 

для  типологического  анализа  стран  (базовым  типообразующий  признак  ­

одобрение / неодобрение населением протестного поведения). 

6.  Проанализировать  познавательные  возможности  ДСМ­мегода  для 

измерения  гомогенности,  непротиворечивости  и  близости  установок  респондентов  (на 

примере  анализа  политических  предпочтений  студентов,  принадлежащих  к  электоратам 

разных партий). 

Теоретико­методологическая  основа  исследования. 

Для обоснования логико­комбинаторных  методов как особого класса методов автор 

опирается  на  основные  положения  в  области  методологии  и  методов  многомерного 

анализа  социологических  данных.  Для  выявления  теоретико­методологических 

предпосылок  их  применимости  и  разработки  технологии  их  использования  ­  на 

упоминавшиеся  выше  труды  авторов,  предложивших  СКА  и  ДСМ­метод:  Ч. Рейджина, 

Д. Берг­Шлоссера, В.К. Финна, М.А. Михеенковой и др. 

Для постановки задачи сравнительного анализа стран и ее решения  использовались 

язьжовая  и  логическая  структуры  типологического  анализа  как  метаметодикн, 

предложенные  Г.Г. Татаровой^^.  Концептуализация  исходных  данных  Международного 

проекта  социальных  исследований  и работа  с эмпирической  базой  проводились  с  учётом 

принципов  вторичного  анализа^  данных7отраясь^а^разра^^^ 

В.П. Горяинова, A.B.  Стрельниковой.^^ 

"  Татарова  Г.Г.  Основы  типологического  анализа  в  социологических  исследованиях.  М.:  Высшее образование и наука, 2007. 

"Сычева Д.С  Метод  вторичного  анализа//Социологические  исследования.  1995.  №  11.  С. 46­59; ГорияновВ.П.  Опыт  проведения  вторичного  исследования  по  классификации  жизненных  ценностей  // 

Эмпирическая база диссертационного  исследования. 

1.  Данные  исследования  «Роль  правительства  в  государстве»,  проведенного  в 

2006 г.  в  рамках  Международной  программы  социальных  исследований."  Опрос 

проводился  в 32 странах. Использовался  жёстко  формализованный  унифицированный  для 

всех  стран  вопросник.  Выборка  многоуровневая,  стратифицированная,  формировалась  в 

каждой стране по существующим  статистическим  показателям. Общий объём  выборочной 

совокупности  составил  48 641  чел.  Первичные  (полевые)  данные  подвергались 

вторичному  анализу  и  в  процессе  вторичной  концептуализация  были  преобразованы 

посредством  вычисления  различных  индексов  ­  производных  показателей,  отражающих 

мнение населения  разных  стран, т.е.  был осуществлен  переход  с уровня  индивидуальных 

измерений к  групповым. 

2.  Данные,  полученные  в  исследовании  «Электоральные  предпочтения 

студентов  РГГУ».  Первый  этап:  рук.  Р.И. Анисимов,  анкетный  опрос  студентов  4­5 

курсов,  ноябрь  2003 г.,  число  участников  опроса  ­  272  респондента.  Второй  этап:  рук. 

A.B. Стрельникова,  анкетный  опрос  студентов  4­5  курсов,  ноябрь  2007 г.,  число 

участников  опроса  ­  267  респондентов.  Выборочная  совокупность  формировалась  на 

основе  двух  признаков:  курс  (4  и  5),  факультет.  Автор  принимал  непосредственное 

участие на втором этапе исследования в процессе сбора и анализа данных. 

Научная новизна исследования  заключается в  следующем: 

­  в  качестве  средства  систематизации  знаний  о  математических  методах 

многомерного  анализа  в  социологии  предложен  ряд  оснований  для  их  сравнения 

(возможность  получения  статистических  оценок,  требуемый  уровень  измерения 

переменных, форма представления данных «на входе»,  структура результата  «на выходе» 

и др.); 

­  опираясь  на  выделенные  основания  для  сравнения  математических  средств 

многомерного  анализа, определено место логико­комбинаторных  методов в их структуре; 

­  предложена  и  апробирована  методика  вторичной  концептуализации  данных 

«Международного  проекта  социальных  исследований»  для  сравнительного  анализа  стран 

по  одобрению  населением  протестного  поведения.  В  частности,  осуществлен  переход  от 

индивидуального  к  групповому  уровню  измерения  на  основе  введения  интегральных 

показателей; 

Социология:  методология,  методы,  математические  модели.  1997.  №9.  С.  125­145;  Стрельникова  A.B. 

Исследовательские  архивы:  расширение  возможностей  для  вторичного  анализа  //  Социологические исследования, 2005. №1.  С.126­131. "  International Social Survey Programme  2006: Role of Government  ZA4700. Data  file  Vers.  1.0.0 // GESIS Data Arcliive.  [Electronic  resource].  ­  Germany,  Cologne,  cop.  2008.  ­  Mode  acess: http://zacat.gesis.org/webview/index.jsp7object­http  ://zacat.gesis.org/obj/fShjdy/ZA4700 

­ 9 ­

­  определены  преимущества  и  ограничения  использования  логико­комбинаторных 

методов  для  типологического  анализа  стран  (по  одобрению  /  неодобрению  населением 

протестного поведения, по особенностям политической культуры, и т.д.); 

­  выявлены  возможности  использования  методики  измерения  с  помощью 

ДСМ­метода  непротиворечивости,  гомогенности  и  близости  установок  респондентов  (на 

примере  анализа  политических  предпочтений  студентов,  принадлежащих  к  электоратам 

разных партий). 

Положения, выносимые на  защиту 

1.  Способом обобщения информации о разнообразных  методах многомерного  анализа 

данных  является  их  классификация  по  различным  основаниям.  Несмотря  на 

невозможность  предложить  универсального  критерия  для  сравнения  методов,  можно 

ввести  несколько  оснований  для  соотнесения  достаточно  новых  для  социологии 

алгоритмов  анализа  данных  с  широко  распространенными  методами.  Наиболее 

эффективными  из  них  являются  так  называемая  метаметодика  анализа  данных  (виды 

анализа:  типологический,  факторный  (факториальный)  и  причинный),  на  реализацию 

которой направлены методы; определенный уровень измерения переменных;  возможность 

получения статистических  оценок. 

2.  Двумя  базовыми  логико­комбинаторными  методами  имеет  смысл  считать  СКА 

(метод  «сравнительного  качественного  анализа»)  Ч. Рей джина  и  ДСМ­метод  В.К. Финна, 

которые  разрабатьшались  в  одно  время  и независимо  друг  от друга.  Несмотря  на  то,  что 

они  опираются  на  различные  алгоритмы  поиска  эмпирических  закономерностей,  оба 

метода  используют  в  качестве  языка  формализации  данных  математическую  логику.  Эти 

инструментальные  средства  многомерного  анализа  данных  основаны  на  индуктивном 

выводе  и  позволяют  выявлять  различные  эмпирические  закономерности,  отыскивая  и 

устанавливая  сходства  в  характеристиках  объектов  в  виде  комбинаций  значений 

переменных. 

3.  Специфика  логико­комбинаторных  методов  по  отношению  к  другим  средствам 

многомерного  анализа  данных  заключается  в  следующем:  а)  они  предназначены  для 

реализации  метаметодики  причинного  анализа;  б) направлены  на решение  задачи  поиска 

взаимодействий,  т.е.  анализа  взаимосвязи  переменных  на  «локальном»  уровне»; 

в) ориентированы  на  использование  переменных,  измеренных  на  номинальном  и 

порядковом  уровнях;  г)  могут  использоваться  для  анализа  выборок  небольшого  объема; 

д) не  позволяют  переносить  вьшоды  на генеральную  совокупность,  при  этом  не  требуют 

выполнения условий, связанных с распределением значений переменных; е) соотносятся  с 

«интеллектуальным  анализом  данных»,  так  как направлены  на  отыскание  максимального 

- 1 0 -

количества  закономерностей  в  данных;  ж)  относятся  к  методам  «формализованного 

качественного  анализа»,  реализуя  «восходящую»,  индуктивную  стратегию  анализа 

данньк. 

4.  Большинство  методов  многомерного  анализа  данных  направлено  на  изучение 

взаимосвязи  между  признаками  на  «глобальном»  уровне.  Однако  в  социологических 

исследованиях  сложно  обнаружить  детерминанты  того  или  иного  явления,  оказьшающие 

на  него  сильное  влияние  вне  зависимости  друг  от  друга.  При  этом  более  значимое 

воздействие  на  целевой  показатель  могут  иметь  комбинации  ряд^  характеристик, 

различные  взаимодействия  признаков.  Для  установления  и  изучения  подобного  вида 

закономерностей  на  «локальном»  уровне  адекватными  являются  именно  логико­

комбинаторные  методы. 

5.  Преимущество  использования  логико­комбинаторных  методов  при  проведении 

типологического  анализа  заключается  в  возможности  вьиеления  пересекающихся 

подгрупп  объектов,  часть  характеристик  которых  полностью  совпадает;  в  отличие, 

например,  от кластерного  анализа,  в результате  применения  которого получают  описание 

кластерных  профилей,  типичных  представителей  подгруппы,  и  каждый  объект  не 

полностью,  но  в  больщой  или  меньщей  степени  соответствует  этому  описанию  (в 

зависимости  от  того,  ближе  он  к  центру  кластера  или  дальше  от  него).  С  учетом 

указанных особенностей логико­комбинаторные  методы целесообразнее  использовать  для 

типологизации  небольшого  количества  объектов,  в  случае  есгш  необходимо  получить  не 

просто  описания  подгрупп  схожих  объектов  в  целом,  а  обладать  при  этом 

характеристиками  каждого. 

К  недостаткам  использования  логико­комбинаторных  методов  для  реализации 

типологического  анализа  относится  дробное  деление  совокупности  объектов  на  большое 

количество  пересекающихся  подгрупп,  а  также  выявление  закономерностей  в  виде 

длинных  комбинаций  значений  признаков,  что  затрудняет  восприятие,  описание  и 

интерпретацию  результатов. 

6.  Последовательное  использование  различных  логико­комбинаторных  методов  для 

выделения типологических  групп стран, отличающихся  по уровню одобрения  населением 

протестного  поведения  и  основным  характеристикам  политической  культуры,  позволило 

сопоставить  СКА  и  ДСМ­метод  между  собой.  СКА,  рассматривая  по  отдельности  две 

группы  объектов  с  противоположными  значениями  целевого  показателя,  позволяет 

выделять  среди  каждой  из  них  подгруппы  объектов,  обладающих  одинаковыми 

характеристиками  (комбинациями  значений  независимых  признаков).  В  отличие  от  него, 

ДСМ­метод  определяет  подгруппы  объектов,  обладающих  уникальной,  присущей  только 

­ 1 1  ­

им  комбинацией  характеристик,  не  встречающейся  у  объектов  с  противоположным 

значением  целевого  показателя.  Тем  самым  вьщеляются  подгруппы  объектов  и  схожих 

между  собой,  и  отличающихся  от  объектов  с  противоположным  значением  зависимого 

признака.  Вследствие  этого  ДСМ­метод  эффективно  использовать  для  уточнения 

результатов применения СКА и выделения наиболее устойчивых  закономерностей. 

7.  В  случае  большого  количества  исходных  для  анализа  переменных  целесообразнее 

применение  ДСМ­метода,  возможности  которого  были  продемонстрированы  в  ходе 

сравнительного  анализа  стран  с  разным  уровнем  поддержки  населением  протестного 

поведения  в  широком  контексте  политических,  экономических  установок  населения, 

объективных показателей развития стран. 

8.  Измерение  непротиворечивости,  гомогенности  и близости  установок  респондентов 

с  помощью  ДСМ­метода  позволяет  получить  групповые  оценки  и  соответственно 

сравнивать  группы.  Методика  измерения  может  использоваться  для  изучения  установок 

опрашиваемых  в различных  сферах. 

Теоретическая  и  практическая  зиачимость  работы.  Результаты 

диссертационного исследования могут быть  использованы: 

­ в теоретико­методологических  исследованиях ­  для сопоставления новых методов 

анализа  данных  с  другими  алгоритмами  поиска  эмпирических  закономерностей; 

совместного использования различных методов; 

­ в эмпирических  исследованиях  ­ для применения логико­комбинаторных  методов 

в различных  областях, для разработки  концептуальной  модели исследования; для  анализа 

данных, полученных на «малых» и «средних»  выборках; 

­  в  преподавании  дисциплин  «методология  и  методика  социологического 

исследования», «анализ данных в социологии». 

Апробация  работы.  Основные  положения  и  результаты  диссертационного 

исследования  отражены  в  13  публикациях  автора  общим  объемом  6  п.л.  Они  были 

представлены  на  10  научных  конференциях:  X  конференция  Европейской 

социологической  ассоциации  (Женева,  2011),  Весенняя  методологическая  конференция 

Американской  социологической  ассоциахщи  (Тилбург,  2011),  V  научно­практическая 

конференция  памяти  А.О. Крыштановского  «Социологические  методы  в  современной 

исследовательской  практике»  (Москва,  НИУ  ВШЭ,  2011),  «Гуманитарные  чтения» 

(Москва,  РГГУ,  2010),  «Наша  социология:  исследовательские  практики  и  перспективы» 

(Москва,  РГГУ,  2011,  2010,  2009,  2008),  Международный  молодежный  научный  форум 

«Ломоносов» (Москва, МГУ,  2011,2010). 

-12 -

Структура  диссертационного  исследования.  Работа  состоит  из  введения,  двух 

глав, заключения, списка использованной литературы и  приложений. 

ОСНОВНОЕ СОДЕРЖАНИЕ  РАБОТЫ 

Во  введении  обоснована  актуальность  диссертационного  исследования, 

определены  его  объект  и  предмет,  сформулированы  цель  и  задачи,  освещена  степень 

научной  разработанности  проблемы  в  зарубежной  и  отечественной  литературе,  описана 

теоретико­методологическая  основа  исследования  и  его  эмпирическая  база,  а  также 

новизна, теоретическая и практическая  значимость. 

В  первой  главе  «Логико­комбинаторные  методы  в  многомерном  анализе 

социологических  данных»  выделяются  два  базовых  логико­комбинаторных  метода, 

предназначенных  для  анализа  социологических  данных,  определяется  их  место  в 

структуре методов многомерного  анализа. 

Б  параграфе  1.1.  «Основания  сравнения  методов  многомерного  анализа  жестко 

формализованных  данных)^ в качестве одного  из способов систематизации  знаний  об  этих 

методах предлагаются несколько критериев для их  сопоставления. 

Рассматривается  специфика  методов  многомерного  анализа,  предназначенных  для 

обработки  жестко  формализованных  данных,  одного  из  самых  распространенных  видов 

эмпирической информации в социологии, и позволяющих решать различные задачи, такие 

как  разбиение  объектов  на  гомогенные  подгруппы,  анализ  силы  и  формы  взаимосвязи 

признаков,  анализ  структуры  данных  и  др.  К  этой  группе  методов  относятся 

регрессионный,  кластерный,  факторный,  дискриминантный,  дисперсионный  анализ, 

многомерное шкалирование и др. 

Подчеркивается,  ЧТО  обшше  многообразных  средств  и  алгоритмов  поиска 

эмпирических  закономерностей  не  позволяет  предложить  универсального  основания  для 

их  сравнения,  любая  классификация  будет  носить  в  определённой  мере  условный 

характер.  Вместе  с  тем,  необходимость  в  ней  всегда  существует  для  систематизации 

«методного»  знания.  В  этой  связи  в  диссертации  предлагается  и  последовательно 

раскрывается  восемь различных  оснований  для сравнения  методов  многомерного  анализа 

данных. 

По  некоторым  из  оснований  методы  удается  однозначно  классифицировать, 

например,  по  следующим:  «статус»  признаков  (равноправные  или  зависимые  и 

независимые);  возможность  получения  статистических  оценок  (для  распространения 

выводов  на  генеральную  совокупность);  возможность  построения  прогнозов;  реализация 

стратегии  поиска  всех  возможных  закономерностей  (соотнесение  с  областью 

­  13­

интеллектуального  анализа  данных);  «методная»  триангуляция  (наличие  разных 

алгоритмов  для  решения  одной  и  той  же  задачи  внутри  подхруппы  методов);  форма 

представления данных «на входе», структура результата «на выходе». 

Анализ  разбиения  методов  по  различным  критериям  показал,  что  по  некоторым 

основаниям  не  всегда  возможно  однозначно  отнести  метод к  какой­либо  подгруппе.  Так, 

классификация  становится  проблематичной,  если  мы  сравниваем  методы  многомерного 

анализа  данных  по  требуемому  уровню  измерения  признаков.  Затруднения  вызваны  тем, 

что  различные  алгоритмы  реализации  одного  и  того  же  метода  ориентированы  на 

использование признаков, представляющих собой разные уровни измерения. В результате, 

метод нельзя соотнести  только  с одним из них, несмотря на то, что именно этот  критерий 

определяет  допустимые  математические  преобразования,  которые  можно  использовать 

при  работе  с  признаком,  тем  самым  предопределяя  возможность  применения  того  или 

иного метода анализа данных. 

Кроме  того,  непросто  установить  соответствие  между  методами  многомерного 

анализа  данных  и  метаметодикой,  на  реализацию  которой  они  направлены.  Для  поиска 

причин  того  или  иного  явления,  определяющих  его  латентных  факторов  или  выявления 

типологических  групп  объектов  можно  использовать  разные  методы  анализа.  При  этом 

часто  один  и  тот  же  метод  позволяет  решить  разные  задачи  в  зависимости  от  того,  на 

каком этапе анализа он  применяется. 

Тем  не  менее,  сопоставление  широко  известных  методов  по  разным  критериям 

позволило  продемонстрировать  их  возможности  и  ограничения  в  сравнении  друг  с 

другом.  Диссертант  утверждает,  что  эвристическая  ценность  осмысления  различных 

оснований  для  классификации  помогают  определить  место  новых  алгоритмов  поиска 

закономерностей,  в  частности  показать,  какова  роль  логико­комбинаторных  методов  в 

ряду различных средств многомерного анализа данных. 

В параграфе  1.2 «Виды  логико­комбинаторных  методов)У выделяются два базовых 

метода  в  подходе  к  анализу  данных,  основанном  на  использовании  средств  и  языка 

формальной  логики:  метод  «сравнительного  качественного  анализа»  и  ДСМ­метод. 

Подробное  рассмотрение  теоретико­методических  предпосылок  позволили  определить  и 

сформулировать  специфику  этих  инструментальных  средств  анализа  жестко 

формализованных  данных.  В  диссертации  обосновывается,  что  метод  «сравнительного 

качественного  анализа»  и  ДСМ­метод  имеют  много  общего,  хотя  и  разрабатьшались 

параллельно,  независимо  друг  от  друга.  Во­первых,  их  объединяет  использование  в 

качестве  языка  формализации  математической  логики:  в  СКА  ­  булевой  алгебры  и  её 

модификации,  в ДСМ­методе  ­  специального  варианта  многозначной  логики.  Во­вторых, 

­ 1 4 ­

в  основе  обоих  методов  лежат  идеи  Дж.Ст. Милля  и  его логические  правила  причинного 

вывода,  согласно  которым,  сходства,  обнаруженные  у  объектов,  обладающих 

определённым  одинаковым  свойством,  являются  детерминантами  проявления  у  них 

этого  свойства.  Подчеркивается,  что для  СКА  идеи Дж.Ст. Милля  являются  лишь  одной 

из  методологических  предпосьшок.  В  то  время  как  с  помощью  ДСМ­метода  все  пять 

правил  Дж.Ст. Милля  могут  быть  формализованы,^''  и  положены  в  основу  рассуждений 

при  сравнении  и  анализе  каких­либо  объектов.  В­третьих,  СКА  и  ДСМ­метод  схожим 

образом  трактуют  понятие  причины,  а  именно,  как  сочетание  условий,  вызывающих 

определенное  явление.  Речь  идёт  о  «множественной  причинности»,  подразумевающей, 

что для  подгрупп  объектов,  обладающих  изучаемым  свойством,  могут  быть  установлено 

несколько  моделей  объяснения  его  наличия  у  них.  В  этой  связи,  признаки,  с  помощью 

которых  описываются  объекты,  рассматриваются  в  ходе  анализа  не  по  отдельности,  а 

напротив, изучаются сочетания значений признаков, тем самым обеспечивается  целостное 

описание объектов. 

Отмечается,  что на практике рассматриваемые  методы использовались для  анализа 

объектов  разной  природы.  СКА  ­  для  сравнения  стран,  городов,  организаций,  наций 

(можно  сказать,  для  проведения  сравнительного  анализа  на  макроуровне).  ДСМ­метод  в 

социологии  применялся  для  изучения  поведенческих  установок  респондентов, 

согласованности и консистентности мнений  опрашиваемых. 

Последовательное  раскрытие  алгоритмов  двух  базовых  логико­комбинаторных 

методов в завершении  позволило сделать вьшод о том, что использование этих методов  не 

подразумевает  сложных  математических  вычислений  и  тем  самым  обеспечивает 

наглядность и прозрачность математического  моделирования. 

В  параграфе  1.3.  «Логико­комбинаторные  методы  как  средства  многомерного 

анализа  данных»  обосновывается  их  выделение  в  особый  класс  математических  средств 

обработки  жестко  формшшзованных  данных.  Сопоставление  СКА  и  ДСМ­метода  с 

наиболее  распространенньши  методами  многомерного  анализа  данных  по  основаниям, 

выделенным в параграфе  1.1 „ и позволяет наглядно продемонстрировать их специфику. 

ДСМ­метод  и  СКА  предназначены  для  реализации  метаметодики  причинного 

анализа.  Однако  они  основаны  не  на  анапизе  вариации  значений  зависимой  переменной 

под влиянием независимых, а на сравнении объектов, обладающих одинаковым  значением 

целевого  показателя,  и  установлении  сходств  между  ними  в  виде  комбинаций  значений 

См.: Финн В.К.  Индуктивные  методы Д.С. Милля в системах  искусственного  интеллекта //  Милль Дж.Ст. Система  логики  силлогической  и  индуктивной:  Изложение  принципов  доказательства  в связи с  методами научного исследования / пер. с англ. М.: ЛЕНАНД, 2011. С. 787 ­  828. 

- 15-

независимых  переменных.  Кроме  того,  в  отличие,  например,  от  регрессионного  анализа, 

направленного  на  установление  некоторого  универсального  для  большинства  из 

рассматриваемых  объектов объяснения  в виде уравнения,  логико­комбинаторные  методы 

позволяют  определять  несколько  причинных  моделей,  описывающих  различные 

подгруппы  объектов. 

Поскольку  логико­комбинаторные  методы  предоставляют  возможность  изучать 

причинно­следственные  взаимосвязи,  то,  как  и  в  случае  со  всеми  другими  методами, 

направленными  на  решение  этой  же  задачи,  признаки,  через  которые  описываются 

объекты,  по  статусу  не  являются  равноправными,  среди  них  выделяются  независимые  и 

зависимые. 

Выявляется  принципиальное  отличие  СКА  и  ДСМ­метода  от  традиционных 

статистических  методов  многомерного  анализа,  заключающееся  в  том,  что  логико­

комбинаторные  методы  не  позволяют  переносить  выводы,  полученные  для  выборки 

объектов на генеральную  совокупность, так как не подразумевают  использование  средств 

статистического  оценивания,  в  отличие  от  регрессионного,  дискриминантного  анализа. 

Напротив,  они  основаны  на  индуктивном  выводе,  обобщении  информации  по 

рассматриваемой  совокупности  объектов.  В  этой  связи  при  использовании  логико­

комбинаторных  методов  нет  необходимости  в  выполнении  таких  требований,  как 

нормальность  распределения  значений  признака,  кроме  того,  эти  методы  можно 

использовать при изучении выборок небольшого  объёма. 

В  качестве  другого  неоспоримого  преимущества  логико­комбинаторных  методов 

отмечается их  ориентация  на использование  признаков,  измеренных  на номинальном  или 

порядковом  уровне.  Это  особенно  ценно  в  социологии,  где  преобладает  низкий  уровень 

измерения, а большинство математических методов рассчитано на высокий. 

Форма  представления  исходных  данных  в  случае  использования  логико­

комбинаторных  методов,  такая  же  традиционная,  как  при  работе  с  другими  средствами 

многомерного  анализа,  а  именно  ­  матрица  вида  «объект­признак».  Форма 

закономерностей,  получаемых  «на  выходе»  ­  описания  подгрупп  объектов  в  виде 

присущих им комбинаций  характеристик. 

СКА  и  ДСМ­метод  как  два  основных  вида  логико­комбинаторных  методов 

направлены  на  отыскание  всех  существующих  в  данных  зависимостей,  в  том  числе 

неочевидных  для  исследователя,  поэтому  они  являются  средствами  интеллектуального 

анализа  данных.  Если  традиционный  математико­статистический  подход  к  анализу 

данных  направлен  на  проверку  описательных  и  объяснительных  гипотез  (опираясь  на 

гипотетико­дедуктивную  логику  анализа),  то  логико­комбинаторные  методы 

­ 1 6 ­

предназначены  для  реализации  «восходящей»  стратегии  анализа  данных,  когда  у 

исследователя  нет предварительных  гипотез о структуре искомого результата, о характере 

связи  между  признаками,  так  как  она  (структура)  обнаруживается  в  ходе  обработки 

данных. 

Акцентируется  внимание  на  одной  из  ключевых  особенностей  логико­

комбинаторных  методов:  они предназначены  для анализа  взаимосвязи  между  признаками 

на  «локальном»  уровне»,  поиска  взаимодействий  в  отличие  от  большинства  методов 

многомерного  анализа,  ориентированных  на  установление  взаимосвязи  на  «глобальном» 

уровне. 

По  форме  представления  закономерностей,  виду  решаемой  задачи  (поиск 

сочетаний значений  независимых  переменных, детерминирующих  определенное  значение 

зависимой)  СКА  и  ДСМ­метод  сходны  с  детерминационным  анализом  и  методами 

последовательных  разбиений.  Отличием  логико­комбинаторных  методов  является 

алгоритм  выделения  групп  объектов с различными  эмпирическими  закономерностями  (не 

разбиение  исходной  совокупности  объектов  на  подгруппы,  а  напротив,  объединение 

близких,  схожих  случаев).  Причем  объект  относится  к той  или  иной  группе  не на  основе 

анализа  частот,  а  опираясь  на  логическое  рассуждение.  Кроме  того,  логико­

комбинаторные  методы  очень  чувствительны  к  «шуму»  и  «маргинальным»  объектам, 

вследствие  этого  позволяют  производить  формализованный  анализ  небольшого 

количества  объектов. 

В  заключение  этой  главы делается  вывод  о  том,  что  класс  логико­комбинаторных 

методов является адекватным для анализа социологических  данных. 

В  главе 2 «Эвристический  потенциал  логико­комбинаторных  методов  (на  примере 

решения  двух  классов  задач)»  раскрываются  возможности  применения  СКА  и 

ДСМ­метода,  во­первых,  для  сравнительного  анализа  стран  по  уровню  поддержки 

населением  массовых  акций  протеста,  во­вторых,  для  измерения  однородности, 

непротиворечивости,  близости  групповьк  предпочтений  (на  примере  политических 

ориентации электоратов разных партий). 

В  параграфе  2.1.  «Особенности  использования  логико­комбинаторных  методов  в 

типологическом  анализе  (на  примере  сравнения  стран  по  уровню  одобрения  населением 

протестного  поведения)»  демонстрируются  возможности  применения  СКА  и 

ДСМ­метода  для  вьщеления  типологических  групп  стран  с  различным  отношением 

населения к акциям политического протеста против  правительства. 

В  параграфе  2.1.1  ^(Постановка  исследовательской  задачи.  Логика  анализа 

данных»  формулируется  исследовательская  проблема,  описывается  эмпирическая  база, 

­ 1 7 ­

рассматриваются  теоретические  подходы  к  определению  протестного  поведения  и 

детерминант его  возникновения. 

Протесгное  поведение  рассматривается  как  часть  политической  культуры 

общества,  и  как  самостоятельный  объект  изучения.  Анализ  различных  теорий, 

объясняющих  механизмы  протестного  поведения, позволил  выделить  ключевые  факторы, 

способствующие  активизации  этого  канала  коммуникации  населения  и  власти.  Наряду  с 

объективными  характеристиками  неудовлетворительного  социального  и  экономического 

положения  граждан  стран,  к  детерминантами  протестного  поведения  относят  такие 

элементы  политической  культуры,  как  вовлеченность  в  политическую  жизнь  общества, 

политическая  эффекгавность  (ощущение  того,  что  индивидуальные  действия  могут 

оказывать  влияние  на  политический  процесс),  политическая  самоидентификация, 

гражданская  активность,  недоверие  представителям  и  органам  власти,  негативная  оценка 

деятельности  органов  власти  и  её  отдельных  представителей,  негативное  социальное 

самочувствие,  обострение  чувства  депривации.  Причем,  большое  значение  имеют  не 

столько указанные факторы сами по себе, а сколько их сочетания. 

Кроме  того,  рассматривается  специфика  межстрановых  сравнительных 

исследований,  в  рамках  которых  особое  место занимают  сравнение  культур,  ценностей, 

мнений  граждан различных  стран на основе опросов общественного  мнения,  проводимых 

с использованием унифицированного  вопросника в разных  странах. 

На  эмпирическом  уровне  исследовательская  задача  решалась  в  два  этапа.  На 

первом  страны  с  высоким  и  низким  уровнем  одобрения  права  на  акции  политического 

протеста  рассматривались  в контексте нескольких  ключевых  показателей,  определяющих 

специфику  политической  культуры  в  стране.  Для  этого  использовалось  пять 

характеристик:  интерес  населения  к  политике;  уровень  политической  эффективности 

(уверенность  в  возможности  «обычных»  людей  оказывать  влияние  на  власть);  уровень 

доверия  к  представителям  власти;  готовность  соблюдать  законы  в  любых 

обстоятельствах; участие в последних выборах государственного уровня  (явка). 

Поскольку  социальные  явления  многогранны  для  более  детального  изучения 

одобрения  и  неодобрения  политического  протеста  в  разных  странах  на  втором  этапе 

исследования  изначальная  модель,  включающая  пять  независимых  признаков,  бша 

значительно  расширена  за счёт включения дополнительных характеристик,  позволяющих 

подробнее описать каждую страну, политические и экономические ориентации  населения. 

Отбор  показателей  в  обе  модели  производился  на  основе  анализа  теоретических 

подходов  к  определению  протестного  поведения  и  с  учетом  ограниченного  набора 

-18-

признаков  в  исходной  базе  данных  Международной  программы  социальных 

исследований. 

Особое  внимание  в  диссертационном  исследовании  уделяется  описанию  процесса 

подготовки  и преобразования  первичных  данных  для  применения  СКА  и ДСМ­метода.  В 

исходной базе данных были представлены  ответы респондентов из 32 стран. Эти сведения 

были  обобщены  путем  осуществления  перехода  к  интегральным  показателям  по 

странам,  т.е.  в  качестве  единицы  анализа  рассматривался  не  респондент,  а  страна,  и  в 

качестве  признака  ­  характеристика  страны  (а  точнее,  мнение  граяодан  страны),  а  не 

одного  респондента.  За  значения  этих  показателей  принимались  групповые  индексы, 

вычисленные  для  каждой  страны  на  основе  одномерньк  частотных  распределений  по 

признакам (эмпирическим индикаторам), содержащимся в исходной базе данных. 

Затем  индексы,  вычисленные  для  каждой  страны,  были  преобразованы  в  новые 

переменные  с  двумя  альтернативами  (высокий  и  низкий  уровень  соответствующего 

показателя), в связи  с тем, что для использования  метода СКА требуется, чтобы  признаки 

были  дихотомическими.  Разбиение  объектов  на  две  группы  по  каждому  из  показателей 

(индексов)  производилось  с  учетом  медианного  значения,  стремлением  к  максимально 

«естественному»  разбиению,  необходимости  выделения  сопоставимых  по  количеству 

объектов  групп.  Для  проверки  и  подтверждения  оптимальности  разбиения  был 

использован  Т­тест,  а  так  же  иерархический  кластерный  анализ.  В  результате  была 

сформирована  матрица  данных,  содержащая  характеристики  общественного  мнения  и 

настроения граждан каждой  страны. 

В  параграфе  2.1.2  последовательное  использование  логико­комбинаторных 

методов  для  выявления  типологических  синдромов»  представлены  результаты  первого 

этапа  исследования:  описывается  применение  CICA  и  ДСМ­мегода  для  поиска 

типологических  групп  стран  с  различным  отнощением  населения  к  протестному 

поведению в контексте ключевых характеристик  политической  культуры. 

Рассматриваются  типологические  синдромы  одобрения  и неодобрения  протестного 

поведения  в  разных  странах,  установленные  с  помощью  метода  СКА.  Результатом  его 

использования стало разбиение всех стран на девять пересекающихся подгрупп, каждая из 

которых  объединяла  объекты  с  одинаковыми  значениями  нескольких  независимьк 

признаков, характеризующих  политическую культуру стран  (рис.1). 

Типологические  синдромы, полученные с помощью ДСМ­метода  (рис. 2),  частично 

совпали  с  закономерностями,  установленными  при  использовании  СКА.  В  этой  связи  в 

диссертации  акцентируется  внимание  на  раскрытии  отличий  алгоритмов  поиска 

закономерностей,  лежащих  в основе ДСМ­метода  и СКА,  которое  заключается  в том,  что 

­  19­

посредством  ДСМ­метода  для  стран  с  высоким  уровнем  одобрения  права  на  протест 

установлены такие  сходства  (комбинации  характеристик),  которые  не встречаются  у  стран 

с  противоположным  значением  целевого  признака.  И,  наоборот,  для  стран  с  низким 

уровнем  поддержки  протестного  поведения  определены  характерные  только  для  этой 

группы стран  сходства. 

Страны  (целевой  показатель  =1) 

Испания  Чехия  Фравшх Португалия  США  (2)  Япония Попыла  Израиль Россах  Шаешя^ 

(1) 

к  « 

Хорватия Латвия  J  (4) 

Словения Шдерпанды 

Страны  (целевой  показатель  = 0) 

(1) ГИрпашш* 

К^вах .Афрвка 

I  Венесзала 

Ггршяил Фсшляндкя Нортегня Новая Звиндш! 

|Даяяя ^Уругвай 

1  (3) 

Фшшшшны Шкейшрвя 

(2)ЮжнаяКореГ^ 

"Л 

^оивЕшалаах  | респ г пшса 

^  Кадада 

Чшш 

Веагрвя 

(1)*00*0;  (2)  1*0**;  (3 )**1*1;  ( 4 ) * 0 * 0 *  ( 1 ) * * 1 1 0 ; ( 2 ) 0 1 * * * ; ( 3 ) * и * * : 

( 4 ) 0 * 0 1 * ; ( 5 ) * * 1 0 1 

Рис.  1.  Типологические  группы,  выделенные  с помощью  СКА 

На  основе  сопоставления  результатов  применения  двух  алгоритмов  выделяются 

наиболее устойчивые  закономерности  ­ пять  типологических  групп  стран: две среди  стран 

с  высоким  уровнем  одобрения  протестного  поведения,  и три ­  с низким  (рис.  2).  Страны  в 

каждой  группе  обладают  одинаковыми  комбинациями  двух  или  трёх  характеристик 

(например,  Чехию,  США,  Израиль,  Францию,  Японию,  Швецию  объединяют  высокий 

уровень  интереса  населения  к  политической  сфере  и  низкий  уровень  уверенности  в 

возможности  оказывать  влияние  на  власть).  При  этом  общее  для  них  сочетание  значений 

независимьпс  признаков  не  встречается  у  стран  с  противоположным  значением  целевого 

показателя. 

Страны  (целевой  показатель  =1) 

Испааня Португалия Попыпа Россия 

Чехия США РЬраяль 

(1) Франция Япония 

Швеция^ 

Страны  (целевой  показатель  =0) 

^!рпан1шя Южная Афрава 

I! : 

.0р82ГКЛ Латвия  (2)

Словеавл Нидерланды 

Германия Финляндия Норвегия Ноаая Зеландия 

Дадия Уругвай 

ПВенес^зла 

^Швейпаряя 

(2) Южная Корм 

Доминшсансмя реепу^шпа  ^ 

(1) 1*0** ; (2) *0*00

Австрия Канада 

Чшщ 

Тайвань 

( 1 ) * * 1 1 0 ; ( 2 ) 0 1 * * 0  ; ( 3 ) * 1 1 * 0 

Рис.  2. Типологические  группы,  выделенные  с помощью  ДСМ­метода 

Используемые  признаки:  1. интерес к политике, 2. возможность оказывать  влияние  на власть, 3. доверие 

представителям  власти,  4. готовность  соблюдать  законы  в  любых  обстоятельствах,  5. явка  на  последних 

выборах. Для каждого  показателя  1 соответствует  высокому уровню, О ­низкому. 

-20 -

Некоторые  страны  не  были  объединены  в подгруппы,  несмотря  на то, что  для  них 

могут был. установлены  сходства  (что и бьшо сделано  с помощью  СКА).  Это  объясняется 

тем, что  эти  страны  не обладают  уникальными  комбинациями  характеристик,  которые  не 

встречались бы у стран с противоположным  значением целевого  показателя. 

Анализ  результатов  последовательного  применения  СКА  и  ДСМ­метода  для 

решения  одной  и  той  же  задачи  позволил  наглядно  продемонстрировать  их  различие.  С 

помощью  CICA  определились  более  короткие  закономерности  (комбинации  значения 

независимых  признаков  ­  сходства  между  группами  стран).  С  помощью ДСМ­метода  они 

были  более  длинные  (на  одну  переменную),  но  уникальные  и  специфичные  именно  для 

объектов  с  рассматриваемым  значением  целевого  признака.  Тем  самым  ДСМ­метод 

эффективно использовать для уточнения результатов применения  СКА. 

В  параграфе  2.1.3  «Классификация  стран  по  всей  совокупности  типообразующих 

признаков»  раскрываются  результаты  второго  этапа исследования,  на котором  включение 

в модель  большего  количества  характеристик  для описания  стран  позволили  диссертанту 

вьщелить  шесть  пересекающихся  типологических  групп  среди  стран  с  высоким  и  низким 

уровнем  одобрения  протестного  поведения,  отличающихся  по  доминирующим 

политическим  и  экономическим  установкам  населения  (рис.  3).  Вьщеленные  подгруппы 

стран подробно  описываются. 

В  результате  применения  ДСМ­метода  вьщеляются  пересекающиеся  подгруппы 

объектов.  Некоторые  из  них  могут  остаться  не  отнесенными  к  какой­либо  группе 

(например,  Россия и Латвия  на рис  3). Это свидетельствует  о том,  что данные объекты  не 

имеют  каких­либо  уникальных  сочетаний  характеристик,  отличающих  их  от  объектов  с 

противоположным значением целевого  показателя. 

Страны  (целевой  показатель  =1) 

Швеция Чехия  Фнняяндил Нидерланды  Давня 

Сло&еннх Урувай Испагжя 

Гершаня Нокая Эапандш! Норветая  Фраши^ 

Полыпа Хорватия 

Порг т гия  Япония США  Шранль  J 

Страны  (целевой  показатель  =0) 

Россия,  Латвия 

Канааа  Ирпашшя  ^ Австралия  Южаая Корея 

_ШЕенцарЕя Южаая Корея 

[  Тайвань  1  ЧшшП 

Доминиканская  Южная Афрака ресц^йпим  Ввнесузла Фнлшшиаы  Вевгтя 

Рис. 3.  Классификация  стран по всей совокупности  типообразующих 

признаков 

Отмечается,  что  преимуществом  ДСМ­метода  является  возможность  анализа 

переменньк,  имеющих  номинальный  и  порядковый  уровни  измерения,  использование 

большое  количество  классификационных  признаков  (в  отличие  от  СКА).  Кроме  того, 

21 

ДСМ­метод  выделяет  подгруппы  объектов,  не  только  схожих  между  собой,  но  и 

отличных  от  объектов  с  другим  значением  целевого  показателя  (такой  возможности  н?т 

ни в СКА, ни при использовании  кластерного  анализа). 

Продемонстрированная  специфика  использования  логико­комбинаторных  методов 

для типологизации  объектов позволила диссертанту  сделать вывод о том, что они хорошо 

подходят  для  поиска  типологических  групп  при  небольшом  количестве  объектов  (стран, 

организаций  и  т.д.),  когда  особо  важно,  чтобы  описание  объектов  отнесенных  к  группе 

полностью совпадали. При этом логико­комбинаторные  методы могут быть  использованы 

в  исследованиях  различной  проблематики,  если  данные  представлены  в  жестко 

формализованном  виде. 

В  параграфе  2.2  «Измерение  непротиворечивости,  гомогенности,  близости 

групповых  предпочтений  с  помощью  ДСМ­метода»  раскрывается  специфика  и 

методологические  предпосылки  используемой  методики,  технология  создания 

инструментария.  Познавательные  возможности  методики  демонстрируются  на  примере 

сравнения  политических  ориентаций  студентов  РГТУ  (накануне  выборов  в 

Государственную Думу в 2003 и 2007 гг.), принадлежащих к электоратам разных  партий. 

В  параграфе  2.2.1.  «Концептуальная  схема  исследования.  Специфика 

инструментария»  формулируется  содержательная  задача  (сравнение  политических 

ориентаций  электоратов разных  партий), использующаяся для  выявления и  демонстрации 

специфики  и  ограничений  методики  измерения  однородности,  непротиворечивости, 

близости установок опрашиваемых с помощью  ДСМ­метода. 

Раскрывается  суть  используемой  методики,  которая  заключается  в  вычислении 

трёх  показателей.  Первый  измеряет  уровень  непротиворечивости  ответов  респондентов 

логическим  связям  между  вопросами,  второй  ­  согласованность  мнений  (насколько 

совпадают  ответы респондентов  из одной  группы, например,  поддерживающих  одну и ту 

же  партию),  третий  ­  близость  ответов  респондентов  к  заданному  образцу  (например,  к 

программным  положениям  партии,  которой  они  отдают  предпочтения).  Каждый  из  трёх 

показателей  вычисляется  для  отдельных  групп  респондентов  (сторонников  разных 

партий), тем самым позволяя измерять и сравнить групповые  оценки. 

Особое  внимание  диссертант  уделяет  технологии  создания  инструментария  для 

исследования  электоральньк  предпочтений  с  использованием  ДСМ­метода. 

Последовательно  раскрываются  основные  этапы  конструирования  вопросника:  анализ 

содержания  программ  партий,  формулирование  на  их  основе  суждений  о  различных 

сторонах  общественной  жизни, установление логических взаимосвязей  между  вопросами; 

22

определение  «идеального»  мнения  сторонника  каждой  партии  (такого  набора  ответов  на 

все вопросы, который полиостью совпадает с программными положениями  партии). 

В  параграфе  2.2.2.  «Case:  сравнительный  анализ  политических  ориентации  групп 

студентов,  принадлежащих  к  электоратам  разных  партий»  излагаются  результаты 

эмпирических  исследований  по  изучению  политических  предпочтений  студентов  РГГУ, 

проведенных накануне выборов в Государственную Думу в 2003 и 2007 гг. 

В  2007  г.  наиболее  близкие  к  программе  партий  мнения  высказывали  сторонники 

«правых»  партий  (СПС,  «Гражданская  сила»),  наиболее  удаленными  от  программных 

положений  оказались  политические  установки  электоратов  «Единой  России»  и 

«Справедливой  России».  По  степени  согласованности  мнений  электораты  всех  партий 

оказались  очень  близки.  Наиболее  гомогенны  были  представления  сторонников  СПС, 

наименее у «Единой России» и КПРФ, что свидетельствует о неоднородности мнений лиц, 

голосующих за эти  партии. 

По  сравнению  с  результатами  опроса,  проводимого  накануне  выборов  в 

Государственную  Думу  в  ноябре  2003 г.  значения  рассматриваемых  показателей 

изменились  для  сторонников  различных  партий  в разной  степени.  Показатели  близости  к 

«идеальному  мнению»  и  степени  согласованности  мнений  праюгачески  не  изменились  у 

электората партий  СПС  и Яблоко. В то время как у сторонников Единой  России  и  КПРФ 

снизилась  в  полтора  раза.  Если  в  2003  г.  политические  установки  электоратов  СПС  и 

Яблоко были самыми гомогенными, близкими к программам партий, то в 2007 г. ситуация 

изменилась  в  противоположную  сторону.  Бьшо  установлено,  что  наиболее  близки 

представления  респондентов  к  программам  политических  партий  и  наиболее 

согласованны между собой у электоратов «правых партий». 

Проведенный  анализ  позволил  продемонстрировать,  что  для  изучения  групповых 

предпочтений  респондентов  необходимо  использовать  не  только  методы  дескриптивной 

статистики,  формирование  индексов  и  рейтингов,  фиксирующих  «поверхностный  срез» 

мнений  и  настроений,  но  и  методы  многомерного  анализа,  в  частности  ДСМ­метод. 

Достоинством  последнего  является  возможность  рассматривать  комбинации  ответов 

респондентов  на несколько вопросов, получать групповые  оценки. 

В  заключении  формулируются  основные  положения  и  выводы  диссертационного 

исследования. 

В приложении  представлен инструментарий эмпирических  исследований. 

23

Основное  содержание диссертационного  исследования  отражено  в  следующих 

публикациях: 

В изданиях, рекомендованных  ВАК  РФ 

1.  Кученкоеа  A.B.  Методика  анализа  электоральных  предпочтений  с помощью  ДСМ­

метода // Вестник РГТУ. ­  2011. ­ № 3. ­ С. 256 ­ 271. (0,9 п.л.) 

2.  Кученкоеа  A.B.  Логико­комбинаторные  методы как средство многомерного  анализа 

данных // Вестник РГТУ. ­  2012. ­ №3. ­ С.  113­131. (1,1  пл.) 

В других  изданиях 

1.  Дерновая  (Кученкоеа)  A.B.  Возможности  применения  булевой  алгебры для  анализа 

социологических  данных  //Наща  социология  2007:  исследовательские  практики  и 

перспективы:  сб.статей  /  РГТУ,  Социологический  факультет.  Центр  социологических 

исследований;  под ред.  Г.К.  Уразалиевой,  Р.И. Анисимова,  Е. Лозгачёвой,  Е.  Буланцевой; 

сост.: Р.И. Анисимов.  ­ М.: РГТУ, 2007. ­ С.24­28. (0,25 п.л.) 

2.  Дерновая  (Кученкоеа)  A.B.  Проблема формализации  мнений: теоретический  аспект 

//  Наша  социология  2008:  сб.статей  /  РГТУ,  Социологический  факультет.  Центр 

социологических  исследований;  под общ. ред. Ж.Т.  Тощенко;  сост.: Р.И. Анисимов.  ­ М.: 

РГГУ, 2008. ­ С. 22­26. (0,25 п.л.) 

3.  Дерновая  (Кученкоеа)  A.B.  Методика  измерения  рациональности  электоральных 

предпочтений  //  Наша  социология  2009:  сб.  статей  /  РГТУ,  Социологический  факультет. 

Центр  социологических  исследований;  под  общей  редакцией  Ж.Т.  Тощенко.  ­ М.:  РГТУ, 

2009. ­ С. 31­37. (0,44 п.л.) 

4.  Дерновая  (Кученкоеа)  A.B.  О  понятии  «формализованный  качественный  анализ 

данных»  в  социологии  //  Гуманитарные  чтения  РГТУ  ­  2009:  Россиеведение. 

Общественные  функции  гуманитарных  и  социальных  наук:  сборник  материалов.  ­

М.: РГГУ, 2010. ­ С.452­464. (0,75 п.л.) 

5.  Дерновая  (Кученкоеа)  A.B.  Место интеллектуального  анализа данных в  социологии 

//Материалы  Международного  молодежного  научного  форума  «ЛОМОНОСОВ­2010» 

[Электронный  ресурс]  /  отв.  ред.  И.А. Алешковский,  П.Н. Костылев,  А.И.Андреев, 

A.B. Андриянов. ­ М . : МАКС Пресс, 2010. —  1 электрон, опт. диск (CD­ROM). (0,2 п.л.) 

6.  Дерновая  (Кученкоеа)  A.B.  «Качественный  сравнительный  анализ»:  представление 

метода //  Наша  социология  2010:  исследовательские  практики  и перспективы:  сб.статей  / 

РГТУ, Социологический  факультет.  Центр социологических  исследований;  под общ.  ред. 

Ж.Т. Тощенко. ­ М.: РГГУ,  2010. ­ С. 23­27. (0,3 п.л.) 

7.  Кученкоеа  A.B.  О  логико­комбинаторных  методах  в  причинном  анализе  // 

Социологические  методы  в  современной  исследовательской  практике  [Электронный 

24 

ресурс]  :  сборник  статей,  посвященный  памяти  первого  декана  факультета  социологии 

НИУ  ВШЭ  А.О.  Крыщтановского  /  отв.  ред.  и  вступит,  ст.  О.А. Оберемко;  НИУ  ВШЭ, 

ИС РАН, РОС. ­  М.: НИУ ВШЭ, 2011 ­  1 электрон, диск (CD­ROM).  (0,25 п.л.) 

8.  Кучепкова  А.В.  О дефинициях  понятия  многомерный  анализ данных  //  Материалы 

Международного  молодежного  научного  форума  «ЛОМОНОСОВ­2011»  [Электронный 

ресурс]  /  отв.  ред.  А.И.Андреев,  А.В. Андриянов,  Е.А.Антипов,  М.В.Чистякова.— 

Электрон, дан. ­ М.: МАКС Пресс, 2011. —  1 электрон, опт. диск (DVD­ROM).  (0,2 п.л.) 

9.  Kuchenkova  А. V.  Implementation  of  J.St. Mill's  methods  by  logical  means,  or  two 

methods  of  formalized  qualitative  analysis  //  10"   conference  of  European  Sociological 

Association  [Electronic  resource]  :  Abstracts  book.  ­  Geneve,  2011.  ­  1  USB  flash  drive. 

(0,1  П.Л.) 

10.  Kuchenkova  A.V.  Analysis  of causes  by means  of  tvi o logical  ­  combinatorial  methods: 

QCA  and  JSM­method  //  American  Sociological  Association  Spring  Conference:  May  19­20  / 

Department  of  Methodology  and  Statistics,  Tilburg  University.  ­  The  Netheriands:  Tilburg 

University Press, 2011. ­ P.45 (0,1 п.л.) 

11. Кученкова  А.В.  О стратегиях  анализа взаимосвязи  между признаками  на локальном 

уровне // Наша  социология  2011: исследовательские  практики  и перспективы:  сб. статей  / 

РГГУ, Социологический  факультет. Центр  социологических  исследований;  под общ.  ред. 

Ж.Т. Тощенко. ­  М.: РГГУ, 2011. ­ С.30­37. (0,44 п.л.) 

25

Подписано в печать 31.03.2012. Формат  60x84/16 

Бумага офсетная. Усл. печ. л.  1,3 

Тираж  120 экз. Заказ №  ? 

Отпечатано в Печатно­множительной лаборатории  РГГУ 

125993, Москва, ГСП ­ 3, Миусская площадь, д. 6