Схема 2

 Модели взаимосвязи зависимых и независимых переменных

Так, корреляционный анализ, включающий методы линейной и множественной регрессии, позволяет измерять связь между зависимы­ми и независимыми переменными. Оставаясь стандартным и необходи­мым условием решения более сложных задач с применением методов более высокого порядка, регрессионный метод не позволяет, тем не менее, отобразить реальные причинно-следственные связи между пере­менными. Типичная модель взаимосвязей, полученная в результате стан­дартного регрессионного анализа, показана на схеме 2а.

В реальной ситуации, однако, независимые переменные (Хр Хд) могут оказывать влияние друг на друга, а также на зависимую пере­менную (X,), причем это влияние может быть как прямым, так и обратным 2b, с.

Примером многомерного статистического анализа, позволяющего оценить точность таких моделей путем эмпирической оценки прямых и непрямых воздействий одной переменной на другую, является пат-ана­лиз. В нем различаются эндогенные (частично определенные внутренни­ми переменными данной модели) и экзогенные (полностью обуслов­ленные внешними по отношению к данной модели факторами) пере­менные. Здесь оперируют понятием рекурсивной модели, которая означает, что все взаимосвязи между переменными имеют однонаправ­ленный характер (схема IV), а также нерекурсивной модели, в которой существует обратная связь (схема 2с) между любыми переменными. За счет этого создаются возможности для применения различных методик расчета вариантов статистической взаимосвязи между переменными.

Важным преимуществом пат-анализа является то, что он позво­ляет судить не только о том, связаны ли переменные в нашей модели именно так, как мы предполагали, но и о том, каково относительное влияние каждой переменной на другие переменные в данной модели. Зная это, мы можем выработать рекомендации, помогающие напра­вить практические усилия на изменение именно той переменной, которая имеет наибольшее влияние и тем самым обеспечивает наибо­лее эффективное и результативное применение наших усилий.

Важное место среди частных методов занимает и факторный ана­лиз, или метод многомерной математической статистики, с помощью

Схема 3

Соотношения между наблюдаемыми признаками и латентными факторами: общими (F) и специфическими (U)

которого на основе измерения парных корреляций между при­знаками ситуации можно получить набор новых, укрупненных пере­менных, которые не могут быть измерены напрямую; эти укрупнен­ные переменные и называют факторами (схема 3).

Например, данная схема дает возможность объяснить корреляции между наблюдаемыми признаками (z) на основании предположения о влиянии на них нескольких «латентных» (скрытых) факторов (F – общие, U – специфические). При этом данные факторы оказывают разное влияние (факторную нагрузку) на изменение того или иного наблюдаемого признака. Значения факторных нагрузок обычно явля­ются результатом вычислительной процедуры, предметом интерпре­тации.

При моделировании проблемной ситуации, как правило, использу­ются методы математической и компьютерной имитации, благодаря ко­торым аналитик может взять на вооружение многие из методов, разра­ботанных в логике, статистике, физике, экономике и других отраслях знаний, и применить их к изучению политического поведения. Матема­тические модели ясны и эксплицитны по форме и не оставляют недого­воренностей относительно предполагаемых связей между явлениями; они позволяют воспроизводить события прошлого, настоящего, а так­же вероятного будущего, и при этом проверять действие сил в тех про­цессах, реальное протекание которых осуществить в современных усло­виях и обстановке трудно или вообще невозможно (например, глобаль­ный термоядерный конфликт). Модели, применяемые в этой разновидности политического анализа, можно подразделить на три основные группы: