2. Смешение
Одной из самых хитрых проблем, ожидающих решения при взаимодействии двух дисциплин, является контроль нежелательных переменных и распознавание роли каждой переменной в сложных неэкспериментальных ситуациях взаимодействия. Без адекватной процедуры разработки эксперимента слишком легко спутать одну переменную с другой, принять результаты за причины, смешать функциональные отношения с каузальными и совершить бесчисленное количество других смертных грехов. Конечно, легко быть пуристом и просто все критиковать, но, даже если мы попытаемся быть позитивными и не будем подходить с чрезмерной строгостью, проблемы будут поджидать нас за каждым углом нашего исследовательского пути. Давайте рассмотрим следующий простой пример. Социолог обычно смотрит на процессы размежевания индивидов, групп, социальных классов, культур и т. п. Релевантные переменные, позволяющие предсказывать расслоение, возвращают нас к личностным характеристикам индивида. Географ же обычно смотрит на пространственный аспект и видит пространственную близость как первичную переменную в определении течения процесса размежевания. Допустим, так случилось, что люди одного социального класса живут поблизости. Как тогда мы определим, насколько это следствие влияния пространственной переменной, а насколько — характеристик личности? В любой ситуации мы должны рассмотреть их совместное воздействие, и, к сожалению, эти аспекты не являются независимыми друг от друга. Оказывается, у нас нет адекватного неэкспериментального исследовательского дизайна, позволяющего нам решать такого рода проблемы не кустарным способом.
Эти проблемы смешения характерны для работ по социальным процессам даже в тех случаях, когда они задумываются как независимые от пространственной формы. Представляется, что для социолога так же важно нивелировать влияние пространства в своих аргументах, как и для географа вынести за скобки социальное влияние на пространство — в своих. Если эти последствия смешения не элиминированы в дизайне исследования, будет слишком просто получить статистически значимое, но в действительности сомнительное подтверждение гипотезы. Я подозреваю, что бо́льшая часть работ по социальным процессам страдает, потому что не может распознать серьезных аналитических проблем, которые возникают из-за смешения пространственных и социологических результатов. Таким же образом можно подвергнуть критике большинство работ, посвященных исключительно пространственным аспектам. Работа на стыке дисциплин не создает новых проблем; она проливает свет на истинную природу некоторых старых проблем и показывает, что социальный аналитик и пространственный аналитик не могут позволить себе работать, игнорируя друг друга.
3. Статистический анализ
Проблемы индивидуации и смешения ведут к проблемам в статистическом анализе. Их достаточно легко объяснить, но сложно разрешить. В идеале нам нужен метаязык, на котором мы могли бы обсуждать статистическую значимость одновременно в социологическом и пространственном смысле. В отсутствие этого мы должны прибегать к тестам, сконструированным на двух разных языках, и как-то комбинировать их в применяемой структуре статистического анализа. Тесты, пригодные для проверки гипотез относительно внепространственного социального процесса, разработаны достаточно хорошо. Используя эти гипотезы, мы можем сформировать определенные ожидания и затем попробовать показать, что нет большой разницы между этими ожиданиями и данными наблюдения. Отсутствие каких-либо значимых различий обычно означает, что гипотеза подтверждается, хотя это действительно только при определенных допущениях о том, как получаются результаты наблюдения (например, элиминирование всех неучтенных переменных (confounding variables)[4]), и о том, как формулируется сама гипотеза и т. д. Тесты, подходящие для изучения моделей пространственного распределения, разработаны не так глубоко. Мы можем сформулировать определенные ожидания в отношении пространственных феноменов и затем сравнить эти ожидания с наблюдаемыми пространственными распределениями. Есть тесты для проверки пространственного представления табличных данных (Cliff and Ord, 1972). Однако сравнение двух поверхностей представляется не таким простым, и нам сложно выразить словами расхождение наших ожиданий относительно определенной поверхности с данными ее наблюдения. Аналогично, у нас нет настоящего понимания смысла статистически значимой разницы в анализе распределения точечных объектов (point pattern arrangement)[5]. Поэтому в целом у нас нет общепринятого определения статистической значимости в пространственном анализе и, следовательно, у нас есть серьезные проблемы в тестировании гипотез о пространственных распределениях. Кажется, единственный способ сформулировать понятие значимости — это делать предположения относительно природы пространственного распределения. Поскольку мы часто озабочены тем, чтобы выявить, а не тем, чтобы предположить пространственное распределение, этот подход не всегда помогает. Но похоже, это единственный вариант для нас в настоящее время. По этой причине критиковать нынешние методы обращения с пространственными данными ничего не стоит (Granger, 1969).
4
Неучтенные переменные — переменные, связанные с исследуемым фактором и определенным образом влияющие на результат. Например, известно, что мужчины чаще, чем женщины, болеют ИБС. Однако это может быть связано не с исследуемым фактором (пол), а с тем, что мужчины чаще курят, больше подвергаются стрессам. Влияние неучтенных переменных может приводить к возникновению ложных корреляций и систематических ошибок. —
5
Речь идет об одном из методов анализа пространственного распределения объектов — анализе распределения точечных объектов (PPA: Point Pattern Analysis). Этот метод часто применяется для исследования распределения численности и плотности населения на конкретных территориях. —