Чтобы минимизировать сложность изначальной «области исследования», в частности, сократить количество «многочисленных переменных», составляю­щих основу дилеммы «много переменных, мало случаев», был разработан целый ряд специальных процедур ( De Meur , Berg - Schlosser , 1994 b ). Эта про­блема имеет особенно большое значение для сравнительно-качественной ра­боты за счет определенного допуска, связанного с конъюнктурной и множе­ственной конъюнктурной причинностью.

Несколько стратегических направлений концентрируют внимание на отно­шениях между заданными обстоятельствами и вариантами результата. Один из комплексов технических средств состоит в поисках «постоянных величин», присутствующих во всех вариантах результата исследуемых случаев. Если одна из переменных оказывается постоянно связанной с определенным исходом, ее можно с уверенностью включить в любое объяснение в качестве необходи­мого фактора, хотя, видимо, она и не является достаточным условием данно­го исхода. Связанный с этим подход уделяет главное внимание корреляции между независимыми и зависимой переменными. Как и только что описан­ный поиск постоянных величин, изучение корреляций может привести к более убедительным догадкам о широком спектре моделей. К числу наиболее сложных в техническом отношении приемов можно отнести дискриминант-ный анализ и организационную регрессию, применяемые к дихотомным пе­ременным результата. При этом одновременно может рассматриваться сравни­тельно большое число переменных. Такие технические приемы обычно ис­пользуются для оценки как структур, так и дополнительного вклада каждой независимой переменной в получение того или иного результата. Наиболее

740

предпочтительными при таких методах являются переменные, которые не сочетаются с другими переменными, но строго соотнесены с результатом. Таким образом, эти технические приемы склоняются в сторону причинных факторов, которые действуют независимо, а не конъюнктурно.

Подобные статистические подходы полезны для выявления широкого на­бора моделей, но их применение крайне ограничено в случаях сложной при­чинности. Наиболее сложные причинные комбинации не поддаются анализу, основанному на корреляции. Например, если переменная должна находиться в определенной связи с одним результатом, но отсутствует в других, корреля­ция между этой причиной и результатом равна нулю. QCA может быть ис­пользован в ситуациях сложной причинности. В противоположность рассмот­ренным выше линейным приемам, QCA сконцентрирован на конфигурациях переменных. В QCA независимая переменная может быть изъята из анализа, если она выделена не отчетливо и не определяет уникальность случая, прояв­ляющегося в результате (например падение демократии), и это проявляется хотя бы в одном случае, в котором результат отсутствует (если рассматривать случаи как сочетания заданных обстоятельств). Тем не менее нынешний мак­симум из 12 независимых переменных в QCA ограничивает использование этого метода для сокращения независимых переменных.

Другие приемы сокращения числа переменных ориентированы на модели из числа этих переменных. В контексте соответствующего теоретического и практического знания исследователи могут отобрать более ограниченное чис­ло основных переменных или воссоздать их другими путями. Такое сокраще­ние может быть достигнуто за счет применения статистических методов. На­пример, исследователи часто используют факторный анализ для того, чтобы объединить связанные переменные в общий показатель. Правда, ситуация, при которой количество переменных превосходит число случаев, уже стано­вится вопросом макрополитологического исследования, и не всегда ясно, как следует истолковывать результат этого анализа.

Качественные приемы для создания более причинно определенных пере­менных в большей степени основываются на теории ( Ragin , Нет, 1993; Nichols , 1986; Skocpol , 1986). Так, например, при исследовании межвоенного периода проблема отношений сельского пролетариата с крупными землевладельцами должна была быть увязана с более широким понятием «феодализм». Вместо того чтобы заниматься отдельно взятыми подсчетами степени наличия или отсутствия сельского пролетариата или крупных землевладельцев по отдель­ности, для исследования таких случаев был бы выведен единожды определен­ный показатель наличия или отсутствия двух этих факторов. Равным образом оказывается вполне возможным булево «дополнение» факторов, составляю­щее альтернативное сочетание в комбинации с другой переменной. Например, наличие этнических, религиозных или региональных социальных различий в условиях отсутствия связующих (verzuiling) структур при изучении проблем сохранения или падения демократии увязывалось с переменными показателя­ми «социальной разнородности». Использование идеальных типологических конструктов (распространенная при макрополитологических исследованиях практика) может привести к существенной минимизации сложности некото­рых особо значимых характеристик и снизить значение других показателей ( Weber , 1949). В этом случае общее число переменных будет значительно со­кращено, однако исходная информация при этом сохранится.

741 § 3. Гносеологические проблемы

Обсуждение методов и приемов макрополитологического исследования все еще сопряжено с глубокими противоречиями ( Lieberson , 1994; Savolainen , 1994; King et ai , 1994). Позиции ученых в этих дебатах определяются различными созданными ими парадигмами ( Kuhn , 1962). Поэтому нет ничего удивительно­го в том, что ведущиеся дискуссии полны недоразумений и взаимного непо­нимания. Не претендуя на последнее слово в идущей полемике, следовало бы, тем не менее, прояснить некоторые основные проблемы, связанные с каче­ственными методами макрополитологического исследования.