Политическая социология

0,2 0,4 0,6 0,8 1,0 1,2 1,4
1,6 1,8
Рис. 6. Дендрограмма мотивов голосования за 
кандидатов в Президенты России на 
выборах 1996 г. 
Условные обозначения переменных: 
персональные электоральные 
предпочтения респондентов на президентских выборах 1996 г. 
(Ельцин, Зюганов, Явлинский); 
мотивация этих предпочтений 
(1.1. «Он мне нравится», 1.2. «Не хочу перемен», 2.1. «Меня 
устраивает его программа», 2.2. «Он знает, как решить проблемы 
страны», 3.1. «Я ему доверяю», 3.2. «Ему нет достойной замены»); 
мотивация голосования за списки политических партий на 
парламентских выборах 1995 г. 
(4.1. «Они заставят правительство 
думать о народе», 4.2. «Они смогут решить проблемы страны», 4.3. 
«Устраивает программа партии»). Анализ выполнен с помощью 
пакета «Statistica» по методу Уорда. 
Кластерный анализ основных альтернатив ответа на вопрос о 
том, за кого намерены голосовать (опрос проводился в мае 1996 г.) 
респонденты («Ельцин», «Зюганов», «Явлинский»), и вопрос о мо-
тивах предстоящего голосования позволили обнаружить особые 
[61] 
структуры мотивации электорального выбора у сторонников от-
дельных кандидатов в Президенты России на выборах 1996 г. (см.: 
перечни мотивов в кластерах Ельцина, Зюганова и Явлинского). 
Многомерное шкалирование 
представляет собой процедуру, с по-
мощью которой оценивается степень сходства/различия между 
переменными. С его помощью мы можем представить набор изу-
чаемых переменных в виде скоплений точек (каждой переменной 
соответствует одна точка). Этот метод позволяет находить в масси-
ве данных комплексы сходных друг с другом и отличающихся друг 
от друга переменных. В геометрическом пространстве сходные 
переменные (тесно связанные между собой в сознании респонден-
тов) располагаются близко друг от друга и образуют скопления 
точек, отделенные пустым пространством от других скоплений 
сходных переменных. Чем больше сходства зафиксировано у изу-
чаемых переменных, тем ближе находятся обозначающие их 
точки на графике. Чем меньше сходства наблюдается у 
включенных в анализ переменных, тем дальше друг от друга 
располагаются соответствующие им точки на графике. 
Данный метод дает возможность наглядно (на графике) пред-
ставить множество переменных и увидеть особенности их конфи-

---

гурации в геометрическом пространстве (чаще всего в двумерном). 
Подобная 
процедура 
используется 
при 
сопоставлении 
значительного числа переменных, которое трудно анализировать 
без визуализации. Перед началом многомерного шкалирования 
осуществляется процедура преобразования переменных в 
биноминальные, как и в кластерном анализе. 
Рассмотрим пример такой визуализации на основе набора пере-
менных, характеризующих идентификацию респондентов с различ-
ными взглядами (источник данных тот же, что и в примечании к 
рис. 6). 
На графике рис. 7 видны четыре группы точек, отделенных 
друг от друга пустым пространством. Эти группы располагаются в 
рамках двух измерений. Первое измерение основано на противо-
поставлении власти и общественности, второе — на противопо-
ставлении коммунизма и либерализма. Эти оппозиции наблюда-
лись в политическом сознании населения Санкт-Петербурга в 
конце 2000 г. 
Специфическим методом обработки социологической информа-
ции является 
вторичный анализ 
данных. Он применяется для полу-
чения дополнительной информации по уже прошедшему первич-
ную обработку массиву данных. Обычно вторичный анализ ис-
пользуют при повторной обработке результатов «чужих» или собст-
венных исследований. Можно выделить два типа вторичного ана- 
[62] 
Рис. 7. Конфигурация переменных в пространстве двух 
измерений* (политическая идентификация и партийные 
предпочтения на выборах) 
лиза: монографический и сравнительный. В первом случае осу-
ществляется повторный анализ одного массива первичных данных, 
во втором — сопоставляются несколько массивов первичных дан-
ных (например, электронные таблицы данных в системе 8Р88), 
полученные отдельными социологическими центрами в разное 
время, на разных выборках и по различным программам. Разно-
типность исследований и используемых в них переменных порож-
дает необходимость их стандартизации как условия сопоставимос-
ти результатов исследований [Социальные исследования: постро-
ение и сравнение показателей. М., 1978. С. 134—139]. 
Сопоставлять можно лишь однородные переменные, но для 
обеспечения этой однородности нужно, чтобы сравниваемые пер-
вичные данные по этим переменным были получены на однотип-
ных выборках, одинаковыми методами и с помощью однотипных 
шкал. Если у нас нет информации о том, кого и как репрезенти-
рует выборка, какие методы были использованы для сбора и ана-
лиза данных, как были сформулированы вопросы и какие альтер-
нативы предлагались респондентам для ответа на них, то вторич-
ный анализ становится невозможным. 
Нельзя в строгом смысле слова назвать вторичным анализом 

---

часто используемое сопоставление частотных распределений внеш-
не сходных переменных, взятых из отчетов по итогам массовых 
опросов населения, опубликованных в научных изданиях или газе-
тах. Как правило, в этом случае авторы не выясняют степень 
* Многомерное шкалирование выполнено с помощью 
пакета SPSS, опции: statistics\scale\multidimensional scaling.
[63] 
однородности сравниваемых массивов информации, а между тем 
за каждым числовым значением признака стоит определенное ка-
чество. Не выяснив, насколько однородна качественная определен-
ность переменных, отобранных из разных массивов данных, мы не 
можем их сопоставлять. 
Для проведения вторичного анализа необходимо изучить описа-
ние выполненных исследовательских проектов, по которым имеет-
ся первичная информация в существующих отечественных и зару-
бежных архивах данных [см., например: Банк социологических 
данных, 1990 (Информационные ресурсы социологических центров 
СССР). М., 1990; Международный журнал социальных наук. Май. 
1995. № 9. Европейские базы данных по социальным наукам); 
Мангейм Дж.-Б., Рич Р.-К. 
Политология. Методы исследования. 
М., 1997. С. 220—221]. В архивах нужно отобрать необходимые 
массивы данных, получить разрешение на их использование от ру-
ководства соответствующих центров и, сделав с них копии файлов, 
провести вторичный анализ. 
Можно выделить несколько видов сравнительного вторичного 
анализа: сравнительно-типологический (синхронный), или анализ 
первичных данных исследований, проведенных в одно и то же 
время; сравнительно-генетический (диахронньш), или анализ ре-
зультатов исследований, проведенных в разное время. В любом 
случае предварительное изучение переменных с целью определения 
степени их однородности и пригодности для сравнения представ-
ляет собой обязательное условие вторичного анализа. Важно отме-
тить и то, что в процессе вторичного анализа мы, по существу, 
мысленно 
воспроизводим 
все 
этапы 
сопоставляемых 
исследований и одновременно осуществляем самостоятельное 
исследование, в ходе которого концептуализируем изучаемую 
проблему, выдвигаем собственные гипотезы, операционализируем 
понятия и т.д. Вторичный анализ означает новое, дополнительное 
исследование старых массивов первичных данных.