Политическая наука №1 / 2018

Две моих мечты. Изложение лекции Рейна Таагеперы, лауреата премии имени Карла Дойча 1

Аннотация. Наука шагает на двух ногах. Первый шаг заключается в вопросе о положении дел. Ответ дают наблюдение, измерение, визуализация и статистическое описание. Второй шаг состоит в выяснении того, как должны бы обстоять дела из соображений логики. Тут ответ дают логические модели, подкрепленные количественными предсказаниями. Наука большей частью состоит из таких моделей, проверяемых на данных. Развитая наука устанавливает связи не только между индивидуальными факторами, но и связи между этими связями. Однако социальные науки часто идут более простой дорогой и подгоняют исходные данные под прямую линию или какую‐то модную схему, не отдавая себе отчета в необходимости думать и строить модели на основе логики. Решительное обновление методологии социальных наук является настоятельным.

Ключевые слова: логические модели; количественные предсказательные модели; неверное использование статистики; нелинейные отношения; связи между связями.

Abstract. Science walks on two legs. One leg consists of asking: How things are? This leads to observation, measurement, graphing, and statistical description. The other leg consists of asking: How things should be, on logical grounds? This leads to logical models that should become quantitatively predictive. Science largely consists of such models, tested with data. Developed science establishes not only connections among individual factors but also connections among these connections. But social sciences often take the lazy road of fitting raw data with a straight line or some fashionable format, unaware of the need to think and build models based on logic. Major widening in social science methodology is crucial.

Keywords: logical models; quantitatively predictive models; misuse of statistics; nonlinear relationships; connections among connections.

От редакции. Одним из ярчайших событий XXIV Всемирного конгресса политической науки, который состоялся в Познани в июле 2016 г., стала лекция Рейна Таагеперы, прочитанная по случаю присуждения ему премии имени Карла Дойча. Данная премия присуждается ученым, внесшим выдающийся вклад в междисциплинарные исследования. Достижения Таагеперы в этом отношении бесспорны. По образованию он физик и немало сделал в этой научной сфере. Однако он также всемирно известный политолог – чего только стоят его работы по моделированию политических институтов и процессов! В наши дни каждый политолог еще на студенческой скамье непременно осваивает такой созданный им аналитический инструмент, как эффективное число партий.

В 1991 г. Рейн Таагепера создал школу, а затем факультет социальных наук в Тартуском университете. Таагепера известен как этнолог и историк, а также как общественный деятель и политик. Он был членом Конституционной ассамблеи Эстонии, баллотировался в президенты страны в 1992 г., заняв третье место с 23% голосов. Рейн Таагепера создал и возглавлял левоцентристскую партию «Республика». Ее он покинул после того, как партия «сдвинулась вправо».

Текст лекции Таагеперы не распространялся на конгрессе в Познани, однако российские участники конгресса смогли сделать подробные заметки, которые они затем сверили с текстом, опубликованным Таагеперой в журнале «International political science review» 3 . Этот объединенный материал мы представляем вниманию читателей, поскольку он имеет прямое отношение к теме нынешнего номера – будущему политической науки.

Мой жизненный путь определили две мечты. Одна заключалась в том, чтобы моя родная Эстония стала независимой. Другая связана со стремлением сделать социальные исследования в полном смысле научными. Моя первая мечта осуществлена, а вот на втором поприще я потерпел неудачу. Сегодня социальные науки все еще не в состоянии создавать надежное знание, отвечающее критериям научности. Мне возразят, что за последние годы сделано немало, публикации наших коллег полны математических формул. Вы ведь сами задавали этому тон, скажут мне. Результат налицо. Не совсем. Дело не в формулах и не в использовании математики. Дело в том, чтобы стать настоящей наукой. В чем особенность настоящей науки? Она шагает на двух ногах. Шаг одной заключается в вопросе: «Каково положение дел?». Для ответа необходимы наблюдение, измерение, наглядное отображение и статистическое описание. Шаг другой состоит в вопросе: «Как должны обстоять дела на основании логики?» Этот шаг ведет к созданию логических моделей, которые могут стать количественно предсказательными. Наука большей частью состоит из таких моделей, проверяемых на данных. Развитая наука устанавливает связи не только между индивидуальными факторами, но и связи между этими связями.

Затем мы снова шагаем первой ногой, обращаемся к положению дел, проверяем логические модели, обращаясь к новым фактам и данным. Однако после этого вновь шагаем второй ногой, создавая новые логические модели. Что же происходит в социальных науках? Тут проявляется идущая от лени склонность подгонять исходные данные под прямую линию или какую‐то модную схему, не отдавая себе отчета в необходимости думать и строить модели на основе логики, как настаивает на том Карл Дойч. В своей книге 2008 г. «Чтобы социальные науки стали более научными» (Making Social Sciences More Scientific) и в сочинении «Логические модели и основы вычислений в социальных науках» [Taagepera, 2015] я призываю к значимому расширению в методологии социальных наук. Речь идет не просто об использовании математики и вычислений, а об уместном их исполоьзовании и об уместном их соединении с логикой и другими нашими исследовательскими возможностями.

Получение премии Карла Дойча от Международной ассоциации политической науки – огромная и неожиданная честь для меня. Я познакомился с работами Карла Дойча, как раз когда мои интересы начали смещаться от физики в сторону социальных наук. Всё началось с работы Дойча «Национализм и его альтернативы» [Deutsch, 1969], но особое воздействие на меня оказала статья Манфреда Кохена и Карла Дойча «К рациональному исследованию децентрализации» [Kochen, Deutsch, 1969]. Это был ранний пример того, что я называю количественными логическими моделями. Я еще вернусь к этим моделям.

Следуя примеру Дойча, я обратился к изучению некоторых взаимосвязей, которые можно считать своего рода законами человеческой активности. Однако мой подход, который я принес с собой из физики, не был подхвачен коллегами, а скорее вызвал сопротивление. Вот почему премия Карла Дойча – приятный сюрприз для меня. Она означает, что я могу еще активнее заняться реализацией своей второй мечты – превращением социальных исследований в настоящую науку. Не внедрять математический аппарат, как порой превратно полагают, а продвигать логические модели. Но сначала немного слов о том, как я обратился к социальным исследованиям.

Однажды, когда мне было одиннадцать лет и я пас коров во время Второй мировой войны, мне подумалось вот что. Представьте, что сто солдат противостоят пятидесяти солдатам в открытом поле. Кто угодно может застрелить кого угодно из противоположного лагеря. Предположим, что их орудия и навыки равны. Сколько из 100 останется в живых, после того как 50 других будут уничтожены? Я подозревал, что потери превосходящей силы будут довольно малы. Я проделал некоторые расчеты в уме, но они оказались слишком сложными, а у меня с собой не было бумаги. Поэтому мне пришлось сдаться. Однако это означало, что в глубине души у меня созрело стремление использовать количественные логические модели для анализа социальных проблем.

Много позже я вспомнил эту задачу. Я быстро составил систему двух дифференциальных уравнений и решил их. Результат – целых 87 из 100 выживут. И что же, опубликовал ли я этот результат? Нет, не тут‐то было. Некий Ланчестер уже разработал эти уравнения в 1916 г., т.е. задолго до моего рождения [Lanchester, 1956].

Подобно Карлу Дойчу, мы с семьей бежали от тоталитарного режима в Восточной Европе. В конце концов я оказался в Северной Америке. По дороге я окончил среднюю школу в городе Марракеше (Марокко). Степень бакалавра ядерной физики я получил в Университете Торонто, а степень доктора физических наук – в Университете Делавера. Я публиковался в области ядерной физики и физики твердых тел [Taagepera, Nurmia, 1961; Taagepera, Storey, McNeill, 1961; Taagepera, Williams, 1966], но больше работал с текстильными волокнами в промышленной лаборатории (Pioneering Laboratory, DuPont de Nemours Experimental Station). Однако меня по-прежнему волновало то, что случилось с моей семьей и моей страной в ходе коллизий мировой политики. Поэтому я стал посещать вечерние курсы по политологии и в конце концов получил степень магистра международных отношений.

Во время обучения я обратил внимание на так называемый кубический закон выборов в англосаксонских странах. Это отношение применимо к двум основным партиям в выборах по мажоритарной системе относительного большинства с одномандатными округами. Оно отражает тот факт, что большая партия имеет изрядный бонус – ее доля мест больше, чем доля голосов. Но насколько больше? Просто сказать «больше голосов, больше мест» – это примитивная наука. Направления изменения недостаточно. Чтобы считаться наукой, мы должны делать взаимосвязи количественными. Это означает, что мы должны задаться вопросом о том, насколько большую долю мест получит партия с заданной долей голосов.

Кубический закон выборов это и делает. Он соединяет отношение мест двух партий, А и В, и отношение их голосов. Отношение мест примерно равно кубу отношения голосов SA/SB=(VA/VB)3. Например, если проценты голосов близки к 60:40, то так называемый кубический закон говорит, что проценты мест будут различаться как 77:23.

Эта взаимосвязь нелинейна. Она кривообразна, причем довольно сложным образом, что навязано ее логикой. Почему я обращаю на это внимание? Потому что слишком много социальных исследователей, видимо, верят, что все количественные взаимосвязи линейны. Никто из них не верит в плоскую Землю, но они верят в прямые линии. Суровая реальность состоит в том, что линейные взаимосвязи очень редки в естественных науках, и не говорите мне, что социальные взаимосвязи проще. Вот где социальные науки производят много мусора, создавая множество призрачных линейных взаимосвязей.

Но вернемся к так называемому кубическому закону. Это не был на самом деле закон, а всего лишь эмпирическая закономерность. Чтобы квалифицировать ее как закон в строгом научном смысле, мы должны также иметь обоснование, почему взаимосвязь должна иметь ту форму, которую имеет, почему она не может быть никакой другой формы. Вот что меня озадачивало. И ответ был найден.

Чтобы объяснить феномен, попытайтесь поместить его в более широкий контекст. Здесь взаимосвязь необязательно кубическая. Результат зависит от общего количества мест. Действительно, там, где на кону только одно место, как на президентских выборах, отношение голосов 60:40 приводит к отношению мест, равному не 77:23, а 100:0.

Позвольте, могут воскликнуть некоторые политологи, неужели вы, глупые физики, не знаете, что президентские и парламентские выборы – это совершенно разного рода вещи? Вы не можете поместить их в одну модель. Я встречаю такие заблуждения снова и снова, и это мешает политологии стать наукой. О да, я могу применять одну и ту же модель к парламентским и президентским выборам. Если бы я ошибался, то количественная логическая модель просто бы не работала, но мое расширение кубического закона работает. Это подтверждает, что в некоторых отношениях президентские выборы на основе относительного большинства (by plurality) – лишь предельный случай парламентских выборов по тем же правилам относительного большинства в одномандатных округах4. Позднее я опубликовал свою модель в виде «уравнения мест и голосов» [Taagepera, 1973]:

Здесь V – общее количество голосов, S – общее количество мест. Сейчас я называю эту модель законом сокращения меньшинства, потому что она может применяться более широко, за пределами выборов. Например, она описывает соотношение женщин и мужчин среди ассистентов и профессоров [Taagepera, 1994]. Рассмотренный под другим углом, этот закон также создает паттерн, по которому Европейский союз распределил места в Европейском парламенте между странами [Taagepera, Hosli, 2006].

Сокращение меньшинства выражается в так называемом кубическом законе, когда количество мест в ассамблее составляет кубический корень количества избирателей, соответствующего численности населения. К своему удивлению, я нашел, что это так в большинстве демократических стран. Путем проб и ошибок страны обнаружили, что кубический корень численности населения – это наиболее эффективный размер законодательного собрания. То есть страна с 8 миллионами населения обычно имеет представительное собрание из 200 человек, так как 200 х 200 х 200 = 8 миллионов.

Но почему такой размер наиболее эффективный? Здесь мы подходим к модели оптимальной децентрализации Кохена и Дойча [Kochen, Deutsch, 1969]. Они задались вопросом о том, какое оптимальное количество складских помещений нужно фирме, чтобы обслуживать регион. Если склад только один, то транспортные издержки будут слишком высоки из-за расстояний. Если складов много, то доставка будет дешевле, но возрастут фиксированные издержки на поддержание складов. Иными словами, капитальные затраты растут пропорционально числу складов, в то время как затраты на обслуживание снижаются обратно пропорционально этому числу. Кохен и Дойч выразили это при помощи уравнения. Они дифференцировали это уравнение и нашли решение для числа складов, соответствующего минимальным общим издержкам.

Этот подход годится и для определения размера собраний. Рассмотрим коммуникационную нагрузку на отдельного члена собрания5. В большем собрании ее или его нагрузка количеством избирателей снижается, но нагрузка внутри собрания повышается. Применив логику Кохена и Дойча, мы находим, что общая коммуникационная нагрузка на представителя собрания минимальна, когда количество представителей равно кубическому корню размера населения.

Вспомним, что для «закона» в строгом научном смысле нам нужна не только эмпирическая связь и не только симпатичная логическая модель – нам нужно и то и другое вместе6. Для случая нижней (или единственной) палаты у нас действительно есть и то и другое. Поэтому взаимосвязь можно квалифицировать как закон кубического корня для размера собраний:

S = P1/3.

Все эти исследования стали увлекательнее физики текстильных волокон, поэтому я начал искать работу в политологии. Я отправил письма в 120 соответствующих департаментов и попросил их выбросить мое письмо, если они считают, что политология находится в хорошем состоянии как наука. Но если они думают, что политологии все еще нужно стать наукой, то я тот человек, который может перевернуть всю дисциплину.

Всего лишь один университет «клюнул», оценив мое предложение. Это был только что созданный кампус Университета Калифорнии в городе Ирвинге. Мне ответили: «Вы – странный социальный исследователь, мы – странная Школа социальных наук. Возможно, мы подходим друг другу». И действительно, мы вместе уже более пятидесяти лет.

Присужденная мне премия ставит во главу угла междисциплинарные исследования, мастером которых был сам Карл Дойч. Насколько ей соответствует моя работа? В «American Anthropologist» напечатана моя работа о распространении цивилизаций [Taagepera, Colby, 1979], а в «Linguistica Uralica» – статья о грамматических сходствах евразийских языков [Taagepera, Künnap, 2005]. Недавно я опубликовал модель, описывающую, как мировой рост населения взаимодействует с технологией и ограниченным пространством [Taagepera, 2014]; она скрупулезно отражет данные о динамике мирового населения за последние 16 столетий. С учетом такой глубины трендов можно предположить резкое сокращение роста населения из-за недостатка территории при достижении потолка в 10,2 млрд человек (да, настолько точно), с небольшим зазором для отклонения.

Точно так же я построил и протестировал модели, описывающие влияние численности населения страны на отношение ее торговли к ВВП [Taagepera, 1976] и на размер ее городов [Taagepera, Kaskla, 2001]. Я изучал, как коммунизм взаимодействует с культурой и коррупцией. Была эта работа междисциплинарной, интердисциплинарной или же просто мультидисциплинарным «шведским столом» не связанных друг с другом исследований? Общей нитью для них было то, что я применял методы, заимствованные из физики.

Наиболее явно эта установка проявляется в моих электоральных исследованиях, например, в книге «Места и голоса» [Taagepera, Shugart, 1989]. Я написал ее вместе со студентом-магистрантом Мэттом Шугартом. После этого я продолжил свои исследования в книге «Прогноз размера партий: логика простых электоральных систем» [Taagepera, 2007]. У Мэтта появилась своя заметная книга «Президенты и ассамблеи» [Shugart, Carey, 1992]. Сейчас мы завершаем совместную книгу с гораздо более глубокими идеями. Эта наша новая книга под названием «Голоса ради мест. Логические модели избирательных систем» [Shugart, Taagepera, 2017] совершенно точно превзойдет предыдущую – «Места и голоса».

Могут ли эти книги предложить что‐то тем политологам, которым неинтересны электоральные исследования? Да, могут, потому что они подают пример для подражания – изучение связей между связями.

Действительно, устанавливать связи между связями – это отличительный признак развитой науки. Неплохо иметь отдельные уравнения, связывающие индивидуальные факторы, такие как x с y или A с B или, может быть, S c V. Но это будет похоже на карту железных дорог Африки: изолированные пути, связывающие порты с некоторыми пунктами во внутренних землях. Пути не взаимосвязаны. Сравните это с железными дорогами в Европе: вы можете попасть из Познани (место проведения нынешнего Всемирного конгресса МАПН) на практически любую другую железнодорожную станцию в Европе, пересаживаясь с одного поезда на другой. Пути взаимосвязаны. Вот что я имею в виду, когда говорю о связях между связями: уравнения, связывающие x с y, A с B и S c V, тоже связаны. Возьмите в качестве примера электричество. Электричество предполагает сеть уравнений, связывающих такие факторы, как электрический заряд, напряжение, интенсивность тока, сопротивление, сила и мощность [Taagepera, 2008, p. 66–70]7.