Психологическая ориентация: Ф.Олпорт, Л.Л.Терстоун, Р.Ликерт 4 страница

Особые и требующие специальных предосторожностей черты ликертовской процедуры являются побочным следствием ее простоты и экономичности. Во-первых, предполагается, что баллы, получае­мые респондентами на основании согласия или несогласия с сужде­ниями, представительны по отношению к гипотетической популяции всех благоприятных и неблагоприятных суждений. Однако ликертов-ская процедура не содержит никаких специальных средств, обеспе­чивающих репрезентативный отбор суждений из этой популяции. Так, здесь нет никакой " судейской" оценки, позволяющей, как в терстоуновской процедуре, оценить " аффективную нагрузку" и двусмысленность вопросов шкалы. Во-вторых, пункты, отобранные в результате анализа внутренней согласованности, это те, на которые респонденты исходной выборки реагировали согласованно. Т.е. отбор пунктов ведет к повышению функционального единства окончатель­ного инструмента. Однако степень функционального единства зави­сит от сходства, гомогенности критериев, которые используют ре­спонденты, входящие в конкретную выборку, при принятии или отвержении суждений. Функциональное единство, обеспечиваемое данной процедурой " анализа пунктов", предполагает, что респон­денты пользуются качественно одним и тем же критерием принятия решения, отличающим респондентов друг от друга лишь по степени. Т.е. вопрос о том, сохраняется ли функциональное единство инстру­мента при переносе на другую выборку респондентов, оказывается связанным с общностью используемого респондентами критерия принятия или отвержения суждений (ср. [241. Р.116]). В-третьих, баллы, приписываемые категориям реакции в модели Ликерта, отражают интенсивность согласия-несогласия с суждением. Но если предположить, что каждое суждение имеет собственную " аффектив­ную нагрузку" по отношению к объекту установки, то можно

предположить существование функции " весов" суждений и " весов" категорий ответа (возможно, неаддитивной), которая задавала бы точное значение аффективной ориентации каждого респондента по отношению к объекту установки. Однако в ликертовской процедуре пункты суждения принимаются равными по предполагаемой " эф­фективности". Т.е. сама процедура оказывается основанной на пред­положении, что " эффективность" одинакова для всех суждений в данной совокупности. Это допущение является необходимым, так как в противном случае интерпретация результатов становится неопре­деленной. Предположим, что одно из суждений выражэет крайнюю благожелательность по отношению к объекту установки, а другое -скорее нейтральное отношение. Чтобы суммирование по этим двум пунктам поддавалось осмысленной интерпретации, вес, приписыва­емый категории " совершенно согласен" для " нейтрального" сужде­ния, должен был бы совпадать приблизительно с серединой ряда значений, присваиваемых категориям ответа по первому, " аффек­тивному" суждению. Однако модель Ликерта не предполагает какой-либо оценки суждений, помимо оценки их обобщенной благожела­тельности - неблагожелательности по отношению к объекту установ­ки. Г.Апшоу, критикуя эту модель, ссылается на данные Л.Ферпо-сона, показавшего, что процедура " анализа пунктов", применяемая при конструировании шкалы Ликерта, ведет к исключению сужде­ний, которые не выражают крайние полюса эмоциональной оценки объекта установки. Фергюсон исследовании 1941 г. предъявлял уже прошедшие отбор суждения ликертовской шкалы судейской группе, члены которой ранжировали их по степени подразумеваемого аф­фекта (т.е. аналогично процедуре Терстоуна). Для четырех из пяти объектов установки суждения ликертовской шкалы сгруппировались у полюсов континуума " за" - " против" [129].

Сам Г.Апшоу продемонстрировал зависимость " выживания" суж­дений при отборе от их экстремальности следующим образом: исход­ная совокупность суждений была получена от репрезентативной выборки респондентов, которых просили описать позиции, соответ­ствующие крайним градациям шкалы " за - против". Из описаний и был составлен список из 18 суждений. Семнадцать из этих суждений при использовании на других выборках из той же популяции ока­зались дискриминативными для высоких и низких баллов на 5-про­центном уровне.

Как справедливо указывает Б.Грин, математическая модель, подразумеваемая техникой присвоения баллов респонденту по мето­ду Ликерта, - это модель единого общего фактора [21. С.265-267]. Внутренняя корреляция пунктов - результат действия единого обще­го фактора. При фиксированном уровне этого фактора (аффектив­ного компонента установки) пункты окажутся независимыми. Это, по сути, та же модель, с которой работают факторный и латентно-структурный анализ. Идеальная линейная корреляция между общим баллом и латентным общим фактором достигается, когда " длина" списка суждений стремится к бесконечности. Самым прямым спосо­бом верификации модели общего фактора является, видимо, фак-

4* 51

торный анализ пунктов шкалы[18]. Основные источники по проблеме " взвешивания" пунктов перечислены в статье Б.Грина [21 ], однако мы здесь не будем останавливаться на их анализе, так как они принадлежат преимущественно к психометрической традиции и не оказали заметного влияния на конструирование ликертовских шкал в социологии. В случае следования ликертовской технике присвоения баллов может быть получен ординальный уровень измерения. По мнению Б.Грина, шкала ликертовского типа имеет метрику в том смысле, что для данной совокупности пунктов можно получить распределение баллов в генеральной совокупности. Различие между баллами будет отражать пропорции людей, имеющих соответствую­щие оценки [21. С.267].

Шкалограммный анализ Гутмана, как уже говорилось при опи­сании истории его разработки (см. раздел 4), применялся к измере­нию когнитивно-, поведенческо- и аффективно-субъектных пере­менных. Результирующая шкала является ординальной. Основания шкалограммного анализа изложены Гутманом в работе [222. Р.60-90 ]. Конструирование шкалы начинается со спецификации " универ­сума признаков" (" universe of attributes" по Гутману). Специфика­ция заключается в отборе тех манифестаций когнитивной, аффек­тивной или поведенческой переменной, которые можно считать основными, решающими при предполагаемом обобщении шкальных значений. Если пункты шкалы можно считать случайной выборкой из популяции пунктов, воплощающих самые существенные аспекты универсума признаков, а респонденты представляют собой случай­ную выборку из известной совокупности, то реакция выборки ре­спондентов по отношению к выборке пунктов может быть обобщена для обеих совокупностей. Если, как и в случае с ликертовской шкалой, предположить, что каждый индивидуум имеет внутренний критерий, в соответствии с которым он принимает или отвергает какое-то суждение (выражающее мнение, предполагаемый способ действия или эмоциональную оценку), то совокупность респондентов и совокупность суждений могут быть совместно логически упорядочены на шкале Гутмана тогда, когда все респонденты исполь­зуют одно критериальное качество (количественно варьирующее), принимая решение согласиться или не согласиться с каждым пунктом опросника. Г.Апшоу приводит пример с вопросом о целесообразности вмешательства американских вооруженных сил в конфликт на ази­атском континенте. Респондент может оценивать этот вопрос с точки зрения последствий этого для геополитической позиции США. Дру­гой же респондент, выбирая между " да" и " нет", может оценивать суждение с точки зрения принесения человеческих жертв ради политических целей. Когда же оба респондента руководствуются одним и тем же свойством суждения, они могут отличаться с точки зрения " нагруженное™" данного суждения этим качеством, которая требуется, чтобы каждый из них согласился с суждением.

52
Модель шкалограммного анализа предполагает, что суждения выражены в форме, которая логически позволяет определить вероятность принятия суждения как монотонно возрастающую или монотонно убывающую функцию шкальной позиции респондента. Т. е. речь идет о шкалировании монотонных признаков в термино­логии К.Кумбса (Терстоун говорил в этой связи о шкалах возраста­ющей вероятности, которым противостоят шкалы максимальной вероятности [233 ]; Стауффер - о кумулятивных шкалах, отличаю­щихся от дифференциальных [222. Р. 3-45]). Как уже отмечалось, сама идея шкалирования кумулятивных признаков явно присутст­вовала уже в шкалах социальной дистанции Боргадуса. Однако формальный метод шкалирования был разработан впервые Гутма­ном. Согласно модели шкалограммного анализа, признаки-пункты мо­гут быть расположены вдоль континуума переменного качества.

Исходным и самым простым случаем для модели является дихо­томический признак-пункт (высказывания, имеющие несколько ка­тегорий ответа, можно рассматривать как совокупность нескольких высказываний-категорий). Упорядочение пунктов на кумулятивной шкале таково, что респондент, позитивно прореагировавший на некий пункт, будет также позитивно реагировать на все пункты, имеющие более низкий ранг. Соответственно респонденты распола­гаются в зависимости от ранга избранных ими пунктов. Проиллюст­рируем это с помощью гипотетической гутмановской шкалы для шести респондентов и пяти пунктов-суждений, которая изображена на рис.2.

Возрастание переменной = свойства»-

R₁ I₁ R₂ I₂ R₃ I₃ R₄ I₄ R₅ I₅

Рис.2. Гипотетическая шкала Гутмана для 5 пунктов и 6 респондентов.

Пять дихотомических пунктов (т.е. суждений с двумя возможны­ми категориями ответа) обозначены точками /j, /₂... 1$. Шесть респондентов, соответственно, представлены точками r_i, R₂... R,. Расположение каждой точки соответствует количеству переменной-свойства (эмоциональной установки, соматоневротической симпто­матики и т.д.). Количество шкалируемого свойства, соответствующее локализации данного пункта /„, - это граница между двумя катего­риями ответа по данному пункту. Таким образом, положительный ответ определяет некоторую область с одной стороны шкального расположения пункта, а отрицательный - область с другой стороны. Локализация респондента зависит от той величины переменной-свойства, которая соответствует его критерию принятия решения о согласии или несогласии с суждением. Образно говоря, критерий " резонирует" на некоторое минимальное или максимальное порого­вое значение вербализуемой в вопросе установки. Так, в ситуации, изображенной на рис.2, респондент будет соглашаться с любым пунктом-суждением, имеющим меньшее количество заданного свой­ства, чем его требует его критерий, и отвергать остальные. Следова-53

тельно, число принятых респондентом пунктов-суждений действи­тельно будет функцией его положения на шкале: респондент jR_t не согласится ни с одним пунктом, а респондент R, одобрит все пять. Связь между гутмановской шкалой и шкалограммной матрицей может быть прояснена с помощью табл. 1.3, которая эквивалентна Рис.2:

Таблица 1.3. Шкалограммная матрица, иллюстрирующая паттерн ответов для гипотетической шкалы на рис.2

Возрастание переменной-свойства

Пункты и респонденты представлены соответственно столбцами и строками шкалограммной матрицы. Пункты расположены от мак­симальной до минимальной степени выраженности свойства. Респон­денты расположены сверху вниз по убыванию рангового порядка критерия. Знаки " +" соответствуют согласию респондента с пунк­том-суждением, знаки " —" - несогласию. Очевидно, что популяр­ность пункта является обратной функцией его положения на шкале. Положение респондента на шкале зависит от частоты поло­жительных ответов для данного набора пунктов-суждений. На практике приближение к идеальной шкалограмме, представлен­ной таблицей 1.3, может быть достигнуто упорядочением пунктов по их популярности (частоте положительной реакции) и упорядоче­нием респондентов по частоте позитивных реакций для шкал, близких к абсолютной. Для шкал, близких к абсолютной, число положительных ответов может быть использовано как балл респондента, так как обычно оно хорошо коррелирует с резуль­татами применения более сложных методов присуждения баллов [21. С.272 ]. В общем же случае при неабсолютной шкале респондент получает балл того шкального типа, который ближе всего к его паттерну ответов. Различные вычислительные процедуры включают перестановку строк и столбцов, комбинирование категорий отве­та и, иногда, " переворачивание" направления шкалы для некото­рых пунктов-суждений. Целью здесь является максимальное при­ближение к паттерну ответов, соответствующему шкальной ги­потезе.

Сопоставление шкальной гипотезы и случайной гипотезы о неза­висимости пунктов имеет следующее обоснование. Существование

согласился с пунктом, имеющим более высокое положение по шкале, например /, равна единице. Для реальных данных, из-за оши­бок измерения и/или неполного соответствия модели, рассчитанные значения этой условной вероятности будут меньше единицы. Воз­можна и ситуация, когда не выполняется предположение об одно­мерности, и респонденты реагируют на суждения шкалы, исходя из каких-то других свойств (критериев). (Самый яркий пример приве­ден в работе [241. Р. 109-114], содержащей достаточно типичную критику гутмановского подхода и понятия " ошибки": некто может ответить отрицательно на все вопросы шкалы социальной дистанции, но вместе с тем - дать позитивный ответ на вопрос: " Согласны ли Вы, чтобы Ваша дочь вышла замуж за негра? ", не потому, что он " ошибся", а потому, что он равно не выносит негров и собственную дочь.) В любом случае, если считать, что пункты и респонденты не могут быть упорядочены на единой шкале, нужно принять альтер­нативную гипотезу о том, что пункты - статистически независимы и совместное принятие любых двух пунктов может быть приписано случаю. Т.е. условная вероятность принятия пункта I_m при принятии пункта I_m+1 равна просто вероятности принятия I_m.

Согласно шкальной гипотезе, для дихотомических пунктов наи­большее возможное число наблюденных паттернов ответа будет на единицу больше числа пунктов. Согласно гипотезе о независимости, максимальное число паттернов ответа для п дихотомических пунктов будет 2". В общем, следуя шкальной гипотезе, можно ожидать, что знание числа пунктов, на которые данный респондент дал позитив­ный ответ, позволит полностью предсказать паттерн его ответов. Это следствие шкальной гипотезы обозначается понятием " воспроизво­димость". Как уже говорилось, получение абсолютной гутмановской шкалы на реальных данных маловероятно. Поэтому на практике балл присуждается посредством приписывания индивида к шкально­му типу (входящему в паттерны ответов идеальной шкалы) таким образом, чтобы ошибка воспроизводимости была минимальной. Т.е. шкальный тип - это группа респондентов, дающая паттерны ответов, предсказываемые идеальной шкалой. Скажем, для опросника из четырех пунктов имеет место следующая ситуация: + + + +; - + + +; - - + +; ---+; ----. Нешкальный паттерн + - - - может быть отнесен к шкальному типу - - - - с одной ошибкой (по шкальной гипотезе один позитивный ответ предпола­гает паттерн - - - +, однако при отнесении в этот шкальный тип ошибок воспроизводимости было бы две). Общей мерой соответствия шкальной модели данным служит коэффициент воспроизводимости (ReP), равный:

число ошибок воспроизводимости /общее число ответов

В качестве основного критерия для определения приемлемости набора пунктов как шкалы Гутман предложил использовать величи­ну коэффициента воспроизводимости не ниже 0.90. Т.е. ответы, классифицированные как " ошибка", должны составить не более десяти процентов наблюдений. Однако этот критерий сам по себе недостаточен, так как еще сам Гутман показал, что коэффициент воспроизводимости для небольшого набора пунктов, которые стати­стически независимы, может быть очень высоким [222. Р.277-311]. Поэтому если пункты дихотомические, их должно быть не меньше десяти. Кроме того, манипулируя матрицей ответов при конструи­ровании шкалы, исследователь в определенном смысле увеличивает шансы шкальной гипотезы. Поэтому возникает необходимость в дополнительных критериях: значительный разброс в маргиналах пунктов, минимизация ошибки для каждой категории ответа, не слишком высокая частота нешкальных паттернов ответа. Учитывая неоднозначность этих критериев, некоторые авторы предложили собственные алгоритмы " осторожного" конструирования шкалы. Так Г.Апшоу предлагает следующую процедуру определения того, фор­мирует ли конкретная совокупность данных гутмановскую шкалу [237. Р.104-105]: наряду с реальной шкалограммой, где минимизи­рованы ошибки воспроизводимости и известна популярность каждого пункта, построить гипотетическую матрицу данных, основываясь на гипотезе независимости пунктов (для определения ответов гипоте­тических респондентов предлагается пользоваться таблицей двузнач­ных случайных чисел). Далее по тем же правилам, что и для реальных данных, осуществить необходимые перестановки в гипоте­тической матрице, чтобы минимизировать ошибки воспроизводимо­сти. После этого следует сравнить оценки гутмановских шкал для реальных и гипотетических данных. Для этого реальные и гипоте­тические респонденты разбиваются на категории в зависимости от числа ошибок (респонденты с одной, двумя ошибками и т.д.). К получаемой таблице сопряженности можно применить тест хи-квад-рат, чтобы проверить случайную гипотезу для совокупности реаль­ных данных. Однако, строго говоря, эта процедура позволяет прове­рить лишь конкурирующую гипотезу о том, что между пунктами нет никакой систематической взаимосвязи, тогда как гутмановская ги­потеза утверждает, что эта взаимосвязь почти абсолютна. Поэтому строгое и однозначное решение этой процедурой не гарантируется.

Фактически критерии подтверждения шкальной гипотезы, следу­ющей из модели Гутмана, это критерии функционального единства, основанные на внутренней согласованности реальных данных. Как уже говорилось, эти критерии никак не связаны с правилами при­писывания баллов. Чаще всего респонденты получают баллы, соот­ветствующие числу положительных ответов для " своего" шкального типа, что отражает их положение на ординальной шкале латентного свойства-переменной. Сходным образом пункты (точнее, границы между категориями ответа) получают баллы в зависимости от их ранга в шкалограммной матрице. Сам Гутман предложил аналити­ческую процедуру присвоения баллов, основанную на критерии

максимальной дисперсии баллов. По мнению Б.Грина [21. С.276-277 ], метод максимальной дисперсии баллов не играет большой роли в шкалограммном анализе, однако получаемые несколько ортого­нальных систем баллов (главные компоненты) могут представлять интерес с формально-математической точки зрения. Гутман показал, что для абсолютной шкалы - если оценки различных систем баллов появляются как функции первоначальных шкальных баллов - первая главная компонента является монотонной функцией шкальных бал­лов и, таким образом, может быть использована как метрика системы.

Вторую главную компоненту, имеющую одну точку перегиба, Гутман отождествлял с также {/-образной функцией интенсивности установки (см. с.29), хотя основания для этого отождествления не вполне ясны.

Модель Гутмана равно применима к аффективно-, когнитивно- и поведенческо-субъектным шкалам, единственное различие между которыми будет заключаться в содержании вопросов.

В данном разделе, как уже говорилось, мы не стремились дать полный обзор существующих моделей шкалирования. Кроме того, детальный анализ классических моделей измерения установок содер­жится в ряде работ, в том числе упоминавшихся нами (см. так­же: [111; 112; 117]). Однако нам необходимо остановиться на неко­торых особенностях классического подхода к шкалированию устано­вок и его позднейших модификаций, которые особенно существенны для понимания той критики, которой подвергся этот подход и его " общепринятые истины" в результате появления причинных моде­лей измерения (и ошибки измерения), к рассмотрению которых мы перейдем в последующих главах.

Прежде всего, " классический" подход к шкалированию уделяет лишь незначительное внимание содержательной разработке понятия ошибки измерения. Точнее, этот подход довольствуется статистиче­скими понятиями ошибки и истинного значения, унаследованными от традиционной психометрии, т.е. от родительской дисциплины. Безусловно, сама психометрическая парадигма шкалирования не остается неизменной. В последние десятилетия большую популяр­ность (но не практическое значение) приобрели стохастические и эксплораторные модели шкалирования. В стохастических моделях (одно- и многомерных) наличие ошибки измерения явно постули-рется в противовес детерминистским моделям. Кроме того, модель шкалирования в этом случае обычно используется не как техника, а как критерий оценки валидности, лежащей в ее основании модели измерения [112. Р.32]. В последнем случае оценки параметров модели, полу-ченные при вычислениях меры соответствия модели данным, могут быть использованы как числовые значения объектов на шкале, т.е. измерение оказывается дополнительным " подарком валидной модели" [219. Р.8]. Под эксплораторными шкальными моделями понимаются модели, полученные в результате применения специальных процедур для выявления внутренней структуры дан­ных. Строго говоря, эксплораторными (т.е. " исследующими", " раз-

ведочными") являются не модели, а эти процедуры анализа данных, позволяющие для данного набора показателей (индикаторов будущей шкалы) выяснить, есть ли у него структура и может ли эта структура быть представлена в виде одно- или многомерной шкалы. (Позднее мы еще вернемся к идеологии эксплораторного анализа данных и поиска моделей измерения.)

Кроме того, для " ранних" процедур шкалирования была харак­терна еще одна особенность. Процедуры приписывания баллов субъ­ектам или суждениям не были основаны на каких-то явных эмпири­чески наблюдаемых отношениях доминантности/эквивалентности между объектами оценивания. Следовательно, для таких шкал ока­зывались неприменимы постулаты репрезентационной теории изме­рения, так как отношения числовых значений шкалы не соответст­вовали каким-то наблюдаемым отношениям в эмпирической системе. Т.е., приписывание числовых значений не отражало (не репрезен­тировало) отношения между эмпирическими объектами. Как мы уже говорили, обсуждая шкалы категориальных оценок (например, шка­лы Терстоуна и Ликерта), приписывание чисел здесь в значительной мере произвольно. На этом основании построена часто применяемая классификация шкал, разделяющая их по типу измерения [117]. Шкалы оценок основаны на индексном измерении, когда числовое приписывание осуществляется более или менее произвольно. Шкаль­ные процедуры, в которых приписывание числовых значений объек­там соотнесено с эмпирически наблюдаемыми отношениями между объектами, называют репрезентсщионными. Однако даже стохасти­ческие эксплораторные модели шкалирования, разработанные в рамках психометрического подхода, отчасти основываются на тех же принимаемых произвольным решением (by fiat) предположениях, что и ранние шкалы установок. Эти предположения не подвергаются проверке сами по себе, как некоторые содержательные гипотезы о " механизмах" реального мира, порождающих социологические дан­ные. Они представляют собой своеобразную " обратную проекцию" в реальность ряда нерефлексируемых особенностей сложившегося на более ранних этапах развития психометрики " образа человека". Чтобы проиллюстрировать сказанное, мы вкратце остановимся лишь на одном характерном примере. Стохастическая одномерная модель шкалирования, разработанная Р.Моккеном [182 ], основана на отно­шениях доминантности между объектами из различных множеств и может использоваться для построения шкал установок (в последнем случае два множества объектов - это субъекты и высказывания, как и в случае с только что рассмотренной шкальной моделью Гутмана). Модель позволяет получить ординальное упорядочение субъектов и высказываний (пунктов) шкалы. Из нее также можно вывести ряд ограничений на возможные ответы и, соответственно, проверить соответствие модели данным. В модели вводится понятие трудности высказывания (пункта), содержательная интерпретация которого предполагает существование некоторого порогового значения латент- ной установки, позволяющего респонденту положительно ответить на шкальный вопрос или согласиться с высказыванием. Очевидно,

трудность высказывания в этой модели совершенно аналогична по смыслу трудности вопроса в общей теории тестов и восходит к представлению о трудности теста в тестировании способностей. Функция, показывающая вероятность положительной реакции на данное высказывание в зависимости от значения латентной установ­ки, называется графиком данного высказывания (либо характери­стической кривой вопроса, как в общей теории тестов). Модель налагает ограничения на графики высказываний-пунктов. В частно­сти, вероятность положительного ответа должна монотонно возра­стать с ростом значения латентной установки, графики отдельных пунктов (вопросов, высказываний) шкалы не должны пересекаться (трудность пункта должна определяться однозначно) и т.п. В случае, когда ошибка измерения отсутствует или ею можно пренебречь, кумулятивная стохастическая модель одномерной шкалы превраща­ется в детерминистскую, т.е. в идеальную модель, предполагаемую шкалограммным анализом по Гутману. Достоинством стохастиче­ской модели 'Р.Моккена является возможность вывести из самой модели некоторые ограничения на данные, позволяющие проверить модель. Т.е. решение о " шкалируемости" данной совокупности высказываний или вопросов здесь, в отличие от гутмановской моде­ли, уже не основано на достаточно произвольных оценках процента допустимых " ошибок", а приписывание балла индивиду не является результатом грубой аппроксимации к " шкальному типу". (Пример построения и использования стохастической кумулятивной шкалы политических установок, наряду с подробным описанием шкальной модели, можно найти в [219].) Однако и в этой стохастической эксплораторной модели присутствуют те принимаемые без проверки (хотя, возможно, в ряде случаев верные) предположения классиче­ской психометрики. Это, во-первых, требование локальной не­зависимости высказываний (пунктов) шкалы и, во-вторых, мо­дель латентной черты (установки, способности), являющейся причи­ной ответов или реакций опрошенных. Локальная стохастиче­ская независимость предполагает, что позитивный ответ данного респондента на некий вопрос шкалы статистически независим от ответов, данных на другие вопросы. Обоснованность и даже необхо­димость этого ограничения очевидна, когда речь идет, скажем, о совокупности арифметических задач, предназначенных для измере­ния одной и только одной способности. Однако, зная о различных типах систематической ошибки измерения, характерной для лично­стных и установочных шкал (позиционная тактика ответов, арте­факты " социальной желательности" и др., о чем будет подробнее говориться в главе II), реалистично ли предполагать, например, что человек, согласившийся с утверждением о несущественности его личного участия в выборах, согласится с тем, что ему не следует голосовать, с той же вероятностью, что и другой человек, не согла­сившийся с первым утверждением [219. Р.12]?.

Что же касается предположения о латентном континууме свойст­ва-установки, являющейся причиной явных ответов-индикаторов, то оно восходит к идеям Ф.Гальтона и Ч.Спирмена и отражает попу-

лярные в начале века представления о едином конституциональном факторе, определяющем многообразие поведенческих проявлений. В главе III, рассматривая различные модели измерения, мы убедимся, что латентная черта (свойство, фактор) далеко не всегда являются причиной своих индикаторов. Сейчас же отметим, что модель латен­тной черты чрезвычайно удобна для исследования соотношений генотипа и фенотипических проявлений организма в биологии или при изучении некоторых специальных способностей, имеющих вы­сокую степень наследственной обусловленности. Однако примени­мость модели одномерного континуума латентного свойства в шка­лировании установок требует куда более веских обоснований, поми­мо соображений удобства.

Глава вторая