самом деле мы должны визуализировать больше, чем данные [Taagepera, 2008, p. 202–204; Taagepera, 2015, ch. 8]. На графиках мы должны выявлять те «запретные» зоны, где точки не базируются на концептуальных основаниях, – в данном случае на тех, где N<1 и C<0. Также следует показать те «якорные точки», которые как раз логически включены в описываемые взаимосвязи. Например, любая взаимосвязь между самой большой долей мест и их количеством должна быть равна MS=1 (случай президентских выборов), что приводит к тому, что S1=1 – так как максимально может быть занято 100% мест. Именно поэтому (1; 1) – та самая «якорная» точка. Ее визуализация опирается на «мыслительную» ногу в дополнение к «наблюдательной».
16
Функциональная форма C=k/N 2 выводится логически, но значение константы k определяется эмпирически. Это вполне обычная ситуация в физике.
17
Он может сделать еще хуже. Он может включить полдюжины контрольных переменных, которые могут правдоподобно влиять на продолжительность жизни правительства: состояние экономики, левая или правая партия, публичная поддержка премьер-министра и т.д. Каждая из них может незначительно «отобрать» влияние числа партий, которое в полной мере уменьшается, когда мы вычитаем N, вместо того чтобы делить на квадрат N. Кроме того, несколько других факторов могут привести к иллюзорным уровням «значимости».
18
Специфические количественные предсказания легко могут оказаться неверными при ближайшем рассмотрении; даже когда существует поддержка широкого направления изменений. Напротив, слишком много исследований в политологии находится в «безопасности» при попытке доказать их ложность, так как они только и предсказывают широкое направление изменений, оставляя его точное значение неопределенным.
19
Это единственное предложение действует как громоотвод, если опустить слово «часто». Как говорится в одном комментарии к рабочему варианту данной статьи: «Как таковое, оно хорошо применимо к политологии (особенно до недавнего времени), но неприменимо к другим дисциплинам в области социальных наук, например, к экономике, где лог-логарифмические и линейно-логарифмические модели являются обычным делом, и где пробит-, логит- и другие нелинейные оценивающие [курсив мой. – Авт.] модели становятся нормой. Это даже неприменимо в полной мере к некоторым искушенным сотрудникам журналов, таких как Political Analysis, где используются нелинейные модели (главным образом пробит и логит), а также эффекты взаимодействия».
20
Существует также множество других методологических проблем [Taagepera, 2008]. Одна из них – это то, что стандартная линейная регрессия является лишь базовым объяснением всех возможных связей, потому что линейная регрессия всегда направлена: наилучшие оценки МНК модели y на x отличаются от наилучших МНК оценок модели x на y [Taagepera, 2008, p. 154–174]. Слишком много политических исследователей, использующих стандартные линейные модели регрессии, не знают об этом.
21
Габриель Алм
