Внутри неисторических социальных наук могут также присутствовать существенные разногласия. В господствующей экономической науке часто утверждается, что многие открытия бихевиоральной экономики, дающие, как представляется, свидетельства иррациональности, связаны с тем, что они были сделаны в экспериментальных условиях. В силу самых разных причин то, что люди делают в искусственных лабораторных условиях, может не соответствовать их поведению в повседневной жизни. Экономисты-бихевиористы пытались организовать эксперименты так, чтобы ответить на это возражение: поднимали ставки, изолировали подопытных от социального давления других участников и самого экспериментатора, создавали условия для временного обучения. Кроме того, выдвигалось возражение против того, что участники механически переносили реакции, которые были адаптивными за стенами лаборатории, в обстановку эксперимента, где они становились плохо адаптирующимися, к примеру, используя стратегию «услуга за услугу» в однократных испытаниях, в которых она не имела смысла. Экономисты-бихевиористы отвечали, что в поведении подопытных нет никакого автоматизма, так как можно показать, что они способны прекрасно приспосабливаться с учетом стимулов. Эти дебаты продолжаются по сей день, и неспециалисту трудно в них разобраться. Если я склонен встать на сторону экономистов-бихевиористов, вероятно, я делаю это на неинтеллектуальном основании: оппонент моего оппонента – мой друг.

Теперь я хочу обратиться к количественной социальной науке. Существует три ее разновидности: измерение, анализ данных и моделирование. Все три связаны, поскольку анализ данных часто требует измерений (для установления данных) и моделирования (чтобы указать, какие данные мы должны искать). Я сосредоточусь на моделировании, потому что слишком мало знаком с измерениями и анализом данных, но все же сначала скажу о них несколько слов.

Измерение, например, потребления на душу населения, безработицы, распространения коррупции или того, что общество думает о смертной казни, по сути своей очень сложная операция. Чтобы измерения потребления позволяли делать сравнения по времени и по разным регионам, они должны учитывать, что потребители с одинаковым доходом в разное время и в разных местах могут покупать разные товары, что доходы потребителей и имеющиеся в наличии товары также могут различаться. Безработицу трудно измерить, если существует масштабная теневая экономика, большое число студентов, заключенных или людей, прекративших поиски работы. Измерение коррупции обычно основывается на восприятии уровня коррупции, определяемом оценками экспертов и опросами общественного мнения. По очевидным причинам трудно получить независимые свидетельства, чтобы оценить надежность этих источников. Даже там, где они совпадают во мнениях, это может происходить по причине общей предвзятости. Замеры общественного мнения предполагают стабильность последнего. Однако хорошо известно, что незначительные изменения в формулировке вопросов могут привести к большим различиям в ответах. «Поддерживаете ли вы А?» побуждает совсем к другому ответу, чем «Поддерживаете ли вы А, если альтернативой является В?», даже если понятно, что В – единственная альтернатива А. Например, пусть А будет вступление некоей страны в Европейский союз, а В – невступление. Эти проблемы могут очень сильно повлиять на точность анализа данных.

Анализ данных (под которым я понимаю статистический анализ) в определенном смысле является сердцевиной современной социальной науки. Если мы заинтересованы в изучении крупномасштабных социальных явлений, мы знаем, что всегда будем иметь дело с населением, различающимся по ряду параметров, таких как здоровье, доход, семейное положение, предпочтения и место жительства. Любой детерминистский прогноз, вроде того, что столкнувшись с внешним шоком Х (например с увеличением предельной ставки налогообложения), все индивиды ответят поведением В (например, уменьшением своих трудовых ресурсов), обречено на провал. Вместо этого пытаются определить, какова вероятность того, что индивид в данной категории отреагирует каким-то определенным образом, установив корреляцию между принадлежностью к данной категории и реакцией. Как правило, все это сугубо технические процедуры.

Такие опыты могут оказаться крайне опасными, то есть заключать в себе ряд ловушек, в которые могут попасть даже очень опытные ученые. В главах I и II я вкратце описал пять их них: добыча данных, подгонка кривой, произвольность в измерениях зависимых и независимых переменных, проблема различения корреляции и причинности, а также трудности с определением направления каузальности. Распространенная практика использования «запаздывающих» (lagged) значений переменных, устанавливающая корреляцию между одной переменной в момент t и значением другой в момент t + n, создает дополнительные возможности для искажений. Кроме того, проблемой может стать гетерогенность единиц анализа. При статистическом анализе причин войны неочевидно, что Первая и Вторая мировые войны не должны рассматриваться наравне с «футбольными войнами» между двумя латиноамериканскими странами. Кто-то, кроме того, может поставить под сомнение практику устранения аномальных случаев как «выпадающего значения» для подгонки данных. Еще одна проблема – предвзятость выборки, которая, например, может иметь место, если опросы общественного мнения проводятся по телефону, который исключает индивидов, не имеющих такового или по какой-то причине не отвечающих на звонки.

Неспециалисту вроде меня невозможно определить, как часто представители социальной науки попадают в эти и другие ловушки анализа данных. Золотым стандартом должно быть предсказание или «постсказание», которое предсказывает одну часть наблюдений, исходя из анализа другой. Выявление паттернов в данных может оказаться неубедительным из-за бесконечных возможностей для подтасовок и жульничества. Эти возможности тоже в принципе могут быть ограниченны, если ученые предварительно возьмут на себя обязательства, касающиеся гипотез и процедур анализа. Насколько мне известно, такой прием применяется редко.

Моделирование является дедуктивной процедурой, которая начинается с допущений и заканчивается предсказаниями. В социальных науках моделирование с точки зрения рационального выбора – самая распространенная, но далеко не единственная форма. В них все чаще выдвигаются эволюционные модели, которые не предполагают рациональных или даже интенциональных реакций на события. Ученые также предложили более механические модели поведения, то есть модели без ясных оснований или мотивировок. Английский физик Льюис Ричардсон, например, предложил модель гонки вооружений, основанную на двух линейных дифференциальных уравнениях, за которыми не нет ясного психологического объяснения. Я ограничусь моделированием социальных явлений с точки зрения рационального выбора.

Моделирование с точки зрения рационального выбора очень распространено в экономике, в которой оно вышло сегодня далеко за рамки традиционных областей потребительского и производственного поведения. Например, существует экономика суицида, экономика посещения церкви и, шире, экономический анализ любой деятельности, которая так или иначе включает выбор. Существует тенденция к устранению концептуального барьера, который отделяет интенциональное действие от рационального: если есть возможность для выбора, делается допущение, что он будет сделан рационально. В политологии теория рационального выбора, без сомнения, является доминирующей, то есть приносит больший престиж и более высокие зарплаты, а также становится обязательной частью образования в элитных учебных заведениях (в США). Ее применение чаще сосредоточивается на политике (и иногда на партиях или даже государствах), чем на избирателях или гражданах. В социологии меньшинство, применяющее теорию рационального выбора к традиционным вопросам дисциплины, было вытеснено экономистами, которые лучше владеют этим инструментарием (изучение доверия является важным исключением). В социальной антропологии, которая (в США) двигалась в направлении «мягкой» социальной науки, теория рационального выбора не утвердилась.