В условиях идеального мира экономист мог бы провести эксперимент так же, как это делают биологи или физики: сформировать две выборки, проделать по отношению к ним какие-нибудь действия, а затем оценить получившийся результат. Однако у экономистов крайне редко возникает такая роскошная возможность провести чистый эксперимент (вот почему мы считаем эксперимент со школьной жеребьевкой в Чикаго столь редкой удачей). Обычно в распоряжении экономиста имеется набор данных с огромным количеством переменных, иногда связанных между собой, а иногда нет. Экономист вынужден нырять в эту пучину данных для того, чтобы понять, какие из факторов действительно коррелируют между собой.

Что же касается данных ECLS, то задание с применением регрессионного анализа можно изобразить следующим образом: представим себе каждого из 20 тысяч школьников в виде набора электрических переключателей, расположенных на огромной панели. Каждый переключатель отображает ту или иную категорию данных, описывающих школьника: его оценки по математике или чтению в первом и третьем классах, уровень образования его матери, уровень дохода его отца, количество книг в доме, средний уровень достатка в районе его проживания и т. д.

Теперь исследователь может вычленить из этого сложного набора данных те или иные факторы. Он может сопоставить между собой всех детей со сходными характеристиками, то есть одинаково расположенные переключатели, а затем определить, по каким характеристикам они различаются между собой. Таким образом, он может изолировать реальное воздействие одного переключателя на всю приборную панель. Именно таким образом он может выявить степень влияния каждого переключателя.

Давайте предположим, что мы хотим получить с помощью данных ECLS ответ на фундаментальный вопрос о роли родителей и образования: влияет ли количество книг в доме на успеваемость ребенка в школе? Хотя с помощью регрессионного анализа невозможно получить ответ именно на такой вопрос, мы можем ответить на немного другой, а именно – насколько лучше учится школьник, в доме которого много книг. Разница между первым и вторым вопросом олицетворяет разницу между причинно-следственной связью (вопрос 1) и корреляцией (вопрос 2). Регрессионный анализ позволяет определить наличие корреляции, однако не может установить причинно-следственной связи. В целом существует несколько типов корреляции двух переменных. X может быть причиной Y; Y может быть причиной X; возможно также, что причиной возникновения и X и Y служит некий третий фактор. Сама по себе регрессия не может сказать вам о том, идет ли снег из‑за того, что на улице низкая температура, или оба этих события просто происходят одновременно.

Данные ECLS показывают, к примеру, что ребенок, живущий в доме с большим количеством книг, обычно получает более высокие оценки по сравнению с ребенком, в доме которого нет книг. Соответственно, между этими двумя факторами имеется корреляция, и это полезно знать. Однако высокие оценки в школе коррелируют и с множеством других факторов. Если вы будете просто сравнивать две группы детей (различающихся между собой по количеству книг в доме), то такое сравнение не будет иметь особого смысла. Возможно, что количество книг в доме ребенка просто показывает, насколько много денег зарабатывают его родители. На самом деле нам необходимо оценить две группы детей, сходных между собой по всем параметрам (за исключением количества книг в доме), и определить, в какой степени этот единственный фактор влияет на школьные отметки.

Следует сказать, что регрессионный анализ является скорее искусством, а не наукой (и с этой точки зрения он имеет много общего с родительским трудом). Однако опытный исследователь вполне может использовать его для того, чтобы определить не только наличие или силу корреляции, но и наличие причинно-следственной связи.

Так что же могут сказать нам данные ECLS о результатах школьников? Несколько вещей. Первая связана с разрывом в оценках между белыми и чернокожими учениками.

Уже довольно давно было отмечено, что результаты чернокожих детей (даже еще до того, как они впервые появляются в школьном классе) оказываются ниже результатов их белых ровесников. Более того, результаты чернокожих детей постоянно оказывались ниже даже при контроле широкого набора переменных. (Контроль переменной, в сущности, означает исключение ее влияния. Отчасти это напоминает фору, которую дает сильный игрок более слабому перед началом матча. В случае научного исследования, такого как ECLS, исследователь должен контролировать любые сравнительные недостатки, которые могут иметься у любого отдельно взятого ученика, сравниваемого со «средним».) Однако новый набор данных помогает нам узнать еще одну историю. После того как контролю было подвергнуто несколько переменных, в том числе уровень дохода и образования родителей, а также возраст матери при рождении первенца в семье, различие между оценками чернокожих и белых детей, начиная с возраста начала учебы в школе, практически исчезло.

Это заключение представляет интерес в двух аспектах. Во-первых, это означает, что чернокожие дети могут наверстать упущенное и догнать своих белых ровесников. Во-вторых, это дает основания предположить, что имеющийся разрыв может быть связан с рядом вполне определяемых факторов. Данные показывают, что черные дети учатся плохо в школе не из‑за своего цвета кожи, а потому, что чаще всего являются выходцами из малообразованных и бедных семей. Стоит, однако, отметить, что два типичных ребенка – белый и черный, – имеющие одинаковое социально-экономическое происхождение, демонстрируют в детсадовском возрасте вполне сопоставимые результаты в математике и чтении.

Отличные новости, правда? Не торопитесь. Прежде всего стоит учесть следующее. Поскольку типичный чернокожий ребенок обычно воспитывается в малообразованной и бедной семье, то наличие разрыва все же весьма реально – в среднем черные дети получают куда более низкие отметки в школе. Хуже того, даже с учетом фактора дохода и образования родителей разрыв между черными и белыми детьми появляется уже на третий год их пребывания в школе. Уже к концу первого года обучения чернокожий ребенок учится хуже своего типичного белого ровесника. И этот разрыв продолжает увеличиваться и во втором, и в третьем классе.

Почему же это происходит? Ответить на этот вопрос довольно сложно. Возможно, дело заключается в том, что школа, в которую ходит типичный чернокожий ребенок, отличается от такой же школы, которую посещают белые дети, то есть типичный чернокожий ребенок ходит в школу, которая попросту… недостаточно хороша. Даже через пятьдесят лет после вынесения вердикта по делу «Браун против школьного совета Топека» многие американские школы фактически остаются сегрегированными. В ходе проекта ECLS изучено около тысячи школ, в каждой из которых отобрано по 20 детей. В 35 процентах этих школ в выборку не был включен ни один чернокожий ребенок. Типичный белый ребенок посещает (по данным ECLS) школу, в которой количество чернокожих учеников составляет лишь шесть процентов; а типичный чернокожий ребенок в то же самое время посещает школу, в которой не менее 60 процентов учеников также являются чернокожими.

Что же означает, что школы для черных недостаточно хороши? Может показаться странным, но качество школы определяется не по тем параметрам, к которым мы все привыкли. С точки зрения числа учеников в классе, образования учителя и количества компьютеров на одного ребенка оба типа школ являются вполне сопоставимыми. Однако в типичной школе для чернокожих детей куда более часто возникают такие проблемы, как подростковые банды, подозрительные личности, околачивающиеся на территории, и отсутствие достаточного финансирования со стороны PTA[17]. Атмосфера в таких школах попросту не предназначена для успешной учебы.