За последние годы на этот счет было выдвинуто множество предположений. Чаще всего говорят о бедности, генетике и феномене “летнего отставания” (считается, что за каникулы черные забывают больше, чем белые). Упоминаются также расовые предрассудки при оценивании тестов, а также высмеивание черными своих ровесников, которые “ведут себя, как белые”.
Последнему аргументу была посвящена статья молодого экономиста-афроамериканца из Гарварда Роланда Фрайера младшего Экономика “белого поведения” (The Economics of “Acting White”). В ней утверждается, что некоторые черные дети, “желающие заниматься тем или иным делом (например, хорошо учиться, танцевать и т.д.), сталкиваются в своей среде с огромными препятствиями. Дело в том, что их начинают считать чернокожими, пытающимися вести себя подобно белым (их также называют “продавшимися белым”). Очень часто такой ярлык может принести своему обладателю серьезные неприятности. Отмеченного им человека начинают избегать, бить и даже могут убить”. [8] В подтверждение Фрайер приводит детские воспоминания баскетболиста, а впоследствии актера Карима Абдул-Джаббара (настоящее имя Лью Эльсиндор). Перейдя в четвертом классе в новую школу, чернокожий Карим заметил, что читает лучше многих учеников седьмого класса: “Когда дети поняли это, я стал объектом их насмешек и издевательств… Я никогда раньше не находился так далеко от дома и впервые меня окружали только черные. Я обнаружил, что если раньше меня за что-то хвалили, то теперь за это же ругали. Я получал одни пятерки, а меня за это ненавидели. Я разговаривал на правильном английском, а меня за это называли простофилей. Мне даже пришлось выучить новый язык (на котором разговаривают черные) только для того, чтобы иметь возможность отвечать на их оскорбления и угрозы. Я был маленьким мальчиком с хорошими манерами и расплачивался за это собственной шкурой”. [8.1]
Фрайер также является соавтором статьи Объяснение причин разрыва в результатах тестов между белыми и черными в первых двух классах школы (Understanding the Black-White Test Score Gap in the First Two Years of School). При написании этой статьи использовались новые правительственные данные, благодаря которым можно с уверенностью говорить о наличии разрыва в знаниях между белыми и черными. Пожалуй, еще более интересен тот факт, что эти данные позволяют ответить на вопрос, волнующий каждого родителя, независимо от цвета его кожи. Ведь каждый из них, черный, белый или любой другой, хотят знать: какие факторы влияют на школьную успеваемость ребенка, а какие — нет?
В конце 1990-х Министерство образования США развернуло грандиозный проект под названием Продольное исследование раннего детства (Early Childhood Longitudinal Study, ECLS). Суть его была в том, чтобы измерить успехи в учебе более двадцати тысяч детей, начиная с первого и вплоть до пятого класса. Объекты для этого были отобраны по всей стране и включали представителей самых разных категорий американских школьников.
В рамках ECLS не только изучалась успеваемость мальчиков и девочек, но и собирались обычные для подобных исследований данные. Ученых интересовали раса и пол ребенка, состав и социоэкономический статус его семьи, уровень образования родителей и т.д. Однако ECLS вышло далеко за рамки простого анкетирования. Дело в том, что в него включили обсуждение с родителями (а также с учителями и дирекцией школ) ряда вопросов более личного характера. Например, родителей спрашивали, бьют ли они своих детей и если да, то как часто; водят ли они их в музеи или библиотеки. Кроме того, ученых интересовало, сколько времени тот или иной ребенок проводит перед телевизором.
В результате была получена очень ценная информация, которая при условии правильной обработки может рассказать много интересного.
Каким же образом необходимо организовать эти данные, чтобы они поведали достойную доверия историю? Это можно сделать при помощи любимой процедуры экономистов: регрессивного анализа. Нет-нет, регрессивный анализ вовсе не является забытой формой психиатрического лечения. Это весьма эффективный — в разумных пределах — инструмент, который использует методы статистики для определения трудноуловимых корреляций.
Корреляция является не более чем статистическим термином, указывающим на взаимосвязь двух переменных. К примеру, если на улице идет снег, там должно быть холодно. Эти два фактора несомненно позитивно коррелируют между собой. В то же время между солнцем и дождем существует негативная корреляция. Все это достаточно просто, но только до тех пор, пока в вашем распоряжении всего две переменные. Когда же их несколько сотен, дело значительно усложняется. Так вот, регрессивный анализ как раз и является инструментом, позволяющим экономистам рассортировать огромное количество данных. Делается это следующим образом: ученый искусственно сохраняет неизменными все переменные, кроме двух, на которых желает сосредоточиться. После этого он спокойно изучает, как эти две переменные соотносятся между собой.
В идеале экономисты могли бы провести эксперимент в контролируемых условиях, подобный опытам психологов или биологов. Для этого им нужно было бы взять два образца, наугад воздействовать на один из них, а затем измерить получившийся результат. К сожалению, такого рода чистый эксперимент является для них скорее роскошью, чем обычной практикой. (В этом отношении очень удобной была лотерея по выбору школы в Чикаго.) Обычно в распоряжении экономиста имеется просто огромный массив данных со множеством переменных, ни одна из которых не является случайной. При этом некоторые переменные зависят одна от другой, а другие никак между собой не связаны. И из этой путаницы ему приходится выбирать, какие именно факторы коррелируют, а какие нет.
В случае с данными ECLS регрессивный анализ можно использовать так: мысленно представить каждого из двадцати тысяч школьников в виде некой монтажной платы с одинаковым количеством разъемов. При этом каждый разъем будет представлять свою категорию данных о ребенке. Это может быть результат итогового теста по математике, чтению или другому предмету сначала за первый, а потом за третий класс. Важны также уровень образования матери, доходы отца, количество книг в доме, относительное влияние окружения и т.д.
Это позволит исследователю выудить из сложного и запутанного массива данных ту информацию, которая его интересует. Он сможет выстроить в один ряд детей, у которых много общих характеристик, и определить ту, что не является общей. Это все равно, что взять все монтажные платы, на которых имеются разъемы со штырьками, и отделить от них ту, где есть разъем с гнездами. Таким образом можно изолировать влияние одного разъема на подсоединение всей монтажной платы. Благодаря этой процедуре станет понятным влияние сначала одного особенного разъема, а потом и всех остальных.
Предположим, что мы хотим узнать из данных ECLS ответ на важный вопрос о родителях и образовании: способствует ли большое количество книг в доме успехам ребенка в школе? Регрессивный анализ не может дать на него исчерпывающий ответ, но вполне может ответить на вопрос, поставленный немного по-другому. Он звучит так: правда ли, что ребенок, у которого дома много книг, учится лучше ребенка, у которого книг нет совсем?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
Последнему аргументу была посвящена статья молодого экономиста-афроамериканца из Гарварда Роланда Фрайера младшего Экономика “белого поведения” (The Economics of “Acting White”). В ней утверждается, что некоторые черные дети, “желающие заниматься тем или иным делом (например, хорошо учиться, танцевать и т.д.), сталкиваются в своей среде с огромными препятствиями. Дело в том, что их начинают считать чернокожими, пытающимися вести себя подобно белым (их также называют “продавшимися белым”). Очень часто такой ярлык может принести своему обладателю серьезные неприятности. Отмеченного им человека начинают избегать, бить и даже могут убить”. [8] В подтверждение Фрайер приводит детские воспоминания баскетболиста, а впоследствии актера Карима Абдул-Джаббара (настоящее имя Лью Эльсиндор). Перейдя в четвертом классе в новую школу, чернокожий Карим заметил, что читает лучше многих учеников седьмого класса: “Когда дети поняли это, я стал объектом их насмешек и издевательств… Я никогда раньше не находился так далеко от дома и впервые меня окружали только черные. Я обнаружил, что если раньше меня за что-то хвалили, то теперь за это же ругали. Я получал одни пятерки, а меня за это ненавидели. Я разговаривал на правильном английском, а меня за это называли простофилей. Мне даже пришлось выучить новый язык (на котором разговаривают черные) только для того, чтобы иметь возможность отвечать на их оскорбления и угрозы. Я был маленьким мальчиком с хорошими манерами и расплачивался за это собственной шкурой”. [8.1]
Фрайер также является соавтором статьи Объяснение причин разрыва в результатах тестов между белыми и черными в первых двух классах школы (Understanding the Black-White Test Score Gap in the First Two Years of School). При написании этой статьи использовались новые правительственные данные, благодаря которым можно с уверенностью говорить о наличии разрыва в знаниях между белыми и черными. Пожалуй, еще более интересен тот факт, что эти данные позволяют ответить на вопрос, волнующий каждого родителя, независимо от цвета его кожи. Ведь каждый из них, черный, белый или любой другой, хотят знать: какие факторы влияют на школьную успеваемость ребенка, а какие — нет?
В конце 1990-х Министерство образования США развернуло грандиозный проект под названием Продольное исследование раннего детства (Early Childhood Longitudinal Study, ECLS). Суть его была в том, чтобы измерить успехи в учебе более двадцати тысяч детей, начиная с первого и вплоть до пятого класса. Объекты для этого были отобраны по всей стране и включали представителей самых разных категорий американских школьников.
В рамках ECLS не только изучалась успеваемость мальчиков и девочек, но и собирались обычные для подобных исследований данные. Ученых интересовали раса и пол ребенка, состав и социоэкономический статус его семьи, уровень образования родителей и т.д. Однако ECLS вышло далеко за рамки простого анкетирования. Дело в том, что в него включили обсуждение с родителями (а также с учителями и дирекцией школ) ряда вопросов более личного характера. Например, родителей спрашивали, бьют ли они своих детей и если да, то как часто; водят ли они их в музеи или библиотеки. Кроме того, ученых интересовало, сколько времени тот или иной ребенок проводит перед телевизором.
В результате была получена очень ценная информация, которая при условии правильной обработки может рассказать много интересного.
Каким же образом необходимо организовать эти данные, чтобы они поведали достойную доверия историю? Это можно сделать при помощи любимой процедуры экономистов: регрессивного анализа. Нет-нет, регрессивный анализ вовсе не является забытой формой психиатрического лечения. Это весьма эффективный — в разумных пределах — инструмент, который использует методы статистики для определения трудноуловимых корреляций.
Корреляция является не более чем статистическим термином, указывающим на взаимосвязь двух переменных. К примеру, если на улице идет снег, там должно быть холодно. Эти два фактора несомненно позитивно коррелируют между собой. В то же время между солнцем и дождем существует негативная корреляция. Все это достаточно просто, но только до тех пор, пока в вашем распоряжении всего две переменные. Когда же их несколько сотен, дело значительно усложняется. Так вот, регрессивный анализ как раз и является инструментом, позволяющим экономистам рассортировать огромное количество данных. Делается это следующим образом: ученый искусственно сохраняет неизменными все переменные, кроме двух, на которых желает сосредоточиться. После этого он спокойно изучает, как эти две переменные соотносятся между собой.
В идеале экономисты могли бы провести эксперимент в контролируемых условиях, подобный опытам психологов или биологов. Для этого им нужно было бы взять два образца, наугад воздействовать на один из них, а затем измерить получившийся результат. К сожалению, такого рода чистый эксперимент является для них скорее роскошью, чем обычной практикой. (В этом отношении очень удобной была лотерея по выбору школы в Чикаго.) Обычно в распоряжении экономиста имеется просто огромный массив данных со множеством переменных, ни одна из которых не является случайной. При этом некоторые переменные зависят одна от другой, а другие никак между собой не связаны. И из этой путаницы ему приходится выбирать, какие именно факторы коррелируют, а какие нет.
В случае с данными ECLS регрессивный анализ можно использовать так: мысленно представить каждого из двадцати тысяч школьников в виде некой монтажной платы с одинаковым количеством разъемов. При этом каждый разъем будет представлять свою категорию данных о ребенке. Это может быть результат итогового теста по математике, чтению или другому предмету сначала за первый, а потом за третий класс. Важны также уровень образования матери, доходы отца, количество книг в доме, относительное влияние окружения и т.д.
Это позволит исследователю выудить из сложного и запутанного массива данных ту информацию, которая его интересует. Он сможет выстроить в один ряд детей, у которых много общих характеристик, и определить ту, что не является общей. Это все равно, что взять все монтажные платы, на которых имеются разъемы со штырьками, и отделить от них ту, где есть разъем с гнездами. Таким образом можно изолировать влияние одного разъема на подсоединение всей монтажной платы. Благодаря этой процедуре станет понятным влияние сначала одного особенного разъема, а потом и всех остальных.
Предположим, что мы хотим узнать из данных ECLS ответ на важный вопрос о родителях и образовании: способствует ли большое количество книг в доме успехам ребенка в школе? Регрессивный анализ не может дать на него исчерпывающий ответ, но вполне может ответить на вопрос, поставленный немного по-другому. Он звучит так: правда ли, что ребенок, у которого дома много книг, учится лучше ребенка, у которого книг нет совсем?
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64