складывается впечатление, что Мердок старался пользоваться наименее трудоемкими статистическими
методиками, даже если они и не были оптимальными для анализа соответствующих корреляций.
Иногда же он (как и в случае табл. 2) ограничивается качественным анализом таблиц, даже если их
статистический анализ вполне возможен.
38
В раде случаев я решил дополнить таблицы собственным статистическим анализом. Приведу его
результаты для табл. 2: р = + 0,45; а = 0,000 000 001.
Я отдаю себе отчет в том, что большинству читателей эти цифры ничего не говорят. Однако это не так
уж страшно. Рискну утверждать, что прикладная математическая статистика «для пользователя» не так
уж сложна. Чтобы эта книга могла быть по-настоящему полезна, в том числе и читателю,
недолюбливающему математику, сделаю необходимые пояснения. Корреляция (зависимость) между
двумя показателями обычно характеризуется двумя цифрами. Первая из них характеризует силу связи
между признаками. Чаще всего (в зависимости от типа данных) используются коэффициент
корреляции Пирсона, обозначаемый обычно строчной латинской буквой г, и коэффициент ранговой
корреляции Спирмена, обозначаемый греческой буквой р (в англоязычной литературе часто
используется название этой буквы в латинской графике — Rho или Spearman's Rho). Такие
коэффициенты принимают значения от -1,0 до + 1,0. Значение +1,0 означает полную
(«функциональную») положительную связь между признаками. Если между ними существует при-
чинно-следственная связь, это будет значить, что увеличение значения величины А приводит к
однозначно определенному УВЕЛИЧЕНИЮ значения величины Б.
Значение - 1,0 означает полную («функциональную») отрицательную связь между признаками. Если
между признаками существует причинно-следственная связь, это будет означать, что увеличение
значения величины А приводит к однозначно определенному УМЕНЬШЕНИЮ значения величины Б.
В «мире людей» закономерности, описываемые функциональными зависимосгями, почти не
встречаются. Практически все соци-оантропологические закономерности проявляют себя в виде кор-
реляций с силой от 0,3 до 0,8, значения выше 0,8 почти не встречаются. Для понимания
«рационального смысла» коэффициента корреляции рекомендуется возвести его в квадрат. В нашем
случае мы получим 0,45x0,45 - 0,2, или 20%. Соответственно можно предполагать, что в роли причины
среди пары признаков выступает скорее локальность брачного поселения, а в роли следствия —
общинная экзогамия/эндогамия, и, следовательно, цифру эту можно интерпретировать следующим
образом: локальность брачного поселения определяет, будет ли община экзогамной, агамной или
эндогамной, на 2096, т.е. перед нами несомненно важный, но не очень сильный фактор.
Обычно в матстатистике корреляция считается сильной, если она характеризуется коэффициентом
более 0,7, средней — при коэффициенте между 0,5 и 0,7 и слабой, если он меньше 0,5. Нужно сказать,
что подобная классификация, видимо, имеет некоторый
39
смысл в отдельных областях применения матстатистики, например в биологии или экономике. Но для
кросс-культурных антропологических исследований имеет смысл рассматривать корреляции с
коэффициентом более 0,7 как сверхсильные, от 0,5 до 0,7 сильные, от 0,3 до 0,5 средние и только ниже 0,3
как слабые. Как можно видеть, коэффициент корреляции в нашем случае имеет положительное значение,
т.е. она положительна. Но каков смысл этого утверждения? Необходимо знать, какие ранги были присвоены
обеим переменным. Учитывая, что ранжирование значений переменных было проведено в табл. 2 Мердоком
вполне удачно, мне осталось их только пронумеровать. Локальность брачного поселения была ранжирована
следующим образом: патрилокальность = 1, матри-патрилокальность = 2, авункулокальность = 3,
амбилокаль-ность = 4, неолокальность = 5, матрилокальность = 6. Общая логика ранжирования сведена к
тому, что максимальное значение имеет случай, когда мужчина максимально меняет свое поселение при за-
ключении брака, а женщина — минимально (т.е. муж переселяется жить к родственникам жены), а
минимальное — прямо противоположным образом. Общинная эндогамность/экзогамность была
ранжирована следующим образом: общинная экзогамия или тенденция к ней = 1; локальная община ни
экзогамна, ни эндогамна = 2; общинная эндогамия или тенденция к ней = 3. В подобном контексте
положительное значение коэффициента корреляции означает, что в ситуации, когда мужчины
систематически переселяются к родственникам жен, в обществе развивается тенденция к развитию
общинной эндогамии (а значит, мужчины-родичи будут жить в одной общине). В противоположном случае
наблюдается тенденция к общинной экзогамии, а в промежуточном случае (амби- или неолокальность)
община будет, как правило, агамной (ни экзогамной, ни эндогамной). Отметим, что все это вполне
соответствует логике первой гипотезы Мердока.
Рассматриваемая нами корреляция, однако, характеризуется еще одной величиной (а = 0,000000001). Это
показатель статистической значимости корреляции. В англоязычной научной литературе для его
обозначения чаще используется строчная латинская буква р (по первой букве слова probability,
«вероятность»). Каков смысл этой величины? Каков смысл утверждения, что, например, статистическая