Мозгоускорители

Неспособность проконтролировать принадлежность к определенному социальному классу в эпидемиологическом исследовании приводит тому, что любая попытка установить причину данного состояния по медицинским показателям будет провальной. Но предположим, что исследователь действительно пытается учесть социальную принадлежность. Как это сделать? Кто-то возьмет за основу доход, кто-то — образование, кто-то — профессию. Что лучше? Или нужно как-то скомбинировать все три фактора? На самом деле различные эпидемиологические исследования пытаются определять социальную принадлежность и по одному, и по всем, и ни по одному из этих аспектов. Это и приводит к разнобою «медицинских открытий», который мы видим в СМИ

[156]
. (Жир вреден для вас. Нет, жир полезен. Красное мясо полезно. Нет, красное мясо вредно. Антигистаминные препараты облегчают симптомы простуды. Нет, антигистаминные препараты не помогают при простуде.) Разнобой данных часто является следствием либо различных подходов исследователей к социальному статусу испытуемых, либо игнорирования влияния социального статуса вообще.

Но социальное положение — лишь один из огромного числа потенциально осложняющих дело факторов, присутствующих в исследованиях АМР. Практически все, что коррелирует и с предсказывающей, и с результирующей переменной, в таких исследованиях претендует на то, чтобы стать объяснением корреляции между ними.

Сейчас на рынок выпущены тысячи пищевых добавок. На основании АМР иногда объявляют о пользе той или иной пищевой добавки. СМИ тут же рассказывают об этом открытии. К сожалению, читателю обычно не сообщают, сделано ли данное открытие на основе АМР, что означает, что на него не нужно обращать никакого внимания, или же на основе подлинного эксперимента, что означает, что это открытие может быть важным. Даже те журналисты, которые специализируются на теме здоровья, обычно не до конца понимают, насколько критична разница между этими двумя методами исследованиями.

Можно бесконечно приводить примеры того, как исследования на основе АМР показали один результат, а эксперименты — другой. Например, АМР показал, что добавка витамина Е в пищу снижает вероятность рака простаты. В разных штатах были проведены эксперименты, в ходе которых мужчины-участники были случайно распределены по двум группам: экспериментальная группа принимала витамин Е, контрольная группа принимала плацебо. Этот эксперимент выявил небольшое повышение вероятности заболевания раком из-за употребления витамина Е

[157]
.
Витамин Е — не единственная пищевая добавка, вызывающая недоверие. Множество экспериментальных исследований показывают, что мультивитамины, которые принимает половина американцев, не приносят либо никакой пользы, либо очень малую, а если принимать повышенное количество витаминов, то организму это причинит только вред
[158]

. Что касается остальных 50 000 пищевых добавок, которые имеются в продаже, то об их эффективности нет практически никаких доказанных сведений. Большинство доказательств, которые имеются сейчас о пищевых добавках, говорят о том, что они бесполезны, а некоторые — и вредны
[159]

. К сожалению, политика компаний — производителей пищевых добавок привела к тому, что конгресс исключил их продукцию из списка товаров, подлежащих государственному регулированию, и в том числе освободил производителя от требования экспериментально исследовать эффективность продукции. Как следствие, миллиарды долларов ежегодно растрачиваются на лекарственные средства, которые либо бесполезны, либо вредны.

Использование анализа множественной регрессии там, где нужны исключительно эксперименты

Чем дольше человек сидит без работы, тем труднее ему найти ее. В то время, когда пишется эта книга, количество людей, которые не работают в течение короткого срока (до 14 недель), едва превышает число безработных перед началом Великой рецессии и мирового финансового кризиса 2007-2008 гг.
[160]

Но число «долгосрочных» безработных на 200% превышает число безработных в тот же период. Есть ли у работодателей предубеждение к долгое время не работавшим людям? Неужели к ним теряют интерес лишь потому, что у них долго не было работы? АМР не может дать ответа на вопрос, действительно ли про прочих равных переменных работодатели несправедливо обходят вниманием тех, кто не работал долго, предпочитая тех, кто совсем недавно остался без работы. Ведь у людей, не работавших долгое время, могут быть негативные отзывы от предыдущих работодателей, а может быть, они не прикладывали достаточно усилий, чтобы найти работу, или были чересчур разборчивы в поиске. Политики, как правило, ссылались именно на эти причины, пытаясь объяснить ситуацию в период Великой рецессии. Но нельзя узнать, верны ли эти объяснения, проведя анализ множественной регрессии. Никакое «контролирование» подобных переменных не способно избавить такой анализ от ошибки самоотбора и с точностью сказать, существует ли данное предубеждение.

Единственный способ ответить на этот вопрос — провести эксперимент. И такой эксперимент был проведен; ответ известен. Экономисты Ранд Гайяд и Уильям Диккенс разослали 4800 фиктивных заявок о приеме на работу на 600 открытых вакансий
[161]

. Даже в тех случаях, когда данные претендентов были идентичны, за исключением мнимого периода безработицы, тех, кто был без работы короткое время, приглашали на собеседования в два раза чаще, чем тех, кто не работал длительный срок. Более того, тех, кто не работал короткое время, чаще приглашали на собеседование даже в тех случаях, когда их квалификация была ниже, чем у соискателей, не работавших длительное время!

Существуют вопросы, на которые можно ответить только с помощью эксперимента, но некоторые ученые все равно предпочитают искать ответы на них, прибегая к анализу множественной регрессии.

Множество экспериментальных исследований показали, что, если работу ищут афроамериканцы с характерными именами (Д’Андре, Лакейша), их реже приглашают на собеседования, чем таких же кандидатов с более обычными именами (Дональд, Линда). Вероятность того, что соискателей с именами, указывающими на белый цвет кожи, пригласят на собеседование, была на 50% выше, чем у соискателей с именами, указывающими на черный цвет кожи
[162]

. Имя, указывающее на белый цвет кожи, по сравнению с именем, указывающим на черный цвет кожи, можно приравнять к ценности восьмилетнего опыта работы. Будучи не совсем уверенными в том, что «черные» имена так сильно ухудшают экономические возможности человека, известные экономисты Роланд Фрайер и Стивен Левитт провели исследование множественной регрессии, изучив соотношение между «черным» именем и различными экономическими показателями
[163]

. Для исследования была выбрана популяция черных женщин нелатиноамериканского происхождения в Калифорнии, которые выросли и остались жить в этом штате. В качестве зависимых переменных были выбраны не такие аспекты, как успешный поиск работы, уровень дохода и профессиональный статус, а косвенные показатели уровня жизни — уровень дохода относительно среднего дохода женщин в районе проживания, а также наличие полиса добровольного медицинского страхования. Исследователи отмечают, что последняя переменная является «лучшим показателем из тех, что у нас есть, напрямую относящимся к уровню профессиональной востребованности женщины»

[164]
. (Именно так — лучшим из тех, что были у этих исследователей. На самом деле это довольно грубый показатель для оценки профессиональной востребованности.)

Фрайер и Левитт обнаружили, что у женщин с именами, указывающими на черный цвет кожи, карьера складывалась значительно хуже, чем у женщин, с именами, указывающими на белый цвет кожи, что и ожидалось после проведения первых экспериментальных исследований. Но соотношение между типом имени и результирующими переменными исчезло, когда они взяли под контроль такие переменные, как процент черных детей в том роддоме, где родилась конкретная женщина; процент черных детей в том регионе, где она родилась; родилась ли ее мать в Калифорнии; возраст матери на момент ее рождения; возраст отца на момент ее рождения; сколько месяцев женщина наблюдалась у врача в течение беременности; родилась ли она сама в обычном районном роддоме; ее вес при рождении; сколько детей она родила; была ли она матерью-одиночкой.

Авторы понимали проблемы, связанные с этим видом анализа. Они признают, что «очевидная недоработка такого эмпирического подхода состоит в том, что, если ненаблюдаемые характеристики женщин коррелируют и с их уровнем жизни, и с их именем, результаты наших исследований будут искажены»
[165]
. И это правда.

Тем не менее авторы исследования продолжают настаивать, что между именем и уровнем жизни нет никакой связи, если исключить все остальные факторы. «Мы не обнаружили... никакой отрицательной зависимости между именами, которые определенно часто носят чернокожие, и уровнем жизни, исключив влияние других обстоятельств при рождении ребенка»
[166]

. Нужно было бы провести оценку чрезвычайно большого количества переменных, многие из которых могли бы лучше предсказать карьерный рост, чем те, что исследовали Фрайер и Левитт, чтобы подтвердить этот вывод. (При исследовании очень большого числа переменных многие из них показывают более крепкие взаимосвязи с зависимой переменной, чем корреляцию с интересующей исследователя переменной, отчего выводы становятся менее надежными.)

Фрайер и Левитт предполагают, что родители могут дать ребенку имя, указывающее на черный цвет кожи, ничуть не беспокоясь о том, что это может плохо повлиять на его будущую карьеру. Это кажется чрезвычайно маловероятным в свете данных экспериментальных исследований.
Недавнее исследование, проведенное Кэтрин Милкман и ее коллегами, показало, что имя, указывающее на черный цвет кожи, определенно может плохо сказаться на шансах поступления в университет
[167]

. Тысячам профессоров разослали по электронной почте письма якобы от претендентов на постдипломное обучение, которые просили назначить им встречу для обсуждения перспектив проводимых исследований. Юноши с именем, указывающим на белый цвет кожи, на 12% чаще получали приглашение на собеседование с преподавателем, чем юноши с именем, указывающим на черный цвет кожи. Последствия такого отличия могут быть очень серьезны: человек, имеющий возможность работать с выбранным им самим научным руководителем, с большей вероятностью построит более успешную научную карьеру.

Почему Фрайер и Левитт решили, что исследование, основанное на АМР, может быть достаточно веским основанием, чтобы поставить под сомнение результаты экспериментов? Я подозреваю, что причина в том, что называют профессиональной деформацией, — в тенденции перенимать инструменты работы и точку зрения людей одной с нами профессии. В большинстве исследований, которые проводят экономисты, АМР — единственный доступный способ научной работы. Экономисты не могут управлять процентными ставками, установленными Федеральным резервом США. Если вы захотите выяснить, что было бы более эффективно для экономики страны во время Великой рецессии — «затянуть пояса» или, напротив, усилить государственное стимулирование, — вы можете скоррелировать степень жестких экономических мер и интенсивность процесса восстановления, но вы никак не можете случайным образом распределить население страны по данным условиям.

Экономистов учат, что АМР является главным инструментом статистики. Но их абсолютно не учат критическому мышлению. В своей книге, написанной в соавторстве с журналистом Стивеном Дабнером
[168]

, Стивен Левитт писал об анализе данных, собранных министерством образования США. Это исследование назвали «Долгосрочные динамические исследования детей младшего возраста». В рамках исследования изучалась успеваемость детей с детского сада до пятого класса включительно, с учетом десятка других переменных, таких как уровень дохода и образования родителей, наличие книг в доме, количество книг и того, читали ли ребенку в детстве книги и т.д. Левитт пишет о сделанных на основе АМР выводах о связи между набором этих переменных и успехами ребенка в учебе. Он пришел к выводу, что (за вычетом множества переменных, включая количество книг в доме) «чтение не влияет на результаты тестов в раннем детском возрасте»

[169]

. АМР просто-напросто не предназначен для того, чтобы давать такие сведения, как то, что чтение не важно для интеллектуального развития детей. Это можно выяснить только экспериментальным путем. Левитт также пришел к выводу, что за вычетом множества переменных, включая чтение детям книг, наличие книг в доме сильно влияет на результаты тестов. То есть получается, что само по себе наличие книг положительно влияет на интеллект ребенка, а вот чтение — нет. Вера Левитта в АМР оказалась настолько сильна, что он действительно пытался дать причинно-следственное объяснение такому странному положению вещей.

Еще более серьезной ошибкой стало утверждение Левитта, что внутрисемейная обстановка играет относительно незначительную роль во влиянии на интеллектуальные способности ребенка. Он сделал такой вывод, опираясь на наблюдения за приемными детьми. «Исследования показывают, что успеваемость ребенка в гораздо большей степени зависит от IQ его биологических родителей, чем от IQ его приемных родителей»
[170]

. Но корреляционные данные — это не те данные, на которые можно опираться, оценивая важность внутрисемейной обстановки. Вместо этого нужно рассмотреть результаты естественных экспериментов по усыновлению детей по сравнению с воспитанием их биологическими родителями, социально-экономический статус которых, как правило, ниже. Обстановка, создаваемая приемными родителями, будет во многих отношениях намного более благоприятной, чем в их настоящих семьях. Кроме того, успеваемость приемных детей в школе, как правило, на половину среднеквадратического отклонения выше, а результаты тестов IQ более чем на величину среднеквадратического отклонения выше, чем у их братьев и сестер, которые не были усыновлены. И чем выше социальное положение приемных родителей (а следовательно, чем благоприятнее интеллектуальная обстановка в целом), тем выше будет IQ усыновленного ребенка. На самом деле влияние семьи на интеллектуальные способности ребенка чрезвычайно высока

[171]
.
В защиту Левитта можно сказать, что не он один ошибся в своих предположениях о влиянии приемной семьи. Ученые-бихевиористы и генетики десятилетиями использовали корреляционные данные и приходили к ошибочным выводам о воздействии окружающей обстановки.

Некоторые выдающиеся экономисты, кажется, вообще не понимают ценности экспериментов. Экономист Джеффри Сакс запустил чрезвычайно амбициозную программу по повышению уровня здоровья, образования и сельского хозяйства в нескольких африканских деревнях, намереваясь улучшить качество жизни в них. Программа стоила очень дорого по сравнению с предложенными альтернативами и встретила жесткую критику со стороны других специалистов по развитию
[172]
.

Хотя в некоторых деревнях, где Сакс ввел свою программу, условия жизни и улучшились, в нескольких деревнях они улучшились еще больше без помощи Сакса. Он мог бы положить конец критике, случайным образом распределив похожие деревни по условиям эксперимента и сравнив деревни, в которых была введена программа, с деревнями, где программа не вводилась. Это могло бы доказать, что уровень жизни в экспериментальной группе повышается быстрее, чем в контрольной. Сакс отказался проводить этот эксперимент, как он заявил, «по этическим соображениям»

[173]
. А неэтично как раз не проводить экспериментов в условиях, когда это выполнимо. Сакс потратил огромную сумму чужих денег, но мы понятия не имеем, оказали ли эти средства более значительный эффект на жизнь людей, чем могли оказать другие, менее дорогие программы.

Хотя, нужно заметить, что все больше экономистов начинают проводить социальные психологически ориентированные рандомизированные контрольные эксперименты. Один из недавних примеров — особенно впечатляющая серия экспериментов, проведенных экономистом Сендхилом Мулайнатаном и психологом Эльдаром Шафиром, показавшая, что дефицит ресурсов для нормального когнитивного развития может привести к печальным последствиям для любого человека, будь он фермером или главой компании
[174]

. Если вы попросите человека подумать, как бы он распорядился своим бюджетом, если бы ему внезапно понадобился дорогостоящий ремонт автомобиля на сумму в несколько тысяч долларов, а затем предложите ему ответить на IQ-тест, вы увидите, что уровень IQ бедных людей сильно пострадает от предложенной им ранее задачи. На IQ богатых людей эта задача никак не подействует. (Размышления о ремонте автомобиля стоимостью несколько сотен долларов не влияет на результаты теста как бедных, так и богатых людей.)

Экономист Радж Четти — один из тех, кто наиболее активно подталкивает экономистов к тому, чтобы они искали возможности проводить естественные эксперименты, которые могут проверить экономические гипотезы. Важна ли квалификация учителя в долгосрочной перспективе? Мы можем оценить разницу между обучением у учителя высокой квалификации и у намного менее профессионального учителя по средним показателям успеваемости данного класса до и сразу после начала обучения у высокопрофессионального учителя (или сразу после его ухода)

[175]

. Например, каждая группа третьеклассников в данной школе показывает одни и те же посредственные результаты контрольных тестов год за годом до прихода высококвалифицированного учителя. (Возможно, его предшественник покинул школу из-за проблем со здоровьем.) Если результаты тестов в третьих классах покажут значительное повышение успеваемости, которое сохраняется на протяжении работы этого учителя, тогда можно изучить последующее влияние этого улучшения на последующие успехи в учебе, процент поступления в университет и дохода, получаемого по окончании. Квалификация учителя учитывается при изучении всех этих переменных. Такие исследования считаются околоэкспериментальными, потому что те же самые классы, что становятся экспериментальными с приходом нового учителя, являются контрольными до его прихода. Распределение здесь не является случайным, но, когда распределение учителей оказывается явно удачным, мы получаем действительно стоящий научный эксперимент.

Экономист Рональд Фрайер провел ряд экспериментов, сыгравших важнейшую роль в испытании образовательных реформ с точки зрения экономики. Он провел несколько чрезвычайно ценных экспериментов в области образования, продемонстрировав, к примеру, что финансовое стимулирование практически не оказывает влияния на успеваемость учеников из среды национальных меньшинств
[176]

. Точно так же оно не оказывает влияния на качество работы учителей — если только здесь не затрагивается боязнь потерь, когда деньги учителю выплачиваются в начале учебного года с условием, что если успеваемость учеников не улучшится, то полученные деньги придется вернуть
[177]

. Между прочим, это открытие — великолепный пример того, что угроза потенциальной потери имеет куда большее значение, чем получение потенциальной выгоды, что мы обсуждали в главе 5. Фрайер также внес большой вклад в проведение очень успешных экспериментов среди детей из Гарлема, которые в итоге привели к заметному улучшению успеваемости учеников афроамериканского происхождения.

Все мы не без греха

Боюсь, пришло время признать, что психологи точно так же неправильно применяют АМР, как и другие ученые, изучающие поведение людей.

Часто приходится читать о фактах такого типа. Сотрудники компаний, выплачивающих щедрое денежное пособие по уходу за ребенком, чувствуют себя более удовлетворенными своей работой, чем сотрудники компаний, где не выплачивают такого пособия. Корреляция подтверждается тем, что, согласно АМР, чем лучше в компании пособия по уходу за ребенком, тем больше сотрудники довольны своей работой, и этот факт остается неизменным при «контролировании» размера компании, размера зарплаты сотрудника, взаимоотношений с коллегами и непосредственным начальником и т.д. Но у этого анализа есть три проблемы. Во-первых, измеряется ограниченное количество переменных, и если одна или несколько из них измерены неточно или если существуют другие переменные, не учтенные исследователями, но коррелирующие с уровнем пособия по уходу за ребенком и удовлетворением от работы, то, может быть, именно они и объясняют удовлетворенность от работы, а вовсе не это пособие. Во-вторых, нет особого смысла рассматривать уровень пособия по уходу за ребенком отдельно от общей ситуации, в которой находится сотрудник. Если компания проявляет щедрость в данном вопросе, то скорее всего в политике компании есть много и других положительных моментов. Если из сложного клубка взаимосвязанных переменных вытянуть одну, а несколько других попытаться «контролировать», вряд ли это оградит нас от ошибок. В-третьих, данный вид анализа нисколько не защищает от гало-эффекта, который мы обсуждали в главе 3. Если человеку нравится его работа,

Все материалы, размещенные в боте и канале, получены из открытых источников сети Интернет, либо присланы пользователями  бота. 
Все права на тексты книг принадлежат их авторам и владельцам. Тексты книг предоставлены исключительно для ознакомления. Администрация бота не несет ответственности за материалы, расположенные здесь