Статистический анализ: корреляционный анализ, регрессионный анализ, кластерный анализ)

· Регрессионный анализ устанавливает зависимость между несколькими рядами данных (всегда больше двух). Позволяет выявлять в отношении каких объяснительных переменных (регрессоров, предикторов) объясняемая переменная демонстрирует статистически значимую зависимость, направленность и сила зависимости. Наиболее простой является линейная регрессия, но она может использоваться только когда значения объясняемой переменной могут быть описаны интервальной шкалой (или шкалой отношений). При построении регрессии, как правило, используется метод наименьших квадратов.
Если анализировать тесно связанные друг с другом параметры, то регрессия теряет смысл. В этой связи до проведения регрессии часто оценивается уровень корреляции между регрессорами.

Сетевой анализ: показатели центральности и гомогенности, явление кластеров, клик, мостов

· Сетевой анализ представляет участников взаимодействия в виде узлов сети. Важны не характеристики самих узлов, а композиция связей между ними.
Влияние зависит не от индивидуальных характеристик, а от того, насколько сильны их контакты.

Пример исследования с использованием сетевого анализа:
- В Женеве находится множество штаб-квартир и отделений международных неправительственных организаций.
- Ученые сделали базу данных организаций (Это сбор количественной информации, пока еще не использование количественных методов)
- как они связаны между собой? Какие НПО в Женеве наиболее влиятельны? Для этого нужно определить связи между ними и выявить узлы, которые занимают центральное положение в сети.

Базы данных с количественной информацией по МО:
- Uppsala Conflict database
- Correlates of war
- Alliance treaty obligations and provisions
- Polity IV
- Integrated network for societal conflict research
- Vanhanen’s index of democracy

Компьютерные программы для обработки количественной информации:
- SPSS (платная, но редко используется в международно-политических исследованиях)
- Stata (платная, современная система)
- R (бесплатная и современная)

Качественные методы

(Small-N studies)
Однако чем меньше случаев - тем больше вероятность ошибиться в генерализации.
Поэтому главное – выбор ПРАВИЛЬНЫХ случаев для анализа. Можно выбрать даже 1 случай, но он должен быть репрезентативен.

1) анализ отдельного случая (within case study)
2) анализ небольшого числа случаев (comparative case study).

Какие кейсы нужно анализировать:
1) наиболее вероятный случай
2) наименее вероятный случай
3) Критический случай (случай наиболее удобный для теории научного «противника» (см. Лекцию №1) и неудобный для вашей теории)

В кейсе часто необходимо показать казуальность. Установить причину причин.
Почему причина работает?

· Выявление отношение конгруэнтности (док-во, что выведенная закономерность -  разновидность более широкой закономерности. Бремя док-ва переносится на других авторов)

· Отслеживание процессов (process tracing) – выявление казуального механизма.
Найти макс кол-во промежуточных звеньев между причиной и следствием.