Методы исследования. Курс «Дизайн исследовательского проекта»

1.

Курс «Дизайн исследовательского проекта».
Лекция 3 “Методы исследования”
ШЭМ ДВФУ
Курс-лидер Журавская Т.Н.

2.

3.

Структура лекции
1. Основания для классификации методов
2. Качественные методы сбора данных
3. Количественные методы сбора данных
4. Количественный vs качественный дизайн

4.

Уровни:
• общенаучные
(общелогические) методы
исследования
• методы теоретического
познания
• методы эмпирического
исследования
http://zerut.ru
4

5.

Общенаучные методы
Используются для обычного и обыденного познания
• Анализ
• Синтез
• Индукция – построение общего вывода на основе частных
посылок
• Дедукция – из общих посылок следуют заключения частного
характера
• Абстрагирование
• Обобщение
• Аналогия
• Моделирование
В диссертации – вообще никогда не пишут6 «Мой метод
исследования – анализ…»
5

6.

Методы теоретического познания
Формализация - отображение содержательного знания в знаковосимволическом виде (формализованном, искусственном языке).
Формулы, знаки и символы…. В теории всегда есть неформализованный
остаток (теорема Гёделя)
• Аксиоматический метод - способ построения научной теории, при
котором в ее основу кладутся некоторые исходные положения — аксиомы
(постулаты), из которых все остальные утверждения этой теории
выводятся из них чисто логическим путем, посредством доказательства.
• Гипотетико-дедуктивный метод - создание системы дедуктивно
связанных между собой гипотез, из которых в конечном счете выводятся
утверждения об эмпирических фактах. Математические гипотезы
• Восхождение от абстрактного к конкретному - движение научной
мысли от исходной абстракции через последовательные этапы углубления
и расширения познания к результату - целостному воспроизведению в
теории.
В диссертации – хорошо подумайте, чтобы их заявить. Вы «тягаетесь» с
теоретиками уровня «Бог»…
6

7.

Методы эмпирического
исследования
• Наблюдение
• Эксперимент
• Сравнение
• Описание
• Измерение
Методы эмпирического исследования никогда не
реализуются «вслепую», а всегда «теоретически
нагружены», направляются определенными
концептуальными идеями (онтология,
эпистемология, методология...)
7

8.

Эмпирические исследования:
• кабинетные
• полевые
• лабораторные
Методы сбора данных:
• качественные
• количественные
Методы анализа данных – частотный анализ, конденсация
смысла, mind map…
!!Где границы? Дискурс-анализ. Степень формализации
8

9.

Качественные методы сбора данных
Начиная с 1950-х гг. качественные методы набирают все
больший вес в общественных науках.
Квале С.: развитие техники и технологий (диктофон,
компьютерные методы анализа данных) и философские
изменения (внимание к повседневной жизни).
Lyotard, 1984: сдвиг от модернистских формализованных
систем
знания
к
повествовательным
знаниям,
воплощенных в рассказах
Однако и критика в их адрес не прекращается. В т.ч. из-за
того, что кажущаяся простота делает их «легкой
добычей» для непрофессионалов

10.

(1) КАЧЕСТВЕННЫЕ МЕТОДЫ СБОРА ДАННЫХ
1.
2.
3.
4.
5.
6.
7.
Этнография и включенное наблюдение. Управление персоналом и
менеджмент, предпринимательство, маркетинговые исследования,
экономика фирмы – разработка продуктов (Xerox, Iphone), причины
неравномерного развития …
Интервью (глубинное, биографическое, экспертное, …). Управление
персоналом и менеджмент, предпринимательство, маркетинговые
исследования, причины неравномерного развития …
Визуальные методы. Маркетинговые исследования.
Фокус-группа, диада, OGD. Маркетинговые исследования.
Социальные интервенции / эксперименты. Причины неравномерного
развития, финансы
Кейс-стади как специальный метод (может включать методы,
перечисленные выше). Экономика фирмы, стратегический менеджмент и
предпринимательство
Историческое исследование. Причины неравномерного развития …
Нередко методы сбора качественных данных невозможно отделить от
метода анализа данных. Впрочем, есть отдельные методы анализа –
вынесены в отдельный раздел

11.

Включенное наблюдение и этнография:
роль наблюдателя
Наблюдение «с целью». Используется как отдельный метод или в
комбинации с другими методами
1. Участник. Вовлеченность в челночные практики до того, как
стала исследователем/ поступление на работу на завод с
целью исследования – никому не известно о роли
2. Участник как наблюдатель. Человек, который время от времени
«делает шаг назад», чтобы стать исследователем. Сотрудник
МВД – участник исследовательского проекта по силовому
предпринимательству / неформальной экономике
3. Наблюдатель как участник. Выполняет функциональную роль, но
его роль известна всем. Исследователь в деревне при изучении
экономики домашних хозяйств в сельской России
4. Полный наблюдатель. Никакого взаимодействия с участниками.
Наблюдение за тем, как покупатели делают свой выбор в
зависимости от музыки в магазине

12.

Включенное наблюдение:
типы наблюдений
1. Структурированное. Исследователь формирует четкие
правила для наблюдения (что смотрим? Как фиксируем
наблюдения? Где? Когда?).
2. Этнографическое (неструктурированное): фокус на
идентификации события как отдельного феномена.
Стремление «увидеть жизнь глазами испытуемого»
3. Интерактивное. Наблюдается и фиксируется
интеракция между наблюдателем и наблюдаемым
(скорость, темп, реакции, жесты…)

13.

Что можно наблюдать?
Физическое пространство
Участников
Активность (что они делают?)
Материальные объекты (как они используются? Что они
делают?)
Отдельные акты
События (взаимосвязанные акты)
Время
Цели (что хотят достичь акторы?)
Эмоции

14.

Наблюдение за организацией пространства:
где советский кабинет и где западный?

15.

Интервью
Профессиональное интервью :
• допрос,
• интервью при приеме на работу,
• терапевтическое интервью
• исследовательское интервью.
Различия в позициях участников (асимметричность).
Одностороннее расспрашивание субъекта
профессионалом vs включенное наблюдение.
Взаимная критика

16.

Исследовательское интервью
1) определение темы, с обоснованием предмета
исследования и формулированием задач
исследования;
2) планирование исследования таким образом,
чтобы оно отвечало задачам исследования, решало
проблемы конструирования знания и учитывало
морально-этические последствия;
3) само интервью;
4) расшифровка;
5) анализ;
6) проверка (верификация);
7) составление отчета.

17.

(2) Проектирование. Исследование — это не сбор
впечатлений
• Что отличает от туризма?
•Совокупность процедур, которые могут и должны
фиксироваться исследователем и предъявляться
окружающим в совершенно эксплицитной (явной)
форме.
• Процедуры должны быть прозрачными (шаг за шагом).
•Коллеги в принципе должны иметь возможность
полностью повторить наш исследовательский путь.
• Интервью - обманчивая простота. Схватить магнитофон,
найти нескольких людей и начать их расспрашивать.
Интервью расшифровываются (сотни страниц)… ой! Где
вопросы о цели и содержании исследования?
•Как я начну проект? Сколько людей мне нужно
опросить? Может ли интервью причинить вред
человеку, с которым я разговариваю? Необходимо ли
расшифровывать запись? Как анализировать
интервью?

18.

• Нет общепринятой процедуры получения данных (разнообразие
интервью + фокус-группы + наблюдения + кейс-стади + ).
•Как избежать наводящих вопросов и их влияния на
собеседника? Могу ли я быть уверенным, что я понял именно
то, что имел в виду собеседник?
• Формы анализа различаются также как способы прочтения текста.
•Будут ли интерпретации субъективными? Как мне
описывать мои подробные интервью?
• Проблема доступа (убедить «привратника»).
•«Sponsor» (someone who introduces the researcher),
«Gatekeeper» (someone who has the authority to give him/her
access, «Informant» (someone to whom the researcher can ask)
• Единицы анализа и планирование выборки
• Проблема объективности и субъективности
• Компетенции и личные качества

19.

Нужно ли иметь заранее подготовленный
вопросник?
• “Что за вопрос? Конечно, нужно. Давайте переходить к
следующему пункту”.
• «Какой еще вопросник? Как можем мы, исследователи, лезть со
своими выдуманными схемами в реальную жизнь?»

20.

Как задавать вопросы?
Вводные вопросы: Когда начался Ваш интерес к N? Расскажите, когда Вы
решили начать работать вахтой?
Последующие (для развития ответа): Что Вы имеете в виду?
Зондирование Можете сказать об этом больше?
Молчание. Сделайте паузу. Не говорите да или нет!
Специфицирующие Как А реагировал на то, что Вы решили отказаться от
вахты?
Прямые (что думает про свое восприятие) Кто-то заинтересован в Вашем
переезде на постоянное жительство?
Непрямые (Что человек думает о восприятии других): Вы думаете к Вам
изменится отношение, когда Вы решите переехать?
Структурирующие (меняем топик): Давайте поговорим теперь про роль
Вашей семьи в принимаемом решении?
Интерпретирующие. А будет ли справедливым сказать, что пока Вы не
переехали, Ваше руководство будет относится к Вам лучше?
На воображение: Давайте представим ситуацию … Как Ваше начальство
отреагирует в этом случае?

21.

(3) АНАЛИЗ КАЧЕСТВЕННЫХ ДАННЫХ
• Качественный контент-анализ (кодирование). QDAminer, AtlasTI, NVivo
• Количественный контент-анализ (подсчет слов, букв).
WorldStat, Rstudio
• Дискурс-анализ (способ говорения и лежащая в его
основе идеология, обладатель определенного типа
дискурса).

22.

Зачем нужны количественные методы?
• НЕ для того, чтобы «сделать прогноз». Нормативный подход
• Как ни странно, НЕ для того, чтобы «точно измерить эффект»
Но для того, чтобы:
• Увидеть закономерности, которые мы не видим «невооруженным» глазом
• Не переоценивать небольшие изменения в данных
• Более «объективные» результаты, легче перепроверить, чем в
качественных методах
• Количественные методы лучше справляются с задачей тестирования
теоретических гипотез (особенно если мы стоим на позиции позитивизма)

23.

Виды количественных данных
Первичные vs. вторичные
Первичные: собираем самостоятельно (опрос, данные финансовой отчетности,
данные результатов обучения студентов ДВФУ, продаж в сети… )
Вторичные: результаты анализа первичных данных (переписей, наблюдение за
населением или предприятиями)
Агрегированные vs. микроданные
Микроданные – набор записей об индивидуальном объекте, каждая из которых
содержит набор переменных (показателей) в отношении данного объекта. (панель из
стипендии студентов ДВФУ: список, годы, суммы)
Агрегированные (обобщенные) показатели на основе микроданных. Средняя стипендия
по вузам России, количество безработных и т.д.
Экспериментальные данные vs. данные наблюдений
Лабораторный: поведение людей в лаборатории не равно поведению в реальности.
Полевой. Например, если спросить человека, готов ли он пожертвовать собственную
кровь, ради спасения больного ребенка, большинство людей, не задумываясь, отвечают
«да». Тем не менее, далеко не каждый участник опроса, ответивший положительно, в
реальной жизни решится стать донором.
Естественный. Дает возможность найти реальный пример, в котором будут
исключены влияния и манипуляции (пример с «размером класса и успеваемостью» на
данных Израиля)

24.

Сбор данных. Зачем их собирать?
В отличие от качественных данных – чтобы «иметь право»
Š
генерализовать результаты (распространить на генеральную совокупность
– на тех людей, которых вы изучаете)
Но проведение опроса – не гарантированная генерализация. Вы
РИСКУЕТЕ сами себя ЗАКОДИРОВАТЬ и сами себя ПОМЕРИТЬ. Вуаля!
Качественные методы в помощь!!
!!! Чтобы получить данные НЕДОСТУПНЫЕ иным способом
!!! Прежде чем делать собственный опрос, ПОДУМАЙТЕ, нужен ли он Вам? Есть
данные наблюдений? Данные других опросов?

25.

Что такое опрос?
Научный метод, который ТРЕБУЕТ:Š
• формирования выборочных данных
• разработки стандартизированной анкеты, ответы на вопросы
которой приближают нас к ответу на вопрос исследования
• анализа результатов для а) описания изучаемых людей, их
отношений, б) нахождения причинно-следственных связей
• генерализации результатов на ту совокупность, из которой была
сделана выборка.
Количественный опрос (телефонный, личное интервью,
посредством компьютера/сети, самозаполнение –
бумажное, самозаполнение – web, самозаполнение –
email)

26.

Выборка
5 этапов
1. определение генеральной совокупности
2. определение основ выборки
3. определение методов проведения выборки
4. определение объемов выборки
5. осуществление процесса выборки
1. изучаемая (генеральная) совокупность – совокупность элементов
или объектов, которые обладают информацией, которую желает
получить исследователь. Изучаем потребителей крема от морщин.
Кого включить?
2. основа выборки – элементы, из которых состоит изучаемая
совокупность (телефонные справочники, справочники ассоциаций,
адресные книги, список избирателей).
• объем выборки может (определяться приблизительными или
статистическими методами)
• процесс отбора элементов в выборку

27.

Формирование выборки
Детерминированный: нерепрезентативная, поверхностная, квотная,
«снежный ком».
Нерепрезентативная – респонденты отбираются по принципу
удобства и доступности (опрос студентов). ГС -Поверхностная – разновидность нерепрезент., при которой элементы
отбираются на основе суждений исследователя. Опросы экспертов. ГС Квотная – создание выборки по принципу соблюдения ключевых
параметров генеральной совокупности. +
Вероятностный:
Простая случайная – таблицу простых случайных чисел или
спец.программу. ГС ++
Систематическая – сначала задают отправную точку, затем каждый
следующий элемент попадает через равный интервал. ГС ++
Стратифицированная – сначала генеральная совокупность делится на
слои, а потом случайным образом из каждого слоя выбираются элементы.
Деление на слои осуществляется по какому-то критерию (возраст, доход). ГС
++
…

28.

Генеральная совокупность vs. Выборка
Генеральная
совокупность
Вероятность
Выборка
Описательные
статистики
Статистические
выводы

29.

Накидаем «по-быстрому» анкету?
По-быстрому никак не получится
1этап. !!! Определить, что вы собираетесь измерять !!!
- предмет,
- цель исследования,
- идеальный результат
Желательно сразу представить – как вы будете
анализировать полученный результат (типы процедур
анализа – средние, кластеры, регрессии, …)

30.

2 этап. сформулировать вопросы, которые позволят
получить необходимую информацию. Открытые vs
закрытые
1) имеется ли какая-либо неизвестная вам информация
о государственном пенс. обеспечении, которую вы
хотели бы получить? (да/нет)
2) уточните, что это за информация (открытый
вопрос).
Как вы думаете, могут ли люди, ответившие на вопрос 1)
да, дать развернутый ответ на 2) вопрос
Преимущества и недостатки у открытых вопросов?
разнообразие ответов, установление доверия, когда
много закрытий. большая зависимость от человеческого
фактора (интервьюера и респондента + сложность
кодирования).
Число категорий ответов? (не перегружать, но и не
ограничивать свободу). 5-7 + другие

31.

Влияет на формулирование вопросов ваша целевая
аудитория? Возраст, социальный статус, уровень
образования. Оценить каждый вопрос на предмет того,
сможет ли типичный респондент на него ответить.
Все вопросы проверить на предмет их корректности:
• проверить лексическое соответствие вопроса
потенциалу респондента. «Бабушки»
• исключить «двойные вопросы» (два подвопроса, с
одним из них респондент согласен, с другим – нет).
Являются ли пенсии маленькими, и поэтому их можно
вообще не платить?
• не использовать наводящие или провокационные
вопросы. Нужно ли увеличить размер налогов, чтобы
строилось больше школ, дорог и больниц? Эксперты
пришли к заключению…
• убрать слишком длинные – не более 20 слов в
вопросе.

32.

3 этап. разместить вопросы в нужной логической
последовательности (выделить разделы). Начинать
лучше с легкого и безобидного вопроса. Затем
переходить к вопросам, вводящим в тему исследования.
Затем давать основные вопросы. Заканчивать
«паспортичкой».
4 этап. используя маленькую выборку, протестировать
анкету на предмет упущений и неоднозначности.
Фактически этот этап ничего не отличается от этапа
собственно сбора основным данных – но на маленькой
выборке.
5 этап. исправить ошибки, заново протестировать…

33.

Типы экономических данных
I. Пространственные данные (cross-section)
• данные по совокупности объектов на конкретный момент
времени
Мужчина Женат/за
мужем
Респон
дент
Заработная
плата, руб.
Образование
(лет)
Трудовой
опыт (лет)
1
12,000
15
3
0
1
2
37,000
12
8
1
1
8,000
10
4
1
0
…
1000
Размер выборки (количество наблюдений): N=1000
Значение признака:Wi , для i=1,2……1000

34.

Типы экономических данных
II. Временные ряды (time series)
• Данные, характеризующие один и тот же объект в разные периоды времени
• Хронологический порядок данных
• Периодичность
Обменный курс рубля по отношению к китайскому юаню
Дата
01.11
31.10
28.10
27.10
26.10
25.10
24.10
Руб. за 10 юаней
93.292
93.3705
92.7824
93.0094
91.9791
91.5486
91.9017
Размер выборки (количество наблюдений): N=7
Значение признака: Et , для t=24/10,25/10……01/11

35.

Типы экономических данных
III . Панельные данные (panel)
• Данные по совокупности объектов в разные периоды времени
• Сбалансированная/несбалансированная, ротационная
Респ
онде
нт
1
Год
2013
1
2014
16,000
15
4
0
1
1
2015
16,000
15
5
0
0
2
2013
37,000
20
3
1
0
2
2014
65,000
21
3
1
0
2
2015
80,000
22
3
1
0
…
Значение признака:Wit
Заработна Образова Трудово
я плата,
ние (лет) й опыт
руб.
(лет)
12,000
15
3
Мужчи Женат
на
/замуж
ем
0
1

36.

Базы данных:
источники агрегированных данных
NBER: http://www.nber.org/data/
OECD Statistical Portal: www.oecd.org/statistics
US Census Bureau: http://www.census.gov/
UN Statistical Division
National statistical office of…
Центральный банк …

37.

Источники микроданных
• Integrated public use microdata series (IPUMS): переписи и опросы домохозяйств
(международные) https://international.ipums.org
• США (панели) The National Longitudinal Survey of Labour Market Experience (NLS);
University of Michigan’ Panel Study of Income Dynamics (PSID)
• Европа (панели): Netherlands Socio-Economic panel (GSOEP),
Luxemburg Social Economic Panel (PSELL), British Household Panel Survey (BHPS)
• Российский мониторинг экономического положения и здоровья населения (RLMS)
(N=13991 чел.), 24 волны с 1992 г. https://www.hse.ru/rlms
• Микроданные Российской переписи (Росстат)
• Российские предприятия: Business environment and enterprise performance survey
(BEEPS) http://ebrd-beeps.com/data/ или Руслана
•…

38.

Макроэкономические данные
Penn World Table (PWT) http://pwt.econ.upenn.edu/ (100 стран)
UNIDO Industrial Statistics
IMF International Financial Statistics
IMF Balance of Payments Statistics
Финансовая статистика
The Federal Reserve Bank of St Louis (http://research.stlouisfed.org/fred2/)
Yahoo! http://finance.yahoo.com
Datastream by Thomson Financial (http://www.datastream.com/)
Wharton Research Data Services (http://wrds.wharton.upenn.edu/)
Ссылки на источники экономических данных
University of New York: http://www.oswego.edu/~economic/data.htm
и
http://www.library.illinois.edu/doc/researchtools/guides/statistics/microdata.html
#intro

39.

Количественный анализ
Выявление характеристик феномена
Выявление возможных взаимосвязей
Методы анализа данных:
Статистические (описательные / дескриптивные). Матстатистика + SPSS
Эконометрические. Ура! Курс «Эконометрика»

40.

Мотивация лекции
Ты, профессор, уже ведь все на
собаках доказал… Давай, побыстрому мои цифры по
людям вставим и диссер мой
готов
Ты понимаешь, профессор,
я 5 корешей я уже опросил.
Еще пять – и теорию я
доказал… диссер иду
защищать!
Один из первых вопросов, который ВСЕГДА НУЖНО ЗАДАВАТЬ, когда мы
разрабатываем дизайн: какие будут методы сбора и анализа данных?
Существуют ли эти данные? Если нет, то можно ли их получить? Как
получить?
Сразу всплывает альтернатива между количественными и
качественными исследованиями.
Этот спор НЕ ИМЕЕТ решения. Хуже – он НЕ ТАК И ВАЖЕН.
Что действительно важно – методы должны соответствовать
поставленным задачам, цели и решаемой проблеме!!!

41.

Выбор дизайна:
цель исследования
Количественный дизайн
Качественный дизайн
• Объяснить и построить прогноз
• Описать и объяснить
• Подтвердить и обосновать
• Изучить и проинтерпретировать
• Протестировать теорию
• Разработать теорию
Источник: Leedy & Ormrod, гл. 4

42.

Выбор дизайна: характеристики
исследовательского процесса
Количественные методы
Качественные методы
• Известные переменные
• Неизвестные переменные
• Разработанные процедуры
• Гибкий подход
• Запланированные методы
• Поиск метода по ходу
• Без привязки к контексту
исследования
• Объективность
• Привязка к контексту
• Субъективность
Источник: Leedy & Ormrod, гл. 4

43.

Выбор дизайна:
данные и их получение
Количественный дизайн
Качественный дизайн
• Количественные
• Качественные данные
• Большая выборка
• Маленькая выборка
• Репрезентативность выборки
•Малоструктурированные и
• Стандартизированные
нестандартизированные
инструменты
наблюдения и интервью
Источник: Leedy & Ormrod, гл. 4

44.

Как помирить «количественников» и
«качественников»?
Триангуляция
Использование различных источников данных для повышения
достоверности получаемых результатов
Использование различных подходов к анализу одних и тех же
данных
Использование нескольких кодировщиков в качественном
анализе данных
Смешанный дизайн
Интервью и др.качественные методы – часть «стратегии».
Например, для поискового этапа или для интерпретации. Nested
design

45.

(1) Метод, методология, философские основания
Верхушка айсберга: метод
Методы сбора данных (интервью, опросы, наблюдения, эксперименты и т.д.) и анализа (статистические;
контент-анализ vs дискурс-анализ)
Под поверхностью воды: методология – учение о методах
- логия – дискуссия, полемика. Полемика относительно выбора метода и формирования общего подхода
к исследованию (позитивизм и конструктивизм)
Нижняя часть айсберга:
Эпистемология - теория познания
Что познаваемо и следует познавать?
Онтология – учение о бытии как таковом
Что существует?

46.

Конструктивизм vs позитивизм
• События человеческой жизни фундаментально своеобразны.
Социальные явления обладают «объективностью», но человек
саморефлексивен, имеет относительную свободу выбора,
может по-разному осмысливать и реагировать на стимул.
vs
• Данные независимы от наблюдателя = объективны =
поддаются внешнему наблюдению и верификации. Изучаются
статистически = обобщения = проверка гипотез и
теоретических утверждений.

47.

• Верифицируемость - возможность установления
истинности утверждений в результате их
эмпирической проверки (одно из условий
фальсификации теории).
• Релевантность - степень соответствия результатов
ожиданиям.
Релевантность поискового запроса в Google:
ключевые слова в тексте (плотность, встречаемость
и др.)
47

48.

Репрезентативность
• В супермаркете вам предложили попробовать виноград из трех
гроздей. Виноград оказался очень сладким и вкусным. Вы купили
гроздь из того же ящика, откуда вам давали виноград на пробу.
Дома же вы обнаружили, что купленный вами виноград терпкий и
неприятный на вкус
(надежность)
• Вы пришли в магазин, где продают аудиозаписи. Прослушали 10 из
12 песен на диске, они вам понравились, и вы решили его купить.
Прослушав дома все песни диска, вы остались довольны
(представительность)
Эффективны ли выборки?
48

49.

Достоверность (Validity)
Достоверность полученных результатов исследования – качество
результатов, «близость к истине»
Внутренняя достоверность (internal validity): Исходя из предположения
о существовании зависимости, является ли эта зависимость причинноследственной?
Угрозы:
история,
развитие,
нестабильность,
тестирование,
инструментарий, артефакты, отбор, смертность в выборке…
Внешняя достоверность: Насколько выявленный эффект поддается
обобщению в другом контексте?
• Будет прослеживаться на другой выборке людей, в другое время, при
иных обстоятельствах
Угрозы: взаимодействие отбора и теста, нерелевантные данные,
повторения…
49

50.

Искажение результатов: эффект
исследователя
- реакция респондентов на присутствие
исследователя;
- изменения исследователя в ходе работы
(инструментальный эффект);
- предвзятость или ангажированность
исследователя;
- некомпетентность исследователя
(недостаток профессиональной
подготовки.
Источник: Ковалев Е., Штенйберг И., гл.10
50

51.

Триангуляция
• Способ вычисления расстояния до объекта
P C sin sin
Р
С
©Иванова Р.

52.

Триангуляция данных
• использование различных источников данных для повышения достоверности получаемых результатов
Вопрос
исследования
Вторичны
е данные
Статистически
е данные
Выборочные
данные
Данные
фокусгрупп
©Иванова Р.
Триангуляция методов (в т.ч. анализа), данных, аналитическая (несколько исследователей),
теоретическая (разные положения и предпосылки)

53.

Этика исследователя
• Клятва Гиппократа
• Анонимность vs. Доверие к результатам
• Валидность, репрезентативность,
верифицируемость
• Спекуляции?
!Профессиональные кодексы!
53

54.

ГЗ 3 Реконструкция логики проекта
Выполняется письменно, сдаете в первый
день второго блока

55.

(3) Пример дизайна количественного научного
исследования
Количественный дизайн. «Первая проба» количественных
данных – регрессия – вывод
DOES NATIONAL BORDER MATTER
FOR RUSSIAN-CHINESE TRADE?
http://www.ecrin.ru/mainmenu-33/books/131-6/2013-opisanie-knig/889ryzhova-n-p-ekonomicheskaya-integratsiya-prigranichnykh-regionov-otv-redakad-ran-p-a-minakir-ros-akad-nauk-dalnevost-otd-nie-in-t-ekon-issledovanijkhabarovsk-iei-dvo-ran-2013-352-s

56.

Motivation
Russia and China are two developing countries
with high growth rates
Russia and China have one of the longest
border in the world
But…
Russia and China have modest flows of mutual
trade
– Only 5% of Russian export comes to China
– 2% Chinese export goes to Russia
BRIT XII. November, 14

57.

Problem
Official data
– Trade flows between Russia and China are rather modest
Alternative estimations show that real trade flows
are bigger
– The discrepancies between trade balance according to
Russian statistics and Chinese statistics, calculated in
percentage in relation to trade balance according Russian
data were 25-43% in the 2000th. Usually discrepancies are
caused by transactions attributed to money-laundry or taxes
evasion, smuggling and other problems of informalities.
BRIT XII. November, 14

58.

Questions
Why don't these two nearby economies
trade?
To what extent could the modest mutual
trade between Russia and China be
explained by red tape and unfriendly
customs formalities?
BRIT XII. November, 14

59.

Tasks and methods
Количественные
вторичные данные
ВБ, по странам
1)
2)
customs formalities: descriptive statistics
border as a barrier: econometrics Количественные
вторичные данные
Россия и Китай –
данные о ценах
BRIT XII. November, 14

60.

Descriptive statistics: trading across the border
Times to export (days)
Documents to export
(number)
East Asia & Pacific
22,7
6,4
-
Singapore
1
4
Sub-Sahara Africa
32,3
7,7
Côte d'Ivoire
25
10
&
26,7
6,4
Russian Federation
36
8
-
Eastern
Europe
Central Asia
-
Source: Ease of Doing Business. The World Bank
BRIT XII. November, 14
Техники анализа
данных

61.

“Border effect”: literature overview
Теоретическая
дискуссия
И
Подходы к
АНАЛИЗУ
данных
Gravity models
– McCallum (1995)
– Anderson & Wincoop (2003)
– But official data doesn’t show real trade flows
• Informal shadow trade
• lack of reliable data concerning international trade at sub-national
level
Law one price
– Еngel &Rogers (1996)
– Engel &Rogers (2001)
– Gorodnichenko & Tesar (2005)
BRIT XII. November, 14

62.

Hypothesis
Crossing Russian-Chinese border increases trade
cost and volatility of relative prices.
The trade cost and volatility of relative prices
may differ for “national markets” and
“markets of border regions”. This is attributed
to different level of integration between
nations and border regions.
BRIT XII. November, 14

63.

Specification
Pijtk c i j k 1Ln Dist ij 2 Borderij 3Chinaij it
Dependant variable
– Volatility of relative prices
Подход к анализу
данных
• Measured as the time series standard deviation of relative price indexes for
2002-2007
Explanatory variables
– Logarithm of distance between two regions
• log distance between region capitals, measured as railway (or automobile)
distance.
– Dummy for the national border
Control variables
– Dummies for regions (the cost of trade specific to a region)
– Dummies for categories of goods (the cost of trade specific to a good)
– Dummy for China (the cost of trade specific to China)
BRIT XII. November, 14

64.

(4) Пример качественного дизайна научного
исследования
Полевое исследование/ наблюдение – вторичные данные /
описательная статистка – экспертные интервью
INFORMAL CROSS-BORDER
EXCHANGES: REACTION TO
INSTITUTIONAL TRANSITION

65.

Motivation
Despite occasional papers about informal border
trade in Inner Asia, there is a little evidence
about current situation with Russian-Chinese,
Russian-Mongolian and other cases in the
literature.

66.

Problem
In theory following transition paradigm must lead
countries to show good economic performance.
The transition paradigm comprises flexible price regime,
minimal government interventions, private ownership
as well as openness to international trade.
However there is empirical evidence that openness is not
important for economic growth in Africa (Edwards
1998; Yanikaya 2003 and others).
Moreover trade openness may even retard growth
(Baliamoune 2002).
Unexpected outcomes for African countries can be
attributed to low quality institutions.

67.

5th part.
Summary
Question
Currently informal border trade plays a significant role in the economy of borderline
Russian region, but authorities try to decrease informality.
Formal economy of Russian region has become less open (in contrast to economy
of Chinese provinces, which have become more open).
That is why Russian borderline region does not follow “transition paradigm”, as
“transition paradigm” includes only formal openness.
Unlike formal openness, informal openness is perfect in the
Russian region.
But does informal openness lead to market economy or not? And does reduction
of informal openness develop formal one?

68.

Tasks and methods
Case-study approach. Pair of borderline cities
Blagoveshensk and Heihe is examined as a
special case.
Study design comprises inclusive observation,
statistical data, mass-media publications, as
well as individual interviews.