Ключевые вопросы применения современного Байесовского подхода к анализу социологических данных
Научная статья
Для цитирования
Звонок А.А. Ключевые вопросы применения современного Байесовского подхода к анализу социологических данных // Социология: методология, методы, математическое моделирование (Социология:4М). 2025. № 61. С. 77-116. DOI: https://doi.org/10.19181/4m.2025.34.2.2 EDN: SCNJFD
Аннотация
Статья раскрывает актуальность и основные методологические проблемы применения современного байесовского подхода к количественному анализу данных в эмпирической социологии. Рассмотрена история возникновения и развития частотного и байесовского подходов как направлений в математической статистике и философии науки. Затронуты философские и эпистемологические аспекты анализа результатов научных исследований, выполняемых в рамках частотной и байесовской парадигм. Показаны наиболее значимые отличия между субъективным, объективным байесовским и частотным подходами при построении и оценке статистических моделей, а также преимущества современной байесовской методологии в сравнении с традиционной частотной парадигмой при интерпретации научных результатов. Выделены наиболее актуальные вопросы внедрения современных байесовских методов в сферу эмпирической социологии, которые должны быть решены в рамках теории и методологии социологических исследований.
Ключевые слова:
анализ данных, методология, социологические исследования, количественные исследования, байесовская статистика, объективный байесовский подход, моделирование социальных процессов, байесовские модели
Литература
1. Lynch S. M., Bartlett B. Bayesian Statistics in Sociology: Past, Present, and Future // Annual Review of Sociology. 2019. Vol. 45, № 1. P. 47–68. DOI: 10.1146/annurev-soc-073018-022457.
2. Зырянов В. В. Социальная статистика в социологическом образовании // Социологические исследования. 2022. № 2. С. 129–141. DOI: 10.31857/S013216250017138-4. EDN: AMYNTX.
3. Макеева Л. Б. Субъективная вероятность, теория подтверждения и рациональность // Рацио.ru. 2015. № 15. С. 80-96. EDN: VMFQAP.
4. Cumming G. Replication and p Intervals: p Values Predict the Future Only Vaguely, but Confidence Intervals Do Much Better // Perspectives on Psychological Science. 2008. Vol. 3, № 4. P. 286–300. DOI: 10.1111/j.1745-6924.2008.00079.x.
5. Trafimow D., Marks M. Editorial // Basic and Applied Social Psychology. 2015. Vol. 37. P. 1–2. DOI: 10.1080/01973533.2015.1012991.
6. Нагорный Б. Г. Нужна ли Кассандра в XXI веке? (некоторые спорные размышления о социальном прогнозировании) // Социология: теория, методы, маркетинг. 2009. № 2. С. 202–209.
7. Bayes T., Price R. An Essay towards Solving a Problem in the Doctrine of Chances // Philosophical Transactions of the Royal Society of London. 1763. Vol. 53. P. 370–418.
8. Fienberg S. E. When did Bayesian inference become «Bayesian»? // Bayesian Analysis. 2006. Vol. 1. P. 1–40. DOI: 10.1214/06-BA101.
9. Jeffreys H. Theory of Probability. Oxford: The Clarendon Press, 1948. 411 p.
10. Jaynes E. T. Papers on Probability, Statistics and Statistical Physics. Dordrecht: Kluwer Academic Publishers, 1989. 434 p. ISBN: 978-0-7923-0213-1. DOI: 10.1007/978-94-009-6581-2.
11. Rosenkrantz R. D. Inference, Method and Decision: Towards a Bayesian Philosophy of Science. Dordrecht, Holland: D. Reidel Publishing Company, 1977. 262 p. DOI: 10.1007/978-94-010-1237-9. ISBN: 978-90-277-0818-2.
12. Mosteller F., Wallace D. L. Applied Bayesian and Classical Inference: The Case of The Federalist Papers. New York: Springer-Verlag, 1984. 305 p. DOI: 10.1007/978-1-4612-5256-6. ISBN 978-1-4612-9759-8.
13. Моррис У. Т. Наука об управлении. Байесовский подход. М.: Мир, 1971. 304 с.
14. Райфа Г. Анализ решений (введение в проблему выбора в условиях неопределенности). М.: Наука, 1977. 408 с.
15. Зельнер А. Байесовские методы в эконометрии. М.: Статистика, 1980. 438 с.
16. Пресман Э. Л., Сонин И. М. Последовательное управление по неполным данным. Байесовский подход. М.: Наука, 1982. 256 с.
17. Печенкин А. А. Два понятия вероятности в науке ХХ века // Вестник Московского университета. Серия 7. Философия. 2018. № 4. С. 98-112.
18. Светлов В. А. Научный вывод. Байесовская парадигма. М.: Ленанд, 2021. 200 с. ISBN: 978-5-9710-8415-0.
19. Robert C., Casella G. A Short History of Markov Chain Monte Carlo: Subjective Recollections from Incomplete Data // Statistical Science. 2011. Vol. 26, № 1. P. 102–115. DOI: 10.1214/10STS351.
20. Andrews M., Baguley T. S. Prior approval: the growth of Bayesian methods in psychology // The British journal of mathematical and statistical psychology. 2013. Vol. 66. P. 1–7. DOI: 10.1111/bmsp.12004.
21. Vallverdú J. Bayesians versus frequentists: a philosophical debate on statistical reasoning. Heidelberg, Dordrecht, London, New York: Springer, 2015. 110 p. DOI: 10.1007/978-3-662-48638-2. ISBN: 978-3-662-48636-8.
22. Хей Дж. Д. Введение в методы байесовского статистического вывода. М.: Финансы и статистика, 1987. 335 с.
23. Williamson J. In Defence of Objective Bayesianism. Oxford: University Press, 2010. 185 p. ISBN: 978-0-19-922800-3.
24. Berger J. O., Bernardo J. M., Sun D. Objective Bayesian Inference. Singapore: World Scientific, 2024. 364 p. DOI: 10.1142/13640. ISBN: 978-981-12-8490-8.
25. Robbins H. Some Thoughts on Empirical Bayes Eestimation // Annals of Statistics. 1983. Vol. 11, № 3. P. 713-723. DOI: 10.1214/aos/1176346239.
26. Head M. L., Holman L., Lanfear R., Kahn A. T., Jennions M. D. The Extent and Consequences of P-Hacking in Science // PLoS Biology. 2015. Vol. 13, № 3. URL: https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002106 (дата обращения: 15.07.2025). DOI: 10.1371/journal.pbio.1002106.
27. Schrodt P. A. Seven deadly sins of contemporary quantitative political analysis // Journal of Peace Research. 2014. Vol. 51, № 2. P. 287–300. DOI: 10.1177/0022343313499597.
28. Heidemanns M., Gelman A., Morris G. E. An Updated Dynamic Bayesian Forecasting Model for the US Presidential Election // Harvard Data Science Review. 2020. Vol. 2, № 4. URL: https://hdsr.mitpress.mit.edu/pub/nw1dzd02/release/2 (дата обращения: 15.07.2025). DOI: 10.1162/99608f92.fc62f1e1.
29. Kruschke J. K., Liddell T. M. Bayesian data analysis for newcomers // Psychonomic Bulletin & Review. 2018. Vol. 25. P. 155–177. DOI: 10.3758/s13423-017-1272-1.
30. Херцог М. Х., Фрэнсис Г., Кларк А. Статистика и планирование эксперимента для непосвященных. Как отучить статистику лгать. М.: ДМК Пресс, 2023. 174 с. ISBN: 978-5-93700-195-5.
31. Добреньков В. И., Кравченко А. И. Фундаментальная социология: в 15 т. Т. 2. Эмпирическая и прикладная социология. М.: ИНФРА-М, 2004. 986 с. ISBN: 5-16-001796-8.
32. Kass R. E., Raftery A. E. Bayes Factors // Journal of the American Statistical Association. 1995. Vol. 90, № 430. P. 773–795. DOI: 10.1080/01621459.1995.10476572.
33. Kelter R. Bayesian and frequentist testing for differences between two groups with parametric and nonparametric two-sample tests // Wiley Interdisciplinary Reviews: Computational Statistics. 2021. Vol. 13, № 6. P. 1-29. DOI: 10.1002/wics.1523.
34. Корнеев А. А., Рассказова Е. И., Кричевец А. Н., Койфман А. Я. Критика методологии проверки нулевой гипотезы: ограничения и возможные пути выхода. Часть I // Психологические исследования. 2016. Т. 9, № 45. URL: https://psystudy.ru/index.php/num/article/view/495 (дата обращения: 15.07.2025). DOI: 10.54359/ps.v9i47.468.
35. Cohen J. Statistical power analysis for the behavioral sciences. New York: Lawrence Erlbaum Associates, 1988. 567 p. ISBN: 0-8058-0283-5.
36. Kruschke J. K. Bayesian estimation supersedes the t test // Journal of Experimental Psychology. 2013. Vol. 142, № 2. P. 573–603. DOI: 10.1037/a0029146.
37. Звонок А. А. Байесовская экспериментальная оценка социальных технологий: методологические и методические аспекты // NOMOTHETIKA: Философия. Социология. Право. 2024. Т. 49, № 1. С. 26-38. DOI: 10.52575/2712-746X-2024-49-1-26-38. EDN: DYXJUD.
38. Звонок А. А. Применение искусственно сгенерированных данных при разработке и внедрении математико-статистических методов в проблемное поле социологии // Известия Саратовского университета. Новая серия. Серия: Социология. Политология. 2024. Т. 24, № 4. С. 389–398. DOI: 10.18500/1818-9601-2024-24-4-389-398. EDN: GKTLGY.
39. Sawilowsky S. S. New effect size rules of thumb // Journal of Modern Applied Statistical Methods. 2009. Vol. 8, № 2. P. 467–474. DOI: 10.22237/jmasm/1257035100.
40. Звонок А. А. Байесовское моделирование биномиальных экспериментов в социологии: проблемный анализ // Цифровая социология. 2024. Т. 7, № 1. С. 14–25. DOI: 10.26425/2658-347X-2024-7-1-14-25. EDN: EUFDXE.
41. Kruschke J. K. Bayesian Analysis Reporting Guidelines // Nature Human Behaviour. 2021. Vol. 5. P. 1282–1291. DOI: 10.1038/s41562-021-01177-7.
2. Зырянов В. В. Социальная статистика в социологическом образовании // Социологические исследования. 2022. № 2. С. 129–141. DOI: 10.31857/S013216250017138-4. EDN: AMYNTX.
3. Макеева Л. Б. Субъективная вероятность, теория подтверждения и рациональность // Рацио.ru. 2015. № 15. С. 80-96. EDN: VMFQAP.
4. Cumming G. Replication and p Intervals: p Values Predict the Future Only Vaguely, but Confidence Intervals Do Much Better // Perspectives on Psychological Science. 2008. Vol. 3, № 4. P. 286–300. DOI: 10.1111/j.1745-6924.2008.00079.x.
5. Trafimow D., Marks M. Editorial // Basic and Applied Social Psychology. 2015. Vol. 37. P. 1–2. DOI: 10.1080/01973533.2015.1012991.
6. Нагорный Б. Г. Нужна ли Кассандра в XXI веке? (некоторые спорные размышления о социальном прогнозировании) // Социология: теория, методы, маркетинг. 2009. № 2. С. 202–209.
7. Bayes T., Price R. An Essay towards Solving a Problem in the Doctrine of Chances // Philosophical Transactions of the Royal Society of London. 1763. Vol. 53. P. 370–418.
8. Fienberg S. E. When did Bayesian inference become «Bayesian»? // Bayesian Analysis. 2006. Vol. 1. P. 1–40. DOI: 10.1214/06-BA101.
9. Jeffreys H. Theory of Probability. Oxford: The Clarendon Press, 1948. 411 p.
10. Jaynes E. T. Papers on Probability, Statistics and Statistical Physics. Dordrecht: Kluwer Academic Publishers, 1989. 434 p. ISBN: 978-0-7923-0213-1. DOI: 10.1007/978-94-009-6581-2.
11. Rosenkrantz R. D. Inference, Method and Decision: Towards a Bayesian Philosophy of Science. Dordrecht, Holland: D. Reidel Publishing Company, 1977. 262 p. DOI: 10.1007/978-94-010-1237-9. ISBN: 978-90-277-0818-2.
12. Mosteller F., Wallace D. L. Applied Bayesian and Classical Inference: The Case of The Federalist Papers. New York: Springer-Verlag, 1984. 305 p. DOI: 10.1007/978-1-4612-5256-6. ISBN 978-1-4612-9759-8.
13. Моррис У. Т. Наука об управлении. Байесовский подход. М.: Мир, 1971. 304 с.
14. Райфа Г. Анализ решений (введение в проблему выбора в условиях неопределенности). М.: Наука, 1977. 408 с.
15. Зельнер А. Байесовские методы в эконометрии. М.: Статистика, 1980. 438 с.
16. Пресман Э. Л., Сонин И. М. Последовательное управление по неполным данным. Байесовский подход. М.: Наука, 1982. 256 с.
17. Печенкин А. А. Два понятия вероятности в науке ХХ века // Вестник Московского университета. Серия 7. Философия. 2018. № 4. С. 98-112.
18. Светлов В. А. Научный вывод. Байесовская парадигма. М.: Ленанд, 2021. 200 с. ISBN: 978-5-9710-8415-0.
19. Robert C., Casella G. A Short History of Markov Chain Monte Carlo: Subjective Recollections from Incomplete Data // Statistical Science. 2011. Vol. 26, № 1. P. 102–115. DOI: 10.1214/10STS351.
20. Andrews M., Baguley T. S. Prior approval: the growth of Bayesian methods in psychology // The British journal of mathematical and statistical psychology. 2013. Vol. 66. P. 1–7. DOI: 10.1111/bmsp.12004.
21. Vallverdú J. Bayesians versus frequentists: a philosophical debate on statistical reasoning. Heidelberg, Dordrecht, London, New York: Springer, 2015. 110 p. DOI: 10.1007/978-3-662-48638-2. ISBN: 978-3-662-48636-8.
22. Хей Дж. Д. Введение в методы байесовского статистического вывода. М.: Финансы и статистика, 1987. 335 с.
23. Williamson J. In Defence of Objective Bayesianism. Oxford: University Press, 2010. 185 p. ISBN: 978-0-19-922800-3.
24. Berger J. O., Bernardo J. M., Sun D. Objective Bayesian Inference. Singapore: World Scientific, 2024. 364 p. DOI: 10.1142/13640. ISBN: 978-981-12-8490-8.
25. Robbins H. Some Thoughts on Empirical Bayes Eestimation // Annals of Statistics. 1983. Vol. 11, № 3. P. 713-723. DOI: 10.1214/aos/1176346239.
26. Head M. L., Holman L., Lanfear R., Kahn A. T., Jennions M. D. The Extent and Consequences of P-Hacking in Science // PLoS Biology. 2015. Vol. 13, № 3. URL: https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002106 (дата обращения: 15.07.2025). DOI: 10.1371/journal.pbio.1002106.
27. Schrodt P. A. Seven deadly sins of contemporary quantitative political analysis // Journal of Peace Research. 2014. Vol. 51, № 2. P. 287–300. DOI: 10.1177/0022343313499597.
28. Heidemanns M., Gelman A., Morris G. E. An Updated Dynamic Bayesian Forecasting Model for the US Presidential Election // Harvard Data Science Review. 2020. Vol. 2, № 4. URL: https://hdsr.mitpress.mit.edu/pub/nw1dzd02/release/2 (дата обращения: 15.07.2025). DOI: 10.1162/99608f92.fc62f1e1.
29. Kruschke J. K., Liddell T. M. Bayesian data analysis for newcomers // Psychonomic Bulletin & Review. 2018. Vol. 25. P. 155–177. DOI: 10.3758/s13423-017-1272-1.
30. Херцог М. Х., Фрэнсис Г., Кларк А. Статистика и планирование эксперимента для непосвященных. Как отучить статистику лгать. М.: ДМК Пресс, 2023. 174 с. ISBN: 978-5-93700-195-5.
31. Добреньков В. И., Кравченко А. И. Фундаментальная социология: в 15 т. Т. 2. Эмпирическая и прикладная социология. М.: ИНФРА-М, 2004. 986 с. ISBN: 5-16-001796-8.
32. Kass R. E., Raftery A. E. Bayes Factors // Journal of the American Statistical Association. 1995. Vol. 90, № 430. P. 773–795. DOI: 10.1080/01621459.1995.10476572.
33. Kelter R. Bayesian and frequentist testing for differences between two groups with parametric and nonparametric two-sample tests // Wiley Interdisciplinary Reviews: Computational Statistics. 2021. Vol. 13, № 6. P. 1-29. DOI: 10.1002/wics.1523.
34. Корнеев А. А., Рассказова Е. И., Кричевец А. Н., Койфман А. Я. Критика методологии проверки нулевой гипотезы: ограничения и возможные пути выхода. Часть I // Психологические исследования. 2016. Т. 9, № 45. URL: https://psystudy.ru/index.php/num/article/view/495 (дата обращения: 15.07.2025). DOI: 10.54359/ps.v9i47.468.
35. Cohen J. Statistical power analysis for the behavioral sciences. New York: Lawrence Erlbaum Associates, 1988. 567 p. ISBN: 0-8058-0283-5.
36. Kruschke J. K. Bayesian estimation supersedes the t test // Journal of Experimental Psychology. 2013. Vol. 142, № 2. P. 573–603. DOI: 10.1037/a0029146.
37. Звонок А. А. Байесовская экспериментальная оценка социальных технологий: методологические и методические аспекты // NOMOTHETIKA: Философия. Социология. Право. 2024. Т. 49, № 1. С. 26-38. DOI: 10.52575/2712-746X-2024-49-1-26-38. EDN: DYXJUD.
38. Звонок А. А. Применение искусственно сгенерированных данных при разработке и внедрении математико-статистических методов в проблемное поле социологии // Известия Саратовского университета. Новая серия. Серия: Социология. Политология. 2024. Т. 24, № 4. С. 389–398. DOI: 10.18500/1818-9601-2024-24-4-389-398. EDN: GKTLGY.
39. Sawilowsky S. S. New effect size rules of thumb // Journal of Modern Applied Statistical Methods. 2009. Vol. 8, № 2. P. 467–474. DOI: 10.22237/jmasm/1257035100.
40. Звонок А. А. Байесовское моделирование биномиальных экспериментов в социологии: проблемный анализ // Цифровая социология. 2024. Т. 7, № 1. С. 14–25. DOI: 10.26425/2658-347X-2024-7-1-14-25. EDN: EUFDXE.
41. Kruschke J. K. Bayesian Analysis Reporting Guidelines // Nature Human Behaviour. 2021. Vol. 5. P. 1282–1291. DOI: 10.1038/s41562-021-01177-7.
Статья
Поступила: 06.09.2025
Опубликована: 15.12.2025
Форматы цитирования
Другие форматы цитирования:
APA
Звонок, А. А. (2025). Ключевые вопросы применения современного Байесовского подхода к анализу социологических данных. Социология: методология, методы, математическое моделирование (Социология:4М), (61), 77-116. https://doi.org/10.19181/4m.2025.34.2.2
Выпуск
Раздел
СТАТИСТИЧЕСКИЕ МЕТОДЫ И АНАЛИЗ ДАННЫХ
