Таблица 8 Корреляция Спирмена между средним значением установки по отношению к изменению климата и индексом «западности» европейской страны

Таким образом, в качестве выводов по задаче, в рамках которой необходимо было измерить установки европейцев по отношению к изменению климата, а также сравнить их по странам, необходимо отметить следующие ключевые моменты:

? В целом, в европейских странах наблюдается достаточно высокая осведомленность об изменении климата (около 0,75 из 1), чего нельзя сказать об обеспокоенности этим явлением, показатель которой находится на относительно среднем уровне (около 0,58 из 1). В восточноевропейских странах эти показатели несколько ниже, чем в западных;

? Согласно информации о выделенных подмножествах европейских стран на основании среднего значения показателя установки по отношению к изменению климата в Европе, а также связи этого значения с индексом «западности», можно говорить о том, что в западноевропейских странах установки по отношению к изменению климата выражены значимо сильнее, чем в восточноевропейских;

? В странах с наибольшей оценкой показателя установки по отношению к изменению климата, этот показатель находится примерно на уровне 0,7 - 0,72 из 1 (Испания, Португалия, Германия, Исландия, Швейцария, Австрия), в то время как в странах с наименьшей оценкой - на уровне 0,6 - 0,63 из 1 (Эстония, Россия, Чехия, Литва, Польша);

Гипотеза о том, что установки европейцев характеризуются высокой степенью осведомленности об ИК, повышенной обеспокоенностью изменением климата, а также о том, что в западноевропейских странах соответствующие установки выражены сильнее, скорее подтвердилась, чем была отвергнута (на основании описанных выше ключевых выводов по данной части). Далее перейдем к сравнению характера влияния различных характеристик на установки по отношению к изменению климата.

Сравнение характера влияния различных характеристик на установки по отношению к изменению климата у жителей Европы

В рамках второй задачи необходимо было сравнить характер влияния различных личностных и социально-демографических характеристик на установки по отношению к изменению климата в межстрановом разрезе. Предполагалось, что наибольшей объяснительной силой Под объяснительной силой, объяснительной способностью понимается то, насколько сильно та или иная независимая переменная влияет на зависимую. То есть индикатором в данном случае является не общий R-квадрат, а величина регрессионного коэффициента. будут обладать личностные характеристики, среди которых ценности, политическая ориентация; также в восточноевропейских странах эти характеристики будут лучше объяснять установки по отношению к изменению климата, чем в западных. Несмотря на то, что главной задачей является оценка способности «привычных» характеристик по сравнению с «непривычными» различать европейские страны по характеру влияния этих характеристик, текущая задача служит, во-первых, для оценки объяснительной способность различных характеристик, а во-вторых, для подготовки данных для последующей классификации стран.

Для нахождения показателей объяснительной способности различных характеристик было применено регрессионное моделирование, где зависимой переменной выступал уже ранее рассмотренный показатель установки по отношению к изменению климата. Поскольку множественная регрессия не может быть построена сразу для всех стран, так как нарушится предположение о независимости наблюдений, было принято решение построить отдельные регрессионные модели для каждой из стран, а после сравнить стандартизованные регрессионные коэффициенты. С точки зрения оптимальности такого подхода необходимо отметить, что регрессионные модели строились аналогичным образом для каждой из стран, включая необходимые корректировки для устранения мультиколлинеарности, а также гетероскедастичности. Несмотря на независимость выборок, во всех построенных моделях присутствовали схожие проблемы (наличие мультиколлинеарности и гетероскедастичности), что способствовало существенному сокращению трудозатрат на их решение (по сравнению с ситуацией, если бы проблемы для каждой из моделей были бы уникальными).

Общее описание построения регрессионных моделей

Первым шагом при построении регрессионной модели для каждой из стран было включение в модель в качестве зависимой переменной показателя установки по отношению к изменению климата, а в качестве независимых - всех остальных переменных после описанной ранее предобработки, а именно образования, пола (контрольная группа - женщины), возраста, дохода, политической приверженности (контрольная группа - нет приверженности), политической идеологии, религиозной принадлежности (контрольная группа - нет приверженности), десяти переменных для каждой из базовых человеческих ценностей, количества детей в семье, набора фиктивных переменных для типа поселения (контрольная группа - “большой город”), в котором проживает респондент, а также для его занятости за последние 7 дней (контрольная группа - “оплачиваемая работа”). Всего на начальном этапе было построено 23 множественных линейных регрессионных моделей для 23 стран.

На втором шаге проверялись ограничения регрессионных моделей: нормальность распределения регрессионных остатков, гомоскедастичность, мультиколлинеарность, наличие в данных «выбросов». Проверка нулевых гипотез осуществлялась на уровне доверительной вероятности 0,95. Посмотреть примеры выводов со всеми тестами и графиками можно в Приложении 3 а также по ссылке в Приложении 6.

Для проверки нормальности распределения регрессионных остатков проводился тест Колмогорова-Смирнова, однако, в большинстве случаев он показывал отсутствие нормальности, что в целом, ожидаемый результат, учитывая строгость теста (нулевая гипотеза о том, что остатки распределены нормально отвергалась). Поэтому в ходе принятия решения о том, стоит ли считать распределение нормальным, мы ориентировались графическое представление распределения, которое для всех рассматриваемых моделей оказывалось хорошим в контексте «нормальности».

В изначально построенных моделях для всех стран присутствовала мультиколлинеарность (показатели tolerance < 0,4 и VIF > 2), которая была вызвана фиктивными переменными «тип поселения» или «занятость», а также ценностными переменными. Поэтому для решения этой проблемы целые наборы фиктивных переменных выносились в отдельные модели (иногда оба набора, иногда один - в зависимости от страны). Переменные ценностей же, согласно методологии ESS, в итоге были включены не все В методологии ESS утверждается, что в регрессионные модели рекомендуется включать максимум 8 переменных ценностей из-за то, что иначе возникает проблема их скоррелированности., а шесть случайных: безопасность, конформность, традиция, благожелательность, универсализм и самостоятельность. В таком случае показатели мультиколлинеарности находились в пределах нормы, а для каждой страны, где присутствовала проблема мультиколлинеарности из-за переменных «тип поселения» и «занятость» получалось по две модели, откуда в итоге брались стандартизированные коэффициенты. Таким образом, общее количество регрессионных моделей в рамках данного анализа было 45 (для 23 стран).

Для проверки на гетероскедастичность проводились тесты Бройш-Пагана и Коэнкера, нулевая гипотеза в которых состоит в том, что наблюдается гомоскедастичность. Поскольку в абсолютном большинстве моделей данная гипотеза отвергалась на уровне доверительной вероятности 0,95, было принято решение добавлять веса в регрессию (WLS), чтобы приблизиться к равной дисперсии регрессионных остатков при всех значениях независимых переменных. Поскольку взвешивание также немного изменяло бета-коэффициенты (увеличивало их по модулю), то для корректного сравнения стандартизированных коэффициентов в будущем, веса были добавлены ко всем моделям.

Наконец, осуществлялся контроль на наличие и количество «выбросов» в данных. Выбросом считался случай, регрессионный остаток которого отклонялся на 3 и более стандартных отклонения. Поскольку количество выбросов в каждой модели было незначительным относительно размера выборки, было принято решение оставить такие случаи, так как они значимо не смещали результаты анализа.

Таблица со стандартизированными коэффициентами

В Приложении 2 представлена таблица со стандартизированными коэффициентами по всем независимым переменным, которые были включены в модели, в разрезе европейских стран. Поскольку коэффициенты являются стандартизированными, то корректным является их сравнение как в рамках одной страны, так и между странами.

Чем больше стандартизированный регрессионный коэффициент по модулю, тем сильнее он определяет установку по отношению к изменению климата. Если коэффициент равен нулю, то это означает, что рассматриваемая характеристика не влияет на установку в рамках данной страны. Для удобства чтения таблицы ячейки выделены цветами, где более насыщенный цвет означает наибольшее влияние.

В первую очередь необходимо также обратить внимание на отдельные страны, такие как Россия, Чехия, Польша, Литва, Венгрия, Словения и Израиль. С точки зрения значимости и «привычных» социально-демографических характеристик, и «непривычных» параметров они уступают другим странам, и об этом говорит большое количество нулевых стандартизированных коэффициентов. Помимо большого количества незначимых коэффициентов эти страны объединяет еще и то, что они относятся к восточноевропейским. Поэтому одна из частей гипотезы о том, что в Восточной Европе «непривычные» характеристики лучше объясняют установки, чем в Западной, опровергается, поскольку наблюдаются различия в полученном качестве моделей для разных стран, построенных на одном перечне независимых переменных. Это следует учитывать как особенность, которая означает, что в восточноевропейских странах могут быть другие параметры, которые бы лучше объясняли установки по отношению к изменению климата.

Согласно таблице из Приложения 2 сразу можно выделить характеристики, которые для большинства стран из списка (более, чем для 67%), оказались незначимыми (бета-коэффициент равен 0):

? Религиозная принадлежность - значима только в 3 странах: Великобритании, Германии и Венгрии;

? Тип поселения «пригород» - значим только в 6 странах: Австрии, Израиле, Польше, Швеции, Франции и Венгрии;

? Тип поселения «маленький город» - значим только в 7 странах: Германии, Литве, Норвегии, Финляндии, Швеции и Нидерландах;

? Тип поселения «сельская местность» - значим только в 8 странах: Австрии, Швейцарии, Норвегии, Финляндии, Швеции, Франции, Нидерландах и России;

? Ценность «безопасность» - значима только в 2 странах: Литве и Венгрии;

? Ценность «конформность» - значима только в 5 странах: Швеции, Венгрии, Чехии, Испании и Словении;

? Ценность “благожелательность» - значима только в 3 странах: Бельгии, Швейцарии и Норвегии;

? Ценность “самостоятельность» - не значима ни в одной стране;

? Количество детей в семье - значимо только в двух странах: Израиле и Польше;

? Тип занятости «без работы» - значим только в 4 странах: Литва, Ирландия, Бельгия и Финляндия;

? Тип занятости «ведение домашнего хозяйства и другое» - значим только в 4 странах: Португалия, Литва, Ирландия и Нидерланды.

Примечательным является то, что все эти характеристики относятся в категории «непривычных». Согласно же мета-исследованию Хорнси и коллег, которое было рассмотрено в рамках первой главы данной работы, «непривычные» характеристики, такие как, например, ценности имеют большую объяснительную силу [Hornsey et al., 2016]. Это утверждение несколько противоречит полученным результатам анализа.

В таких странах как Венгрия, Швеция и Литва имеет место самое большое количество значимых характеристик из выделенной группы (4 из 11). В Исландии, Италии и Эстонии, напротив, ни один параметр из выделенной группы не является значимым. Из этого можно сделать вывод, что в общем перечне изучаемых стран нет такого государства, где большинство описанных характеристик являлось бы значимым, что говорит об их низкой предсказательной силе.

На основании табличных данных возможно выделить группу характеристик, которые значимы и не значимы примерно в одинаковом количестве европейских стран. Среди таких характеристик присутствуют следующие: количество лет образования, пол, возраст, доход, тип поселения «деревня», ценность «традиция», а также тип занятости «образование». В данную категорию попали все «привычные» социально-демографические характеристики, а также некоторые «непривычные». Перечислять страны, в которых эти характеристики являются значимыми (как это было сделано для предыдущей группы параметров), не имеет смысла, поскольку трудно будет выделить какой-либо тренд.

Оставшуюся группу, где стандартизированные коэффициенты оказались значимыми для большинства европейских стран (более, чем для 67%), образовали следующие характеристики:

? Политическая приверженность - не значима только в 5 странах: Израиле, Швейцарии, Швеции, Венгрии и России,

? Политическая идеология - не значима только в 7 странах: Израиле, Португалии, Венгрии, Италии, Словении и России;

? Ценность «универсализм» - не значима только в 2 странах: Венгрии и России;

? Тип занятости «пенсионер» - не значим только в 7 странах: Австрии, Израиле, Исландии, Польше, Чехии, Словении и России.

Необходимо отметить, что характеристики из данной группы, которые помимо всего прочего являются “непривычными”, оказались незначимыми в большинстве своем для таких стран как Венгрия, Россия и Израиль, которые относятся к восточной части Европы. Данный факт соотносится с ранее сделанным выводом о том, что в восточноевропейских странах по сравнению с западноевропейскими государствами “непривычные” характеристики вопреки поставленной гипотезе не имеют бульшую объяснительную способность.

С одной стороны, «привычные» социально-демографические характеристики не попали в группу самых значимых характеристик, однако, с другой стороны, они значимы в большем количестве стран, чем большинство «непривычных» социально-демографических характеристик, включенных в модели. Поэтому нельзя сказать, что «непривычные» характеристики безоговорочно доминируют над «привычными».

Большинство переменных ценностей оказались незначимыми. Тем не менее ценность «универсализм» является не только значимой почти во всех европейских странах за исключением России и Венгрии, но также в среднем имеет достаточно высокие по модулю стандартизированные коэффициенты по всем странам (самые высокие среди всех других представленных характеристик). Это означает, что показатель ценности «универсализм» имеет высокую объяснительную способность. Однако в целом ценности по сравнению с «привычными» социально-демографическими характеристиками не способны достаточно хорошо объяснять установки по отношению к изменению климата. Поэтому обоснованным выводом, согласно результатам анализа, может являться утверждение о том, что только некоторые ценности затмевают «привычные» характеристики.

Для переменных, отражающих политическую ориентацию индивида, вывод отличается, поскольку эти характеристики оказались значимыми во многих странах, а также имеют достаточно высокие стандартизированные коэффициенты, которые сопоставимы с коэффициентами для «привычных» социально-демографических характеристик. В данном случае имеет смысл говорить о том, что показатели политической ориентации лучше объясняют установки по отношению к изменению климата, однако этот вывод является корректным только на уровне анализа всех стран одновременно. В отдельных случаях, например, при анализе коэффициентов для Бельгии и Швеции, сделанный вывод будет ложным.

Другие «непривычные» характеристики, среди которых религиозная принадлежность, тип поселения, в котором проживает индивид, количество детей в семье, а также занятость, в некоторых случаях имеют значимость, и способны объяснять установки по отношению к изменению климата. Например, для типов занятости «пенсионер» и «образование» примерно в половине стран можно наблюдать значимые стандартизованные коэффициенты. Однако важно то, что в целом эти характеристики уступают в объяснительной способности «привычным» социально-демографическим параметрам.

Наконец, сравнивая в целом способности “привычных” и “непривычных” характеристик объяснять установки по отношению к изменению климата, необходимо рассмотреть средние значения показателей стандартизированных регрессионных коэффициентов по модулю по европейским странам для этих характеристик. В Таблице 9 представлены упомянутые средние значения, а также определены их позиции относительно средних значений показателей стандартизированных регрессионных коэффициентов по модулю для других характеристик (чем ниже ранг, тем выше среднее значение), иными словами, было проведено их ранжирование. В таблице ниже для каждой характеристики представлено два разных средних значения показателей стандартизированных коэффициентов по модулю: в первом случае при расчете среднего нулевые коэффициенты не исключались, а во втором случае расчет среднего производился только по значимым коэффициентам для оценки того, являются ли характеристики выраженными в тех странах, где они значимы.

Индикаторами того, какие в целом характеристики, “привычные” или “непривычные”, имеют большую объяснительную способность являются рассчитанные для них медианные ранги, которые представлены в конце таблицы. Больший ранг означает меньшую выраженность (объяснительную способность) той или иной группы характеристик в целом.

Таблица 9 Средние значения и ранги для стандартизированных коэффициентовдля “привычных” и “непривычных” характеристик по всем странам

Согласно таблице выше медианный ранг для средних значений показателей стандартизированных коэффициентом по модулю по “привычным” характеристикам равняется 7 или 10 (в зависимости от методики расчета среднего). По “непривычным” характеристикам аналогичный медианный ранг равен 13,5 или 12,5; в обоих случаях это значение выше, чем по “привычным” параметрам. Таким образом, можно сделать вывод о том, что в целом “привычные” социально-демографические характеристики способны лучше объяснять установки по отношению к изменению климата, чем “непривычные” параметры.

В качестве общего вывода по данной задаче необходимо отметить следующие ключевые моменты:

? Несмотря на то, что в действительности, некоторые из «непривычных» характеристик имеют значимость в большинстве европейских стран а также имеют относительно высокие стандартизованные коэффициенты по сравнению с «привычными» социально-демографическими характеристиками (показатели политической ориентация индивида), среди «непривычных» характеристик присутствует большое количество тех, которые сильно уступают им (религиозная принадлежность, количество детей в семье, ценности в целом и другие);

? В целом же по рассматриваемым странам Европы “привычные“ характеристики имеют большую предсказательную способность, чем “непривычные” параметры;

? В восточноевропейских государствах, таких как Словения, Чехия, Венгрия, Польша, Литва, Эстония, Россия и Израиль «непривычные» характеристики не имеют, как предполагалось, лучшей объяснительной способности, чем в западноевропейских странах. Причиной этому является в целом низкая объяснительная способность включенных характеристик;

? Исходная гипотеза о том, что в целом наибольшей объяснительной силой будут обладать «непривычные» характеристики, а также в восточноевропейских странах эти характеристики будут лучше объяснять установки по отношению к изменению климата, чем в западных, скорее отвергается по описанным выше причинам.

В рамках данной части было произведено сравнение характера влияния различных характеристик на установки по отношению к изменению климата. Далее определим, какие из них (“привычные” или “непривычные” характеристики) способны лучше дифференцировать европейские страны по характеру их влияния на установки по отношению к ИК.

Способность «привычных» социально-демографических характеристик дифференцировать европейские страны по характеру влияния этих характеристик на установки по отношению к изменению климата

В рамках последней задачи необходимо было оценить способность «привычных» характеристик дифференцировать европейские страны по характеру влияния этих характеристики по сравнению с «непривычными» характеристиками, а также классифицировать страны в зависимости от характера этого влияния. Предполагалось, что «привычные» характеристики лучше подходят для проведения упомянутой дифференциации; также будут выделены две основные группы: в первую попадут восточноевропейские страны, поскольку у них будет наблюдаться значимое влияние «привычных» социально-демографических характеристик на установки, а во вторую группу - западноевропейские, по противоположной причине. Эта гипотеза была выдвинута на этапе разработки идеи исследования, а на текущий момент она вступает в некое противоречие с результатами с предыдущей задачи (было выявлено, что в целом в Восточной Европе предсказательная сила всех включенных характеристик ниже, чем в других странах), однако изменять ее нет необходимости.

Для решения данной задачи использовался кластерный анализ, поскольку в рамках задачи необходимо было выявить отдельные группы стран, которые были бы объединены по характеру влияния различных «привычных» и «непривычных» характеристик. Изначально группы стран не были известны, поэтому классификация имела разведывательный характер, а для такого типа хорошо подходит кластерный анализ.

Кластерный анализ строился на данных из таблицы в Приложении 2, где значением по каждой переменной является стандартизованный коэффициент, имеющий интервальную шкалу. Из доступных методов кластеризации был выбран двухэтапный кластерный анализ, поскольку он наилучшим образом определял кластеры с интерпретативной точки зрения (по сравнению с методом k-средних и иерархическим кластерным анализом). При выборе наилучшей кластерной модели мы руководствовались следующими принципами:

? Лучше та модель, для которой проще подобрать адекватную интерпретацию;

? Лучше та модель, в которой кластеры относительно наполненные (в случае с 23 наблюдениями этот критерий не является существенным, поскольку в любом случае наполненность кластеров будет низкая);

? Лучше та модель, в которой важность предикторов в формировании кластеров относительно похожая;

? Лучше та модель, у которой выше показатель средней силуэтной меры связанности и разделения кластеров, демонстрирующий то, насколько объекты похожи на «свой» кластер по сравнению с другими кластерами (от 0,5 - хороший показатель, от 0,2 до 0,5 - средний показатель, до 0,2 - плохой показатель).

Количество кластеров выбиралось вручную для тестирования различных моделей.

В первую очередь строились кластерные модели по «привычным» социально-демографическим характеристикам. Всего было рассмотрено 7 моделей с 2-8 кластерами; большее количество групп рассматривать не было необходимости, поскольку в таком случае получились бы слишком малонаполненные группы (меньше двух стран в группе).

Вплоть до четырехкластерной модели наблюдалась проблема среднего качества модели, определяемого по средней силуэтной мере связанности и разделения кластеров (показатель был ниже 0,5). Более того, из-за относительно небольшого количества кластеров было сложно их интерпретировать, поскольку в один кластер могли попасть достаточно разные страны по стандартизированным коэффициентам. В четырех-пятикластерной моделях проблемы интерпретации и качества модели по средней силуэтной мере практически исчезли, но наблюдалась большая разница во вкладе разных переменных в формирование кластеров. Данная проблема характеризовалась тем, что переменная для стандартизированных коэффициентов индикатора количества лет образования сильно доминировала при формировании кластеров. Это означало, что другие переменные были менее важными, и при интерпретации групп основной акцент был на том, что в какой-то из них стандартизированные показатели для образования значимы, а в другой незначимы.

Начиная с шестикластерной модели различие вкладов переменных в формирование кластеров было менее выражено, хотя и имелось. Сравнивая модели с шестью, семью и восемью кластерами, в первую очередь уделялось внимание интерпретативности модели, поскольку остальные показатели качества у них были аналогичными. В конечном итоге была выбрана восьмикластерная модель, поскольку в ней наиболее явным образом выделялись группы стран по значимости тех или иных характеристик. Безусловно, в такой модели кластеры оказались не очень наполненными, однако преимуществом является то, что выделенные кластеры примерно одинаковы по размеру. Более того, в рамках данного исследования кластеры не обязательно должны описывать большую группу наблюдений, как например, в исследованиях, изучающих потребительские привычки индивидов, поскольку изначально имеется небольшое количество стран. Выделение кластеров в данном случае - способ избежать одинаковой интерпретации при рассмотрении каждой отдельной страны, путем выделения относительно гомогенных групп.

Итак, выбранная кластерная модель по «привычным» социально демографическим характеристикам имеет следующие особенности (подробнее см. Приложение 4):

? 8 кластеров;

? Средняя силуэтная мера связанности и разделения кластеров находится на уровне 0,6, что является хорошим показателем;

? В наименьшем кластере всего 2 страны, а в наибольшем - 4, что говорит о небольшом различии кластеров по размеру;

? Важности предикторов при выделении кластеров: количество лет образования - 1, доход - 0,92, возраст - 0,58, пол - 0,3. Данные показатели не идеальны, но они являются наилучшими в сравнении с остальными рассмотренными моделями.

Далее рассматривались кластерные модели по «непривычным» характеристикам аналогичным образом. Начнем с обсуждения кластерных моделей с шестью, семью и восемью выделенными группами стран, поскольку в предыдущем анализе они показали себя лучше всего. Для этих моделей, во-первых, было характерно среднее качество согласно показателю средней силуэтной меры связанности и разделения кластеров. Во-вторых переменная для стандартизированных коэффициентов индикатора «количество детей в семье» имела самую высокую важность при формировании кластеров (1 по сравнению с 0,23-0,29 для следующей самой важной переменной). В-третьих, было затруднительна интерпретация выделенных кластеров, а также присутствовали кластеры, в которых была всего одна страна. Иными словами, общее качество таких моделей было достаточно низким, и классифицировать европейские страны таким образом было невозможно. Поэтому необходимо было проанализировать модели с меньшим количеством выделяемых групп.

Говоря о моделях с меньшим количеством групп, а именно двумя, тремя, четырьмя и пятью, необходимо отметить, что для них средний показателю силуэтной меры связанности и разделения кластеров еще ниже, чем для предыдущих моделей, что говорит о том, что в целом страны, отнесенные к некоторым группам, на самом деле не так уж и похожи на свою группу Более того, интерпретация кластеров стала еще более затруднительной, а кластер, включающий всего одну страну (Венгрию) не объединялся с какой-либо другой группой вплоть до уменьшения их количества в модели до двух. Несмотря на то, что в моделях с меньшим количеством групп улучшилось распределение важностей предикторов при формировании кластеров, перечисленные качественные ухудшения не позволяют говорить о том, что какую-либо из этих моделей можно использовать для классификации.

Таким образом, у нас есть основания предполагать, что “привычные” характеристики способны лучше классифицировать страны в зависимости от их значений стандартизированных коэффициентов. Однако для того, чтобы подтвердить эти предположения, необходимо использовать дисперсионный анализ (ANOVA), в ходе которого будут сравниваться критерии Фишера для каждой из характеристик, а также для групп характеристик (“привычных” и “непривычных”). Чтобы дисперсионный анализ был возможен для “непривычных” характеристик, необходимо выбрать наилучшую кластерную модель из упомянутых.

Среди кластерных моделей, построенных на основании “непривычных” характеристик, наилучшее общее качество согласно четырем принципам, упомянутым перед анализом кластерных моделей, имеет модель с пятью кластерами. Во-первых, ее средняя силуэтная мера равна 0,4, что соответствует среднему качеству. У моделей с большим количеством кластеров эта мера выше (с меньшем количеством кластеров - ниже), но в то же время она не превышает порогового значения 0,5. Во-вторых, в пятикластерной модели по сравнению с моделями с большим количеством кластеров нет предиктора, который затмевает все остальные по важности при выделении групп. В некоторых моделях с меньшим количеством кластеров распределение важностей предикторов несколько лучше, однако по остальным критериям они проигрывают. В-третьих, в модели с пятью кластерами имеется всего одна малонаполненная группа (в ней одна страна), а другие отличаются по наполненности максимум в 2,33 раза, что является относительно хорошим показателем. С точки зрения содержательной интерпретации сложно оценить, какая из кластерных моделей по “непривычным” характеристикам лучше, поскольку все из них плохо интерпретируются. Подробнее показатели данной модели представлены в Приложении 5.

В таблицах №10 и №11 представлены F-тесты (критерии Фишера) для каждой из “привычных” и “непривычных” характеристик. Для начала рассмотрим критерии значимости для F. Согласно Таблице 10 на уровне доверительной вероятности 0,95 каждая из “привычных” характеристик имеет отличающееся среднее значение в выделенных кластерах, поскольку нулевые гипотезы о том, что средние в разных группах (в данном случае по кластерам) равны отвергаются. Следовательно, все эти характеристики, действительно, дифференцируют выделенные группы стран по характеру влияниях этих параметров. Характер влияния, напомним, выражается в значении стандартизованного регрессионного коэффициента.

Согласно данным из Таблицы 11 на уровне доверительной вероятности 0,95 только 11 из 18 параметров “непривычных” характеристик различаются по своему среднему значению в выделенных кластерах по “непривычным” характеристикам. Этот результат показывает, что предположительно “непривычные” характеристики в целом уступают в способности дифференцировать европейские страны по характеру влияния этих характеристик “привычным” параметрам.

Таблица 10 Статистические показатели для сравнения средних значений между группами для “привычных” характеристик по кластерам (ANOVA)

Помимо рассмотрения значимости F-критериев, необходимо обратить внимание на само значение F, которое также представлено в обеих таблицах. Чем выше значение критерия Фишера, тем сильнее переменная различается по своему среднему значению в группах; чем выше значение критерия Фишера, тем большую важность имела соответствующая переменная в формировании кластеров относительно остальных переменных. Целесообразно сравнивать медианные значения F-критериев (чтобы избежать смещение среднего в случае наличия аномально высоких F) для “привычных” и “непривычных” характеристик, поскольку это позволит оценить различие средних значений переменных в кластерах в целом для каждой из групп переменных.

Несмотря на то, что больше, чем для трети “непривычных” характеристик критерии Фишера оказались незначимыми, могла получиться такая ситуация, что остальные характеристики могли бы иметь высокие показатели F, а значит хорошо различали бы страны по характеру влияния этих характеристик на установки по отношению к изменению климата. Далее проверим, возникла ли такая ситуация на самом деле.

Таблица 11 Статистические показатели для сравнения средних значений между группами для “непривычных” характеристик по кластерам (ANOVA)

Согласно Таблице 10 среди “привычных” характеристик наиболее сильно отличаются по своему среднему значению в кластерах переменная количества лет образования (25,08), а также переменная дециля дохода (21,06). Медианное значение F-критерия для “привычных” характеристик равно 15,19.

Согласно Таблице 11 среди “непривычных” характеристик самые высокие значения F-критериев имеют показатели для ценности “безопасность”, а также для типа поселения “сельская местность”. Медианное значение F-критерия для всех “непривычных” характеристик равно 4,19 (значимо ниже, чем для “привычных” характеристик). Медианное значение F-критерия только для значимых “непривычных” характеристик равно 6,05 (также значимо ниже, чем для “привычных” характеристик).

Таким образом, страны Европы можно более корректно классифицировать на основании значений стандартизированных коэффициентов для переменных образования, дохода, пола и возраста, чем на основании стандартизированных коэффициентов для других рассматриваемых характеристик (согласно показателям качества кластерных моделей, а также результатам дисперсионного анализа). Иными словами, “привычные” социально-демографические характеристики подходят для дифференцирования европейских стран по характеру влияния этих характеристик на установки по отношению к изменению климата лучше, чем “непривычные” параметры.

Возможно, включение в кластерный анализ только некоторых “непривычных” характеристик, которые имеют высокую дисперсию стандартизированных коэффициентов по странам, могло бы существенно улучшить качество получаемых моделей. Однако в таком случае нельзя было бы обобщать выводы для “непривычных” характеристик в целом; выводы касались бы отдельных “непривычных” параметров, что противоречило бы идее исследования.

Поскольку было выявлено, что восьмикластерная модель, построенная на данных по стандартизированным коэффициентам для «привычных» социально-демографических характеристик, превосходит по качеству другие модели, необходимо описать полученные с помощью нее группы стран. Для удобства интерпретации в Таблице 12 представлены стандартизованные коэффициенты по «привычным» характеристикам по каждой европейской стране, а также выделены полученные кластеры.

В первый кластер попали Австрия, Италия, Литва и Венгрия, поскольку в этих странах является общим значимым показателем только доход. С увеличением дохода в этих странах, будет повышаться выраженность установок по отношению к изменению климата.

Во второй кластер попали Израиль и Чехия, поскольку в этих страной единственным значимым социально-демографическим фактором является пол. Мужчины в этих странах имеют выраженность установок по отношению к изменению климата ниже, чем женщины.

В третий кластер попали Швейцария и Португалия, так как в этих странах единственным общим значимым фактором является образование. Также для каждой из этих стран значимыми являются по одной другой характеристике, но они не настолько выражены, чтобы эти страны были объединены с другим кластером. При увеличении количества лет образования в этих странах, установки по отношению к изменению климата становятся более выраженными.

В четвертом кластере находятся такие страны как Исландия и Ирландия, поскольку для них общими выраженными факторами являются только образование и доход. В этих странах при увеличении количества лет образования установки по отношению к изменению климата становятся более выраженными. Аналогично при увеличении дохода, соответствующие установки становятся более выраженными.

В пятый кластер были объединены Норвегия и Эстония, поскольку у них единственным незначимым фактором является доход. При увеличении количества лет образования в Норвегии и Эстонии установки по отношению к изменению климата становятся более выраженными. У мужчин в этих странах установки по отношению к ИК менее выражены, чем у женщин, а с увеличением возраста эти установки также становятся менее выраженными.

В шестом кластере находятся Испания, Польша, Словения и Россия. В этих странах нет общих значимых социально-демографических характеристик. Для Польши и России все они являются незначимыми, а в Испании и Словении только возраст имеет значимость, поэтому по смыслу их, в целом, можно было бы выделить как отдельный кластер, в котором чем старше человек, тем ниже он имеет выраженность установок по отношению к изменению климата. Однако при увеличении количества кластеров в модели, в новый кластер выделяется Ирландия. Таким образом, вместо одного кластера, в котором на данный момент присутствуют Исландия и Ирландия, получаются два кластера, в каждом из которых по одной стране.

В седьмой кластер попали Финляндия, Швеция и Бельгия, поскольку в этих странах значимыми оказались все «привычные» социально-демографические характеристики. При увеличении количества лет образования в этих странах увеличивается выраженность установки по отношению к изменению климата. У мужчин в Финляндии, Швеции и Бельгии выраженность установок по отношению к ИК ниже, чем у женщин. Также с увеличением возраста соответствующие установки становятся менее выраженными, а при увеличении дохода наоборот.

Наконец, в последнем кластере находятся страны, у которых общими значимыми характеристиками являются образование, возраст и доход. Как и во многих других странах, в Великобритании, Франции, Германии и Нидерландах количество лет образования и доход имеют прямую связь с выраженностью установок по отношению к изменению климата, а возраст - обратную (только в других странах не всех эти характеристики значимы одновременно).

Таблица 12 Стандартизованные коэффициенты по «привычным» социально-демографическим характеристикам и выделенные кластеры

Таким образом, обобщая полученные результаты данной части, отметим следующие ключевые моменты:

? Согласно показателям качества кластерных моделей, а также результатам дисперсионного анализа «привычные» социально-демографические характеристики способны лучше «непривычных» параметров дифференцировать европейские страны по характеру влияния этих характеристик, то есть на основании того, является ли значимым и выраженным тот или иной параметр. На основании значимых параметров возможно предсказывать значение установки по отношению к изменению климата. В том случае, если значимых параметров большинство, а также они имеют достаточно высокий стандартизированный коэффициент, соответствующие установки могут быть лучше объяснены;

? Наилучшим образом изучаемые страны можно разделить на 8 групп в зависимости от того, какие «привычные» социально-демографические характеристики являются значимыми для них;

? Первая часть исходной гипотезы для данной задачи, в которой утверждалось, что «привычные» социально-демографические характеристики подходят лучше для дифференциации европейских стран по характеру влияния этих характеристики подтверждается. Однако во второй ее части, где предполагалось, что в группу, где «привычные» характеристики окажутся незначимыми попадут восточноевропейские страны, а в группу, где значимые - западноевропейские, не подтверждается. Правильным выводом будет являться то, что в восточноевропейских странах, таких как Россия, Литва, Венгрия, Израиль, Чехия, Польша и Словения максимум значимой является одна «привычная» характеристика. Тем не менее, в соответствующие кластеры также попадали такие страны, как Австрия, Италия и Испания, которые относятся к Западной Европе или находятся в западной ее части по географическому признаку.

В ходе анализа данных было выявлено, что выраженность установок по отношению к изменению климата в европейских странах различается. При относительно невысоком уровне осведомленности об изменении климата чаще всего имела также место невысокая степень обеспокоенности этим явлением. Говоря про компоненты установки, необходимо отметить, что средняя осведомленность об изменении климата находится на достаточно высоком уровне, что подтверждает результаты исследования Gallup [Lee, 2015]. Про обеспокоенность изменением климата тоже самое сказать нельзя, поскольку наблюдается достаточно средний уровень данного показателя в Европе. Это означает, что в контексте прививания про-экологических ценностей, повышения важности темы изменения климата в обществе для совместной борьбы с этим явлением, необходимо не только просвещать население о том, что изменение климата реально, но и доносить важность и серьезность проблемы ИК.

Различия в выраженности установок по отношению к изменению климата в Европе имеют явные характер, и на основании различной степени выраженности были выделены похожие и различающиеся страны. Так, среди стран с наименьшей выраженностью установок по отношению к изменению климата присутствуют Эстония, Россия, Чехия, Литва, Польша. Примечательным является и то, что все эти страны относятся к Восточной Европе. В таких странах как Великобритания, Норвегия, Ирландия, уровень развития которых выше, чем в восточноевропейских государствах, выраженность установок по отношению к изменению климата не намного выше, из чего можно сделать вывод о необходимости учета более широкого контекста, чем развитость страны. По этой причине в рамках данного исследования была выявлена взаимосвязь географического положения страны и выраженности установок: чем западнее находится страна, тем сильнее в ней выражены установки по отношению к изменению климата. В данном случае географическое положение необходимо рассматривать с позиции различающихся экономических и социальных контекстов. Например, зная, что страна находится на востоке Европы необходимо понимать, что это страна с большой долей славянского населения, с коммунистическим прошлым, с не очень сильной экономикой и тому подобное. Наибольшая выраженность установок по отношению к изменению климата характерная для Швейцарии, Исландии, Германии, Португалии и Испании. Таким образом, первая гипотеза данного исследования о том, что установки европейцев по отношению к ИК будут характеризоваться высокой степенью осведомленности и обеспокоенности изменением климата, а также в западноевропейских странах соответствующие установки будут выражены сильнее, чем в восточноевропейских, подтверждается не полностью. Эту гипотезу нельзя безоговорочно подтвердить, поскольку было выявлено, что обеспокоенность изменением климата в целом по Европе достаточно невысокая.

Вторая гипотеза исследования состояла в том, что наибольшей объяснительной силой будут обладать «непривычные» личностные характеристики, причем в восточноевропейских странах они будут определять установки по отношению к изменению климата сильнее, чем в западных странах Европы. Данная гипотеза была полностью отвергнута. Вопреки результатам мета-исследования Хорнси и коллег, которые утверждали, что «непривычные» характеристики затмевают в объяснительной способности «привычные» социально-демографические характеристики [Hornsey et al., 2016], это оказалось не совсем так. В действительности такие параметры как пол, возраст, образование и доход являются не только значимыми в большом количестве европейских стран, но также имеют и относительно высокие стандартизованные коэффициенты, которые превосходят абсолютное большинство рассматриваемых «непривычных» характеристик. Однако среди «непривычных» характеристик особенно выделяются показатели политической ориентации индивида, которые также хорошо объясняют соответствующие установки, но в большем количестве европейских стран. Из этого можно сделать вывод, что только некоторые «непривычные» характеристики (которых не очень много) лучше подходят для предсказывания установок по отношению к изменению климата, а «привычные» характеристики не затмеваются другими параметрами и являются актуальными при необходимости предсказания выраженности соответствующих установок.

Говоря о различии в объяснительной способности различных характеристик между странами, необходимо отметить что в восточноевропейских государствах в действительности ни «непривычные», ни «привычные» параметры не способны лучше объяснять установки, чем в западных странах Европы. Это означает, что разница в установках по отношению к изменению климата между разными социальными группами наиболее ярко выражена западноевропейских государствах, что несколько противоречит изначальной логике о том, что в таких странах из-за более активных экологических движений и популяризации тем экологических проблем, установки по отношению к изменению климата будут выражены у всего населения вне зависимости от их личностных и социально-демографических характеристик. Вероятно, в случае популяризации таких тем в обществе эффект может быть обратным из-за возникновения плюрализма мнений, однако для подтверждения этой мысли необходимо проводить отдельное исследование.

Для классифицирования стран в зависимости от характера влияния различных характеристик был применен кластерный анализ, а для проверки качества итоговых моделей осуществлялся дисперсионный анализ. Первая часть третьей гипотезы исследования о том, что «привычные» социально-демографические характеристики способны лучше дифференцировать европейские страны в зависимости от характера их влияния на установки по отношению к изменению климата, чем «непривычные» характеристики, была подтверждена. Причиной этому является то, что наилучшей моделью с точки зрения статистических показателей, а также с точки зрения интерпретативности оказалась построенная классификация на «привычных» социально-демографических характеристиках. Это означает, что характер влияния «непривычных» характеристик на установки по отношению к ИК в европейских странах не настолько различается, чтобы можно было выделить группы стран, которые по какому-либо признаку отличались бы от других групп. Значит, при рассмотрении влияния используемого набора «непривычных» характеристик на установки, не имеет смысла погружаться на уровень каждой отдельной страны. Целесообразно это делать только в случае изменения набора таких характеристик, чтобы в нем содержались параметры с большей дисперсией. Например, низкая вариация стандартизованных коэффициентов для переменных политической ориентации не позволяла четко разделить страны на разные группы.

Вторая часть третьей гипотезы о том, что в группу стран, где влияние «привычных» характеристик будет незначимым, попадут западноевропейские государства, а в группу, где влияние будет значимым - восточноевропейские, была отвергнута. В ходе анализа было выделено 8 групп в зависимости от значимости и силы предикторов, причем для большинства восточноевропейских стран максимум одна «привычная» характеристика оказалась значимой. Однако нельзя сказать, что для всех стран западной части Европы большинство «привычных» характеристик оказалось значимым. Страны по группам:

1. Австрия, Италия, Литва, Венгрия: общий значимый параметр - только доход;

2. Израиль, Чехия: общий значимый параметр - только пол;

3. Швейцария, Португалия: общий значимый параметр - только количество лет образования;

4. Исландия, Ирландия: общие значимые и однонаправленные параметры - только количество лет образования и доход;

5. Норвегия, Эстония: общие значимые параметры - только количество лет образования, пол и возраст;

6. Испания, Польша, Словения, Россия: общих значимых параметров нет;

7. Финляндия, Швеция, Бельгия: общие значимые параметры - количество лет образования, пол, возраст и доход;

8. Великобритания, Франция, Германия, Нидерланды: общие значимые параметры - только количество лет образования, возраст и доход.

Интерпретация направленности связи аналогичная для всех групп. При увеличении количества лет образования установки по отношению к изменению климата становятся более выраженными. Установки по отношению к изменению климата у женщин более выражены, чем у мужчин. С увеличением возраста выраженность соответствующих установок уменьшается. При увеличении дохода семьи выраженность установок индивида по отношению к изменению климата увеличивается.

Заключение

Итак, в рамках данного исследования мы ставили целью оценить способность «привычных» социально-демографических характеристики по сравнению с «непривычными» характеристиками объяснять установки по отношению к изменению климата и дифференцировать европейские страны по характеру влияния этих характеристик. В результате было выявлено, что «привычные» характеристики не только в целом достаточно хорошо объясняют установки по отношению к ИК, но и на основании значимости и характера связи этих характеристик с установками по отношению к изменению климата можно классифицировать европейские страны.