Гленн Файрбо — американский социолог (родился в Чарльстоне, Западная Вирджиния ) и ведущий международный авторитет в области методов исследования социальных наук. В настоящее время он является почетным профессором социологии имени Роя К. Бака (почетным) в Университете штата Пенсильвания . Он также занимал постоянные или приглашенные должности преподавателя в Гарвардском университете , Университете Вандербильта , Оксфордском университете и Мичиганском университете . Файрбо наиболее известен своим вкладом в статистические методы и исследованиями глобального неравенства. В 2018 году он получил премию Пола Ф. Лазарсфельда от Американской социологической ассоциации за «карьеру выдающегося вклада в область социологической методологии». Его публикации высоко цитируются другими учеными-социологами. [1]
Гленн Файрбо учился в аспирантуре Университета Индианы в Блумингтоне , где он получил степень магистра в 1974 году и степень доктора философии в 1976 году, обе по социологии с дополнительной специальностью по эконометрике и математическим моделям. Затем он присоединился к Университету Вандербильта в 1976 году в качестве доцента, а затем повысился до доцента в 1982 году. Он присоединился к Университету штата Пенсильвания в качестве полного профессора в 1988 году и был главой кафедры социологии с 2001 по 2004 год. Он повысился до почетного профессора в 2006 году.
С 1995 по 1996 год Файрбо был заместителем редактора, а с 1997 по 1999 год — редактором журнала American Sociological Review .
Файрбо суммирует принципы хорошего исследования в своей книге «Семь правил социальных исследований» . [2] Первое правило заключается в том, что «в социальных исследованиях должна быть возможность неожиданности». Хорошее исследование также будет «искать различия, которые имеют значение» (Правило 2) и «встраивать проверки в реальность» (Правило 3). Правило 4 советует исследователям воспроизводить, то есть «смотреть, дают ли идентичные анализы схожие результаты для разных выборок людей» (стр. 90). Следующие два правила призывают исследователей «сравнивать подобное с подобным» (Правило 5) и «изучать изменения» (Правило 6); эти два правила особенно важны, когда исследователи хотят оценить влияние одной переменной на другую. Последнее правило «Пусть метод будет слугой, а не хозяином» напоминает исследователям, что методы являются средством, а не целью социальных исследований; с самого начала важно подгонять дизайн исследования под исследовательскую проблему, а не наоборот.
Индексы неравенства — это скалярные меры, предназначенные для количественной оценки степени неравенства в распределении некоторых ценных благ, таких как доход. Исследователи часто используют индексы неравенства для сравнения степени неравенства среди населения (например, чтобы определить, больше ли неравенство доходов в Калифорнии, чем в Техасе, или в Бразилии по сравнению с Южной Африкой). Наиболее известным индексом неравенства является коэффициент Джини ; другие включают меру Аткинсона, индекс Тейла , индекс Гувера (он же индекс Робина Гуда) и многие другие.
Файрбо показал, что стандартные индексы неравенства сводятся к удобной общей форме. [3] Он начинает с того, что отмечает, что идеальное равенство существует, когда коэффициент неравенства r j = X j / равен 1,0 для всех j единиц в некоторой популяции (например, идеальное неравенство доходов существует, когда доход каждого человека X j равен среднему доходу , так что r j = 1,0 для каждого). Неравенство, таким образом, относится к отклонениям r j от 1,0; чем больше среднее отклонение, тем больше неравенство. Индексы неравенства отражают этот факт, поскольку они имеют эту общую форму:
где p j взвешивает единицы по их доле населения (необходимо, например, при межстрановом анализе, поскольку страны различаются по численности населения), а f( r j ) является функцией отклонения r j каждой единицы от 1,0, точки равенства. Важное понимание общего уравнения неравенства Файрбо заключается в том, что индексы неравенства различаются, поскольку они используют разные функции расстояния коэффициентов неравенства ( r j ) от 1,0.
Файрбо был одним из первых, кто заметил, что неравенство доходов в мире в целом выровнялось в последние десятилетия 20-го века после роста в течение более двух столетий. Файрбо описывает этот важный поворотный момент в передовой статье 1999 года в American Journal of Sociology [4] и в книге 2003 года. [5] Хотя глобальное неравенство доходов огромно, оно оставалось относительно стабильным или несколько снизилось в последние годы из-за быстрого роста доходов в Китае и Индии. Выводы Файрбо поставили под сомнение более ранние утверждения о том, что глобальное неравенство доходов продолжает быстро расти. По словам Файрбо, это утверждение основывалось на недостатке: каждой стране был присвоен равный вес, несмотря на огромные различия в численности населения. Когда густонаселенным странам, таким как Китай и Индия, придается должный вес, данные показывают, что глобальное неравенство доходов не растет резко и, скорее всего, не растет вообще. Выводы Файрбо были подтверждены другими. [6] В результате более ранние заявления Организации Объединенных Наций [7] и Всемирного банка [8] о быстро растущем глобальном неравенстве доходов были изменены в их более поздних публикациях.
Говорят, что исследователи совершают экологическую ошибку, когда делают непроверенные выводы об отношениях на индивидуальном уровне из совокупных данных. Это называется ошибкой, потому что основано на проблемном предположении, что отношения на одном уровне агрегации также сохраняются на другом уровне агрегации. [9] Для иллюстрации рассмотрим тот факт, что Джордж Уоллес , четырехкратный губернатор Алабамы и известный сторонник сегрегации , который успешно баллотировался как кандидат от третьей партии на президентских выборах в США 1968 года, получил более высокую долю голосов в регионах с более высоким процентом чернокожих. [10] Из этого можно ошибочно заключить, что чернокожие были непропорционально склонны голосовать за Уоллеса (опросы после выборов показали, что, хотя один из восьми белых голосовал за Уоллеса, практически ни один чернокожий этого не сделал). [11] Файрбо внес свой вклад в эту литературу, определив теоретические условия или правила, при которых можно вывести отношения на индивидуальном уровне из совокупных данных. [12] Эти условия важны, поскольку исследователи подвержены экологической ошибке практически во всех социальных и поведенческих науках — от истории до политологии и эпидемиологии — поскольку данные на индивидуальном уровне часто недоступны.
