Информационная эра. Реферат: Становление информационной эпохи. Смотреть что такое "Информационная эра" в других словарях

• Tutorial

Статистика в последнее время получила мощную PR поддержку со стороны более новых и шумных дисциплин - Машинного Обучения и Больших Данных . Тем, кто стремится оседлать эту волну необходимо подружится с уравнениями регрессии . Желательно при этом не только усвоить 2-3 приемчика и сдать экзамен, а уметь решать проблемы из повседневной жизни: найти зависимость между переменными, а в идеале - уметь отличить сигнал от шума.

Для этой цели мы будем использовать язык программирования и среду разработки R , который как нельзя лучше приспособлен к таким задачам. Заодно, проверим от чего зависят рейтинг Хабрапоста на статистике собственных статей.

Введение в регрессионный анализ

Если имеется корреляционная зависимость между переменными y и x , возникает необходимость определить функциональную связь между двумя величинами. Зависимость среднего значения называется регрессией y по x .

Основу регрессионного анализа составляет метод наименьших квадратов (МНК) , в соответствии с которым в качестве уравнения регресии берется функция такая, что сумма квадратов разностей минимальна.

Карл Гаусс открыл, или точнее воссоздал, МНК в возрасте 18 лет, однако впервые результаты были опубликованы Лежандром в 1805 г. По непроверенным данным метод был известен еще в древнем Китае, откуда он перекочевал в Японию и только затем попал в Европу. Европейцы не стали делать из этого секрета и успешно запустили в производство, обнаружив с его помощью траекторию карликовой планеты Церес в 1801 г.

Вид функции , как правило, определен заранее, а с помощью МНК подбираются оптимальные значения неизвестных параметров. Метрикой рассеяния значений вокруг регрессии является дисперсия.

• k - число коэффициентов в системе уравнений регрессии.

Чаще всего используется модель линейной регрессии, а все нелинейные зависимости приводят к линейному виду с помощью алгебраических ухищрений, различных преобразования переменных y и x .

Линейная регрессия

Уравнения линейной регрессии можно записать в виде

В матричном виде это выгладит

• y - зависимая переменная;
• x - независимая переменная;
• β - коэффициенты, которые необходимо найти с помощью МНК;
• ε - погрешность, необъяснимая ошибка и отклонение от линейной зависимости;

Случайная величина может быть интерпретирована как сумма из двух слагаемых:

Еще одно ключевое понятие - коэффициент корреляции R 2 .

Ограничения линейной регрессии

Для того, чтобы использовать модель линейной регрессии необходимы некоторые допущения относительно распределения и свойств переменных.

Как обнаружить, что перечисленные выше условия не соблюдены? Ну, во первых довольно часто это видно невооруженным глазом на графике.

Неоднородность дисперсии

При возрастании дисперсии с ростом независимой переменной имеем график в форме воронки.

Нелинейную регрессии в некоторых случая также модно увидеть на графике довольно наглядно.

Тем не менее есть и вполне строгие формальные способы определить соблюдены ли условия линейной регрессии, или нарушены.

В этой формуле - коэффициент взаимной детерминации между и остальными факторами. Если хотя бы один из VIF-ов > 10, вполне резонно предположить наличие мультиколлинеарности.

Почему нам так важно соблюдение всех выше перечисленных условий? Все дело в Теореме Гаусса-Маркова , согласно которой оценка МНК является точной и эффективной лишь при соблюдении этих ограничений.

Как преодолеть эти ограничения

Нарушения одной или нескольких ограничений еще не приговор.

1. Нелинейность регрессии может быть преодолена преобразованием переменных, например через функцию натурального логарифма ln .
2. Таким же способом возможно решить проблему неоднородной дисперсии, с помощью ln , или sqrt преобразований зависимой переменной, либо же используя взвешенный МНК.
3. Для устранения проблемы мультиколлинеарности применяется метод исключения переменных. Суть его в том, что высоко коррелированные объясняющие переменные устраняются из регрессии , и она заново оценивается. Критерием отбора переменных, подлежащих исключению, является коэффициент корреляции. Есть еще один способ решения данной проблемы, который заключается в замене переменных, которым присуща мультиколлинеарность, их линейной комбинацией . Этим весь список не исчерпывается, есть еще пошаговая регрессия и другие методы.

К сожалению, не все нарушения условий и дефекты линейной регрессии можно устранить с помощью натурального логарифма. Если имеет место автокорреляция возмущений к примеру, то лучше отступить на шаг назад и построить новую и лучшую модель.

Линейная регрессия плюсов на Хабре

Итак, довольно теоретического багажа и можно строить саму модель.
Мне давно было любопытно от чего зависит та самая зелененькая цифра, что указывает на рейтинг поста на Хабре. Собрав всю доступную статистику собственных постов, я решил прогнать ее через модель линейно регрессии.

Загружает данные из tsv файла.

> hist <- read.table("~/habr_hist.txt", header=TRUE) > hist
points reads comm faves fb bytes 31 11937 29 19 13 10265 93 34122 71 98 74 14995 32 12153 12 147 17 22476 30 16867 35 30 22 9571 27 13851 21 52 46 18824 12 16571 44 149 35 9972 18 9651 16 86 49 11370 59 29610 82 29 333 10131 26 8605 25 65 11 13050 20 11266 14 48 8 9884 ...

• points - Рейтинг статьи
• reads - Число просмотров.
• comm - Число комментариев.
• faves - Добавлено в закладки.
• fb - Поделились в социальных сетях (fb + vk).
• bytes - Длина в байтах.

Проверка мультиколлинеарности.

> cor(hist) points reads comm faves fb bytes points 1.0000000 0.5641858 0.61489369 0.24104452 0.61696653 0.19502379 reads 0.5641858 1.0000000 0.54785197 0.57451189 0.57092464 0.24359202 comm 0.6148937 0.5478520 1.00000000 -0.01511207 0.51551030 0.08829029 faves 0.2410445 0.5745119 -0.01511207 1.00000000 0.23659894 0.14583018 fb 0.6169665 0.5709246 0.51551030 0.23659894 1.00000000 0.06782256 bytes 0.1950238 0.2435920 0.08829029 0.14583018 0.06782256 1.00000000

Вопреки моим ожиданиям наибольшая отдача не от количества просмотров статьи, а от комментариев и публикаций в социальных сетях . Я также полагал, что число просмотров и комментариев будет иметь более сильную корреляцию, однако зависимость вполне умеренная - нет надобности исключать ни одну из независимых переменных.

Теперь собственно сама модель, используем функцию lm .

regmodel <- lm(points ~., data = hist) summary(regmodel) Call: lm(formula = points ~ ., data = hist) Residuals: Min 1Q Median 3Q Max -26.920 -9.517 -0.559 7.276 52.851 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 1.029e+01 7.198e+00 1.430 0.1608 reads 8.832e-05 3.158e-04 0.280 0.7812 comm 1.356e-01 5.218e-02 2.598 0.0131 * faves 2.740e-02 3.492e-02 0.785 0.4374 fb 1.162e-01 4.691e-02 2.476 0.0177 * bytes 3.960e-04 4.219e-04 0.939 0.3537 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 16.65 on 39 degrees of freedom Multiple R-squared: 0.5384, Adjusted R-squared: 0.4792 F-statistic: 9.099 on 5 and 39 DF, p-value: 8.476e-06

В первой строке мы задаем параметры линейной регрессии. Строка points ~. определяет зависимую переменную points и все остальные переменные в качестве регрессоров. Можно определить одну единственную независимую переменную через points ~ reads , набор переменных - points ~ reads + comm .

Перейдем теперь к расшифровке полученных результатов.

Можно попытаться несколько улучшить модель, сглаживая нелинейные факторы: комментарии и посты в социальных сетях. Заменим значения переменных fb и comm их степенями.

> hist$fb = hist$fb^(4/7) > hist$comm = hist$comm^(2/3)

Проверим значения параметров линейной регрессии.

> regmodel <- lm(points ~., data = hist) > summary(regmodel) Call: lm(formula = points ~ ., data = hist) Residuals: Min 1Q Median 3Q Max -22.972 -11.362 -0.603 7.977 49.549 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.823e+00 7.305e+00 0.387 0.70123 reads -6.278e-05 3.227e-04 -0.195 0.84674 comm 1.010e+00 3.436e-01 2.938 0.00552 ** faves 2.753e-02 3.421e-02 0.805 0.42585 fb 1.601e+00 5.575e-01 2.872 0.00657 ** bytes 2.688e-04 4.108e-04 0.654 0.51677 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 16.21 on 39 degrees of freedom Multiple R-squared: 0.5624, Adjusted R-squared: 0.5062 F-statistic: 10.02 on 5 and 39 DF, p-value: 3.186e-06

Как видим в целом отзывчивость модели возросла, параметры подтянулись и стали более шелковистыми, F-статистика выросла, так же как и скорректированный коэффициент детерминации.

Проверим, соблюдены ли условия применимости модели линейной регрессии? Тест Дарбина-Уотсона проверяет наличие автокорреляции возмущений.

> dwtest(hist$points ~., data = hist) Durbin-Watson test data: hist$points ~ . DW = 1.585, p-value = 0.07078 alternative hypothesis: true autocorrelation is greater than 0

И напоследок проверка неоднородности дисперсии с помощью теста Бройша-Пагана.

> bptest(hist$points ~., data = hist) studentized Breusch-Pagan test data: hist$points ~ . BP = 6.5315, df = 5, p-value = 0.2579

В заключение

Конечно наша модель линейной регрессии рейтинга Хабра-топиков получилось не самой удачной. Нам удалось объяснить не более, чем половину вариативности данных. Факторы надо чинить, чтобы избавляться от неоднородной дисперсии, с автокорреляцией тоже непонятно. Вообще данных маловато для сколь-нибудь серьезной оценки.

Но с другой стороны, это и хорошо. Иначе любой наспех написанный тролль-пост на Хабре автоматически набирал бы высокий рейтинг, а это к счастью не так.

Использованные материалы

1. Кобзарь А. И. Прикладная математическая статистика. - М.: Физматлит, 2006.
2. William H. Green Econometric Analysis

Теги: Добавить метки

Верите ли вы в то, что после крупного везения всегда наступает полоса неудач? Например, если сегодня в покере вам пришел действительно сильный расклад, то завтра вас будет игнорировать даже аппарат по выдаче бахил. А может вы думаете, что ваш талант к выпиливанию лобзиком или ваша неземная красота обязательно должны передаться по наследству вашим детям? Если вы в этом уверены, то статистика высказывается по этому вопросу более сдержанно. Объяснить подобные явления поможет статистический принцип под названием “регрессия к среднему”. Его игнорирование может привести как минимум к плохому настроению, а как максимум – к полному разочарованию в своей жизни. На самом деле идея очень проста. Разберем ее.

Талантливость или гениальность, крупное везение, провал или другое экстраординарное явление встречаются крайне редко, то есть вероятность их возникновения чрезвычайно мала. Вероятность повторения столь редкого события будет еще меньше, так как для ее нахождения используется умножение вероятностей. Таким образом, после любого экстремального события (плохого или хорошего) все возвращается на круги своя. Здесь очень важный момент – жизнь НЕ компенсирует ваши неудачи или победы, просто ваши показатели везения устремляются к своим средним значениям. Это и есть регрессия к среднему (от лат. regressio - обратное движение). То же самое происходит и при смене поколений. Ваши дети обязательно будут талантливы, но, вероятнее всего, в другой области.

Впервые понятие регрессии ввел сэр Френсис Гальтон, английский исследователь широкого профиля. На его счету еще одно основополагающее понятие статистики – корреляция. Изучая наследственность, Гальтон измерял у своих соотечественников все, что можно было измерить: головы, носы, руки, количество суетливых движений, степень привлекательности и т.д. Гальтон считал, что характер человека, его умственные способности и талант также определяются наследственностью и подчиняются принципу нормального распределения.

В одной своей работе он пытался найти связь между ростом родителей и ростом их детей. Зависимость очевидна – у высоких родителей рождаются высокие дети и наоборот. Но Гальтон, помимо этого, обнаружил также не совсем логичные закономерности. Например, он обнаружил, что у родителей с ростом выше среднего были высокие дети, но они были не такими высокими, как их родители. А у родителей с ростом ниже среднего дети были низкие, но не ниже своих родителей. Это означает, что рост уже взрослых детей отклоняется в меньшей степени от среднего значения, чем рост родителей. То есть, потомки сильнее «регрессируют» к среднему. Вообще-то Гальтон назвал это явление “регрессией к посредственности”, что более точно отражает смысл, ИМХО.

Гальтон построил график, напоминающий современную диаграмму рассеяния.

Он разбил людей по группам в зависимости от их роста (в дюймах), для каждой группы рассчитал среднее арифметическое и отметил эти значения на графике. Далее Гальтон аппроксимировал эти точки и построил прямые, так называемые линии регрессии. Гальтон даже рассчитал коэффициент корреляции – 2/3. Это значит, что всего на 67% рост детей определяется ростом родителей.
На графике подписано: “Когда средний рост родителей больше среднего из популяции, дети обнаруживают тенденцию быть ниже своих родителей. И наоборот, когда средний рост родителей меньше среднего из популяции, дети обнаруживают тенденцию быть выше своих родителей”.

Хотя сейчас выводы и идеи Гальтона не критикуют, а мягко подвергают сомнению, они имеют революционное значение для статистики. Благодаря этому разностороннему ученому в настоящее время широко используются регрессионный и корреляционный анализы.

Ниже нами построена диаграмма рассеяния (она же точечная диаграмма) для данных, собранных Гальтоном. В 1886 году он представил табличку, где был указан рост 928 уже взрослых детей и рост их 205 родителей (средневзвешенное значение роста отца и матери). С тех пор эти данные часто используют как отличный пример регрессии к среднему.

О том, что такое регрессия, знают и программисты, и врачи разных направлений, а особенно хорошо ориентируются в этом понятии психологи. Впрочем, математики и эзотерики тоже могут рассказать, что понимать под этим термином. Самое удивительное - тот факт, что представители каждой из перечисленных областей видят в слове свое значение! Действительно, регрессия - понятие многогранное и сложное. Попробуем разобраться с некоторыми его сторонами.

Общее понимание

Разобраться с тем, что такое регрессия, проще всего, если обратиться к психологической стороне вопроса. Термином принято обозначать такой защитный механизм, который позволяет на некоторое время сбежать от реальных сложностей, беспокоящих личность, к более простым вопросам. То есть фактически регрессия - упрощение решаемых задач. Регрессия применительно к развитию вида будет означать упрощение с поколениями, деградацию.

А вот в математике, программировании и других точных науках термин применяется в том же значении, но по отношению к исследуемой области. Если прогрессия предполагает развитие и увеличение, то регрессия - полная противоположность этого термина.

Когда и зачем?

Психологи считают, что регрессия - это отличительная особенность любой человеческой личности, столкнувшейся с новой, сложной, непонятной задачей. Реакция на новую обстановку, психическое или физическое состояние могут спровоцировать такой эффект. Узнать, что такое регрессия, на своем примере можно, если человек сильно устает или заболевает.

Теория и практика

В поведении регрессия - переход к прежней стадии. Особенное внимание этому явлению уделялось в работах Фрейда - известнейшего австрийского психоаналитика прошлого столетия. Он разработал онтогенетическую теорию, в рамках которой и рассматривается, что такое регрессия.

В соответствии с психотерапией, термином следует обозначать возвращение личности к такому времени, когда ощущалась удовлетворенность от обстановки. В настоящее время психоаналитика предпочитает понимать под регрессией такой неэффективный защитный механизм, который активируется при возникновении дискомфортной ситуации. Наибольшую практическую пользу принес бы поиск выхода из ситуации, но в реальности многие люди лишь стремятся упростить комплексную задачу, тем самым загоняя себя в еще более безнадежный тупик.

Где это наблюдается?

Лучше всего знают, что такое регрессия, психотерапевты, вынужденные работать с индивидуумами, страдающими невротическими расстройствами либо инфантилизмом. Регрессия - это одна из форм, помогающая человеку справиться с эмоциональным перенапряжением. Специалисты отмечают, что она довольно сильно отличается от альтернативных способов борьбы с проблемой. Замещение, генерализация помогают сохранить структуру деятельности, а вот рассматриваемое явление меняет потребности, мотивацию. Все это приводит к деградации качеств личности. Процесс протекает очень быстро, особенно в условиях отсутствия сторонней помощи.

В то же время известны случаи, когда явление приносило индивидуумам пользу. Так, в рамках когнитивного теоретического подхода принято говорить о значимости регрессии как методики обращения к упрощенным схемам, помогающим познать себя, проблему, пути ее решения. Отталкиваясь от простого понимания, можно со временем добиться прогресса личности.

Противоречия и общий подход

Как было упомянуто выше, значение слова «регрессия» психологами, психотерапевтами определено еще с прошлого столетия. Современные методологи, однако, отмечают, что экспериментальных исследований было организовано всего несколько, поэтому каких-то реальных подтверждений теоретических выкладкок нет и по сей день, а механизмы, через которые реализуется личностная регрессия, вовсе не изучены. Еще только предстоит ознакомиться с проявлениями этого явления, сформулировать, насколько оно значимо. Позиции, которых придерживаются ведущие психоаналитики современности, во многом противоречат друг другу.

Можно сказать точно, что все виды регрессии предполагают возвращение к прошлому, в детство, к усвоенным ранее моделям поведения. То есть фактически человек с текущей ступени развития возвращается на уже пройденную им ранее. В психологии о таком явлении говорят как о понижении организационного уровня. Фактически наблюдается примитивизация.

Регрессия в онкологии

Этот термин как для врачей, работающих с онкологическими больными, так и для самих людей, столкнувшихся со злокачественными новообразованиями, исключительно важен. Чаще всего о возможности регрессии говорят, если опухоль развилась на веке либо поблизости от этой области человеческого организма. Медицина знает несколько случав, когда злокачественность была установлена и подтверждена, тем не менее, спустя некоторое время наблюдалось самостоятельное излечение больного - регрессия. Значение слова в медицине действительно важно, так как дает надежду многим больным.

Такое явление применительно к раковым заболеваниям наблюдается, если опухоль не трогать, не беспокоить. Возможность самостоятельного излечения есть только у развивающихся медленно новообразований. Процесс протекает следующим образом: сперва наблюдается медленный рост, затем его прекращение и начало обратного процесса. Происходит это обычно неожиданно и непредсказуемо. Что это такое простыми словами? Регрессия - ситуация, когда опухоль рассасывается без малейшего следа. Ни на коже, ни поблизости не будет даже намека на злокачественный процесс. В официальной литературе есть упоминания о нескольких подобных случаях, наблюдаемых квалифицированными врачами.

Официальная позиция

О том, что это такое - регрессия простыми словами - можно узнать, обратившись к работам Закса, Лиша. Именно они особенно детально рассматривали явление применительно к онкологическим больным. Как удалось выяснить в ходе экспериментального исследования, здоровый организм имеет возможности, ресурсы, позволяющие активизировать обратный рост новообразования. Это характерно не только для ранних стадий. В медицинской практике Лиша был такой случай, когда рецидив, спровоцированный слабой эксцизией, останавливался в развитии, а затем самостоятельно развивался обратно.

Как видно из опубликованных работ, метод регрессии применительно к онкологическим больным может сработать совершенно непредсказуемо. Если некоторая часть опухоли не была удалена при операции, преобразованные клетки самопроизвольно могут погибнуть. Такое наблюдалось и у больных, у которых рак проявил себя видимым участком, и на этапе лишь появления ракового комплекса в структурах ткани.

Как это работает?

Многие исследователи, обратив внимание на указанное уникальное явление, предложили объяснять его с точки зрения учения Павлова, рассматривавшего значимость головного мозга, в частности, коры этого органа как центра, регулирующего весь живой организм. Как следует из известной в настоящее время информации, это может быть фактором регрессии в силу возможности применения нервных механизмов для обеспечения различных участков тела защитой. На мозг возлагается еще и компенсаторная функция.

Как видно из онкологии, важные параметры регрессии еще только предстоит открыть, чтобы найти механизмы, активизирующие природный защитный процесс. Уже сейчас известно, что влияние нервной системы провоцирует некроз больных тканей, появление язв, рубцов. Альтернативный вариант - инкапсулирование клеток, потенциально не имеющих более возможности роста. В таком состоянии они со временем гибнут. Каким образом можно стимулировать этот механизм, пока неизвестно.

Значений множество!

Но не только в психологии, регрессия рассматривается еще и в эзотерических учениях. Характерно это в первую очередь для тех, что посвящены погружению в прошлые жизни. Как рассказывают специалисты этого направления, под термином принято понимать трансвизуализацию.

В некоторой степени явление это сходно с осознанным сновидением, в то же время имеет специфические отличия. Человек, переходя в такое состояние, полностью сохраняет под контролем собственное сознание, но может выйти из него без особенных усилий. Погружение для такого состояния характерно относительно слабое. С одной стороны, нет ощущений, деталей, присущих классическому полноценному сну, в то же время общее представление человек получает. Можно сравнить это с подсматривающим через щелку. Многие считают, что степень восприятия определяется количеством, качеством тренировок.

Можно пройти регрессию как самостоятельно, в одиночестве, так и в группе заинтересованных лиц, собравшихся в одном месте и с одной целью. В крупных городах регулярно организуют такие мероприятия для желающих. Используются специальные звуки. Принято деление на уровни, каждый из которых подбирается к конкретной ситуации на усмотрение самого ответственного и опытного участника группы или тренера.

Что это такое?

Пытаясь объяснить суть регрессии, некоторые сравнивают ее с информационным потоком, в который появляется возможность включать свое сознание. В то же время неясно, откуда берет начало этот поток. Одни считают, что из воображения, другие убеждены в его в связи с прошлыми жизнями. Кто-то готов отстаивать мнение о том, что все сведения поступают из параллельных миров, а иные убеждены, что дело лишь в памяти.

Одна из теорий гласит, что наш мир - это всего лишь симуляция. Такой подход делает наиболее вероятной правильность идеи реинкарнации, а также дает неплохое объяснение устройству вселенной. Фактически разумные сущности могут словно блуждать меж мирами, и регрессия помогает включиться в этот процесс, осознать его, стать элементом информационного потока, в рамках которого и происходят все передвижения.

Регрессия и воспитание детей

Это явление знакомо не только врачам, известным ученым, эзотерикам и стремящимся к духовным практикам, просветлению и познанию мира людям. Самые простые родители, активно воспитывающие маленьких детей, также нередко сталкиваются с регрессией. Этим термином принято обозначать такое поведение ребенка, когда уже обучившийся чему-либо малыш внезапно словно бы возвращается на ступеньку назад. К примеру, еще недавно умевший самостоятельно пользоваться горшком ребенок вдруг писает в штанишки.

Психологи объясняют это следующим образом: никаких отклонений в развитии нет, чадо вполне может пользоваться туалетом так, как его учат родители. Дело в том, что малыш, когда обучается чему-то новому, одновременно испытывает испуг от своей самостоятельности. Стремясь вернуться в тепло и безопасность родительской опеки, он пытается отринуть новое знание, умение. Со временем, если родители ведут себя правильно, малыш осознает, что страшного и опасного в пользовании новыми навыками ничего нет, и применяет их на практике. Поэтому родители, столкнувшиеся с такой проблемой, должны максимально внимательно относиться к своему чаду, поддерживать его и доказывать свою любовь и заботу.

Подводя итоги

Не зря филологи гордятся богатством русского языка. Действительно, можно встретить такие уникальные термины, значение которых исключительно богато и разнообразно. Рассмотренный пример регрессии - хорошее доказательство постулата о многообразии и многозначительности русского языка. Само слово пришло к нам из латыни, но было применено к разным областям жизни и в современности обширно используется и специалистами разных сфер, и обывателями. Сохранилось значение "обратное движение", в то же время расширилась область применения.

Эконометрика 1 модуль
1. В каком законе выяснялись закономерности спроса на основе соотношений между урожаем зерновых и ценами на зерно?
в законе Кинга
2. Как называется мера разброса случайной величины?
дисперсия
3. При исследований каких моделей эконометрическое исследование может включать в себя выявление трендов, лагов, циклической компоненты?
моделей временных рядов
4. Какая из перечисленных шкал не относится к основным шкалам качественных признаков?
шкала отношений
5. Кто основал журнал «Эконометрика»?
Р. Фриш
6. Что из перечисленного может включать эконометрическое исследование на современном этапе развития при исследовании моделей по независимым неупорядоченным наблюдениям?
оценку параметров модели
7. В какой шкале есть естественная единица измерения, но нет естественного начала отсчета?
в шкале разностей
8. Кто из ученых создал теорию интегрированных моделей авторегрессии ¾ скользящего среднего?
Дж. Бокс и Г. Дженкинс
9. В какой системе каждая объясняемая переменная рассматривается как функция одного и того же набора факторов?
в системе независимых уравнений
10. Какая шкала измерений относится к шкалам количественных признаков?
шкала интервалов
11. Какие эконометрические модели разработали в 80 - в начале 90-х гг. Р.Э. Игл, Т. Боллеслев и Нельсон?
модели авторегрессионной условной гетероскедастичности
12. Какие шкалы измерений являются наиболее распространенными и удобными?
шкалы отношений
13. Какому ученому в 1980 г. присуждена Нобелевская премия за применение эконометрических моделей к анализу экономических колебаний и в экономической политике?
Л. Клейну
14. В какой стране было создано первое международное эконометрическое общество?
в США
15. Что из перечисленного является постоянной составляющей случайной величины?
среднеарифметическое значение
16. Что является целью эконометрики как науки? (по Э. Маленво)
эмпирический анализ экономических законов
17. Кто из исследователей придавал широкое толкование эконометрике, интерпретируя ее как любое применение математики или статистических методов к изучению экономических явлений?
Э. Маленво
18. Какие компоненты входят в состав случайных величин в процессе анализа?
постоянная и случайная компоненты
19. Чему равно среднее случайной компоненты, или остатка?
0
20. Кто впервые ввел термин «эконометрия»?
П. Цьемпа
21. Кто из отечественных ученых на союзном уровне описал динамику урожайности зерновых культур уравнениями с малым числом параметров?
В. Обухов
22. Какие разделы содержит эконометрика?
моделирование данных, неупорядоченных во времени, и теория временных рядов
23. Какие характеристики экономики невозможно измерить непосредственно?
латентные характеристики
24. Кто из ученых занимался проблемой цикличности?
К. Жюгляр
25. Кто является автором первой книги по эконометрике «Законы заработной платы: эссе по статистической экономике»?
Г. Мур

2 модуль
1. Если регрессия значима, то
Fнабл>Fкрит
2. Что показывает величина коэффициента регрессии?
среднее изменение результата с изменением фактора на одну единицу
3. Что означает совпадение среднего от выборочной оценки с искомой неизвестной величиной соответствующего параметра для генеральной совокупности?
несмещенность
4. Какой является регрессия, если k= 2?
множественной
5. Чем характеризуется рассеяние (отклонение) точек наблюдения относительно кривой регрессии?
остаточной регрессией
6. Какой коэффициент является показателем тесноты связи?
линейный коэффициент корреляции
7. Какая величина равна просто средней от суммы квадратов остатков (отклонений)?
остаточная регрессия
8. Каким выражением определяется коэффициент корреляции, являющийся мерой линейной связи между случайными величинами x и y?
r(x, y)=…
9. Какого значения не должна превышать средняя ошибка аппроксимации?
7-8%
10. Кто ввел термин «регрессия»?
Ф. Гальтон
11. Какой коэффициент в функции потребления используется для расчета мультипликатора?
коэффициент регрессии
12. С помощью какого коэффициента определяется качество подбора линейной функции?
с помощью коэффициента детерминации
13. Каким выражением определяется выборочный коэффициент корреляции?
r(x,y) с квадратами
14. Что называют результативным признаком в регрессионном анализе?
зависимую переменную
15. Дисперсию какой переменной исследует дисперсионный анализ?
зависимой переменной
16. Какая регрессия характеризуется прозрачной интерпретацией параметров модели?
линейная регрессия
17. Какой коэффициент характеризует долю дисперсии, объясняемую регрессией, в общей дисперсии результативного признака y?
коэффициент детерминации
18. Какой коэффициент показывает, на сколько процентов в среднем по совокупности изменится результат y от своей средней величины при изменении фактора x на 1% от его (фактора x) среднего значения?
коэффициент эластичности
19. Чему равна величина остаточной дисперсии, если фактические значения результативного признака совпадают с теоретическими или расчетными значениями?
0
20. Какой метод применяют для оценки параметров a, b уравнения регрессии?
метод наименьших квадратов (МНК)
21. Какой метод основан на требовании минимизации суммы квадратов отклонений фактических значений результативного признака от расчетных?
метод наименьших квадратов
22. При каком значении k регрессия называется парной?
k= 1
23. Что из перечисленного не относится к нелинейным регрессиям по оцениваемым параметрам?
показательная функция
24. Суть какой теоремы в том, что если случайная величина является общим результатом взаимодействия большого числа других случайных величин, ни одна из которых не оказывает преобладающего влияния на общий результат, то такая результирующая случайная величина будет описываться приблизительно нормальным распределением?
центральной предельной теоремы
25. Каким уравнением описывается линейная регрессия?
y = a + bx + ε
(3 ошибки)

3 модуль ()1 ошибка
1. Как проверяется гетероскедастичность моделей в асимптотическом тесте Бреуша и Пагана?
по критерию c2(r)
2. Какой критерий позволяет выбирать наилучшую модель из множества различных спецификаций и численно построен так, чтобы учесть влияние на качество подгонки модели двух противоположных тенденций?
критерий Шварца
3. По какой величине судят о качестве модели?
по средней относительной ошибке аппроксимации
4. Каким выражением описывается условие однородности (гомоскедастичности) наблюдений?
s2(yu) =s2(hu+eu) =s2(eu) =s2
5. Какой метод применим при условии диагональности матрицы ковариаций вектора ошибок?
метод наименьших квадратов
6. Каким выражением определяется абсолютная ошибка аппроксимации?
yi-y1i=e
7. Что понимается под мультиколлинеарностью?
высокая степень коррелированности объясняющих переменных
8. Какие переменные представляют собой исходные переменные, из которых вычитаются соответствующие средние, а полученная разность делится на стандартное отклонение?
стандартизованные переменные
9. Какая ошибка на контрольной выборке свидетельствует о хорошем качестве построенной модели?
4-9%
10. Каким методом может быть проведена оценка значимости мультиколлинеарности факторов?
методом испытания гипотезы о независимости переменных
11. Какая переменная должна выражаться в виде линейной функции от неизвестной переменной?
замещающая переменная
12. Дисперсии и ковариации ошибок наблюдений в обобщенной линейной модели множественной регрессии
могут быть произвольными
13. В чем заключается второй подход к решению проблемы гетероскедастичности?
в построении моделей, учитывающих гетероскедастичность ошибок наблюдений
14. Чем в простейшем случае парной регрессии является стандартизованный коэффициент регрессии?
линейным коэффициентом корреляции
15. Что из перечисленного используют для проверки гипотезы, если исследователь предполагает, что за время наблюдений произошли резкие структурные изменения в виде связей между зависимой и независимыми переменными?
тест Чоу
16. Чему равен определитель матрицы, если между факторами имеется полная линейная зависимость и все коэффициенты корреляции равны 1?
0
17. По какой формуле производят расчет коэффициентов модели при использовании метода гребневой регрессии?
bгр= (XTX+DгрIk+ 1)-1XTY
18. По какой формуле, согласно теореме Айткена, производится оценка коэффициентов модели?
b= (X¢W-1X)-1X¢W-1Y
19. Какой из перечисленных тестов не требует предположения о нормальности распределения регрессионных остатков?
тест ранговой корреляции Спирмена
20. Как называют переменную, которая должна быть в модели согласно правильной теории?
существенной
21. Чем ближе к единице значение определителя матрицы межфакторной корреляции, тем
меньше мультиколлинеарность факторов
22. Какой критерий используется для оценки значимости уравнения регрессии в целом?
F-критерия Фишера
23. Какой показатель фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии факторов?
показатель детерминации
24. Какие коэффициенты позволяют исключать из модели дублирующие факторы?
коэффициенты интеркорреляции
25. Чему равно число степеней свободы остаточной суммы квадратов при линейной регрессии?
n- 2
Модуль 4
1. Какие этапы включает в себя процесс структурного моделирования?
все перечисленные этапы
2. Суть какого метода заключается в частичной замене непригодной объясняющей переменной на такую переменную, которая не коррелирована со случайным членом?
метода инструментальных переменных
3. Что представляет переменная x, входящая в выражение?
возмущающий процесс
4. При каком условии общее решение разностного уравнения вида носит «взрывной» характер?
при |a1|> 2
5. Как называются взаимозависимые переменные, которые определяются внутри модели (внутри самой системы) и обозначаются у?
эндогенными переменными
6. В какой модели на основе коэффициентов приведенной формы можно получить два или более значений одного структурного коэффициента?
в сверхидентифицируемой
7. Какие коэффициенты называются структурными коэффициентами модели?
коэффициенты при эндогенных и экзогенных переменных в структурной форме модели
8. Какой метод при ограниченной информации, называется методом наименьшего дисперсионного отношения?
метод максимального правдоподобия
9. Как называются переменные, относящиеся к предыдущим моментам времени?
лаговыми переменными
10. Если набор чисел X связан с другим набором чисел Y зависимостью Y= 4X, то дисперсия Y должна быть
в 16 раз больше, чем дисперсия X
11. Какой метод применяется для решения идентифицируемой системы?
косвенный метод наименьших квадратов
12. Какие переменные понимаются под предопределенными переменными?
экзогенные переменные и лаговые эндогенные переменные
13. Какой метод используют, если нужно всего лишь уточнить характер связей переменных?
метод путевого анализа
14. Что позволяет сделать построение моделей корреляционной структуры?
проверить гипотезу о том, что матрица корреляции имеет определенный вид
15. Какой является модель, если все ее структурные коэффициенты однозначно определяются по коэффициентам приведенной формы модели и при этом число параметров в обеих формах модели одинаково?
идентифицируемой
16. Каким выражением определяется зависимость потребления в год с номером t от дохода в предыдущий период y(t- 1)?
C(t) =b+cy(t- 1)
17. Как называются независимые переменные, которые определяются вне системы и обозначаются как х?
экзогенными переменными
18. При каком условии вся модель считается идентифицируемой?
если идентифицируемо хотя бы одно уравнение системы
19. В каком случае модель является неидентифицируемой?
если число приведенных коэффициентов меньше числа структурных коэффициентов
20. Какие переменные часто приходится вводить для учета влияния качественных факторов?
фиктивные переменные
21. Что позволяет сделать построение моделей структуры средних?
исследовать структуру средних одновременно с анализом дисперсий и ковариаций
22. Какие переменные могут включать в себя причинные модели?
явные и латентные переменные
23. При каком условии уравнение неидентифицируемо?
если число предопределенных переменных, отсутствующих в уравнении, но присутствующих в системе, увеличенное на единицу, меньше числа эндогенных переменных в уравнении
24. При решении выражения способом движения «назад» ошибки ei
накапливаются
25. Что позволяет сделать моделирование ковариационной структуры?
проверить гипотезу о том, что матрица ковариации имеет определенный вид

4 модуль
1. О чем свидетельствуют большие значения, близкие к 1, величины (1 -а1) модели корректировки ошибок (МКО)?
о том, что экономические факторы сильно изменяют результат
2. На какое количество участков разбивается последовательность для проверки условия стационарности ряда?
на два участка
3. Для уменьшения амплитуды колебаний у сглаженного ряда Y(t)необходимо
увеличивать ширину интервала сглаживания m
4. Какое предположение является одним из априорных предположений при применении параметрических тестов для проверки стационарности?
предположение о нормальном законе распределения значений временного ряда
5. Что называется временным рядом?
последовательность значений признака, принимаемых в течение нескольких последовательных моментов времени или периодов
6. Как изменяется дисперсия сглаженного по квадратичному полиному ряда Y(t) при увеличении числа m уравнений?
уменьшается
7. Какие тренды коррелируют между собой?
временные
8. Что из перечисленного используют для проверки стационарности временного ряда?
сериальный критерий стационарности
9. Как называют корреляционную зависимость между последовательными уровнями временного ряда?
автокорреляцией уровней ряда
10. Как называется случайная переменная с переменной дисперсией?
гетероскедастической
11. При каком условии сглаживание ряда называется центрированным?
при k=l
12. Каким путем может быть исключен временной тренд из результирующей переменной?
путем построения регрессии этой переменной по времени и перехода к остаткам, которые образуют новую стационарную переменную, уже свободную от тренда
13. По какой формуле рассчитываются коэффициенты,если в качестве сглаживающего многочлена взять прямую?
ar= 1/m
14. Какая компонента объясняет отклонения от тренда с периодичностью от 2 до 10 лет?
циклическая компонента
15. Что в выражении обозначают параметром L?
функцию правдоподобия
16. Какая последовательность является белым шумом?
если каждая случайная величина последовательности имеет нулевое среднее и некоррелирована с другими элементами последовательности
17. К какому классу принадлежит ряд, если он содержит единичные корни и интегрируем с порядком d?
I(d)
18. Как называется стохастическая переменная с постоянной дисперсией?
гомоскедастическая переменная
19. Какой принцип разработки прогнозов предполагает соответствие, максимальное приближение теоретических моделей к реальным производственно-экономическим процессам?
адекватность прогнозирования
20. Как называется число значений исходного ряда, одновременно участвующих в сглаживании?
шириной интервала сглаживания
21. Что относится к основным принципам разработки прогнозов?
системность, адекватность, альтернативность
22. Для чего применяется сериальный критерий стационарности?
для проверки стационарности временного ряда
23. Как называется модель вида?
авторегрессионной условной гетероскедастической моделью (АРУГ-моделью)
24. Что представляет уравнение?
АРСС-процесс для {et2}-последовательности
25. Какие переменные используются в процессе случайного блуждания?
некоррелированные нестационарные переме

Министерство образования и науки Украины

Харьковский национальный университет радиоэлектроники

РЕФЕРАТ ПО ФИЛОСОФИИ

Становление информационной эпохи

Выполнил:

Аспирант

Дементьев Сергей Павлович

Каф. АПВТ, Кривуля Г.Ф.

Харьков 2011

Введение 4

Переход общества в информациональную эпоху 5

Информационные технологии 9

Информационные сети 11

Социальная теория пространства 13

Сегодня М. Кастельса считают одним из самых авторитетных социологов в мире и он по праву принадлежит к интернациональной академической элите. М. Кастельса нельзя рассматривать только как «кабинетного ученого-исследователя», в качестве консультанта он участвует в работе крупных международных организаций, являясь одним из агентов описываемых в его книге мировых процессов.

М. Кастельс родился в 1942 году в Испании, некоторое время был участником антифранкисткого движения. По политическим мотивам в возрасте двадцати лет Кастельс эмигрировал во Францию и обосновался в Париже. Там он учился социологии у Алена Турена, а затем в течение 12 лет преподавал социологию города в Высшей школе социальных наук (Париж). С 1979 года М. Кастельс является профессором Калифорнийского университета (Беркли). Одновременно он работал директором Института социологии новых технологий при Автономном университете в Мадриде (1988-1994). Также в разное время в качестве приглашенного профессора М. Кастельс читал лекции в университетах Монреаля, Мехико, Каракаса, Женевы, Токио, Бостона, Гонконга, Сингапура, Тайваня, Амстердама и др.

Профессиональные и личные обстоятельства тесно связывают М. Кастельса с Россией: с 1984 года он неоднократно бывал в СССР, а затем в России. Весной 1992 г. руководил группой экспертов, приглашенных Правительством Российской Федерации. Даже жена М. Кастельса – из России, и этим также отчасти объясняется его интерес и вовлеченность в российские проблемы.

Как теоретик М. Кастельс начинал с использования марксистского подхода к вопросам урбанизации (“The Urban Quеstion” (1977) (французское издание - 1972г.)). Затемпоследоваликниги “The City and the Grassroots” (1983), “The Informational City” (1989), “The Collaps of Soviet Communism: a View from the Information Society” (1995) идругие. Постепенно предметом научного интереса М. Кастельса становились глобальные процессы, происходящие в современном мире под влиянием взрывного развития всех видов информационных технологий. Результатом этого интереса и стало фундаментальное исследование “Information Age: Economy, Society and Culture” Vol. I-III. Oxford: BlackwellPublishers, 1996-1998.

Эта монография считается его главной работой. Она переведена на 12 языков. Не все соглашаются с точкой зрения Кастельса относительно современности, но даже "критики аплодируют его кругозору". На сегодняшний день - это единственная, не имеющая аналогов, масштабная попытка описания и структурирования нашей цивилизации.

Теория информационального общества Кастельса базируется, прежде всего, на экономических аспектах. При этом основой новой экономики становится информация, производимая СМИ и поддерживаемая теми или иными информационными технологиями. Стоит отметить, что в своих трудах ученый предрек и изменения в структуре и деятельности средств массовой информации.

Развиваемая Кастельсом теория информационального общества, в отличие от концепции глобальной/информациональной экономики, включает рассмотрение культурной/исторической специфики. Автор особо отмечает, что одной из ключевых черт информационального общества является специфическая форма социальной организации, в которой, благодаря новым технологическим условиям, возникающим в данный исторический период, генерирование, обработка и передача информации стали фундаментальными источниками производительности и власти. В этом обществе социальные и технологические формы данной социальной организации пронизывают все сферы деятельности, начиная от доминантных (в экономической системе) и заканчивая объектами и обычаями повседневной жизни.

Другой ключевой чертой информационального общества является сетевая логика его базовой структуры, что и объясняет название тома I монографии "Подъем сетевого общества" (The Rise of Network Society). Кастельс подчеркивает, что он именует социальную структуру информационного века сетевым обществом потому, что «оно создано сетями производства, власти и опыта, которые образуют культуру виртуальности в глобальных потоках, пересекающих время и пространство... Не все социальные измерения и институты следуют логике сетевого общества, подобно тому, как индустриальные общества в течение долгого времени включали многочисленные предындустриальные формы человеческого существования. Но все общества информационной эпохи действительно пронизаны - с различной интенсивностью - повсеместной логикой сетевого общества, чья динамичная экспансия постепенно абсорбирует и подчиняет предсуществовавшие социальные формы».

Новое информациональное общество (как и любое другое новое общество), по Кастельсу, возникает, «когда (и если) наблюдается структурная реорганизация в производственных отношениях, отношениях власти и отношениях опыта. Эти преобразования приводят к одинаково значительным модификациям общественных форм пространства и времени и к возникновению новой культуры». Автор детально рассматривает изменения в повседневной культуре, городской жизни, природе времени, мировой политике.

Согласно работам Кастельса, труд в информациональном обществе становится гибким, индивидуализированным. Акцент в данном случае смещается в сторону работника, а не в сторону работодателя.

Система данных, приведенных Кастельсом, подтверждает, что производство в развитых экономиках опирается на образованных людей в возрасте 25-40 лет. Практически оказываются ненужными до трети и более человеческих ресурсов. Он считает, что последствием этой ускоряющейся тенденции, скорее всего, станет не массовая безработица, а предельная гибкость, подвижность работы, индивидуализация труда и, наконец, высокосегментированная социальная структура рынка труда.

М. Кастельс наблюдает и анализирует процесс перехода человеческого общества в информациональную эпоху. Этот переход основан на революции в информационных технологиях, которая в 1970-х годах заложила основу для новой технологической системы, получившей распространение по всему миру. Одновременно с изменениями в материальной технологии революционные изменения претерпела социальная и экономическая структура: относительно жесткие и вертикально-ориентированные институты замещаются гибкими и горизонтально-ориентированными сетями, через которые осуществляется власть и обмен ресурсами. Для М. Кастельса формирование международных деловых и культурных сетей и развитие информационной технологии – явления неразрывно связанные и взаимозависимые. Все сферы жизни, начиная с геополитики крупных национальных государств и заканчивая повседневностью обычных людей, меняются, оказываясь помещенными в информационное пространство и глобальные сети.

Революция в информационной технологии является «отправным пунктом в анализе сложностей становления новой экономики, общества и культуры». М. Кастельс не опасается обвинений в технологическом детерминизме и сразу подчеркивает «технология есть общество, и общество не может быть понято или описано без его технологических инструментов». Однако М. Кастельс не принимает точку зрения ортодоксального марксизма, и говорит о том, что технология вовсе не детерминирует историческую эволюцию и социальные изменения. По М. Кастельсу, технология является ресурсным потенциалом развития общества, предоставляющим разные варианты социальных изменений. Общество при этом в значительной степени свободно в принятии решений о пути своего движения. Для подтверждения своей позиции, касающейся роли технологии в социальных изменениях, автор трилогии обращается к истории развития компьютерной отрасли в США. Согласно Кастельсу, изобретение персонального компьютера и последующая массовизация пользователей не были жестко предопределены технологическими законами: альтернативой «персоналке» являлась концентрация контроля за развитием компьютерной технологии в руках крупных корпораций (IBM) и правительства. При таком пути развития общества постепенно нарастают тоталитарные тенденции всеобщего надзора, расширяются властные возможности правительства, вооруженного компьютерными технологиями, и общество всё в большей степени начинает двигаться к модели, описанной Дж. Орруэллом в книге «1984» и фильме-антиутопии Ж.Л. Годара «Аль-фавиль»(1965). На рубеже 50-60-х опасность монополизации технологии была вполне реальной, однако внешние причины (возникшие социальные движения, расцвет контркультуры, глубокие либеральные и демократические традиции) постепенно свели ее к минимуму.

Пример истории компьютерной отрасли демонстрирует лишь частичную зависимость изменений в обществе от технологического развития, т.е. производства. Такое же важное место М. Кастельс отводит опыту, рассматриваемому как воздействие человеческих субъектов на самих себя, через меняющееся соотношение между их биологическими и культурными идентичностями. «Опыт строится вокруг бесконечного поиска удовлетворения человеческих потребностей и желаний». Наряду с производством и опытом, третьим важным фактором влияющим на организацию человеческой деятельности, является власть, которая понимается теоретиком вполне в веберианском духе – навязывание воли одних субъектов другим с помощью символического или физического насилия. В становящемся обществе фактор производства, под которым подразумевается развитие компьютерных технологий, оказывает доминирующее влияние как на отношения власти, так и на культуру.

Информационные технологии на неведомую доселе высоту поднимают значение знания и информационных потоков. Впрочем, возрастающую роль знания в свое время отмечалась Д. Беллом, А. Туреном, Э. Тоффлером и другими теоретиками постиндустриального общества. М. Кастельс делает существенное различение между известными концепциями «информационного общества»(information society) и собственной концепцией «информационального общества» (informational society). В концепциях информационного общества подчеркивается определяющая роль информации в обществе. По мнению М. Кастельса, информация и обмен информацией сопровождали развитие цивилизации на протяжении всей истории человечества и имели критическую важность во всех обществах. В то же время зарождающееся «информациональное общество» строится таким образом, что «генерирование, обработка и передача информации стали фундаментальными источниками производительности и власти». Одной из ключевых черт информационального общества является сетевая логика его базовой структуры. К тому же информациональное общество развивается на фоне ускоряющихся и противоречивых процессов глобализации, процессов, затрагивающих все точки земного шара, вовлекая или исключая из общего социального, символического и экономического обмена.

Используя обширный теоретический, статистический, эмпирический материал, основываясь на собственном опыте и наблюдениях, апеллируя к мнению ученых, признанных экспертов в своих областях, М. Кастельс предлагает «некоторые элементы исследовательской кросскультурной теории экономики и общества в информационную эпоху, конкретно говорящей о возникновении социальной структуры».

Информационные технологии определяют картину настоящего и в еще большей мере будут определять картину будущего. В связи с этим М. Кастельс придает особое значение исследованию того, как развивались эти технологии в послевоенный период. В информационные технологии М. Кастельс включает «совокупность технологий в микроэлектронике, создании вычислительной техники (машин и программного обеспечения), телекоммуникации/вещании и оптико-электронной промышленности». Таким образом, ядро трансформаций, которые переживает современный мир, связано с технологиями обработки информации и коммуникацией. М. Кастельс предлагает социологическое описание и понимание основных моментов истории становления подобного рода технологий, уделяя много внимания роли Силиконовой долины в развитии компьютерной индустрии. Дух свободного предпринимательства, университетский интеллектуализм и правительственные заказы сделали Силиконовую долину лидером компьютерной отрасли.

Опираясь на работы ряда теоретиков, М. Кастельс очерчивает границы информационно-технологической парадигмы, имеющей несколько главных черт. Во-первых, информация в рамках предлагаемой парадигмы является сырьем технологии и, следовательно, в первую очередь технология воздействует на информацию, но никак не наоборот. Во-вторых, эффекты новых технологий охватывают все виды человеческой деятельности. В-третьих, информационная технология инициирует сетевую логику изменений социальной системы. В-четвертых, информационно-технологическая парадигма основана на гибкости, когда способность к реконфигурации становится «решающей чертой в обществе». В-пятых, важной характеристикой информационно-технологической парадигмы становится конвергенция конкретных технологий в высокоинтегрированной системе, когда, например, микроэлектроника, телекоммуникации, оптическая электроника и компьютеры интегрированы в информационные системы. Взятые все вместе характеристики информационно-технологической парадигмы являются фундаментом информационального общества.

В 60-х годах известный теоретик Маршалл Маклюэн выдвинул концепцию перехода современного общества от «галактики Гутенберга» к «галактике Маклюэна». Книгопечатание сделало печатный символ, печатное слово основной единицей информационного обмена в Западной цивилизации. Изобретение фото, кино, видеоизображения делает визуальный образ ключевой единицей новой культурной эпохи. Апофеозом «галактики Маклюэна» можно считать повсеместное распространение телевидения, изменившего не только среду массовых коммуникаций, но привычки и стиль жизни значительной части человечества. «Успех телевидения есть следствие базового инстинкта ленивой аудитории». Конечно, прослушивание радиопередач и просмотр телевизионных программ ни в коей мере не исключают других занятий. Это становится постоянно присутствующим фоном, тканью нашей жизни. Так, по мнению М. Кастельса зарождается новая культура, «культура реальной виртуальности». Реальная виртуальность – это система, в которой сама реальность (т.е. материальное/символическое существование людей) полностью схвачена и погружена в виртуальные образы, в выдуманный мир, где внешние отображения не просто находятся на экране, но сами становятся опытом.

Наряду с телевидением развитие электронных компьютерных сетей (Minitel, Internet) становится тем фактором, который можно считать формообразующим для культуры виртуальной реальности. Интернет, как и многие другие феномены современности, по праву можно считать детищем шестидесятых. История Интернет показывает, как развитие компьютерных технологий, государственные интересы и независимый дух университетов были задействованы для создания нового символического космоса. М. Кастельс педантично исследует этапы становления Интернета, т.е. его превращения из локальной компьютерной сети военного назначения в новую глобальную реальность информационной эпохи. Впрочем, М. Кастельс вовсе не считает, что Интернет «работает» только на глобализацию. Он полагает, что «компьютерная коммуникация не есть всеобщее средство коммуникации и не будет таковым в обозримом будущем». «Новые электронные средства не отделяются от традиционных культур - они их абсорбируют». При этом наблюдается широкая социальная и культурная дифференциация, ведущая к формированию специфических виртуальных сообществ. Члены этих сообществ могут быть разъединены в физическом пространстве, однако в пространстве виртуальном они могут быть также традиционны, как общины небольших городов.

М. Кастельс долгое время воспринимался в качестве социолога, занимающегося изучением проблем урбанизации и социальной структуры современного города. Не забыта тема города была и в этой книги.

М. Кастельс использует теорию сетей для анализа изменений, происходящих в городской среде информационного общества. Сетевые структуры воспроизводятся как на внутригородском уровне, так и на уровне отношений между глобальными городами. Сетевая структура не означает распадение внутригородской иерархии: в глобальных городах появляются информационно-властные узлы, которые замыкают на себе основные потоки информации, финансовых ресурсов и становятся точками принятия управленческих решений. Между этими узлами курсируют ресурсные потоки, а сами узлы находятся в беспрерывной конкуренции между собой. Глобальные узлы сосредоточены в мегаполисах, которые «представляют собой очень большие агломерации людей». Определяющей чертой мегаполисов является то, что они концентрируют административные, производственные и менеджерские высшие функции на всей планете. Мегаполисы в полной мере отражают противоречия дихотомии «глобальное-локальное»: вовлеченные в глобальные деловые и культурные сети они исключают из них местные популяции, которые становятся функционально бесполезными. М. Кастельс полагает, что маргинализация местных сообществ происходит вследствие экономической, политической и культурной экспансии мегаполисов. М. Кастельс рассматривает мегаполисы в качестве масштабных центров «глобального динамизма», культурной и политической инновации и связующих пунктов всех видов глобальных сетей. Таким образом, М. Кастельс дает рельефное описание процессов, происходящих в структуре городов в период перехода к информациональной эпохе.

Социальная теория пространства развивается из комбинации трех факторов: физического пространства, социального пространства и времени. По М. Кастельсу, «пространство есть выражение общества» и, также «пространство есть кристаллизованное время». С социальной точки зрения, которой придерживается и автор книги, «пространство является материальной опорой социальных практик разделения времени». Общество, то есть социальное пространство, построено вокруг потоков капитала, информации, технологий, организационного взаимодействия, изображений, звуков и символов. Под потоками М. Кастельс понимает «целенаправленные, повторяющиеся, программируемые последовательности обменов и взаимодействий между физически разъединенными позициями, которые занимают социальные факторы в экономических, политических и символических структурах общества». Таким образом, «пространство потоков есть материальная организация социальных практик в разделенном времени, работающем через потоки». Пространство потоков видится М. Кастельсу в виде трех слоев материальной поддержки:

Первый слой состоит из цепи электронных импульсов, сосредоточенных в микроэлектронике, телекоммуникациях компьютерной обработке, системе вещания, высокоскоростного транспорта.

Второй слой состоит из узлов и коммуникационных центров, которые обеспечивают гладкое взаимодействие элементов, интегрированных в глобальные электронные сети.

Третий слой относится к пространственной организации доминирующих менеджерских элит, осуществляющих управленческие функции.

В дихотомии «глобальное-локальное» элиты относятся к тем, кто заинтересован в развитии глобального властного пространства, которое позволит контролировать неорганизованные локализированные народы. Элиты информационального общества могут рассматриваться как пространственно ограниченная сетевая субкультура, в которой формируется стиль жизни, позволяющий им унифицировать собственное символическое окружение по всему миру. Складывающиеся в пространстве потоков слои материальной поддержки формируют инфраструктуру того общества, которое М. Кастельс называет информациональным.

Информациональное общество меняет восприятие времени. Напомним, что одним из важнейших признаков начавшейся модернизации Западного общества стало изменение отношения ко времени. В Средневековье время носит событийный характер, когда существовало время дня, время ночи, время праздников и время буден. Изобретение часового механизма и параллельные социальные перемены сделали количественное измерение времени необходимым. Тогда же у нарождающейся буржуазии возникла потребность в «более точном измерении времени, от которого зависит их прибыль». Так время оказывается в руках власть предержащих. Тогда же время начинает секуляризироваться и рационализироваться. Но это еще не было время промышленной эпохи. Оно всё еще было близким к «естественному» биологическому ритму. Буржуазная эпоха окончательно превратила время в экономический ресурс, а сопутствующие ей технологические изменения подчинили время механическому ритму работающих машин.

Выводы

Потребность в специфически социальном пространственно-временном обобщении наиболее полно выражается в концепции сетевого/информационного общества М.Кастельса. В ней общество, отождествляемое с социальной структурой, сводится к трем самым общим компонентам: пространству, времени, технологии. Пространство нового общества построено на потоках капиталов, информации, технологий, организационных взаимодействий, образующих сеть. Пространство ресурсных потоков есть господствующая пространственная форма сетевого общества, которая надстраивается над физическим пространством мест. Научно-техническая революция произвела в современном обществе изменения, последствия которых мы будем ощущать в течение нескольких лет. Появление компьютерных сетей, по мнению многих исследователей, стало отправной точкой в формировании не только нового типа сознания, но и новых типов коммуникации, затрагивающих все сферы человеческой жизни. Информация, заменившая собой основной ресурс индустриального общества, передается и распространяется свободно, от одного пользователя сети к другому, позволяя сети существовать как единому организму. По мнению исследователя Кевина Келли, в будущем объединенные в единую глобальную сеть компьютеры образуют единую машину, способную производить и распространять информацию самостоятельно. Каждый пользователь сети станет «транзистором» этой машины. Конечно, сейчас такое мнение выглядит утопичным, однако темпы развития информационных технологий заставляют задуматься о возможности такого развития событий. На рубеже веков Мануэль Кастельс обосновал появление такой машины в своих научных трудах, дав новой эпохе имя и заложив основы научного понимания новой эпохи. Традиционно научное сообщество реагирует на актуальные события, происходящие в обществе, уже после того, как схлынет последняя волна их обсуждения. Отчасти это связано с необходимостью объективного и взвешенного подхода к современным реалиям. Однако некоторые ученые, благодаря уникальной научной интуиции, улавливают основные тенденции, отбрасывая сиюминутные порывы и мнения. Мне кажется, что именно к таким ученым можно отнести Мануэля Кастельса. Своевременно осознав намечающиеся изменения в структуре общества, он сумел смоделировать воздействие этих изменений на будущую жизнь общества. Помимо этого, ученый наметил тенденции, которые впоследствии станут определяющими в жизни тех или иных сфер приложения человеческих усилий. Учитывая массовый и беспорядочный характер распространения и обмена информации в информационном обществе, традиционные СМИ, по мнению Кастельса, уйдут в прошлое. По словам одного из последователей ученого, в будущем каждый участник глобальной компьютерной сети будет заниматься производством информации. Возможно, что в ближайшие 10 лет баланс переместится от потребления информации к ее производству. Однако особенность информации в сети состоит в том, что ее производитель одновременно является и ее потребителем. Эта идея была отражена во множестве научных работ. Теория информационного общества, представленная Мануэлем Кастельсом, заслуживает особого внимания как со стороны ученых, так и всего научного сообщества.

Литература

1. Кастельс М. «Информационная эпоха: экономика, общество и культура. М.: ГУ ВШЭ, 2000,

2. Ле Гофф Ж. Другое Средневековье: Время, труд и культура Запада. Екатеринбург: Изд-во Урал. ун-та, 2000

3. Теплиц Т.К. Всё для всех. Массовая культура и современный человек. М.: ИНИОН РАН, 1996.

4. Назаров М.М. Массовая коммуникация в современном мире: методология анализа и практика исследований. М.: УРСС, 1999.

5. Белл Д. Грядущее постиндустриальное общество. Опыт социального прогнозирования. М.: Academia, 1999.

6. Гелбрейт Дж. Новое индустриальное общество. М.: Прогресс, 1969.