Badając proces starzenia się, biegu życia, różnice generacyjne, trendy w czasie, czy też przemiany społeczne, spotkamy się z problemem rozróżnienia efektów: wieku, kohorty i okresu badania. Dotyczą one źródeł różnic obserwowanych pomiędzy jednostkami w różnym wieku.
Efekt wieku reprezentuje zróżnicowanie wynikające z procesu starzenia się, indywidualnego przebiegu życia, statusu, ról, czy też biografii i doświadczeń jednostki. Sprowadza się do przypisania determinant obserwowanych zjawisk do indywidualnego wymiaru upływu czasu, niezależnego od czasu historycznego, czyli do procesu starzenia się. Jednak, jak już wcześniej zostało to przedstawione, starzenie się nie jest zjawiskiem jednowymiarowym i łatwo definiowalnym. Efekt wieku jest jedynie przybliżeniem efektu rozmaitych wymiarów procesu starzenia się jednostki, których nie jesteśmy w stanie zmierzyć i włączyć do analizy (Mason i in., 1973).
Efekt kohorty (pokoleniowy) jest związany z różnicami wynikającymi z synchronizacji okresu i poszczególnych etapów życia z konkretnym okresem historycznym. Zakładamy w nim, że osoby urodzone w podobnym okresie charakteryzują się wspólnymi i specyficznymi cechami, tworząc zbiorowość odmienną od osób urodzonych w innym czasie. Takie wyjaśnienie łączy doświadczenia indywidualne z kontekstem grupy rówieśniczej, która przeżywała te same okresy życia w podobnych okolicznościach i uwarunkowaniach. Kohorta nie jest jedynie sumą indywidualnych historii, każda ma swoistą kompozycję i charakter, odzwierciedlające jej powstanie i historię (Ryder, 1965: 845). Efekt kohorty może wynikać z historycznych różnic w uwarunkowaniach procesu dorastania, genetycznych różnic między kohortami, różnic w wielkości i strukturze kohort (np. kohorty niżu i wyżu demograficznego).
Samo pojęcie kohorty wywodzi się z demografii i w najbardziej technicznym rozumieniu odnosi się do analitycznego, arbitralnego wydzielenia zbiorowości na podstawie roku urodzenia (często określana bardziej precyzyjnie jako kohorta urodzeniowa12). Bardziej socjologiczne ujęcie dodaje do tego założenie, że osoby te pochodzą z jednej populacji i doświadczyły tych samych
„istotnych wydarzeń życiowych” w podobnym okresie swojego życia (Glenn, 1977: 2). Te istotne wydarzenia mogą oznaczać np. urodzenie pierwszego dziecka, wejście na rynek pracy, przejście na emeryturę. Niektórzy badacze proponują utrzymanie terminu kohorta w pierwszym, technicznym i ateoretycznym ujęciu, przeznaczonym dla celów analitycznych, natomiast dla drugiego ujęcia, wymagającego teoretycznego określenia „istotnych wydarzeń życiowych”, rezerwują określenie „kohorta generacyjna” (por. Marshall, Bengtson, 2011: 21).
Efekt okresu (sytuacji) odnosi się natomiast do wydarzeń historycznych, zmian środowiska lub przemian systemu społecznego, które mają wpływ na całą populację w określonym momencie
12 N. Glenn (1977) krytykuje używanie określenia kohorta wieku jako mylącego dwa porządki: czas kalendarzowy i wiek jednostki. W zależności od momentu badania kohorta urodzeniowa przynależy bowiem do innej grupy wiekowej.
historycznym. Przykładem może być wojna, kryzys gospodarczy, reformy polityczne, czy też rozwój technologiczny.
Analizę, która uwzględnia te trzy typy efektów, określaną także jako analiza kohortowa, spopularyzował w socjologii N. Ryder (1965). Argumentował on, że przynależność do konkretnej zbiorowości urodzonej w podobnym okresie może być równie istotnym czynnikiem determinującym zachowania, jak np. status socjoekonomiczny. Co więcej, w następstwie generacji upatrywał on jednego z głównych motorów przemian społecznych. Według niego, nowe kohorty nie są bezpośrednimi sprawcami przemian, jednak mogą stworzyć przychylne warunki do zaistnienia nowego ładu13.
Refleksja nad efektem przynależności kohortowej była jednak obecna w naukach społecznych i humanistyce już wcześniej (Marshall, 1983: 52-55; Phillips i in., 2010: 113-119; Marshall, Bengtson, 2011). Zbliżonym do kohorty pojęciem jest pokolenie (lub tożsama z nim generacja).
Posiada ono dwojakie znaczenie. Z jednej strony, jest to element (poziom) relacji pokrewieństwa i struktury genealogicznej (pokolenie dziadków, dzieci itd.). W takim ujęciu funkcjonuje ono od starożytności (np. Stary Testament). Z drugiej strony, pokolenie odnosi się często do kategorii osób urodzonych w podobnym okresie, które przeżyły jakieś wyjątkowe wydarzenie historyczne, które je definiuje (pokolenie wojny, transformacji) lub z innego powodu można je wyodrębnić od innych (np. pokolenie wyżu demograficznego). To drugie znaczenie pokolenia weszło do nauk społecznych pod koniec XIX w., a teoretycznie opracowali je m.in. W. Dilthey, J. Ortega y Gasset i K. Mannheim. Jest ono w praktyce bardzo zbliżone lub pokrywa się z dzisiejszym rozumieniem kohorty generacyjnej, z tą różnicą, że pokolenie stanowi niejako
„naturalną” zbiorowość, podczas gdy kohorta generacyjna jest wyznaczana arbitralnie przez badacza (Marshall, 1983: 54-55)14. Pokolenie jest w tym rozumieniu nie tylko kategorią analityczną, lecz wytworem społecznym, opartym o wspólną lokację czasowo-przestrzenną. Co więcej, jak pisze Mannheim, ma ono dodatkowo potencjał do przeistoczenia się w istotną grupę odniesienia, „pokolenie rzeczywiste”, które będzie się charakteryzować poczuciem przynależności i odrębnymi postawami lub cechami (Mannheim, 1992 [1923]).
Problemy analityczne i koncepcyjne
Naukowe wyjaśnienie kwestii związanych ze zmianami w czasie i procesem starzenia się wymaga wyraźnego rozdzielenia potencjalnych źródeł obserwowanych efektów, przy czym nie zawsze jest to możliwe. Rzadko mamy do czynienia z wyjaśnieniem jednowymiarowym. Efekty wieku, kohorty oraz okresu będą zazwyczaj na siebie zachodziły i trudno je od siebie oddzielić.
13 Nie bez powodu koncepcja ta zyskała popularność w latach 60., bowiem wówczas Stany Zjednoczone doświadczały przemian kulturowych wynikających ze zderzenia generacji dorosłych z młodzieżą niosącą zupełnie nowe idee, obyczaje i światopogląd. Refleksja nad tymi procesami stanowiła również inspirację dla przywołanej we wstępie do rozdziału pracy Mead.
14 Jednak V. W. Marshall (1983) słusznie zauważa, że niemożliwe jest „naturalne” wyznaczenie granic generacji i zawsze będzie to – mniej lub bardziej świadoma – decyzja badacza. Przykładowo, nie ma naturalnych granic dla pokolenia wyżu demograficznego.
Kłopoty w ich analitycznym rozróżnieniu wynikają ze sposobu ich operacjonalizacji (Firebaugh, 1997). Wiek mierzony jest poprzez wiek metrykalny, okres – poprzez rok badania (ewentualnie rok wydarzenia), a kohorta – poprzez rok urodzenia. Wprowadzając takie zmienne do modelu i pragnąc je od siebie odseparować, napotykamy na problem identyfikacji modelu wynikający ze współliniowości zmiennych. Zależność między nimi jest opisana wzorem:
wiek [metrykalny] = okres [rok badania/wydarzenia] – kohorta [rok urodzenia]
Każdy z trzech efektów jest idealnie liniową funkcją pozostałych dwóch. Po wprowadzeniu do jednego modelu wartości dwóch zmiennych determinują wartość trzeciej i nie można jej od nich odseparować.
W ujęciu bardziej metodologicznym – w próbie pomiaru zmiany w czasie za pomocą standardowych rodzajów badań społecznych – przekłada się to na problem nakładania się na siebie dwóch z trzech efektów (Schaie, 1965; Baltes, 1968). W badaniach przekrojowych nie ma możliwości czysto technicznego rozdzielenia efektów wieku i kohorty. Podobnie, w badaniach panelowych jednej kohorty (pomiar powtórzony na tej samej próbie) nie można oddzielić efektu wieku od okresu. Z kolei w badaniach trackingowych (pomiar powtórzony na tej samej grupie wiekowej, lecz nie tej samej próbie) nie można odseparować efektu kohorty od okresu.
Wraz ze wzrostem popularności analiz kohortowych od połowy lat 60. problemy te zyskały na znaczeniu. Do dzisiaj jednak nie ma pełnej zgody co do możliwości i sposobu poradzenia sobie z nimi. N. Glenn pisze nawet, że kolejne próby znalezienia statystycznej metody rozdzielenia efektów były jednym z najdziwniejszych w dziejach nauki przykładów zrobienia czegoś, co jest logicznie niemożliwe (Glenn, 1977: 6). Rozwiązania z lat 60. i 70. skupiały się na metodach obliczeniowych bazujących na tabelach kohortowych, analizie wariancji i klasycznych modelach regresji (m.in. Schaie, 1965; Baltes, 1968; Mason i in., 1973; Palmore, 1978; Rentz, Reynolds, 1981). G. Firebaugh (1997) opisuje m.in. proste metody modelowania efektów kohorty, wieku i okresu w analizie powtarzanych sondaży, np. poprzez przypisanie a priori wartości do któregoś z efektów lub zastępowanie ich innymi skorelowanymi zmiennymi. Proponuje on również cztery bardziej złożone metody analizowania zmiany społecznej na podstawie danych z powtarzanych pomiarów (analiza trendu, dekompozycja trendu, dekompozycja zmiany i zmiana parametru), zwraca jednak przy tym uwagę na wiodącą rolę teorii, jako że nie ma metody, która zadziała w przypadku każdej analizy. W ostatnich dwóch dekadach pojawiły się bardziej zaawansowane rozwiązania, głównie dzięki rozwojowi metodologii badań panelowych i wielopoziomowych (kontrolujących tzw. fixed i random effects15), modelowania strukturalnego i statystyki
15 Efekty stałe (fixed effects) w terminologii badań longitudinalnych i wielopoziomowych odnoszą się do określonych wartości przypisanych grupom lub okresom. Zakładają zatem, że każda grupa/okres charakteryzuje się swoistą zmiennością, niezwiązaną z innymi zmiennymi. Prowadzą one do analizy na zasadzie klasycznej regresji, w której efekty stałe są równoznaczne z kowariantami (predyktorami).
Z kolei efekty losowe (ranodom effects) uwzględniają losowy rozkład błędów przypisanych każdej grupie, czyli zakładają, że badany proces jest ponad-grupowy. W modelach mieszanych (mixed effects) lub hybrydowych efekty stałe i losowe są jednocześnie włączone do analizy.
bayesowskiej (Smith, 2008; Bell, Jones, 2013; Yang, Land, 2013). Pominę jednak ich omówienie, ponieważ nie będą one miały bezpośredniego zastosowania w pracy.
Poza techniczno-metodologicznymi trudnościami, problem wieku-kohorty-okresu dotyczy także zrozumienia samej istoty pomiaru i analizy przyczynowej. Nie chodzi tutaj bowiem jedynie o dekompozycję wariancji lub parametryzację i identyfikację modelu, lecz o kwestie konceptualizacji i operacjonalizacji (Smith, 2008: 293). Nawiązując do rozważań E. Palmore'a (1978), pomocne jest rozróżnienie trzech poziomów analitycznych. Są to:
1. Obliczanie różnic wartości zmiennych zależnych.
2. Wnioskowanie o efektach zmiennych niezależnych.
3. Teoretyczna analiza przyczynowa.
Dwa pierwsze poziomy dotyczą wspomnianych aspektów technicznych i metodologicznych analizy. Tutaj pojawia się problem nieidentyfikowalności modelu i nakładania się efektów.
Trzeci poziom dotyczy interpretacji obserwowanych zjawisk dokonywanej na podstawie założeń teoretycznych. Każdy z efektów (wiek, kohorta, okres) jest bowiem jedynie wskaźnikiem interesujących nas zjawisk, procesów i mechanizmów. Wiek jest tylko aproksymacją starzenia się i przebiegu życia jednostki, więc aby zrozumieć zróżnicowanie występujące jako efekt wieku, trzeba wyjaśnić leżące u jego podstaw przyczyny biologiczne, społeczne lub psychologiczne. Tak samo jest w przypadku efektu kohorty i okresu. Nawet jeżeli zmienne są współliniowe, nie oznacza to, że efekty muszą być współzależne. Przykładowo, zarobki zmieniają się wraz z wiekiem (np. jako efekt senioralnego systemu płac lub zmian w poziomie kapitału ludzkiego), zmieniają się też wraz okresem (np. jako efekt inflacji lub kryzysu gospodarczego wpływających na wszystkie kohorty), mogą również zależeć od przynależności kohortowej (np. wpływ poziomu wykształcenia uzależniony od systemu edukacji szkolnej lub różnice w postawach wobec pracy wynikające z odmiennych doświadczeń biograficznych różnych kohort).
Jednak i na poziomie koncepcyjnym nie unikniemy kłopotów. Efekty kohorty i okresu, stosunkowo łatwo rozróżnialne na poziomie definicyjnym, mogą sprawiać problemy na poziomie interpretacyjnym. Obydwa odnoszą się do upływu czasu historycznego i wpływu czynników makrostrukturalnych. Efekt kohorty mierzy z reguły efekty przeszłości, podczas gdy efekt okresu – wpływ wydarzeń obecnych lub bliższych teraźniejszości (choć nie zawsze), które oddziałują na całą populację. W praktyce jednak efekty te często będą na siebie zachodzić.
W wymiarze analitycznym prowadzi to do dopuszczenia interakcji pomiędzy zmiennymi, co dodatkowo komplikuje modele (Bell, Jones, 2013). Efekty okresu, np. postęp technologiczny, mają często różny wpływ na poszczególne kohorty, a także grupy wiekowe – przemiany świata społecznego wpływają na ludzi w różnym wieku w różny sposób (Ryder, 1965). Jako standardowe przykłady efektów kohorty podaje się często wojnę lub klęski głodu, które pozostawiają ślad w psychice lub kondycji fizycznej danej kohorty. Niemniej są to wydarzenia oddziałujące na całą populację i mogą być również traktowane jako efekt okresu (szczególnie,
jeżeli miały miejsce niedawno). Przykładowo, wojna ma wpływ na wzrost przeciętnej śmiertelności we wszystkich grupach wiekowych (efekt okresu), jednak w dalszej perspektywie ten sam mechanizm determinuje m.in. wielkość kohorty i cykle demograficzne (efekt kohorty).
Dla Firebaugha (1997) rozróżnienie pomiędzy efektami wieku, kohorty i okresu to w gruncie rzeczy centralny, lecz jedynie techniczny aspekt analizy zmiany społecznej. Bardzo dobrze ilustruje tę kwestię historia sporu, prowadzonego głównie na łamach „American Sociological Review”, nad „kohortową” lub „wiekową” interpretacją mechanizmów odpowiadających za zmiany w poziomie zakresu słownictwa (verbal vocabulary knowledge) obserwowane w oparciu o dane z amerykańskiego General Social Survey z lat 1974-1996. Dyskusję zainicjowały wyniki D. Alwina (1991) wskazujące na spadek zakresu słownictwa w kolejnych kohortach, pomimo wzrostu przeciętnego poziomu wykształcenia. Podobne wyniki uzyskał Glenn (1994).
Tłumaczyli je oni poprzez efekt kohorty, nie znajdując dowodów na występowanie efektu okresu, natomiast efekt wieku określając jako znikomy. Według nich, mechanizmami odpowiedzialnymi za spadek zdolności werbalnych z każdą kolejną kohortą były: systematyczne upraszczanie warstwy językowej podręczników szkolnych od lat 40., zmiany w systemie szkolnym, spadek poziomu czytelnictwa, popularyzacja telewizji oraz rozwój kultury masowej.
J. Wilson i W. Gove (1999) skrytykowali analizy Alwina i Glena za błędną konstrukcję modeli, wskazując, że to nie efekt kohorty jest odpowiedzialny za obserwowane zmiany, lecz przede wszystkim efekt wieku (a konkretniej proces starzenia się) oraz częściowo efekt okresu.
W odpowiedzi Glenn (1999) oraz Alwin i McCammon (1999; 2001) ponownie przeanalizowali dane GSS, testując hipotezy każdego z trzech efektów w świetle wiedzy z zakresu psychologii starzenia się, doszli jednak do identycznych wniosków jak poprzednio – efekt wieku odpowiada jedynie za znikomą część wariancji w zdolnościach werbalnych, natomiast kluczową rolę odgrywa przynależność kohortowa. Do dyskusji włączyli się Y. Yang i K. Land (2006; 2008), proponując zastosowanie dla spornych danych bardziej zaawansowanych hierarchicznych modeli mieszanych (mixed models with fixed and random effects), które pozwalają jednocześnie kontrolować wszystkie trzy efekty. Według nich, żadna ze stron nie miała całkowitej racji, gdyż ich podejście wykazało występowanie zarówno efektów wieku (w postaci trendu o kształcie odwróconego U, choć nie tak silnego jak sugerowali Wilson i Gove), jak i kohorty (choć mniej znaczące niż wynikało to z analiz Alwina), a także okresu (jednak był on mało istotny). Można przypuszczać, że dyskusja doczeka się kontynuacji, gdyż podejście analityczne Yanga i Landa również zostało zakwestionowane (Bell, Jones, 2014).
Czy można zatem poradzić sobie z problemem efektu wieku-okresu-kohorty? Historia sporu, opisana powyżej wskazuje na dwie istotne konkluzje. Po pierwsze, dysponując jedynie danymi przekrojowymi musimy być niezwykle ostrożni. Bardzo często obserwowany spadek wartości różnego rodzaju zmiennych (w przywołanym przykładzie były to zdolności werbalne) jest tłumaczony poprzez efekt starzenia się. Dopiero analiza danych z pomiarów powtarzanych pozwala, choć nie bez trudności analitycznych i rozterek teoretycznych, wniknąć w mechanikę
przemian w czasie na poziomie indywidualnym i społecznym, i dojść do bardziej wiarygodnych odpowiedzi. Po drugie, rozwój metodologii w zakresie rozdzielenia efektów wieku, kohorty oraz okresu trwa i nadal trudno mówić o powszechnie przyjętych rozwiązaniach. J. Hobcraft, J. Menken i S. Preston (1982) piszą, że efekty kohorty i okresu są miarami naszej niewiedzy, gdyż ujmują to, czego nie da się bezpośrednio określić i zmierzyć jako czynniki różnicujące pomiędzy sobą kohorty i czynniki wpływające na wszystkie kohorty. Mając możliwość pomiaru interesujących nas podstawowych zmiennych przyczynowych, nie mielibyśmy problemu ze współliniowością zmiennych opartych o czas chronologiczny. A. Bell i K. Jones w artykule pod wymownym tytułem The impossibility of separating age, period and cohort effects piszą, że pomimo wielu proponowanych rozwiązań, żaden model ani matematyczna „sztuczka” nie są w stanie rozwiązać problemu identyfikacji, ponieważ jest on wpisany w naturę relacji wiek-kohorta-okres (Bell, Jones, 2013: 164). Nawet najnowsze techniki statystyczne, oferujące ogromne możliwości, wymagają przyjęcia pewnych założeń, aby możliwe było obliczenie osobnych efektów wieku, kohorty i okres. Przykładowo, modele random effects, faworyzowane przez niektórych (Smith, 2008: 293 ff.; Yang, Land, 2008), wymagają podjęcia przez badacza decyzji i wyjaśnienia, dlaczego niektóre z efektów uznamy za stałe, a niektóre za losowe.
Kluczem do ich rozdzielenia i włączenia do procesu badawczego jest zatem teoria, i to w niej musimy upatrywać ostatecznego źródła decyzji metodologicznych, analitycznych i interpretacyjnych. Jak piszą Alwin i McCammon (1999: 283-284), musimy polegać zarówno na teoriach starzenia się, jak i na socjologicznych teoriach zmiany społecznej i jej związków ze zmianami na poziomie jednostek. Można stwierdzić, że wyniki empiryczne są tak dobre, jak dobra jest stojąca za nimi teoria. Nadal to ona jest głównym kryterium trafności i wiarygodności wniosków, gdyż różne sposoby modelowania mogą prowadzić do różnych rezultatów.