В случае с данными ECLS регрессивный анализ можно использовать так: мысленно представить каждого из двадцати тысяч школьников в виде некой монтажной платы с одинаковым количеством разъемов. При этом каждый разъем будет представлять свою категорию данных о ребенке. Это может быть результат итогового теста по математике, чтению или другому предмету сначала за первый, а потом за третий класс. Важны также уровень образования матери, доходы отца, количество книг в доме, относительное влияние окружения и т.д.

Это позволит исследователю выудить из сложного и запутанного массива данных ту информацию, которая его интересует. Он сможет выстроить в один ряд детей, у которых много общих характеристик, и определить ту, что не является общей. Это все равно, что взять все монтажные платы, на которых имеются разъемы со штырьками, и отделить от них ту, где есть разъем с гнездами. Таким образом можно изолировать влияние одного разъема на подсоединение всей монтажной платы. Благодаря этой процедуре станет понятным влияние сначала одного особенного разъема, а потом и всех остальных.

Предположим, что мы хотим узнать из данных ECLS ответ на важный вопрос о родителях и образовании: способствует ли большое количество книг в доме успехам ребенка в школе? Регрессивный анализ не может дать на него исчерпывающий ответ, но вполне может ответить на вопрос, поставленный немного по-другому. Он звучит так: правда ли, что ребенок, у которого дома много книг, учится лучше ребенка, у которого книг нет совсем? Разница между этими вопросами представляет собой разницу между причинностью (первый вопрос) и корреляцией (второй вопрос). Регрессивный анализ может продемонстрировать наличие между явлениями корреляции, но не в силах доказать существование причинности. В конце концов, существует несколько вариантов, в которых две переменные могут находиться в той или иной связи между собой. Фактор X может быть причиной Y; Y может быть причиной X; точно так же может существовать и некий третий фактор, являющийся причиной как X, так и Y. Один регрессивный анализ не сможет сказать вам, идет ли снег, потому что холодно; холодно ли, потому что идет снег, или эти два явления просто совпали.

Данные ECLS лишь показывают, что если дома у ребенка много книг, то результаты школьных тестов у него, скорее всего, будут выше, чем у того, у которого книг дома нет. Так что эти два фактора взаимосвязаны, и хорошо, что мы об этом знаем. Однако высокие результаты тестов коррелируют также со многими другими факторами. Если вы просто возьмете детей с большим количеством книг и сопоставите их с детьми без книг, ответ не будет однозначным и исчерпывающим. Может быть и так, что большое количество книг дома у ребенка является всего лишь показателем достатка его родителей. Что нам действительно необходимо сделать, так это найти двух детей, похожих во всем, кроме одного — в данном случае это размер домашней библиотеки. После этого нам останется только выяснить, влияет ли этот фактор на их успеваемость в школе.

Нужно отметить, что регрессивный анализ — это скорее искусство, чем наука. (В этом отношении у него много общего с воспитанием детей.) Между тем опытный практик может с его помощью определить, насколько значительна та или иная корреляция, и даже сказать, указывает ли она на причинную связь.

И все же, что именно анализ данных ECLS может рассказать о школьной успеваемости детей? Много интересных моментов. И первый из них касается разрыва между результатами итогового тестирования белых и черных.

На протяжении долгого времени считалось, что черные дети отстают в развитии от своих белых ровесников еще до того, как переступают порог школы. Более того, они не достигают уровня белых детей, даже если учитывать целый ряд различных переменных. (Учет переменной позволяет исключить ее влияние — так же, как скажем, один игрок в гольф, учитывая свой опыт, может дать другому фору. В научном же исследовании, вроде ECLS, ученый, сравнивая одного школьника с другим, может учесть любое количество неблагоприятных жизненных условий.) Однако новые данные говорят совсем о другом. Достаточно учесть всего несколько факторов — доходы родителей, уровень их образования, возраст, в котором мать родила первого ребенка, — и картина изменится. Если все эти факторы будут одинаковыми, то к тому времени, когда черные и белые дети пойдут в школу, разрыв между ними практически исчезнет.

Это весьма обнадеживающая новость, как ни посмотри. С одной стороны, она означает, что черные дети теоретически могут догнать своих белых ровесников. С другой же, она показывает, что, каким бы ни был разрыв, его можно привязать к небольшому количеству легко распознаваемых факторов. Полученные данные свидетельствуют, что черные дети имеют плохую успеваемость вовсе не потому, что они черные. Они просто выросли в семьях со скудными доходами и низким уровнем родительского образования. Но если черный и белый ребенок растут в семьях с похожим уровнем жизни, то в самом начале учебы они проявляют одинаковые успехи в математике и чтении.

Великолепная новость, не правда ли? Однако радоваться пока еще рано. Прежде всего надо принять во внимание следующий фактор. Поскольку обычный черный ребенок с большей долей вероятности имеет бедных и плохо образованных родителей, наличие разрыва весьма реально. В среднем, черные дети продолжают показывать плохие результаты в учебе. Хуже того: даже если не принимать во внимание доход и образование родителей, через два года учебы в школе разрыв между белыми и черными появляется снова. Черные дети начинают отставать от статистически равных им белых детей уже к окончанию первого класса. Во втором же и третьем классах этот разрыв постепенно увеличивается.