探索社會學本位的定量研究路徑

　日期：2024-04-01   來源：中國社會科學網

　　所謂“社會學本位的定量研究路徑”，就是基于數據資料與統計程序，同時又與社會研究對象最為貼合的研究方式。社會學的定量研究方法固然要使用數據資料，遵循統計檢驗的基本邏輯，但是在使用統計程序來研究“社會”這一獨特的對象時，會遇到什么獨特的難題？我們又能提出什么獨特的解決方案？如果不回答這些問題，定量研究就不過是統計學的社會應用而已，談不上是一種自成一體的方法路數。

　　我們的工具取自于統計學，但是使用這種工具來透視社會世界背后的機制原理的手藝是社會學獨有的。阿肯（Christopher H. Achen）在《回歸的解釋與應用》中講道：“社會科學家對于傳統學術信條的違抗有著更為嚴肅的原因。居于這些原因之首的是他們的工作邏輯。社會科學的理解方式既不同于自然科學，也不同于人文學科。它追求的既不是文藝美學，也不是既定的科學哲學，而是忠實于自己的目的。”社會學定量研究方法的基礎一定不是統計學或科學哲學，而是社會學本身。定量方法教材也不是簡明統計學，更不是加入實例的軟件操作手冊，而應該是用社會學的語言和邏輯來對數據分析過程進行思考和剖析。

　　定量研究的三種過程

　　要正確地利用數據來理解社會，必然涉及三種不同的過程：統計的數學邏輯過程、數據本身的生成過程、真正的社會行動過程。統計的數學邏輯過程是重要的，但并非全部。社會學的核心技藝在于以整體性的視角，把這三種不同的過程貫穿起來，最終服務于理解社會實體、社會行動、社會過程這一目標。

　　定量研究用變量方式來思考問題，而變量只是測量對象的某種屬性，它其實并不與社會現象的決定因素（社會實體或根本原因）完全對應。統計學家能夠告訴我們，模型確定后如何進行參數估計，如何進行統計推斷，卻不能夠告訴我們模型本身和實際的社會過程之間是如何勾連的。在社會學中，統計模型與實際社會過程之間不是簡單對應的，它們之間的關系是通過社會學家的推理構建出來的。變量背后的社會實體或社會過程才是社會學家最應該關注的部分，并且也是社會學研究的初衷。這種研究和計量經濟學、心理測量學是非常不同的，因為它有社會學的視角貫穿其中。社會學定量研究的核心，是要透過數字真正地關心和思考背后的社會實體到底是什么，實在的社會過程究竟是怎么發生的，而不是停留在變量層面來理解社會問題。我們不能只抽象地理解統計學上的“選擇性”難題，更要落實到行為層面的“選擇行為”；不能只抽象地理解數據中的“時間”，更要落實到事件層面的“時序”；不能只是抽象地理解數據中的“空間”，更要落實到場景層面的“地點”。面對數據時，我們必須時時記住實在的社會世界才是最終思考的立足點。缺失了對實質性社會過程的觀照，研究就可能變成構建空中樓閣，或者為事先的成見作佐證，淪為觀念的奴隸。

　　借助數據分析把理論展開

　　長久以來存在一種未經證實的偏見，認為定量研究只是用來檢驗既有解釋而無法從中產生新的解釋或對解釋進行擴展，定性研究則負責生成新的解釋或對解釋進行擴展而無需對它進行檢驗。事實上，完整自洽的定性研究與定量研究都應該同時包括生成解釋與檢驗解釋這兩個方面。阿伯特（Andrew Abbott）在《發現之道》（Methods of Discovery）中說：“好多人把社會科學當成了獨角戲，而非二重奏。他們眼里，社會科學就是自己的一番長篇大論之后，再拋出一個刻板的問題，現實則像舊小說里的矯情淑女，只是點頭或搖頭。真正的研究者不一樣。他們知道，現實才不那么老實，它有層出不窮的花招，來戲弄和挑逗研究者，直覺和方法之間在不斷進行交鋒。社會科學實踐并不是舊小說，而是現代言情劇。”那種單純以系數的統計顯著性為指引、以理論檢驗為目標的定量研究方式，看起來確實很像阿伯特所戲謔的“舊小說”，有時候甚至現實世界這位“淑女”的點頭與搖頭回應的可能根本不是研究者所提出的那個問題。

　　我們得到統計參數顯著的結果而驗證了自己的預設時，研究并沒有結束，甚至這只是研究的開始。費舍爾（Ronald Fisher）在被問及如何在觀察研究中從相關中推出因果時回應說：“把你的理論充分展開”（Make your theories elaborate），也就是說“在構建因果假設時，研究者要盡可能充分地展現這個道理的各種不同后果，然后再用觀察研究來發現每個后果是否都能立得住”。在社會學研究中，這意味著我們需要從變量關系的表述回到對社會情境與社會主體的理解上：是誰推動了這樣一種統計結果得以呈現？如何推動？它又出現在何種社會情境中？數據的細節與上述理解相符嗎？由此從單一的經驗假設中推衍出豐富的經驗細節，然后到數據中再進行驗證。當然，不可能所有的細節都能被完美地驗證，但是這個過程中蘊含了對社會世界產生新洞見的可能性。研究不再是線性的假設驗證過程，而成為在經驗數據與解釋邏輯之間循環往復不斷逼近事實真相的過程。在這里，我們重視的不僅是一次檢驗的統計顯著性，而是用不同方式得到同一發現的穩健性，是對不同發現的解釋可以彼此印證的內部效度。

　　推敲數據生成的社會過程

　　此外，我們必須把數據生成本身視為一個“社會過程”來認真推敲。任何數據都是通過人為手段經過一定程序在某一“社會”空間和“社會”時間中得來的，因此有必要對數據收集方式可能帶來的后果進行思考。如果不能深入數據本身，不對數據生成過程進行推敲，忽視細節核對與分組分析，即便使用再“高級”的統計模型與技巧，定量研究也仍然會衍生出大量缺少穩健性的結論。在社會學研究的“可復制性”問題已經引起諸多研究者重視的當下，這一點尤其需要強調。

　　社會不僅有自己的組織原則（如結構、時序、空間、網絡、互動、主觀意義等），而且必然基于這些組織原則來生成與輸出數據，這正是社會數據的獨特之處。從傳統統計學的角度來看，操控實驗是方法的黃金規則，“純凈的”操控實驗數據才是進行因果推斷的理想資料。結構、時序、空間、網絡使得數據不再滿足傳統統計學要求的諸多假定，因此必須進行各種模型修正和調整，使其變得“純凈”。在這里，數據生成過程中的社會要素被視作需要去除的障礙。但是，以社會研究者的立場來看，那些所謂的“障礙”恰恰在為我們揭示社會本身最重要的構成原則和運作原則，其中蘊含了理論發現的寶貴機會和線索。因此，我們的任務并不是簡單地套用某些統計模型來估計出“純凈的”因果效應，而是在那些“不純凈”之處進行細致的辨析和還原，去理解數據生成過程背后的社會組織原則。在統計學看作是干擾因素的地方，在社會學看來正是機會所在。

　　最后還需要強調的是，社會學的定量研究既要不斷向前看，以追蹤最新的技術進展，同時也有必要回頭看，在新的問題意識下重新理解和反思定量研究的一些經典作品。劉世定在對布勞（Peter M. Blau）等著《美國的職業結構》的評析中說：“一部已經成為‘歷史’的名著之所以值得認真讀，不是使自己知道后來流行的著名論點是從哪里起源的——這只需要翻閱就可以了——而是去體會作者是如何艱難地得到結論的，有哪些困惑的東西被后來的跟進者忽視或屏蔽了，在其論述中事實上隱含了怎樣的假定，甚至是處理不當的。”我們尤其需要關注這些經典作品中“數據資料統計”與“真實社會過程”的接口之處，那里往往包括了某些被忽略的重要創見，也可能蘊含了不易察覺的誤導和含混。要探索社會學本位的定量研究路徑，這一嚴肅的批判工作是開展研究的必要前提。

　　（作者系中國政法大學社會學院教授）