读书笔记：Designing Social Inquiry
这本《社会科学中的研究设计》（Designing Social Inquiry：Scientific Inference in Qualitiative Research）方法课和导师都推荐阅读，因为对定量方法确实陌生，所以打算完整读一遍。 该中译本是我自去年开始中英对照读学术书以来，遇到翻译最糟糕的一回。许多细微的表达、从句都被译者直接省略掉。（虽然听说译者是大佬......）很多地方虽然乍一看似乎和原文意思相差不大，但整体读下去很多细节都令人费解。本文仅是读书笔记，偶尔捉虫，大概率会持续更新。（原文副标题是in qualitative research，真是标题就表明定性也遵从推论逻辑吗?捂脸。）打算后续再读《两种传承》。
第一章 社会科学中的“科学” The Science in Social Science
1.1. 导言
- 如何设计研究方案。
- 怎样提出研究问题。
- 开展学术研究并进行有效的描述和因果推论。
the essential logic underlying all social scientific research.
1.1.1 Two Styles of Research, One Logic of Inference 页1
作者认为有一个底层的推论逻辑（ the logic of inference）在定量研究与一流的定性研究之下。
定量研究Quantitative research ：
定量研究侧重计算和统计学分析，其研究建立在对一些现象特定方面的数量化测量上。这种方法从个别现象出发，将个别现象加以概念化以便归纳出一般性的描述或以此检验因果假设；同时，该方法一般使用那些能被其他研究者复制的测量和分析技术。（页2/p.3）
定性研究Qualitative research p.4：
个案或小样本；The particular place or event is analyzed closely and in full detail.
多样方法；to use intensive interviews or depth analysis of historical materials
整体性的理解；例如，东欧communist regimes解体，某一场革命。(偏向列举政治学的例子)
总体，社会科学分成了两派：
the social sciences into a quantitative-systematic-generalizing branch and a qualitative-humanistic-discursive branch.
这种二分作者觉得没必要，因为认为风格和方法论上的差异并不重要，高质量的研究所依赖的逻辑都是相同的。E.g.在历史研究中通过有效的因果推论对所有可能的解释进行评估就是分析性的。从这个意义上说，历史学（或历史社会学）与社会科学之间是互通的（Skocpol，1984：374-386）。
好的研究综合两种方法：E.g. 普特南Putnam《使民主运转起来》（Making Democracy Work）。长久持续的访谈结合多次的抽样调查和普查。
作者的一些关键观点：页4-5
1.如果定性研究者能够关注那些在定量研究中已经普及的科学推论原则，他们所从事的非统计研究的结论将会更加可靠。从严格意义上来说，那些定量研究基于统计学的建模方法对所有研究都适用，甚至对那些没法用定量测量的变量也有效。
2.不需要万无一失的充分数据，就可以做有价值的研究；不确定的结论也有价值，只是需要如实叙述出这种不确定性。
3.社会科学的目的就在于对世界作出描述性和因果性的探索。
4.本书目的在于规范而非扼杀研究思维。
1.1.2 社会科学中关于“科学研究”的定义 Defining Scientific Research in the Social Sciences 页6，p7
科学研究的四个特征：
1. The goal is inference. Scientific research is designed to make descriptive or explanatory inferences on the basis of empirical information about the world. Careful descriptions of specific phenomena are often indispensable to scientific research, but the accumulation of facts alone is not sufficient.
科学研究区别于其他工作的地方就是超越现有的观察范围从而获取推论。
2.The procedures are public.采用公开的研究程序。
如果没有明确说明观察推论的方法与逻辑的话，其他学者便无法判断其结果的有效性。一旦无法对样本选择、处理标准以及获得结论的逻辑做出评价，读者就不可能从这样的研究中学到什么东西，可重复性更是无从谈起。
（这里中文貌似漏译了一段：大意是共享的研究程序使得知识积累成为可能。
All methods—whether explicit or not—have limitations. The advantage of explicitness is that those limitations can be understood and, if possible, addressed. In addition, the methods can be taught and shared. This process allows research results to be compared across separate researchers and research projects studies to be replicated, and scholars to learn. p.8）
3. The conclusions are uncertain.
uncertainty is a central aspect of all research and all knowledge about the world.
（回应研究的不确定性问题非常必要。）
4. The content is the method.
scientific research adheres to a set of rules of inference on which its validity depends
简单说即，
（1）以推论为研究目的
（2）采用公开的研究程序
（3）结论是不确定的
（4）研究的内容是关于方法的。
1.1.3 科学与复杂性 Science and Complexity
认识上的复杂性部分取决于研究者如何对现实进行简化。而简化能力取决于是否能够以连贯而有逻辑的方式说明结果和解释变量。页8
复杂性可能使推论具有不确定性，但不会使它们变得不科学。
对一般事件的概括方法：
conceptualizing each case as a member of a class of events about which meaningful generalizations can be made.
对不太常见、大型事件的处理方法：
反事实分析（ counterfactual analysis）：the mental construction of a course of events which is altered through modifications in one or more ‘conditions’” (Weber [1905] 1949:173).
1.2 研究设计的主要组成部分 页10
调查过程应该在一系列固定的规则下展开。页11
劝大家做学术别悲观，因为别的研究者在完成他们的智慧建筑物后，拆除掉脚手架，所以没有留下一点痛苦和不确定性的痕迹。
数据 理论 问题，三种在研究中变更没关系，只要新的研究遵循推理的规则，它仍是科学的，并能获得可靠的结论。
本书一共四个部分：
研究问题、理论、数据和数据使用。
1.2.1 改进研究问题的质量
卡尔·波普尔（Karl Popper，1968:32）：“并不存在一个逻辑的方法来帮助产生新思想……发现新思想的过程包含着‘非理性因素’。”
如何选择研究项目没有什么规则可循。不过还是有两个标准：
1.提出对于现实世界真正重要的问题。（ a research project should pose a question that is “important” in the real world.）这些问题能够有助于探究哪些因素显著影响（ significantly affects）了许多人的生活。
2.一个研究项目应该通过提高研究者作出科学解释能力的方式对文献做出具体贡献。(a research project should make a specific contribution to an identifiable scholarly literature by increasing our collective ability to construct verified scientific explanations of some aspect of the world.)
（划线句中文翻译很奇怪，各种省略有点歪曲原意。页13，可译为，一项研究项目应当通过增强我们整体对世界某些方面建构可靠的科学解释的能力，来对某一可识别范围的学术文献做出贡献。）
——第一个标准本质上是一种社会判断。根据作者的第二个标准，某些领域即便只是描述推断的研究，也有其价值，同时需要在现有的社会科学文献框架内明确地定位出一个研究设计。
————
对现有文献做出贡献的可能方式（页15、p.16-17)：
1.选择重要但是此前没有人做过系统研究的假设。
2.选择一个虽然在文献中被公认但仍然值得怀疑的假设（或一个尚未得到充分确认的假说），以此来探讨这一假说是否错误或者找到其他可供替代的正确理论。
3.Attempt to resolve or provide further evidence of one side of a controversy in the literature—perhaps demonstrate that the controversy was unfounded from the start.
（这一句作者错译了，直接摘英文）
4.设计研究以阐明或评估文献中那些未经质疑的假说。
（作者把unquestioned译成无可置疑了，我改成未经质疑了。）
5.Argue that an important topic has been overlooked in the literature and then proceed to contribute a systematic study to the area.（找到被忽视的重要话题，系统研究。）
6.Show that theories or evidence designed for some purpose in one literature could be applied in another literature to solve an existing but apparently unrelated problem.（也就是扩大一个理论或证据的适用范围）
（再吐个槽，Hypothesis同一段一会译成“假设”一会译成“假说”，令人以为有什么特别区分。）
现实世界中的实用性和科学进步的贡献这两个标准并不总是合拍，单研究项目尽量应该满足这两个标准。
1.2.2 Improving Theory
A social science theory——a reasoned and precise speculation。p.19 页17
作者将简要介绍一些改善理论有用性的方法（improve the usefulness of a theory）。
1.choose theories that could be wrong.
研究者需要明确回答以下问题：哪些证据能够被用来说明自己的观点是错的？如果无法回答这个问题，我们就不能得到一个理论。
2.
to make sure a theory is falsifiable, choose one that is capable of generating as many observable implications as possible.
选择那些那产生更多可验证推论的理论。
3.理论尽可能具体（concrete）
4.理论的复杂性应该与证据显示出的复杂性相一致。页18 p.20
————
完成数据收集后改善理论的两个建议：
1.
if our prediction is conditional on several variables and we are willing to drop one of the conditions.也就是说，再接触到数据之后，研究者有可能改变原有的理论使其适用于更多的现象，而不是只把理论停留在那些观察到与理论一致的现象上。p.21
（这一点，John Levi Martin在《领悟方法》（Thinking Through Methods）也提过，也就是在研究设计中保持对称感，不要只看合乎自己理论的经验。不然，只要想找总能找到符合你理论的经验。）
2.没有必要在观察完数据后，再为理论增加限定，否则一个现象一个理论的特殊性没有太大意义。
1.2.3 提高数据质量 Improving Data Quality p.23 页21
下定义：
“Data” are systematically collected elements of information about the
world. They can be qualitative or quantitative in style.
数据的收集和最重要检验的理论或假设之间并无绑定关系。
无论当数据收集被用于特定的目标的还是不确定的目标，都可以改善数据质量。
理论建构与数据收集二者互为对方所需。 (see Coombs 1964).
以下是改善数据质量的指导原则：
1. record and report the process by which the data are generated.
避免数据分析时产生有偏的推论（descriptive or causal inferences）。
定量： the data-generation process-抽样、提问等需要说清。
定性：挑选个案的原则需要详细说明。
p.23,页21-22
2.in order better to evaluate a theory, collect data on as many of its observable implications as possible.
也就是多收集能够用于验证理论推论的经验数据。
——如果能有越多的观察到的与理论推论吻合，自然理论越有解释力。
具体：
(a) collect more observations on the same dependent variable
(b) record additional dependent variables. p.24
但只看书收集数据不开始写作，也不行。
Insisting on reading yet another book or getting still one more data set without ever writing a word is a prescription for being unproductive. p.25
3. maximize the validity of our measurements.提高我们测量的效度，即测量到我们真的想要测量的内容measuring what we think we are measuring。
具体：it is easiest to maximize validity by adhering to the data and not allowing unobserved or unmeasurable concepts get in the way.
4.ensure that data-collection methods are reliable. p.25
测量方法可靠。
Reliability means that applying the same procedure in the same way will always produce the same measure.
5. all data and analyses should, insofar as possible, be replicable.可复现。
定量研究中，复现主要是用相同数据重新分析。
（最近豆瓣不少人再转发有关复现解释中国经济增长的”锦标赛理论“的数据分析讨论。）
定性研究中，可复制性比较困难。不过也有大规模的复制工作。比如1929-1937关于“中镇”（Middletown）的研究。
（国内关于浙江村的不知道算不算？）
可复制性需要：scholars should always record the exact methods, rules, and procedures used to gather information and draw inferences so that another researcher can do the same thing and draw (one hopes) the same conclusion.
p.27 页24-25
1.2.4 Improving the Use of Existing Data 更好利用现有数据 p.27
1.无偏推论。
we should use data to generate inferences that are “unbiased,” that is, correct on average.
数据使用时需要小心,以确定在数据收集过程中是否有忽视的偏差产生来源：样本选择偏差-片面的推论结果；遗漏变量，没有考虑控制一些变量，从而影响到了解释变量和被解释对象之间的因果关系。
2.用数据产生尽可能多的的描述和因果推论。
an efficient use of data involves maximizing the information used for descriptive or causal inference.
1.3 本书主题（ THEMES OF THIS VOLUME）p.28 页26
(译者把this volume译成了“本章”。)
1.3.1 Using Observable Implications to Connect Theory and Data
利用可观察到的推论将理论和数据联系起来。
在2.6将讨论理论如何影像数据收集以及数据如何推进理论的发展。
作者认为，理论和实证研究必须紧密结合。
面对理论——思考什么是其可观测到的现象？一个实证调查也应该询问观察值是否与理论相关。
1.3.2 最大化解释力 Maximizing Leverage
explaining as much as possible with as little as possible.
The primary way is to increase the number of observable implications of our hypothesis and seek confirmation of those implications.
（非常自然科学了…..）
总的来说，社会科学中的解释效力一般都不会太高，在某些领域中，解释力可能会更低。也许是因为学者还不清楚如何提高它，也许是因为研究对象并不是我们习以为常的事物，也可能两个原因都存在。在传统的定性研究领域中，解释变量的利用率通常都很低。似乎任何解释都需要大量的解释变量：很多证据被用来解释很少的东西。在这种情况下，研究者的目标就应该是设计出更具解释效力的研究。
作者建议：
we strongly recommend that researchers routinely list all possible observable implications of their hypothesis that might be observed in their data or in other data. It may be possible to test some of these new implications in the original data set—as long as the implication does not “come out of” the data but is a hypothesis independently suggested by the theory or a different data set.
（无力吐槽了，作者对implications的翻译至少有“现象”“含义”“推论”三种，但什么时候用哪种并无定法。比如，这句作者译成了，“我们强烈建议研究者要习惯于列出数据中关于假说的所有可能的现象。只要这些现象不是来源于现有数据，而是由理论或其他数据中独立提出的假设”。
一句话总是在翻译中省略原作者的用词和表达，虽然乍看似乎不影响理解。但经常这般感觉很多细微的表达都在翻译中遗失了。这里“现象”我初读还以为是说经验现象，结果含义应该是“由理论假设得出的可供检验的推论”。原作者一直在围绕着理论的推论以及要使有限经验数据中包含更多的“observable implications”，去检验理论推论是否吻合，展开讨论，进行建议给定。这种换词、缩译真的使某些段落费解。比如第二句，“只要现象（implications，译成推论不香吗？)不是来源于现有数据，而是由理论或其他数据中独立提出的假设。(我第一遍没看懂这句话，这是个病句，“不是源于数据，而是由理论或假设”，至少应该是“由什么产生”吧，“come out of”被吞了。)
1.3.3 汇报推论 Reporting Uncertainty 页29，p.31
学者应当汇报对推论的不确定性的估计。
汇报对推论不确定性的估计。在定性的政治科学研究中最严重的一个问题是不能合理估计推论的不确定性（King，1990）。依照本书讨论的规则，即使证据十分有限，研究者也是能够获得有效推论的。
1.3.4 Thinking like a Social Scientist: Skepticism and Rival Hypotheses
鼓励大家利用社会科学的视角审视针对该问题的因果推论——就是说，始终要带有怀疑态度，关注是否有其他被忽略的解释因素。因果推论实际上是一个过程，后续的研究者可以对之前的结论做进一步的改进与检验。只有这样，我们才能够逐渐接近准确的因果推论。
第二章 描述性推论Descriptive Inference（页29；p34）
Ø part of the descriptive task is to infer information about unobserved facts from the facts we have observed.
Ø distinguishing between that which is systematic about the observed facts and that which is nonsystematic.
描述在解释工作中不可或缺。重要的是通过有效的程序得到系统性的推论。描述和描述性推论二者要区分。
2.1 普遍知识与特定事实（ GENERAL KNOWLEDGE AND PARTICULAR FACTS）
a class of events or units without saying anything in particular about a specific event or unit.
2.1.1 “Interpretation” and Inference
“interpretation” seeks to illuminate the intentional aspects of human behavior.
"The most obvious standards are coherence and scope: an interpretative account should provide maximal coherence or intelligibility to a set of social practices, and an Interpretative account of a particular set of practices should be consistent with other practices or traditions of the society"(Moon 1975: 173).
"not an experimental science in search of law but an interpretive one in search of meaning"(Geertz 1973:5).
（Law还是翻译成法则比较好吧，规律感觉比较弱）
作者说诠释论者最重要的可操作的建议也就只是：提假设前多了解（文化）
researchers should learn a great deal about a culture prior to formulating research questions.
（定性方法取向者，血压上来了。）p.37
只不过科学与众不同的贡献在于它提供了一系列寻找答案的方法及程序去回答那些设计恰当的描述性或因果性问题。p.37 页35
我们想要补充的是只有依靠科学的推论逻辑，从类似参与式观察法这样的方法得出的结论，其可靠性才有可能被评估。
任何关于科学的定义，如果它不能为假设的产生提供空间，就如一个根本不想去发现真相的阐释性描述--般愚蠢。
有了假设：
1.验证假设。
2.对不确定性程度估计。
If interpretation—or anything else—helps us arrive at new concepts or hypotheses, then it is unquestionably useful, and interpretation, and similar
forms of detailed cultural understanding, have been proven again and again.
But only with the methods of scientific inference will we be able to evaluate the hypothesis and see whether it is correct.
但仍要以科学推论的方法去检验假设设才能判断是否为正确。
（作者对待质性方法的态度很微妙：只要这些方法及其后果能融入到“科学研究”的步骤中就可以，比如帮助形成新假设。但总归的还是得按科学这样一套操作、评价）
作者进一步说明了进行推论并验证的价值，他举例说假如两种理论都可以解释一个现象，并且也没有更多信息。进行推论，再观测推论结果就可以区分。
Interpretation, feeling, thick description, participant observation, nonparticipant observation, depth interviewing, empathy, quantification and statistical analysis, and all other procedures and methods areinadequate to the task of distinguishing two theories without differing observable consequences.
2.1.2 “Uniqueness,” Complexity, and Simplification页39
作者：
部分定性研究者之研究具体的知识，不产生一般性知识；
作者认为许多事情的唯一性并不妨碍科学研究。
唯一性引出的真正问题是复杂性
这意味着科学研究的简化工作的必要。
“总之，我们认为社会科学研究应该尽量做到普遍与具体并重：它既要告诉读者关于一-系列事件的特点，也要提供特定地点发生的具体事件的信息。在某一时点上，我们既希望永恒也希望时间就此凝固。强调普遍还是强调具体取决于研究的目的，不过两者完全有可能并存。此外，这两个目标之间并非相互排斥，而是相互支持。”（页40）
2.1.3 Comparative Case Studies（p.43 页41）
If quantification produces precision, it does not necessarily encourage accuracy, since inventing quantitative indixes that do not relate closely to the concepts or events that we purport to measure can lead to serious measurement error and problems for causal inference (see section 5.1)
良好的描述部分取决于良好的解释 good description depends in part on good explanation
Good description is better than bad explanation.
One of the often overlooked advantages of the in-depth case-study method is that the development of good causal hypotheses is complementary to good description rather than competitive with it.
围绕某个解释性问题所建构的个案研究有助于更加聚焦和关联的描述。即便该研究最终没有提出一个可靠的因果推论。
_____
个案比较研究：
可以产生一些因果推论，但是目前没有达到有效推论的标准。
comparative case
studies must be be more systematic for description or explanation is fundamental.
p.45
作者提出的改善个案比较的方法：the congruence procedure（一致过程）
亚历山大●乔治（AlexanderGeorge）所建议：“结构的集中比较"（structured，focused comparison）这一强调规范性的方法去收集数据（George&.McKeown，1985；另见Verba，1967）。乔治与他的合作者也强调要从那些精心选择过的样本中系统收集相同的信息，也就是那些相同的变量。如果能获得因果推论，研究者还需理论的指导以获得系统性描述。
Controlled comparison of a small n should follow a procedure of systematic data compilation.” Such “structured-focused comparison” requires collecting data on the same variables across units.
（尽可能地对照着收集同一变量的不同数据，即便是小样本的个案比较。）
2.2 数据收集工作的科学目标INFERENCE: THE SCIENTIFIC PURPOSE OF DATA COLLECTION
推论是利用已知事实去探索未知事实的过程。
避免潜在的或自相矛盾的观点。
组织事实最好的科学方法就是将其视为理论或假设的可观察现象。
把事实作为某一理论的可观察现象组织起来。
• 首先，按照这种标准筛选事实，研究者可以发现增加观察值将有助于检验理论。既然信息越多越好，我们就不应该舍弃这些数据，研究过程也因此得到改进。
• 在搜集数据前并不需要研究者有一个完整的理论，当然也不需要自始至终地固守一个理论。
• 强调收集信息作为理论的可观察现象，会使定量研究与定性研究具备共同的基础。
把资料整理成理论的可观察现象列表有助于解释定性研究的基本科学目的。
当一个新的理论或假设被提出来时，把理论揭示的、原则上也能被观察到的所有现象都罗列出来是一-个很有效的方法。
将资料整理成理论的可观察现象是一个简化的过程，这就需要研究者将资料系统化。将那些来自真实世界的原始材料按照“分析单位”或“案例分析”组成的集合转变为按照“属性”或“变量”组成的集合。（页43-44）
2.3 FORMAL MODELS OF QUALITATIVE RESEARCH 关于定性研究的公式化模型
两种模型类型：All models range between restrictive and unrestrictive versions
Restrictive one: clearer, more parsimonious, and more abstract, but less realistic
unrestrictive versions: detailed, contextual, more realistic, but less clear and harder to estimate
实际操作中，我们就从restrictive and unrestrictive 连续体（this continuum）中选择建构适合研究目的和问题的复杂性的模型。
（中译。这里把on this continuum,翻译成了在这种背景下，continuum指的应该是KKV所言的定性研究的两种理想类型的模型及其中间，构成的连续体）（p.50,页47）
再详尽的研究也是对现实的简化和抽象，这种抽象化是理解的必要条件，所以是不是一本好书的标准还在于它剔除了什么。比如定性研究常用的是一种语言的模型。
2.4 关于数据收集的公式化模型
统计学中的那么正规，不过这并不影响对理论的清晰表达。数据搜集有多种方法，包括观察法（observation）、参与观察法（participant observation）、深入访谈法（intensive interviews）、大规模抽样调查法（large-scale sample surveyss）、二手资料调查法（history recorded from secondary sources）、随机实验法（randomized experiments）、民族志研究法（ethnography）及内容分析法（content analyses），等等。数据搜集最重要的原则是要弄清楚数据的来源及获取数据的过程。
变量：是指那些可以代表随着特定单位变化而改变其值的任何事物。（The symbol y is called a variable because its values vary over the units, and in general, a variable can represent anything whose values change over a set of units.）
观察值：一个单位的一个或多个变量的测量。
接下来讨论：变量、单位的理念在研究设计中如何提高思维的清晰度的。（页50 p.53）
2.5 概括总结历史细节SUMMARIZING HISTORICAL DETAIL
Summarization is necessary.
Our model of the process of summarizing historical detail is a statistic.总结历史细节的过程的模型就是一种统计。
KKV给统计了一个特别的定义： A statistic is an expression of data in abbreviated form
定性的、历史细节的summary怎么做：
1. summaries should focus on the outcomes that we wish to describe or explain.
2. A summary must simplify the information at our disposal
2.6 描述性推论DESCRIPTIVE INFERENCE
Descriptive inference is the process of understanding an unobserved phenomenon on the basis of a set of observations.
描述推论也会有系统性误差和非系统性误差（systematic and nonsystematic differences）
l Systematic differences：fundamental and predictable characteristics of the samples
l nonsystematic differences: would not be predictable
因此，推论的一个基本的目标就是区分我们研究的现象的系统性的成分和非系统性的成分。
我们的观察是代表典型还是异常（typical phenomena or outliers）
variable y-a set of data, 来自于650个被测量的对象。
（这个我们观察到的y就是“已实现的变量”（realized variable））
Y as a random variable；we define Y as a random variable because it varies randomly across hypothetical replications of the same election.
（也就是说我们最终实际观察到的y值就是实现变量，是一个固定的值，收到了系统和非系统因素影响后的结果。而，Y是y值有可能的所有取值中的一个。被称为随机变量）
2.7判断描述性推论的标准 CRITERIA FOR JUDGING DESCRIPTIVE INFERENCES(页60)
统计学中被普遍使用的评价推论的三个标准：无偏性（unbiasedness）、有效性（efficiency）及一致性（consistency）。
2.7.1 无偏推论 Unbiased Inferences
定义：
Unbiased estimates occur when the variation from one replication of a measure to the next is nonsystematic and moves the estimate sometimes one way, sometimes the other.
无偏推论在反复测量后结果的偏差是非系统观点。
2.7.2 推论的有效性 Efficiency 页63 p.66
Efficiency is a relative concept that is measured by calculating the variance of the estimator across hypothetical replications
• 对于无偏的测量： the smaller the variance, the more efficient.(方差越小，估计的有效性越高。)
• 对于有偏的测量，即便方差小也无意义（测量值紧密分布在错误值周围）
Efficiency provides a way of distinguishing among unbiased estimators.
有效性概念就有助于在无偏估计值中进行进一一步区分，也有助于在那些带有少许偏差的估计值中进行区。
如果所有条件都相同，观察值才是越多越好：因为随着观察值的增多，差异性（即较低的有效性）就会降低。一致性所描述的就是当观察值数量变得非常大时，变异性趋近于零的性质。此时估计值与我们试图估计的参数相等了。（64）
除非能通过定性的、随机误差的校正方法把后者减小至少650倍，否则出于有效性的考虑，我们自然更偏向于统计学估计。
从理论上来说，我们倾向于无偏估计值，同时也布望它的有效性越高越好。在接下来的一章中，我们将告诉读者在实际研究中对偏差和有效性做出权衡是十分重要的。
（P.S 我有个很强的困惑，就算我们做描述推论的时候，很可能不是在做一个能够直接用均值来衡量的社会存在，那这一套关于无偏性和有效性的讨论在何种程度有意义？比如，戈夫曼对于日常生活中互动仪式的研究，是无法被包含到KKV的方法论下的。）
