读书 | 读（美）格尔茨、马奥尼《两种传承：社会科学中的定性与定量研究》（刘军译，上海：上海人民出版社，2016年）

发表于公众号Retrotopia

时间：2024-03-27

一、

《两种传承：社会科学中的定性与定量研究》的英文原版为格尔茨（Gary Goertz）与马奥尼（James Mahoney）的A Tale of Two Cultures: Qualitative and Quantitative Research in the Social Sciences (Princeton, N. J. : Princeton University Press, 2012)。格尔茨的研究领域是国际关系、比较政治与方法论；马奥尼关注比较社会学、发展研究以及方法论。两位作者都做比较历史研究。《两种传承》可以认为是定性的、比较历史分析取向的学者对KKV著作的回应。需要指出，这里的定量研究基本专指基于统计推断的回归分析；定性研究不包括解读取向的方法。

本书第17章有5张表格总结了定性与定量研究在25项上的差别。不过我认为这25项有些重复，因此我重构这些差别，把它们分成了前操作化阶段、操作化阶段、以及分析过程的差别。前操作化阶段，将介绍介绍两位作者拒绝什么观点、主张什么观点；操作化阶段和分析过程，基本是顺着量化的“洋八股”思维，从案例选取、概念与测量、分析过程（包括模型构建、变量转换、模型解读、模型拟合、模型检验）去反观定性研究与定量研究的差别。

图源：彭玉生《“洋八股”与社会科学规范》，《社会学研究》2010年第2期，第182页。

二、前操作化阶段

首先，两位作者拒绝以下观点。第一，基于统计规范的单一推理逻辑，可以同时指导定量和定性研究。第二，定量和定性的区分，仅在一方使用数字而一方使用文字。第三，定量和定性的区分，在于定量研究是大样本研究，定性研究是小样本研究。

他们的方法论主张是：第一，在数学基础上，定量建基于统计学；定性根植于逻辑学和集合论。第二，在推断模式上，定量研究进行跨个案分析(cross-case)以推断总体；定性研究没有population这个概念，是运用个案内分析(within-case)，推断个体个案。

数学基础可以进一步展开。定量的概率论思维，即变量X/或者变量X发生，变量Y平均变动多少。定性的数学基础则主要是集合论，其中又有清晰集和模糊集。清晰集是指，事件要么发生，要么不发生。可以通过表2.1理解清晰集，表格内的Nk与0表示可能性。如果事件X不发生，Y也不发生（X=0时，Y=0），事件X发生，Y可能发生或不发生（X=0时，Y=0或1），那么X就是Y的必要条件；也就是单元格（0,1）的可能性为0。如果X发生，Y必然发生，那么X就是Y的充分条件；也就是单元格(1,0)的可能性为0。

清晰集

在模糊集中，事件发生的可能性介入0和1中间。此时，必要条件就是在45度线下方；就是说，X的取值，比Y的取值大。充分条件，就是在45度线上方的案例；此时X的取值，要比Y小。

模糊集

这里，数学基础上推断统计的概率论与定性分析的集合论区分，其实已经可以看出定量和定性对案例数据的要求不同。OLS线对案例数据的要求是等方差性；但是很明显，定性的数据不要求等方差。

三、操作化阶段

假设《社会科学中的研究设计》一书的观点是成立的，那么按照定量的操作化思路，去比较定量和定性方法，结果应该是两种方法没有太大差异。

我把25项差异，分成案例选取、概念与测量、分析过程以及如何使用多元方法四个部分。在分析过程部分，由于25项差异没有总结模型拟合、模型检验的差异，我于是根据书籍的行文加以补充。会发现，即使按照定量的研究规范，两种方法的运用差异也是很大的。

（一）案例选取

在普遍性与简约性的问题上，定量研究可以适度调整模型去解释更多的案例；定性研究即使适度扩展模型，也会导致复杂的修正（页241-249、252）。在个案的构成上，定量会认为数据是变量的观测值；定性则认为是构型。可以回看下图的经验真值表出现的地方，作者是如何论述定量与定性的差别的。

再看选取个案时的差别。定量研究随机选择个案，形成大样本；定性研究倾向选择2×2表格中的(1,1)单元格。定量研究不根据因变量选取个案；定性研究倾向选择实质重要的个案。由于误差估计值在均值时比极值小，定量研究最青睐接近均值的个案；定性研究最喜欢接近理想型的个案（见第10章）。

（二）概念与测量

在概念的理解上，定量研究是通过指标去关注变量；定性研究则通过语义进程建构概念。在概念的构建上，定量研究倾向互斥原则（如民主vs威权）；定性研究的概念对立面原则是不对称的（如民主vs非民主）（页192）。定性研究概念的对立面原则，是指一个概念及其对立面的意义和测量是不对称的（页192）；定性研究的概念重叠原则（页194）则指类型学中相邻的范畴可以重叠，而非互斥。

四、分析过程

这部分涉及模型构建、变量转换、模型解读、模型拟合、模型检验等内容。

（一）模型构建

1.反事实分析

作者分析定量研究的三种模型构建（包括OLS、双重差分分析、对数线性模型、多项式回归；Neyman-Rubin-Holland模型、潜在结果架构；以及贝叶斯模型），指出这些模型的反事实分析，是一种最大重写实践(maximum rewrite practice)/极端反事实路线(extreme counterfactual approach)。这种反事实分析实践，是在控制其他变量的情况下，先将X设定为最小值，再令X从最小值变为最大值，Y的变化即X对Y的因果效应量。这种实践是基于如下原因：数据集合中存在一些个案，与所提议的反事实相似；这是一种跨个案的反事实分析。

OLS模型

定量的反事实分析

定性的分析

2.聚合、单个变量、交互性处理

定量研究把Y处理为X的加权和；定性研究使用AND或者OR两种逻辑语言，使X聚合成Y的INUS（充分非必要条件的必要非充分部分）。定量研究处理单个变量时的做法是，控制其他变量，固定其他效应；定性研究处理单个变量时，不控制其他变量，与其他变量共同成为Y的原因。处理交互项时，定性研究不表达交互项，视为充分性组合。

（二）变量转换

定量研究转换变量常用的手法是标准化和对数转换，后者可以起到幂律分布、消除偏态、显著度更高的作用。定性研究则倾向意义保留。举例来说，从定性角度看，一个个案是否完全民主，取决于民主概念的定义和该个案的特征，不取决于该个案在作为一个整体的总体内部的民主程度分布（页178）。样本均值可能代表，也可能不代表概念的中间点。例如，在政体量表[-10,10]中，0为中间点，但样本均值可能是3。对于定性研究而言，变量转换的基本原则是：所有数据都应该强化数据和概念的意义之间的关系。

（三）模型解读

定量研究是一种因果效应解释，它很少解释Y中的具体个案yi；对于非Y的看法是，解释Y也就解释了非Y。定性研究则是一种因果机制解释，它关注明确的、能够取得结果Y的不同路径，它常解释作为个案的Y；并且认为，Y与非Y的解释是不对称的。

这里就出现了两种探寻因果关系的方式（页45）：定量学者倾向effects-of-causes approach（先因后果），在总体或样本内估计某个变量的平均效应。定性学者倾向 causes-of-effects approach（先果后因），针对特定效果提供多变量解释，他们会问：诸多要素是否为必要条件，或者组合后是否为充分条件。

（四）模型拟合与检验

定量研究关注R与R方；定性研究关注一致性。定量研究OLS使用F检验；Logit模型使用-2LL。定性研究则进行过程追踪检验。其中又有两种检验手段。其一，箍筛检验(Hoop Tests)(页106-7) ，即要保证关于单个个案的假设是有效的，某项证据必须存在于该个案中。如通过该检验，不能确证该假设；但不通过该检验，则拒绝该假设。其二，确凿证据检验(Smoking Gun Tests)(页107-9) 。如果存在某些特殊证据/特殊观测项，假设必然成立。通过该检验，假设成立；不通过该检验，假设不必然不成立。也可以理解为，不通过一种容易的确凿证据检验，则该假设无效；无法通过一种困难的确凿证据检验，不能说明该假设无效。

五、

这本书是很有意思的方法论著作。两位作者分析定量研究与定性研究的数学基础，在纷繁复杂的定量-定性方法争论中别开生面。

对25项不同加以重构，会发现定量与定性方法（姑且不论解读取向）背后的culture不同。因此如果倡导使用混合方法，绝不能是一种中庸式的倡导，而必须建基在对定量与定性不同方法论基点的辨认之上。这也提醒我们，当自己在说混合方法时，需要明白到底是在何种意义上加以混合。