重思社会科学研究：不同的工具、通用的标准（第二版） 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

本书对经典著作《社会科学中的研究设计》进行了深入的重思，探讨了政治学和社会科学领域的研究方法。全书共分为两大部分，第一部分聚焦于方法论上的争论，不仅包括对KKV所涉及问题的持续性争论以及对标准定量模板与日俱增的批判，还包括对定性和定量研究工具如何进一步完善因果推断的新观点。第二部分则聚焦于因果推断这一重要研究工具的讨论，包括过程追踪、因果过程观察以及基于回归的推断和基于事先设计的推断。此外，研究者对社会科学中自然实验的复杂假设和平衡取舍知之甚少，本书通过探索这些关键工具扩展了方法论视野。

中文版推荐序  迈向混合方法的社会科学研究

译者序

第二版前言 

第一版前言

导论 政治学方法论上的巨变

第一部分关于方法论的争论

A.设定争论的框架

1.重新聚焦方法论的争论

2.对标准的追求：金、基欧汉和维巴的《社会科学中的研究设计》

B.关于定量模板的批判

3.做好与做得更好：定量模板能让我们走多远？

4.定量帝国主义：一些不可达成的承诺

5.社会科学（而非物理学）推断是怎样忽略理论异常的？

C.连接定量与定性研究传统

6.弥合定量与定性研究之间的鸿沟

7.研究设计的重要性

D.不同的工具、通用的标准

8.批判、回应和取舍：综合看待这一场辩论

9.因果推断中解释力的来源：关于方法论的另一种观点

第二部分因果推断：旧的困境，新的工具

E.因果推断和定性工具

10.过程追踪和因果推断

11.论科学研究的类型：定性推断的作用

12.数据集观察值与因果过程观察值：2000年美国总统大选

F.因果推断的定量工具

13.基于回归的推断：一个失败的因果评估的案例研究

14.基于事先设计的推断：超越回归分析的陷阱？

术语表

参考文献

转载受版权保护材料的许可声明

亨利·E.布雷迪（Henry E. Brady），加州大学伯克利分校高盛公共政策学院院长，美国政治科学协会主席，麻省理工学院经济学和政治学博士，美国艺术与科学学院成员和美国科学促进会成员。主要研究领域为社会福利政策、项目评估、选举政治和政治参与。

戴维·科利尔（David Collier），加州大学伯克利分校政治学教授，芝加哥大学博士，美国艺术与科学学院、美国科学促进会成员。曾任美国政治科学协会比较政治委员会主任。2014年，他被授予约翰·斯凯特政治科学奖，以表彰他对政治科学的终身贡献。主要研究领域为比较政治学、概念分析、定性研究方法。韩永辉

中山大学岭南（大学）学院经济学博士、中国社会科学院世界经济与政治研究所博士后。现任广东外语外贸大学广东国际战略研究院副院长、教授、博导。在《经济研究》等国内外权威期刊发表论文90余篇，主持国家社会科学基金重大项目等国家和省部级研究课题50余项。

谭舒婷

广东外语外贸大学应用经济学博士研究生，新加坡南洋理工大学国际政治经济理学硕士。曾参与多项国家和省部级及以上课题研究，发表10多篇学术论文。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：重思社会科学研究：不同的工具、通用的标准（第二版）在线阅读

在线听书地址：重思社会科学研究：不同的工具、通用的标准（第二版）在线收听

在线购买地址：重思社会科学研究：不同的工具、通用的标准（第二版）在线购买

which serves as the foundation for the desired scientific form of qualitative methods. In KKV’s view,

standard research procedures of qualitative analysis are routinely problematic, and ideas drawn from conventional quantitative methods are offered

as guideposts to help qualitative researchers be scientific.

KKV establishes as the sole legitimate form of social science a set of rather idiosyncratic and at times downright counterintuitive frequentist statistical methodologies that came together . . . to solve problems quite distant from those encountered by most political scientists. . . . (2006: 336)

Constructing a statistical model requires assumptions, which often are not only untested, but largely untestable. These assumptions come into

play ‘‘in choosing which parameters to include, the functional relationship between the data and the parameters, and how chance enters the model’’

Thus, debates on the precariousness

of regression analysis are also debates on the precariousness of statistical models.

Thus, what we might call a ‘‘kitchen sink’’

approach—one that incorporates numerous variables—can routinely appear to explain a large part of the variance without yielding meaningful causal inference.

Credible causal inferences cannot be made from a regression analysis alone. . . . A good overall fit does not demonstrate that a causal model is correct. . . . There are no regression diagnostics through which causal effects can be demonstrated. There are no specification tests through which causal effects can be demonstrated. (2004: 224)

编辑推荐

本书作出了改变研究规则的贡献，它决定性地将方法论讨论推向新的时代。没有任何社会科学家能够脱离本书。

媒体评论

本书非常简洁，是迄今为止关于运用定性和定量交叉方法的最佳著作。作者把因果过程追踪置于一个新的研究基础之上，并提供了对自然实验持怀疑态度的一个评估框架。这些讨论在概念上、统计上和研究史上都是经得起检验的，书中的案例同样具有广泛的吸引力。

                               ——丹尼尔·卡彭特（Daniel Carpenter），哈佛大学

本书作出了改变研究规则的贡献，它决定性地将方法论讨论推向了新的时代。没有任何社会科学家能够脱离本书。

                                   ——詹姆斯·马奥尼（James Mahoney），西北大学

本书专业性地引出了定量方法和定性方法的互补性，包括与金、基欧汉和维巴的最新讨论。针对过程跟踪的新章节和在线习题，给出新颖的见解，并极大地提高了本书的效用和价值。

                            ——戴安娜·卡帕泽夫斯基（Diana Kapiszewski），加州大学本书是一部有突破性的著作。它有力地证明了社会科学研究是对有效因果推断的严格追求，有效的因果推断必须充分利用统计方法和基于案例的方法所具有的洞察力和优势。本书作者们展示了机械地应用“定量”或“定性”极端教条的陷阱。通用的标准是可能的，使用不同研究设计的研究者可以共同建立启发性的、基于经验的理论。所有的政治科学家（实际上是所有的社会科学家）都应该阅读并思考这一系列令人信服的论点。

                                     ——西达·斯考切波（Theda Skocpol），哈佛大学

前言

迈向混合方法的社会科学研究

 复旦大学特聘教授  复旦大学复杂决策分析中心主任 唐世平

“研究设计”不仅仅是方法

方法的突飞猛进让许多学生甚至老师都认为，研究设计（research design）就是方法论的训练。这样的一个立场至少是值得商榷的。我的立场是，（社会科学中的）“研究设计”并不只是学习方法和方法论，而是一个介于方法和“社会科学哲学”之间，同时还要考虑其他诸多问题的任务。

更具体地说，要写好一篇好的博士论文（或是篇幅比较大的文章，甚至一部实证社会科学的专著），需要从选题、理解文献（包括文献批评）、理论化、实证方法、具体实证过程、讨论这几个方面做通盘的考虑。而具体的实证方法（和具体的做法）仅仅是一个环节。

特别重要的是，理论化（theorization）要远远大于“提出实证假说（deriving empirical hypotheses）”。因为实证假说只是对某种对应结果或者某些痕迹存在的期待，因此，如果（不能）找到或者发现这样的结果，实证假说将会获得支持或者不支持。而理论则需要给出这些观察结果背后的因果解释(causal explanation)。更进一步地说，“提出实证假说”应该是理论化基本结束之后的工作。如果一个研究只“提出实证假说”，可以说是没有理论化。而如果发现某些实证结果之后再去理论化，可能就有“自圆其说”的嫌疑。

因此，给出因果解释(causal explanation)或者说理论化要比“因果推断（causal inference）”更难：前者大于或者说包含了后者，无论后者是基于定量还是定性的实证。

如此一来，研究设计除了要基于特定的方法训练之外，还需要特别在如何理论化，如何让理论规制“实证假说”的提出，核心变量的概念化、测量，以及不同方法如何混合使用是最为有效的做法上下工夫。仅仅是具体方法的训练还不是完整意义上的“研究设计”。

从《设计社会科学研究》到《重思社会科学研究》

我认为，“Designing Social Inquiry (DSI)”（即KKV 1994） 译为《设计社会科学研究》是更加准确的翻译，而不是采用目前《“社会科学中的研究设计”》的译法。

《设计社会科学研究》（Designing Social Inquiry，即KKV 1994）开启了一场席卷政治学的方法论大辩论。但该书的主要立场是社会科学研究只有一种范式或者逻辑（即“因果推断”的逻辑）是错误的。

在本体论上，其中最为基础性的错误认识在于，尽管《设计社会科学研究》的作者们宣称是基于自然科学中的实验方法来讨论社会科学的方法，但他们至少没有完全弄懂自然科学中的实验。最为关键的是，自然科学中的实验其实不止费希尔（Fisher）和内曼（Neyman）发明的“（农业）田间实验”一种，而是至少还有一种实验逻辑，那就是通常在化学和分子生物学、分子遗传学等领域中最为核心的实验逻辑：以甄别或者确立“机制” （mechanism）或者说是“路径” （pathway）、“串联” （cascade）为目标的实验。比如，大家所熟悉的有丝分裂、减数分裂、三羧酸循环、细胞凋亡、DNA结构和复制过程、基因表达调控（如著名的“操纵子”理论）等机制或过程，都是由后一类实验贡献的结果。事实上，几乎所有的诺贝尔生理学或医学奖都是授予给后一类实验的结果。（关于这两种不同的实验逻辑，请参见我的工作论文：Tang, Shiping, 2019. “Two Logics of Experiment in Biology and Medicine: Mechanistic/Pathway versus Populational/Treatment.” https://fudan.academia.edu/ShipingTang/Papers）。

因此，我还认为，统计分析不等同于计量经济学方法。事实上，最为棘手的统计问题一直是在生物医学领域。而在社会科学领域，经济学面临的“因果推断”挑战不一定就比政治学和社会学更难。“计量经济学方法”的提法其实也体现了“经济学帝国主义”。

以上的两种实验逻辑，对于接受过基本的化学和分子生物学训练的人来说应该是常识。而由于《设计社会科学研究》的作者们认定，自然科学中的实验就只有“（农业）田间实验”一种，他们进而认定，从费希尔和内曼开创的基于群体样本的“随机控制干预”（Randomly controlled treatment, RCT）的实验才是最理想的实验，因而也是社会科学必须尽可能逼近的方法。这当然是错误的。不幸的是，很多《设计社会科学研究》的批评者也没有意识到这一点。事实上，即便在自然科学哲学中，这两个不同的实验逻辑也没有被清晰地定义。

在社会科学中，面对观察数据，如何运用统计分析技术，逼近RCT的境界而获得确定的“因果推断”，肯定更加棘手。而如果社会科学能够都做严格的RCT，在这一种实验逻辑上，那么就和自然科学的实验逻辑没有区别了。这背后的挑战非常棘手，也是绝大部分定量分析方法试图解决的核心问题（如果不是唯一核心的问题的话）。

在认知论水平上，《设计社会科学研究》认为“因果推断”覆盖了一切我们的研究任务。事实上，绝大部分时候我们希望的研究目标是获得“因果解释”。显然，“因果解释”要比“因果推断”更难。而“因果推断”通常只是获得“因果解释”的一个步骤或者部分。

事实上，《设计社会科学研究》的作者们显著引用霍兰德的研究（Holland，1986）就明确指出，统计方法只能够获得“因果推断”，或者说是确立 “导因的影响”(effects of causes)，而不能获得“因果解释”［或者说是确立“结果的导因（causes of effects）”］，而《设计社会科学研究》的作者们完全忽略了这一关键点。

而建立在对《设计社会科学研究》的批评的基础上的《重思社会科学研究》则是开启了混合方法的潮流的一本书。

《重思社会科学研究》的第一版更多的是对《设计社会科学研究》的批评和回应，其中的几章非常中肯：Collier、Mahoney、Seawright、Munck、McKeown。这些批评包括来自定量分析领域的资深人士（Freedman、Brady），以及定性比较分析的资深人士（Collier、Bennett、Tarrow）。而回应则主要来自定性比较分析（QCA）。

《重思社会科学研究》的第二版则是真正开启混合方法的潮流的一本书，因为这一版有了很多建设性的发展，尽管还保留了一些对《设计社会科学研究》有尖锐批评的章节。第二版也包括了定量分析的人士以及混合方法的坚定支持者（Dunning、Seawright）的批评和发展。在本书的第二版中，我特别推荐其中的几章：Bartles、Bennett、Brady、Freeman、Seawright。

特别是作为一位杰出的统计学家，戴维·A.弗里曼（David A. Freeman，1938-2008）特别强调，即便在流行病学和医学这样特别需要定量分析的领域，定性分析同样重要，甚至可能特别重要。他用了“牛痘”“产热病”“霍乱”、青霉素等几个在流行病学和医学有重大意义的例子表明，那些获得了科学突破的医生、科学家等，都是首先依赖个案或者少数观察，进行逻辑推理才获得突破的，他们几乎没有用到任何现代统计分析技巧。作为一个一直对社会科学中的统计问题，特别是对统计模型和“因果推断”给予关注的统计学家，弗里曼对许多问题的理解要比加里·金更加贴近问题。我高度推荐他的一本论文集：《统计方法和因果推断：和社会科学的对话》(Statistical Models and Causal Inference: A Dialogue with the Social Sciences）。

当然，《重思社会科学研究》也有不少遗憾，对机制本身以及对因素和机制之间的关系都讨论较少或者很差。特别是没有引用Bunge和Bhaskar两位杰出的(社会)科学哲学家的著作。为此，这里特别推荐三本(社会)科学哲学的相关著作：

Mario Bunge. 1999. Finding Philosophy in Social Sciences. Transaction Publishers

Phyllis M. Illari & Frederica Russo. 2014. Causality: Philosophical Theory Meets Scientific Practice. Oxford: Oxford University Press.

Marie Kaiser et al. (eds.) 2014. Explanations in the Special Sciences: The case of biology and history. Springer. 

《设计社会科学研究》出版于1994年。建立在对《设计社会科学研究》的批评和发展之后，研究方法方面的文献出现井喷。2000年至2010年之间出版的著作至少包括：

Ragin, Charles. 2000. Fuzzy Set Social Sciences. Chicago: University of Chicago Press.

Ragin, Charles. 2008. Redesign Social Inquiries: Fuzzy Sets and Beyond. Chicago: University of Chicago Press.

Goertz, Gary. 2006. Social Science Concepts: A User’s Guide. Princeton: Princeton University Press. 

George, Alexander L., and Andrew Bennett. 2005. Case Studies and Theory Development. Cambridge: MIT Press.

Gerring, John. 2007. Case Study Research: Principles and Practices. Cambridge: Cambridge University Press. 

Morgan, Stephen L. & Christopher Winshop. 2008. Counterfactuals and Causal Inference Methods and Principles for Social Research. Cambridge: Cambridge University Press. 

Angrist, Joshua D. and Jorn-Steffen Pischke. 2009. Mostly Harmless Econometrics. Princeton: Princeton University Press.

混合方法的新趋势

《重思社会科学研究》第二版出版之后，研究方法进一步加速发展。最新的一些著作包括:

Goertz, Gary, and James Mahoney. 2012. A Tale of Two Cultures: Qualitative and Quantitative Research in the Social Sciences. Princeton: Princeton University Press.

Goertz, Gary. 2017. Multimethod Research, Causal Mechanisms, and Case Studies. Princeton: Princeton University Press.

Derek Beach and Rasmus Brun Pedersen. 2013. Process-Tracing Methods, 1st ed. Ann Arbor: University of Michigan Press.

Derek Beach and Rasmus Brun Pedersen. 2016. Causal Case Study Research. Ann Arbor: University of Michigan Press.

Derek Beach and Rasmus Brun Pedersen. 2019. Process-Tracing Methods, 2nd ed. Ann Arbor: University of Michigan Press.

基于Judea Pearl发展的有向循环图（Directed Acyclic Diagram，DAG）方法：

Pearl, Judea. 2009. Causality. 2nd ed., Cambridge: Cambridge University Press.

Pearl, Judea (and Dana Mackenzie). 2018. The Book of Why. New York: Basic Books.

Morgan, Stephen L. & Christopher Winshop. 2014. Counterfactuals and Causal Inference Methods and Principles for Social Research，2nd ed. Cambridge: Cambridge University Press. 

我对基于DAG的方法在社会科学中的前景目前还是持保留态度。原因倒不是说这类方法不好，而是其要求非常高（比如，一个研究者如何得到可靠的有向循环图）。如此，如果定量社会科学要求以DAG为基础，估计几乎就没有什么定量分析文章可以发表了。因此，我认为这一方法在社会科学中的应用前景比较狭窄。

混合方法的趋势从近期的博士论文中就已可窥一斑：最近的绝大部分博士论文都是运用混合方法，包括定量分析、定性比较分析（QCA，比较案例分析）、实验方法、博弈论、QCA等等。我本人和我的学生也都坚定地践行这种努力，尽管我们可以做得更好。最重要的是，我们不能因为有数据才做研究，我们应当关心重要的问题，即便没有数据我们也要研究。

与此同时，一些曾经非常流行的新颖方法也广受质疑，其中最为显著的是“工具变量”。根据其他人的研究和我自己的观察，能够真正满足排斥性约束（exclusion restriction）的工具变量几乎不存在，这其中也包括著名的“殖民者死亡率”的工具变量。相关研究包括：

Bazzi, Samuel and Michale A. Clemens. 2013. “Blunt Instruments: Avoiding Common Pitfalls in Identifying the Causes of Economic Growth.” American Economic Journal, Macroeconomics 5 (2): 152-86.

Heckman, James J., and Sergio Urzua. 2009. “Comparing IV with Structural Models: What Simple IV Can and Cannot Identify.” NBER Working Paper 14706, National Bureau of Economic Research.（相对更加纯技术一些）

Young, Alwyn. 2022. “Consistency without Inference: Instrumental Variables in Practical Application.” Working Paper.

混合方法的未来：迈向整合了因素和机制的因果解释

一个“科学实证论”的解释显然认定，因素和机制都是因果解释的有机组成部分。不存在独立于因素的机制，而因素也需要机制才能造就结果。

更为重要的是，和许多人的误解不同，其实机制可以非常广泛，不仅在自然科学如此，也适用于社会科学，尽管社会科学中的机制不大可能像自然科学中的机制那样广泛或者“普遍”（universal）。

比如，氧化作为一个机制，是高度广泛的。但是氧化剂和还原剂则是可以多种多样的。在生物学中，最为伟大的机制当然是达尔文率先提出的“突变-选择-遗传”：这样一个机制适用于宇宙中的任何物种的演化，但是因为环境以及基因、发育、随机事件的多样性，推动物种演化的因素的组合是无穷的。

因此，恰恰和许多社会科学家的误解相反，机制可能比因素要更加“普遍”。在社会科学中，“集体行动的逻辑” “社会动员” “安全困境、螺旋机制” “群体间与群体内部互动”等都是非常广泛的，甚至可以说是“普遍”的机制。

基于以上的理解，我们可以认定：定量分析和定性（案例）分析的优劣势是互补的，或者说这两种方法的互补意味着他们对实证的目标是不同的。定量研究适合确立“因素的影响”，同时也适合推广对某些因素的理论化（因为定量总是对一个群里进行处理）。当然，如果一个理论推断是某些因素需要经过几个步骤才能导致的结果，那么进行多个阶段的定量分析也是能够支持这个理论的。

相比之下，定性研究最重要的能力是甄别、确立并且推广机制。这里要特别强调，机制当然需要因素才能起作用。因此，因素和机制对于一个理论都是必要的。

 归根结底，所有的实证研究最终还是需要理论化深度的支撑和约束。没有理论化的实证是“滑溜的” （slippery），因为实证研究没有被规制，定性研究容易出现“自圆其说” “随意剪裁证据”，而定量研究则是“发现相关性之后找解释”，以及更加恶劣的“篡改P值”（P-hacking），比如，不少关于民主支持经济增长的研究都是这样的产物。

书籍介绍

本书对经典著作《社会科学中的研究设计》进行了深入的重思，探讨了政治学和社会科学领域的研究方法。全书共分为两大部分，第一部分聚焦于方法论上的争论，不仅包括对KKV所涉及问题的持续性争论以及对标准定量模板与日俱增的批判，还包括对定性和定量研究工具如何进一步完善因果推断的新观点。第二部分则聚焦于因果推断这一重要研究工具的讨论，包括过程追踪、因果过程观察以及基于回归的推断和基于事先设计的推断。此外，研究者对社会科学中自然实验的复杂假设和平衡取舍知之甚少，本书通过探索这些关键工具扩展了方法论视野。