研究方法 | 关于社会科学中量化研究的深层思考

量化研究方法 · 公众号 · · 2019-05-26 22:06

正文

关于社会科学中量化研究的深层思考

作者：嘎日达 来源：《北京行政学院学报》

摘要

在量化研究中，研究者通常从特定的研究假设出发，通过对抽象概念的操作化定义确定变量，并运用问卷、量表、结构式访谈与观察等方法收集资料，然后进行统计分析来检验研究假设。本文旨在探讨量化研究的本体论前提，并从认识论和方法论视角分析量化研究中的可靠性和有效性问题。

一、可量化性与量化的艰难性

在社会科学中, 量化研究是由抽样技术、问卷、量表和统计分析技术组成的一套完整方法。关于这种研究方法, 学术界存在着 两种对立的见解 : 一是否认社会现象的可量化性, 排斥量化研究方法; 二是单纯强调可量化性, 夸大量化研究的作用, 把量化研究视为惟一科学的方法。显然, 这两种观点都是片面的。事实上, 我们不仅要承认社会现象的可量化性, 同时也必须充分认识量化的艰难性。

任何事物的特性都有程度和等级之别, 作为各种特性的统一体, 事物必然要以量为其存在方式。因此, 在本体论意义上说, 一切事物皆可以量化, 即任何事物的属性都可以转化为数量信息。 正如古人所说:“物有万象, 万象皆数”。伽利略也曾认为, 宇宙是一部用数学语言写成的书, 说明他已看到自然万物皆可量化的本质。

事物的可量化性是定量研究的基础, 现代科学的定量研究已从对物理对象的定量分析, 发展到对非物理对象, 如对人的主观态度、智商、心理的定量描述、评价和预测, 并发展了一些精密化的研究手段, 如量表法、心理测量法、社会计量法、民意测验等。

承认本体论意义上的可量化性, 与承认方法论、认识论意义上的测不准原理、测量的艰难性并不矛盾。 在认识论意义上, 量化与测量是主观与客观、定性与定量的统一。 事物的“量”不依赖我们的认识和测量而客观存在, 它蕴涵于事物的“质”之中, 需要研究者以一定测量仪器、科学原理和科学方法为中介提取出来。但是, 由于受人类的认识能力、科学发展水平、历史条件等多种因素的制约, 量化与测量具有条件性、历史性和艰难性。

1927 年, 德国科学家海森堡( Heisenberg, W.K) 基于量子力学中的实验统计现象, 提出了测不准原理。按照这一原理, 微观粒子具有波粒二象性,表现在量子场中, 其运动的位置与动量之间不可能同时取得精确的测量。测不准原理表明, 测量与认识的本质之间具有非常复杂的联系。

社会现象具有复杂性、特殊性, 测量社会现象比测量任何自然现象都更为困难。 主要表现在以下两方面:

第一，在自然科学中, 测量的对象相对单一和稳定, 可以进行重复测量, 而且比较容易建立起公认的、通用的测量标准和测量语言。在社会科学中,测量对象是模糊的、不确定的、不重复的、主观性的、抽象性的社会现象, 因而难以量化或量化程度比较低。社会测量的工具主要是概念性、指标化的方法, 它不同于自然科学的仪器、仪表等“硬的”测量工具, 没有统一的测量标准和尺度。对于一种社会现象的测量指标是无法穷尽的, 不同的研究者可以制定出不同的指标。而且, 这些指标本身也具有一定的抽象性和模糊性。因此, 用有限的具体指标来测量具有丰富特征的社会现象必然是“测不准”的。

第二 ，相对于社会现象的复杂性而言, 测量工具和数学方法是不完备的。 尽管任何事物都具有量的规定性, 本质上是可量化的, 但是, 现实的测量和量化是有条件的、历史的, 不仅依赖于对测量对象的认识程度, 而且依赖于测量工具和数学方法的发展水平。传统数学的基础是确定性和精确性的, 其逻辑是“非真即假”的排中律。它在处理客观事物的确定性方面, 发挥了巨大的作用。但是, 它却不具备处理复杂性事物的不确定性、模糊性的能力。

事物的可量化性提供了对事物进行数值化和定量研究的可能性, 否认社会现象的可量化性, 不承认数学在社会研究中的重要性都是不合理的。但同时, 必须要看到, 由于量化是有条件性、历史性和艰难性, 刻画社会现象的各种指标, 有的是能够量化, 有的是不能量化, 或者至少目前是难以量化的。所以有些社会问题, 已经能够通过定量的科学模型开展研究, 而有些社会问题则只能建立半定性半定量的模型, 或者说是半经验半理论的模型, 还有一些问题则难以建立模型。[1]因此, 在科学研究实践中, 不能把本体论意义上的可量化等同于认识论、方法论的可量化, 把量化研究方法绝对化。

当代的计算主义者企图用数字和算法表征自然界的一切现象。他们认为, 认知就是计算, 思维过程就是计算过程, 生命是一种能够实现自我复制、自我构造和自我进化的算法。按照他们的观点, 整个自然界是按照算法构成的, 是按照算法演化的。现实世界的万事万物只不过是算法的复杂程度的多样化。[2]这些观点虽然有其一定的合理性, 但是把定量化方法过于绝对化了, 就像是毕达哥拉斯学派“万物皆数”观念的现代翻版。

二、数量化、精确化不等于科学化

量的纯正论者常把“量化”视为科学的重要特征, 认为数量化、精确化是一门科学成熟的标志。因此, 他们常把质的研究者称作“新闻记者”、“讲故事的人”, 指责他们只用文字材料而不用数据进行论证。按照他们的逻辑, 只有用数据论证才是精确的、科学的。的确, 量化研究以数据资料、统计图表描述和论证研究结果, 容易给人一种“客观的”、“硬的”或“科学的”的感觉, 而质的研究的结果主要以文字表述, 使人产生“软的”、“不科学”的印象。 但是, 科学性并不取决于使用资料的类型, 而主要在于研究的可靠性、有效性、合逻辑性。 无论采用数据资料还是文字资料, 只要研究能够准确地反映事物的真实状况, 揭示事物本质特征和规律, 就是科学的研究。

事实上, 定量化、精确化并不能保证研究的可靠性、有效性、客观性等科学性的基本要求, 即定量化、精确化不等于科学化。

第一, 检验可靠性、有效性是十分困难的。

原因有三:

※ 其一, 在社会研究中, 影响可靠性和有效性的因素非常复杂 , 不仅取决于测量工具、样本的代表性, 而且更重要的是取决于操作化是否正确、选择的理论是否适当, 分析和解释是否正确, 而且研究者主观因素, 如思维定势、观察角度、主观判断、价值因素、世界观都对研究的可靠性和有效性产生影响。

※ 其二, 量化研究一般采用结构化、标准化的问卷、量表、社会实验等测量工具, 因而可以通过计算信度系数和效度系数来检验可靠性和有效性。 相比之下, 由于质的研究采用非结构式和非标准化的方法收集资料, 检验可靠性和有效性的难度更大。质的研究含义非常宽泛, 解释学、人种学、现象学的研究以及后实证主义的、主观的、个案的、自然主义的、人文主义的研究都属于质的研究。然而, 这些研究范式的程序、测量工具、理论视角都存在一定的差别, 因此, 建立统一的检验标准比较困难。

※ 其三, 科学性的检验不仅仅是一个理论问题, 而且更是一个实践的问题。 即便在高度定量化的自然科学中, 研究结论的有效性和可靠性也并不容易判定。早在1931 年, 奥地利数学家哥德尔( Godel , K) 就提出了哥德尔不完备定理。该定理表明, 任何一个严格的数学系统都无法保证其自我的完整性和一致性, 即任何数学系统都必定存在着该系统内的公理不能证明其成立或不成立的命题, 有些命题不可避免地落在公理系统的范围之外。法国著名的物理学家、科学哲学家迪昂( Duhem, P, 18611916 ) 曾指出, 科学理论是作为一个整体面对经验检验, 实验无法绝对自主地证实、反驳或者否决一个理论。因为一个理论的证实要靠由测量获得的经验资料, 而测量仪器又必须依据某个理论制造, 如果这个仪器理论是一种旧有的理论, 那么旧理论就参与了对新理论的证实。[3]可见, 无论是质的研究还是量化研究, 是否获得了如实反映客观现实的知识, 用纯粹理论的、逻辑的方法无法证明, 最终的判定标准应该是实践。

第二, 数量化、精确化并不能保证研究的可靠性。

例如, 采用小数点之后六位有效数字来表示社会现象是没有意义的, 因为社会现象特性、研究工具以及社会条件都不支持这样的精确度。如果单纯追求数量化、精确化, 不仅把社会现象丰富多彩的非定量特征、定性方法排斥于社会科学之外, 而且还可能把研究引入歧途。以统计调查研究为例, 在研究的每个环节上, 几乎都不可避免地带有很大不确定性成份。

※ 首先, 概念的操作化、问卷的设计都是一个充满主观性的过程, 隐藏着许多扭曲事实的因素。

※ 其次, 资料的真实性都无法保证。由于心理因素和社会环境原因, 被调查者所提供的信息不一定都是真实情况, 有时可能与事实相去甚远。

※ 再次, 数据处理和分析有很大的自由度, 同样的数据, 可以分析出多种不同的结果。比如, 聚类分析时各变量权重的设定, 交叉分析时变量的组合, 因素分析时因子的构成, 选用何种模型进行分析, 以及哪些数据、分析结果要写进调研报告等等问题, 都没有一个明确的标准。

这些环节上的主观性和不确定性因素可能对研究结果产生较大的影响, 产生貌似客观的、科学的, 实则扭曲事实的所谓的 “数字陷阱” 。

20 世纪80 年代, 美国可口可乐公司研制出一种口感更柔和、更甜的新配方。可口可乐公司耗资400 万美元, 动用大量人力, 做了一系列的口味测试和问卷调查, 统计结果显示大多数消费者认为新可乐更易接受。于是, 可口可乐公司作出了用新配方取代已使用近百年的老配方的决定。然而, 这项决定却激起了几百万可口可乐爱好者的愤怒, 使得可口可乐公司不得不在两个多月后重新启用老配方, 并一再向消费者道歉。很多年以后, 当回想起这一事件, 当时担任可口可乐公司董事长的戈斯维托( Goizueta , R ) 仍心有余悸, 他公开承认那是一个大失误, 大灾难。[4]

究竟是由于抽样误差而使样本缺乏代表性, 还是被调查者提供的答案不真实, 或者是别的环节的失误造成了这次统计结果与真实情况的巨大反差,恐怕谁也说不清楚。但可以肯定的是, 被调查者在接受调查时不可避免地受到文化背景、教育水平、个人性格及各种心理因素的影响, 他们提供的答案到底在多大程度上反映其真实想法, 是研究者难以鉴别和判定的。如果调查资料缺乏真实性, 即便后期的统计分析如何精确, 研究结果仍可能成为欺骗人的“数字陷阱”。

有学者指出, 在社会研究中, 错误地运用统计方法的情况比比皆是, 常见的错误包括对研究对象缺乏了解而错误使用统计方法; 基本数据的质量差, 如存在明显无效的数据、指标界定差、误差较大; 研究报告使用欺骗性的图表、错误的解释、误导性的陈述; 还有诸如方法选择错误、计算错误、聚类分析错误、忽视了变量的影响、检验错误, 等等。[5]

第三, 精确性是科学研究所追求的一个目标,但并非是科学知识的必要条件。

自然科学中的很多学科, 如地质学、潮汐学、气象学、模糊理论, 也都是非精确的, 但并不意味这些学科是不科学的。即便在作为“精密科学”的自然科学中, 科学家也不是完全依靠纯粹定量分析。例如, 伽利略并不是基于实际的测量才发现了自由落体规律, 爱因斯坦也并非完全依靠数学验算, 才发现相对论, 尽管这些科学定律都以数学公式来表示, 但对于这些数学公式的理解和解释依靠概念、逻辑、直觉等定性分析方法。

第四, 对社会现象的研究, 并不意味着精确度越高越好。

按传统的理解, 科学意味着定量和精确,而定性和模糊则是贬义词, 在一些人心目中, 定性就是定量化不够, 是出于不得已, 只有高度定量化、精确化才是最重要的。但是过分追求定量化、精确化也会走向反面, 得不偿失。例如, 计量经济学家,为了提高模型的精确性和应用范围, 把考虑到的因素尽量加以扩充, 使模型越做越大。从第一个宏观计量经济模型只有50 个方程, 64 个变量, 发展到现在的几百个方程、几千个变量, 并且还有继续增大的趋势。然而, 效果却并不理想。一些学者指出,计量经济学想要摆脱这样的局面, 或许必须摆脱追求“精确”这一传统观念。[6]

研究方法 | 关于社会科学中量化研究的深层思考

正文

关于社会科学中量化研究的深层思考 (adsbygoogle = window.adsbygoogle || []).push({});

请到「今天看啥」查看全文

关于社会科学中量化研究的深层思考