任何称得上“科学”的学科的进步，都必须依靠方法的进步：方法是工具，相当于自然科学中的实验器材和手段。
因此，我们大家都应该为中国社会科学在方法论上的进步感到骄傲。作为“混合方法”的坚定支持者和倡导者，我也不例外。我将在本文中主要讨论二战之后兴起的有关社会科学方法论的问题。
在此之前，我先简单讨论一下马克思主义范式的方法。我认为，除了本体论层面，马克思主义范式还有两个层面：认知论和方法论。
在认知论层面，马克思主义范式的取向主要是“（唯物）辩证法”+“历史唯物主义”。
在最根本的认知论层面，马克思主义范式是一个“物质主义”（唯物论）+“结构主义”（比如经济基础、上层建筑）+“集体主义”（比如阶级）+“冲突论”+“系统论”的立场。
阶级、经济基础、上层建筑等是马克思主义范式独具特色的具体切入点。
在方法论层面，马克思主义范式的方法主要是历史分析，这是定性分析方法的一种。
在一些西方马克思主义的实证研究中（比如“金融化”“金融帝国主义”）也开始使用定量方法。我个人认为，如果有更多样化的方法支撑，基于马克思主义范式的实证分析必然将会产生更多更好的研究。因此，马克思主义范式并不排斥更多样化的方法。
在下文中，我将简要讨论三个方面的问题：不同方法的功用，最需要避免的陷阱，以及如何有效地结合方法。
On Social Evolution: Phenomenon and Paradigm
我认为，
实证社会科学的方法大致满足五类功用：获取数据、处理数据、发展或者展现因果关系/逻辑、基于观察数据验证因果关系/逻辑和基于模拟数据验证因果关系/逻辑。
因此，可以依据这五类功用来对社会科学的实证方法做一个简洁的分类。
获取数据的方法大致有：田野调查、访谈及（认知）调查（包括民意调查）、档案，以及（实验室或者田野）实验。
处理（加工）数据的方法大致有：概念化及度量方法，以及基于自然语言处理、机器学习等新一代处理文本、新闻内容、社交媒体等数据的方法。社会网络分析（social network analysis）主要是一个通过对数据的处理来更好地描述或者展现关系的方法。因此，我认为社会网络分析是一个更加接近数据处理的方法。
这里，我想特别强调，所有的实证方法都必须基于概念化和度量。没有概念化，就不可能有好的度量，很多时候，度量是研究中最棘手的挑战之一，而除了数据获取之外，概念化是度量的最根本挑战。无论是定量分析还是定性分析，概念化和度量都必不可少。
发展或展现因果关系、因果逻辑的方法大致有：逻辑推理、形式建模（formal modeling，比如经济学建模）、博弈论（作为形式建模的一种）。
这里要特别强调，无论是广义的“形式建模”，还是“博弈论”，它们的数学推导都不证明任何真实世界中的东西，只能证明某些推论成立。也就是说，“形式建模”和“博弈论”都只是用一套逻辑符号来进行推导。大致可以认为“形式建模”和“博弈论”是在特定的前提设定下，给出一个因果逻辑。
“形式建模”和“博弈论”也有明显的局限。比如，不少博弈论模型的设定（setup）非常复杂甚至严苛，且行为体通常最多两三个，否则模型就变得非常难解。其他的“形式建模”也面临类似的问题：设定非常复杂甚至严苛，参数也不能太多，否则就变得非常难解。
基于观察数据来验证因果关系、因果逻辑的方法大致有：基于过程追踪的比较案例分析（PTCCS）、定量分析、定性比较分析（qualitative comparative analysis, QCA）。在根本意义上，定性比较分析和定量分析很类似，因为这两种方法都更加偏重分析因素对结果的作用。但是，QCA在确立因素的相互作用或者组合（configuration）上，比定量分析的交互项更合适。QCA作为一种方法，其短处也非常明显：QCA不太适合处理主要都是连续变量的样本，更加不适合处理面板数据。因此，我认为，QCA在处理国家的危机行为这样的数据上，会更加合适和有用，而在比如经济发展等问题上，能力有限。
基于模拟数据来验证因果关系、因果逻辑的方法大致有：投入产出模型与行为体建模（agent-based modeling, ABM）。前者主要在经济学中运用，后者在社会科学中的应用已经变得越来越广泛。这些技术主要用于模拟复杂系统，特别是存在复杂相互作用推动的“涌现性结果”的复杂系统。
对科学方法的重视和广泛使用，毫无疑问是实证社会科学过去半个多世纪最为显著的进步之一。但是，对方法论的重视也存在陷阱。
我认为，有三个陷阱特别需要避免。
首先，不要为方法而方法。
方法是解决问题的工具，是为解决问题而服务的。因此，我们要研究重要的问题，即便这样的问题可能一开始没有足够的数据可以做出好的因果识别。相反，即便是一个问题有非常好的数据，可以做因果识别，但是问题不够重要，那么，是否非要去做这项研究也是值得推敲的。人的一生太短暂了，还是要争取多做一些重要的事情。
其次，避免方法的overkill（过犹不及）。
当今的社会科学，确实有一个over-kill的趋势，个人认为有浪费太多时间和精力的嫌疑。
这一点在经济学领域尤其突出，在政治学和社会学也愈发如此。为了追求绝对的因果识别，或者说是绝对确立因果关系，许多研究都要花费大量时间去做几乎无限的稳健性检验，或者说不断推出越来越复杂的因果识别技巧，而这些新的技巧不仅越来越复杂，其可靠性也通常是不确定的。
但是，既然我们承认社会科学中很少存在绝对的因果关系，而通常都是概率性的关系，我们就必须承认，我们无法绝对确立因果关系。
即便是做完了所有的稳健性检验或是使用了最新的因果识别技巧，我们也不知道我们对我们的结果的信心（不是“置信区间”！）是从90%提升到了95%，还是从90%提升到了90.01%，为此花费太多精力来做完能够想到的各类稳健性检验可能就是不值得的。
这样的时间和成本代价当然可以被用来做更有意义的事情，比如多学一门外语，或是多读一些自己不了解的国家的历史。
最后，避免将因果识别（causal identification）当作因果解释（causal explanation）。
因果解释要比因果识别更为复杂，也更加困难。这是一个非常基础的理解，但是许多人经常混为一谈，或者认为因果识别等于因果解释。
不同的方法有不同的长处和短处，没有万能或者拥有绝对优势的方法。这一点，在大的社会科学界已经有了基本的共识。因此，在一定意义上，混合方法是必然的趋势。但是，如何结合不同的方法，或者说哪种结合比较合适，目前的相关讨论并不多。基于本人与合作者的一些经验教训，我认为，可以有以下一些基本的准则来指导混合方法的使用。
在这里，我只讨论发现因果关系和验证因果关系的方法的结合问题。
其一，定量分析+比较案例分析。
定量分析给出因素的重要性（影响）。因此，如果在定量分析之后，比较案例分析还是被用来做同样的事情，就等于浪费。在定量研究之后，定性研究的任务应该是打开“黑盒子”，展现因素和机制的相互作用如何驱动结果。
其二，比较案例分析+定量分析。
比较案例分析通过分析少数的几个观察样本，归纳出一个或者几个因素，然后再用定量分析去展现这些因素在更大的样本中仍旧是有影响的。这是一个合适的做法。当然，在此之后，研究者仍然可以再用新的比较案例分析进一步展现因素加机制的作用。
其三，QCA+比较案例分析。
QCA更利于甄别因素相互作用对结果的影响。但是，QCA和定量分析一样，主要还是偏重因素。因此，在QCA的结果之后，再用比较案例分析展现经过QCA甄别的因素组合和机制如何相互作用来驱动结果，也会是一个不错的结合。
其四，鉴于政治学中主要的形式建模是博弈论，这里我只讨论博弈论之后如何结合其他方法。
前面提到，大致可以认为博弈论是在特定的设定下，给出一个因果逻辑，而博弈论本身不证明任何实际的情况。任何一个博弈论模型都会给出一些非常重要的因素，并且会讨论这些因素如何通过行为体的互动来驱动结果。因此，在一个博弈论模型之后，无论是用定量分析、比较案例分析，还是QCA来验证博弈论模型给出的因果逻辑都是可行的。但这三种方法和博弈论模型的结合面临不同的挑战。
（1） 定量分析和QCA。
博弈论模型中会出现许多符号或数值。但是，这些符号和数值并不是度量或者量化，而是符号。因此，如果希望用定量分析或者QCA来支持博弈论模型甄别出的因素的影响，研究者最重要的挑战是如何度量这些变量。某些变量比较容易被度量（比如国家的大致实力），而有些变量就非常难以被度量（比如决心）。目前，有不少实证研究已经在用定量分析来验证博弈论模型的某些推导结论。但QCA和博弈论模型的结合还不多见，这可能也是一个有趣的做法。
（2） 比较案例分析。
博弈论模型之后用比较案例分析来支持博弈论模型给出的因果逻辑，可能是一个比较恰当，也比较方便的组合。这样的组合已经比较多。当然，运用比较案例分析来展现博弈论模型给出的因果逻辑同样面临如何概念化变量和度量变量的挑战。
其五，一些更加复杂的博弈场景，
比如国际多边谈判，都是多个行为体多回合的复杂战略博弈（简称为“非常规复杂战略博弈”）。非常规复杂战略博弈具有行为体多样、行为及行为规则多样、相互作用复杂、收益模糊、系统特性复杂多维等特点，且一般缺乏“共同知识”。这类博弈通常没有数学均衡解，一直是研究的难点。经典的博弈论无法面对这样的博弈场景。这个时候，基于博弈论的某些理解来建模，然后用ABM模拟来进行验证可能是一个比较合适的方法组合。
任何称得上科学的学科的进步都必须依靠方法的进步。
没有方法的进步，就好像外科医生没有一套现代化的手术刀，社会科学家也就无法去理解复杂的社会世界。
中国社会科学在方法论上的进步应该让我们对中国社会科学的未来充满信心，也充满期待。这本教材就很好地反映了这种进步。我们也希望，在未来，中国社会科学不仅能够为中国面对复杂的世界不断提供有用的知识，还能为世界面对复杂的世界不断提供有用的知识。
