会道网
人文社科学术信息平台

论比较政治学的定量研究方法

从目前来看, 定量研究方法在国内比较政治学研究中并未受到足够的重视。实际上, 在比较政治学研究领域内, 有众多研究对象适宜用来进行定量研究, 如抗议事件、社会运动、公民的政党身份、民主转型等。本文试图探讨比较政治学定量研究方法的哲学起源, 并在介绍这一方法的学术史和基本操作步骤的基础上, 指出其可能的发展趋势。

1 比较政治学定量研究方法的哲学起源

定量研究方法作为一种科学方法, 其思维逻辑来自于科学哲学中的实证主义学派。英文的定量研究“Quantitative”一词的词源来自于拉丁语“Quantitativu”和“Quantitas”。比较政治学定量研究中存在的三种研究路径与科学哲学的三原则密切相关。

首先, “毕达哥拉斯-柏拉图传统”和“伽利略-牛顿传统”将科学研究方法分为理性主义和经验主义。前者通过对经验事实归纳实现理论知识生成和检验, 其分析工具包括案例研究和统计学。后者则从抽象前提出发进行逻辑演绎并推导出结论, 分析工具主要有形式理论和数理模型。理性主义者认为知识的最终依据并非后天的直观经验, 而是人类所固有的先天理性。经验主义者的观点则相反。因此, 从本体论的角度来看, 定量研究方法不仅是经验主义的而且也是理性主义的研究方法。从逻辑思维的角度来看, 定量研究既可以是归纳的, 也可以是演绎的研究思维。

其次, 定量研究方法的出现与科学哲学中的实证主义密切相关。在科学哲学思想形成的早期, 缘于休谟对描述性陈述 (现在是什么) 与规定性陈述 (应该是什么) 的区分, 科学哲学认知论将研究方法分为实证研究方法和规范研究方法。实证研究方法指通过归纳推理实现回答“是什么”的问题。实证研究的推论可通过经验事实进行验证。因此, 从认识论的角度看, 定量研究方法属于实证研究的范畴。由于作为实证研究的定量研究需要将无认知意义的形而上学排除在外。因此, 从方法论角度出发, 研究者首先需要设立可检验原则进行逻辑判断。

可检验原则一般分为可证实原则、可证伪原则和可验证原则。可证实原则是逻辑实证主义的核心认识。该原则是指当且仅当一个认知能够被一系列的观察命题所证实的时候, 此认知方可被接受。可证伪原则由批评理性主义的代表学者波普尔提出。波普尔认为, “可以被证伪或可反驳性或可检验性的理论或者命题才是科学的, 否则是非科学的”[1]52。批评理性主义的学者普遍认为科学的理论或者命题不可能被经验证实, 而只能被经验证伪。可验证原则针对科学命题存在无法证实也无法证伪的问题而被学者提出。该原则是指当且仅当一个认知和其他辅助假说合取后能够推导出观察命题之时, 此认知具有实证意义。

定量研究的经验主义、理性主义和实证主义特质决定了检验三原则的认知方式。在检验三原则思想的影响下, 现代定量研究出现了三种研究路径的分野, 即数量描述型定量研究、认知解释型定量研究和假设验证型定量研究。数量描述型定量研究包括两种技术手段:一是对事物进行数量层面的基本描述, 比如长度、高度和温度等;二是前一种数量描述的基础上进行简单计算和统计, 比如计算一个月的降水量或某个时期国家的GDP数量等。认知解释型定量研究的技术手段是对现象发生的原因进行认知性因果解释, 在统计上多是进行相关性的回归。假设验证型定量研究则是在相关回归的基础上验证相关理论假设。总之, 对现象进行认知性因果解释的技术操作水平停留在可证实原则或可检验原则的哲学认知层面。验证理论假设的技术操作水平则处于可证伪原则的哲学认知层面。认知性因果解释可视作验证理论的假设先行阶段。

2 比较政治学定量研究方法的学术发展史

国外学者大体上认为, 比较政治学经历了四次重大变革。譬如, 杰拉尔多·蒙克将这四次变革阶段划分为“比较政府或宪法阶段 (1880—1920) 、行为主义阶段 (1921—1966) 、后行为主义阶段 (1967—1988) 、第二次科学革命阶段 (1989年迄今) ”[2]25。与比较研究的发展规律相仿, 定量研究方法在比较政治学的四个发展阶段呈现出不同的特征:即从“对事实的描述 (发现现象) ”到“比较不同案例 (分类现象) ”再到“寻求原因解释 (溯源因果) ”最终到“形成普遍规律 (验证理论) ” (见表1) 。

表1 定量方法和比较政治的映射表

早在1971年, 阿瑞德·利帕特就对比较研究方法进行了原创性的论述。他将使用量化分析来比较众多国家的研究方法称为“统计法”, 并将使用质性分析方法来比较若干国家的研究方法称为“比较法”。此后, 定量研究方法与质性研究方法间的争论不断。加里·金、罗伯特·基欧汉和西德尼·维巴三位教授试图调和两种研究方法。在其《社会科学中的研究设计》一书中, 他们尝试将质性研究方法与定量研究方法统合在单一的逻辑框架之下。托德兰·德曼则认为, “无论是量化分析法还是质性分析法, 只要其使用的概念并非只适用于其所研究的特定国家, 那么这些方法均为比较研究方法”[3]26。国外学者在比较政治学领域中关于比较研究方法的讨论大致有如下三种观点, 即单一国家研究、若干国家间的比较研究、众多国家间的比较研究 (见表2) 。

众多国家之间的比较通常被称为大样本 (Large-N) 比较, 而若干国家之间的比较则称为小样本 (Small-N) 比较 (字母“N”指的是国家的数量) 。大多数大样本比较研究通常采用定量研究方法。利帕特认为, “此种比较法特别适用于以测量和分析众多国家整体性数据为主的定量研究分析”[4]。大样本研究方法以多个国家为研究对象, 并以全球的视野分析各个变量间的关系, 进而构建因果推论与普遍性理论。

表2 国外学者比较研究方法的一般认识

较大样本研究而言, 小样本研究更侧重于研究的深度而非广度。小样本研究被视为是“个案取向”的研究方法。小样本研究通过对特定案例内或少数案例的比较来检验假设提出的因果关系过程并作出推论。虽然小样本研究重视比较国家之间的异同而非变量之间的相关度, 但是, 定量研究方法仍常见于小样本研究当中。在比较政治学领域, 最为研究者熟知的小样本研究是阿尔蒙德和维巴关于意大利、德国、英国、美国、墨西哥等国的政治文化研究。在此项研究中, 他们设置了一个用以测量五国政治文化程度的量化指标体系, 并以此进行了分层次、多阶段的样本数据分析。

需要注意的是, 定量研究方法不仅常见于大样本和小样本比较研究中, 而且还可以运用于单一案例研究设计中。此外, 一些研究虽是大样本研究, 但却表现出定性研究的特点;也有研究则表现出相反的特征, 是小样本研究与定量研究的结合。前者如查尔斯·蒂利在《欧洲革命:1492—1992》中就涉及了数以百计的案例;后者如一些以预测美国总统及国会选举为目的的研究常常只选取十多个样本来进行统计分析。詹姆斯·坎贝尔的《美国竞选:美国总统竞选与全国投票》即为此类研究的典型。

3 比较政治学定量研究的基本处理方法

围绕着厘清变量间关系的最终研究目的, 学者通过控制变量的数量和种类来处理比较政治学研究中的不同议题。在此基础上, 研究者们逐渐发展出了4类常见的比较政治学定量研究基本处理方法。

3.1 确定变量间的相关关系

随着研究过程中案例数量的增多, 变量间的相互关系逐渐变得复杂。确定变量间的相关关系一般可采用以下两种办法:一种办法是采用典型的参数统计技术去确定变量之间联系的重要性 (即密尔的共变法) , 把变化的根源当作常数, 此种方法比较常用且可以通过多种统计学软件实现。另外一种办法是控制变化根源。研究者通过排除外部相关度低的自变量, 从而形成有利于其他自变量的假设 (即密尔的求异法) 。由于密尔的求异法较难理解, 笔者以基思·奥特拜因关于内战如何发生的研究为例进行简单说明。

在奥特拜因看来, “内战”是“同一文化单位内部政治共同体之间的战争”[5]13。他将内战发生的频率划分为三级:频繁发生、经常发生、不经常或从不发生战争。此外, 他认为存在如下三种导致社会发生内战的自变量: (1) 社会结构变量, 比如友好的利益集团; (2) 政治变量, 比如可能发动战争的党派以及政治制度集中化的程度; (3) 社会之间的变量, 如发生外部战争。

根据对50个案例的抽样调查, 奥特拜因对这些关系进行了回归验证。他发现友好的利益集团、采取进攻性行动的无权党派和政治制度的低水平集中化, 这三个变量与内战盛行并没有强相关的关系。然而, 当集权水平固定不变的时候, 友好的利益集团和采取进攻性行动的无权党派, 在实行分权的国家中, 均会影响内战发生的频率。外部战争的发生与内战发生之间同样没有强相关的关系。如果把抽样和计量可能出现的误差, 以及其他变量出现的可能性都暂时排除在外, 奥特拜因的研究发现表明:在控制了关键性的政治结构变量之时, 内战中的社会结构变量与内战发生变量间存在正相关的假设, 较一般性常识假设 (如外部战争介入会导致内战) 更具说服力。

3.2 控制变量数量进行不同研究对象的比较

此类研究方法是将某些变量的类似之处进行类型学的划分, 从而控制那些类似之处的特点。同时, 通过分析使研究对象区别开来的那些特点之间的联系, 去努力确定因果关系。为达到不同比较对象在一定层面可比的目的, 研究者常用如下两种办法来控制不同比较对象的差异变量。一种是通过系统的抽样方法使变化随机化或排除变化;另一种办法则是安排这些制度在某些重要方面相互类似, 从而控制某些变量不发生变化。普沃斯基和托伊恩称这两种办法是“最具差异性系统”方案和“最具相似性系统”方案[6]。“最具差异性系统”方案注重研究不同制度中相关联现象间的因果关系, 而不考虑制度的特殊差异。在此种研究中, 控制变量的关键策略在于减少“无关紧要的制度因素”, 主要是通过抽样技术来进行。“最具相似性系统”方案则注意到了制度之间的差别, 并试图缩小这些差別带来的重要影响。

这两种研究方法都是要通过不同研究策略, 尽可能地把密尔的求异法和共变法结合起来。换言之, 这两种方法都是要使制度在尽可能多的方面相互类似, 从而形成一个推断, 进而说明制度赖以共变的这些方面的因果意义。此外, 如果研究样本足够多, 研究者就能运用统计软件进行深入分析。通过控制变量, 学者能够更为准确地运用密尔法的思考逻辑, 辨析变量间的相互关系。

3.3 多元分析方法

在研究中, 如果遇到数目众多的变量需要控制的话, 便会产生比较复杂的问题。研究者仅采用单变量分析方法难以揭示研究对象内在结构以及各种影响因素的主次作用和交互影响。因此, 在进行大样本案例研究之时, 学者需要进行标准化分析和多元分析。这些技术的主要方法论目的在于通过保持不同的变量不发生变化的手段, 使某些异质性的解释因素有可能被排除。多元分析方法是研究多个自变量与因变量相互关系的一组统计理论和方法。在统计学上来说, 该方法具体包括多元方差分析、多元回归分析和协方差分析, 多用研究确定的自变量与因变量之间的关系。多元分析方法较为复杂, 由于篇幅所限, 本文难以详细介绍多元分析的具体内容和操作步骤, 仅从比较政治学研究实例中选取一个代表性的研究来进行简单说明。

比如, 在对11个政体的案例进行比较分析时, 格尔发现了民事冲突与下述5种变量始终有强相关关系: (1) 公民权利短时期被剥夺; (2) 公民权利始终被剥夺; (3) 政权的合法性程度; (4) 政权的强制性程度; (5) 其他反抗方式的制度化程度。在分析的过程中, 格尔通过控制“插入”变量对偏相关问题进行了研究。在加入了其他变量后, 他发现:公民权利短时期被剥夺的变量以及其他一些与制度化有关的变量, 与民事冲突的相关程度出现了减弱。只有“公民权利始终被剥夺”这个变量一直不受其他“插入”变量所影响, 始终与民事冲突保持着强相关关系。基于此, 格尔提出了一个修正的因果模型。他认为, “应该根据预测的每一个变量与其余自变量相联系的重要性, 赋予该变量以不同特点”[7]

3.4 对样本数量进行补充的方法

一般来说, 研究的样本数量越多, 越有利于得出因变量与自变量的因果关系。但是, 由于受到研究成本和数据获取难度的制约, 许多研究样本难以获取。因此, 研究者发明了靴带牵引法 (Bootstrapping) 和整合时间序列数据方法来适当增加样本规模。靴带牵引法以“多重的再取样方式对样本中限定数量的既有案例, 进行外插法以推估出元数据的参数值”[8]。这种扩充不是简单的增加可观察的对象, 而是使用蒙特·卡罗 (Monte Carlo) 的模拟技术以评估数据可能的潜在分布[9]14。但是, 此种方法不能完全取代实际的大样本数据。整合时间序列数据方法多在回归分析中使用。此方法结合时间序列分析及横跨区域分析, 以获得对研究数据的更全面观察[10]。整合方法是指研究者通过横跨一些时间点 (Y, 即年或任何时间单位) , 观察一系列的案例 (X, 即国家或其他政治单元) , 以建立一套的数据组 (XY) 。这种数据的搜集, 能够支持在一个国家中进行有限个案的统计研究。

4 比较政治学定量研究方法的基本技术步骤

学者一般认为, 科学的研究过程包含了7个步骤:“研究问题、研究假设、研究设计、测量变量、搜集数据、分析数据和作出结论。”[11]6就比较政治学定量研究方法来说, 其研究过程大体上遵循上述步骤。

第一, 提出研究问题并确定研究问题的方法适用性。首先, 一个好的研究问题应具备精准的可验证性、逻辑清晰和理论意义等特质。其次, 需要寻找特定的研究对象。定量研究设计所涉及的应该是关于具有一定抽象性并且可测量的概念间关系。比如内战是一个具有普遍性的抽象概念, 显然符合定量研究的要求。契约精神虽然是一个普遍性的抽象概念, 但是此概念很难去测量, 因此研究不完全适用定量研究方法。比较政治学研究中常涉及一些宏大的且难以测量的概念。因此, 在运用定量研究之前, 必须将这些概念转化为可测量的概念 (或者研究者必须找到合适的替代概念) 。例如, 阿尔蒙德对公民文化的研究将难以直接测量的“公民文化”概念, 通过设计调查问卷, 用其他可测量的子变量代替了公民文化变量。

第二, 确定待解释或验证的假设。一般来说, 定量研究者对现象进行因果解释, 首先在研究的初始阶段采取理论演绎的方式。在此阶段, 研究者出于测试或者证实理论的想法, 预先提出一种理论假设。此类假设是“一种关于概念之间清晰的因果关系, 而这种关系通常是或然性而非决定性的”[12]。学者需要将理论假设用统计假设的数学公式“E (Y) =f (X) ”表达出来。假设检验是一个决定接受或拒绝被检验假设的过程。一般来说, 严格的研究设计包含两种假设 (hypothesis) , 即原假设和备择假设。原假设用H0表示, 意指被检验的假设。备择假设是在原假设被拒绝时准备接受的假设, 用H1表示。备择假设通常是原假设的反事实对立面。备择假设又可分为定向假设和非定向假设。定向假设是对结果做出确切的相关预设, 非定向假设则没有对结果做出明确的说明。例如, 在考察民主政体与对外侵略相关关系时, 研究者可以提出这样一种原假设:“国家的政体类型并没有影响国家发动对外侵略”。那么, 该项研究设计的备择假设则可以为“国家的政体类型影响国家发动对外侵略”或“国家政体的民主化程度越高, 国家对外侵略的次数越少”或“国家政体的民主化程度越高, 国家对外侵略的次数越多”三种。其中第一种备择假设是非定向假设, 后两种备择假设是定向假设。在检验过程中, 一旦提出了原假设和备择假设, 研究者要么假定H0为真, 要么假定H1为真, 二者不能同时为真或同时为假。换言之, 原假设被拒绝的情况下, 备择假设必须被接受。

第三, 设定对假设进行测试的研究设计。研究设计可分为实验性的研究设计与非实验性的研究设计。两者的主要差别在于研究者对研究过程所能控制的程度。实验性研究设计对研究过程的控制程度较高, 能够相对准确地确定变量间的因果关系。但是, 由于科学伦理或实际操作的考虑, 研究者难以对研究对象加以控制。因此, 社会科学研究者常以非实验性研究设计来验证相关假设。非实验性研究设计虽然很难控制研究对象与研究过程, 但是可以用统计方法来控制变量。

第四, 获取统计分析数据。在确定了测量变量的指标和操作方法后, 研究者开始对案例进行观察和考量, 以获取数字化的样本数据。这些数据被称做变量的体现。样本数据的类型由变量类型所决定。在比较政治学研究中, 由于研究路径一般为跨国比较, 数据获得和处理较为复杂, 学者除了采用“抽样法”“问卷调查法”等统计常用方法外, 还常利用第三方数据 (如统计年鉴、年度报告、数据库) 进行数据挖掘和编码。数据挖掘的质量在于其是否能够相对客观反映变量的分布状况。随机抽样的客观性、样本数量的多少和数据编码的准确性直接影响到样本数据质量及之后的假设检验。获取样本数据后, 还需要对数据进行无量纲化处理, 将不同质的数据转化为统一标准化后的同质数据。

第五, 选取统计分析软件处理数据并进行假设检验。常用的统计分析软件有SAS、SPSS、STATA、S-plus、Minitab、Eviews、SEM等。在比较政治学研究中, 学者依据不同的统计分析软件, 需要将已获取的原始数据转化为该软件可识别的形式。在此过程中, 研究者需对样本的质量和数据问题进行评估, 理解数据的分布区间 (分布的均值、标准差、极大值、极小值) , 避免出现逻辑误差。目前得到最广泛运用的统计假设检验的方法是原假设显著检验或基于P值的检验。

第六, 研究者要对检验结果进行解读并作出结论。如果检验结果具有逻辑上及经验上的实际意义, 并且与研究假设相符合, 即研究假设并没有被证伪, 那么, 该假设就能通过验证形成理论。如果该研究假设被证伪, 则需要推倒重来。此外, 通过假设检验后, 严格的研究者还要进行“稳健性检查”。鲁棒性/抗变换性 (robustness) 原是统计学中的一个专门术语, 20世纪70年代初开始在控制理论的研究中流行起来, 用以表征控制系统对特性或参数扰动的不敏感性, 对理论假定在统计学意义上进行判断。

5 比较政治学定量研究方法的未来发展

近年来, 比较政治学定量研究方法出现了一些前沿进展。一方面, 比较政治学定量研究方法遵循内部逻辑发展规律, 出现了新的统计技术和处理软件;另一方面, 该方法在借鉴了外部性的研究范式后, 出现了新的混合分析方法。

第一, 新的统计软件和技术处理手段有如下几种。首先, 在具体技术处理手段方面, 出现了虚拟变量回归、分位数回归模型、固定效应回归模型、世代分析等方法。其次, 在大数据时代, 定量研究开始从关注因果关系转向了关注相关关系。大数据具有“4V”的特点, 即大量 (Volume) 、高速 (Velocity) 、多样 (Variety) 和价值 (Value) [13]8。拉里·金认为, “这是一场革命, 庞大的数据资源使得各个领域开始了量化进程, 无论学术界、商界还是政府, 所有领域都将开始这种进程”[14]。再次, 比较政治学新近出现了计算机语言与统计分析方法的合流。国外已经有许多学者开始在社会科学定量研究中大量运用R语言和Python语言。在哈佛大学的社会科学定量研究所 (IQSS) 的研究中, 他们已经将R语言与统计分析进行了结合, 形成了一些新的软件, 如RCE、Zelig、Consilience等。最后, 随着大数据和机器学习算法的普及, 比较政治学的定量研究试图采用以人工智能和数据挖掘为基础的新兴研究手段, 来处理过去无法处理或者忽视了的研究议题。与传统以“诠释”为导向的统计分析相比, 基于人工智能与机器学习算法的量化分析手段更加注重模型的预测能力。譬如, 华东政法大学政治学研究院已经成立了“人工智能与社会科学实验室”, 并尝试通过搭建基于深度学习的神经网络模型来预测社会群体性事件和国际冲突事件。

第二, 社会科学研究者们正在试图将定量研究和质性研究方法进一步结合。半个多世纪以来, 定量研究方法与质性研究方法间的争论不断。社会科学研究出现了以不同研究方法为核心的分支, “定量的系统概括性分支”和“质性的人文主义推论性分支”[15]9。定量研究方法与质性研究方法的研究阵营甚至出现了定量研究“帝国主义”和质性研究“分裂主义”两种极端学派。他们坚持认为定量研究与定性研究之间很难对话和交流, 也无从相互学习和借鉴。针对这种局面, 拉里·金等人首先开始尝试调和两种研究方法, 将质性研究方法与定量研究方法统合在单一的逻辑框架之下。之后有学者提出了定性比较分析 (QCA) 和模糊集合 (聚类) 分析。这种分析方法, 不仅为介于小样本与大样本之间的中等数量 (规模) 样本研究提供了有用的方法和分析工具, 而且也有利于打通定性研究与定量研究之间壁垒和偏见, 从而有助于学者在观点与证据之间进行更加富有成果的对话。此外, 其他学者正在进行将定量研究的逻辑运用于定性研究以使定性研究的结论更为有效的尝试。将案例研究与统计分析结合在一起的嵌套分析就是其中的代表。

6 结语

定量方法在社会科学研究中已变得日益普遍和重要。比较政治学学者已经在经济发展与民主、政治暴力与社会革命、非暴力反抗与社会运动、民主转型、政治制度与民主绩效、人权保护等议题领域进行了充分的定量研究并取得了丰硕的研究成果。但是, 比较政治学定量研究方法不仅难以消弭其内部存在的三种逻辑认识间的分歧, 而且也难以完全证明它相对于质性研究方法的适用性。定量研究方法和质性研究方法的争辩一方面促使定量研究方法不断推陈出新, 另一方面则导致了新的混合研究方法的出现。随着研究议题的不断深入, 比较政治学者逐渐形成了不同阵营。一些学者沿着纯粹定量方法的路径继续前行, 并在大数据时代结合计算机算法语言和人工智能技术, 将数据处理和统计分析更好地统合起来。另外一部分学者则坚持质性研究方法的更新, 在类型学、比较历史分析等传统领域不断完善规范研究。此外, 还有学者试图调和两种研究范式, 相继出现了定性比较分析、模糊集和嵌套分析等研究方法。由于定量研究和质性研究方法所擅长处理的议题领域不尽相同, 因此学者间关于两种研究方法的争论还将持续下去。

来源:游腾飞.论比较政治学的定量研究方法[J].探索,2018(04):65-71.

分享到:

评论 抢沙发

评论前必须登录!

 

会道网,社科学术信息平台

关于我们发布会讯
切换注册

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录
切换登录

注册