“反事实”框架与政治学因果推论

作 者:

作者简介:
蒋建忠,上海交通大学国际与公共事务学院博士后,南京政治学院讲师。

原文出处:
北大政治学评论

内容提要:

政治学研究的主要任务是从纷繁复杂的政治现象中发现事物之间普遍性的因果关联。“反事实”和因果机制是揭示因果关系的两条主要路径。“反事实”框架因其逻辑简约清晰更受学界的推崇。本文呈现了“反事实”因果推论的原理,剖析了该方法在政治学研究中存在的局限。在此基础上,从“反事实”框架出发,分别阐述了个案、小N案例和大N案例研究中如何通过匹配从而“控制”干扰变量来帮助研究者探索因果性结论的具体技术。这些技术主要包括对照案例、质性比较分析和倾向值匹配。最后指出了“反事实”因果推论的未来发展方向。“反事实”框架不仅是因果推论的方法论工具,更是进行因果探索必须坚持的理念。


期刊代号:D0
分类名称:政治学
复印期号:2018 年 05 期

关 键 词:

字号:

       因果分析是政治学研究的中心任务。譬如,戴维·辛格(David J.Singer)认为科学知识具有不同的层次:第一个层次是存在的,涉及对数据和事实的搜集与整理;第二个层次是相关性的,关注不同数据与事实之间的关联性;第三个层次是解释,用来给出关联性发生的原因。①加里·金(Gary King)、罗伯特·基欧汉(Robert O.Keohane)、悉尼·维巴(Sidney Verba)在著名的KKV方法中也指出:科学的研究是建立在关于真实世界的实证信息之上,以获得描述性或因果性推论。②然而,从纷繁复杂的政治现象中抽离、确立一项或者多项因果关系往往带来方法论上的挑战。大部分政治学研究者主要是通过思辨的逻辑论证或总结个体化的有限经验来进行因果分析,处在研究方法的非自觉阶段。事实上,因果推论具有一套严密的理论基础。过去的十几年中,科技哲学领域内被反复使用的一个因果推论框架是“反事实”原理。③本文旨在对“反事实”原理进行学术的探讨,并阐述政治学研究中符合“反事实”要求的具体因果推论技术。具体而言,本文的分析框架如下:首先对因果推理的基本原理——“反事实”框架进行讨论,指出符合“反事实”要求的理想模式是随机实验。其次,根据案例数量,将政治学研究模式分为个案研究、小N案例研究和大N案例研究,重点阐述各类研究模式中如何通过“事实”与“反事实”的匹配构建符合“反事实”原理的因果推论技术。最后,讨论了“反事实”框架在因果推论中的优势及未来发展方向。

       一、政治学研究中因果推论原理——“反事实”框架

       “反事实”框架是科学哲学家大卫·刘易斯(David Lewis)等人提出的推断因果关系的标准。④事实是指在某个特定变量(A)的影响下可观测到的某种状态或结果(B)。“反事实”是指在该特定变量(A)取负向值时可观测到的状态或结果(B’)。条件变量对于结果变量的因果性就是A成立时B的状态与A取负向值时“反事实”状态(B’)之间的差异。如果这种差异存在且在统计上是显著的,说明条件变量对结果变量有显性效应,存在因果关系。举例来说,为了考察转型时议会制还是总统制有利于国家的稳定,一个理想的研究设计是建立一个议会制国家并在接下来的时间内定期衡量政体的稳定性。与此同时,在同一个国家的同一个时期再选择总统制,也用同样的方法衡量政体的稳定性。通过总统制和议会制下稳定性的差异来判断两者之间的因果关系。显然,该类研究设计在现实中是无法实现的,其蕴含的逻辑即为“反事实”原理。

       随机实验是帮助研究者建立“反事实”框架的有效模式。设定两个组,把实验对象随机分入两个组中,一组施加激励,另一组不施加激励。其中施加的激励可以看成考察的条件变量。然后把两个组进行比较,它们之间的结果差异都可以归功于这种激励。⑤这样,在实验组和控制组之间就形成了事实与“反事实”,它们之间的差异就是因果效应。例如,为了测试新药A是否对疾病B具有疗效,其中新药A可理解为条件变量,疾病B为结果变量,“具有疗效”可理解为它们之间的因果关系。检验上述因果关系的典型方法是将一群患有疾病B的病员随机地分为两组,一组接受新药A的治疗,另一组不接受任何药物或仅使用安慰剂。实验中服用新药的实验组称为“事实”,服用安慰剂的对照组称为“反事实”。如果服用新药的病员身体康复了,而服用安慰剂的没有康复,我们可以断定在条件变量(服用新药A)和结果变量(疾病B)之间存在因果关系。为什么随机实验能够满足“反事实”框架的要求呢?本质在于实验中的被试对象是随机地被分到实验组和控制组,其他可能的干扰变量在随机化的过程中都被“均等”地分到了两组,保证了我们关心的个案(事实)和那些与之相对应的“反事实”个案之间在关注的条件变量之外的干扰变量上取值是相同或近似的,从而构建起了“事实”和“反事实”。此时实验组和控制组结果上的差异只能用条件变量和随机误差来解释。当样本大到可以保证统计检定力时,随机误差的可能性大大降低了。⑥因此,实验性研究通过随机化的过程对个案有着比较明确的控制力,它能有效地建立起“事实”与“反事实”进而进行两者的匹配与对照,按照“反事实”框架进行因果推论。

       随机实验是最接近科学要求的因果推论方法。但不幸的是,有别于心理学、社会学等其他社会科学,由于实际操作困难和伦理障碍的存在,政治学研究难以获得实验性数据。⑦因此,“反事实”框架几乎不太可能应用于政治科学。政治学研究主要是通过调查、搜集资料等观测性研究进行因果推论。与实验性研究相反,研究者在观测性研究中往往不能够分配和控制被研究个案对于条件变量特定水平的接受或者拒绝,突出表现为“反事实的不可观测性”。例如,识字率影响民主程度是政治学研究中常见的理论假设。对研究者来说,只能观察到以下两种情况:A国识字率提升了,民主化程度也得到了提高;B国识字率下降,民主化程度也较低。从上述两个案例是否能推导出识字率影响民主程度这一理论命题呢?显然是不充分的。严谨的因果推论过程应当是这样的:A国提升识字率,民主化程度也提高,这是研究者能够观察到的“事实”。此时的“反事实”应当是同样的,A国“如果”当时没有提升识字率他们的民主化程度是怎么样的。按照严格的“反事实”因果推论逻辑,无论是事实还是反事实,都需要发生在同样的研究对象身上。⑧只有对同一对象在同一时间施加不同的“刺激”,从而观察结果的差异,研究者才能进行因果推论。显然,这在政治学研究具体实践中是无法完成的。从这个角度看,我们面临着一个非常严重的问题,由于历史的不可回溯性,研究者不可能观测到“反事实”状态,从而无法获得确定的因果效应。这种“反事实”的“不可观测性”被称为“因果推论中的根本问题”。⑨

相关文章: