基于因果机制的案例选择逻辑

2023-08-16 理论教育版权反馈

【摘要】：事实上，无论是忽视因素还是忽视机制的案例选择方法都是不恰当的，但是仍然没有研究者讨论一种基于因果机制的案例选择方法，这同基于因素性的案例选择方法在逻辑上存在一定差异。

过去的研究者将因果机制的出现视为方法论的革命性剧变，当今的方法论和实证研究总会强调因果机制的重要性，但是包括案例选择在内的许多研究方法仍然没有因此发生变化，这可能损害因果解释的有效性。事实上，无论是忽视因素还是忽视机制的案例选择方法都是不恰当的，但是仍然没有研究者讨论一种基于因果机制的案例选择方法，这同基于因素性的案例选择方法在逻辑上存在一定差异。两者的共同之处在于选择结果出现/未出现的案例进行正负案例对比，即解决空间维度的变化或者说是寻找“对比空间”（contrast space）案例。^[30]而两者之间的差异在于基于因果机制的案例选择方法强调“半负面案例”的重要性，即还要选择那些“存在可以让结果出现的机制，但却因为各种因素的作用而使得机制中止，最终结果未能出现”的案例。^[31]因此从因变量的角度来看，传统负面案例往往是与正面结果差异巨大的结果，旨在通过正反对比形成鲜明反差；而半负面案例则会选择那些接近但未实现正面结果的案例。例如在讨论经济增长的问题时，半负面案例法会选择那些原本有机会实现高增长却没能实现，最终陷入“中等收入陷阱”的国家，这些案例显然比选取一些前现代的部落或者失败国家更加有说服力。

本章用如下三幅图来说明和阐述半负面案例的作用。假设研究者试图证明单一变量X是Y的原因，而X和Y的最大取值都是1。^[32]如图7-1a所示，可以看到通过一个点可以做出无数条直线，因此如果研究者选择或发现的案例都集中于点A（X=1，Y=1）时，那么分析者就无法真正理解X和Y之间的关系。^[33]早期基于因变量的选择（往往只选择正面案例）都存在这个问题，因为可以有无数条线直接穿过该点，就无法估计X和Y之间的斜率。而在图7-1b中存在两类案例，分别是点A（X=1，Y=1）和点B（X=0，Y=0），当研究者选取许多集中于A和B附近的点时，至少意味着可以通过两个点来确立线性关系。早期的比较政治研究中存在大量此类研究，它们强调正负案例的对比。但需要指出的是，在样本量较小时，这种因果关系是脆弱的，仍会受到诸多质疑，例如X和Y之间可能并非线性关系。更为重要的是，点B是一个机制从未启动的案例，它对于发现的机制的作用非常微弱。为解决这个问题，研究者还需要增加半负面案例。图7-1c在图7-1b的基础上加入了案例C（X=0.5，Y=0.5），即本章所叙述的半负面案例，这类案例在过去因果分析中的作用被低估。一方面，从因素的角度来看，案例C排除了某种倒U型关系，因为三个点同时出现在一条线上时进一步增强因果推断的可信度；另一方面，案例A和C同时存在时，就从正反两个方面极大地增强了机制的可信度。不同于因果推论中仅仅强调Y0和Y1之间的差异性，^[34]基于因果机制的案例选择方法存在如下的方法论基础。

pagenumber_ebook=198,pagenumber_book=188

图7-1　正面案例、负面案例与半负面案例

资料来源：笔者自制。

第一，基于因果机制的案例选择方法吸收了模糊集的思想，提供了变量的连续谱系，从而使得机制更加容易被观察到，也丰富了样本的类型。定性分类往往过多地强调变量之间的二分法，从而忽视了0和1之间的广泛谱系。正如查尔斯·拉金所言，社会现象的多样性不仅存在于其所属的集合，还取决于它们多大程度上属于这种集合。^[35]从正负面案例到半负面案例的选择在一定程度上是试图降低操作化过程中的信息损失，同时也使得变量之间的相关关系更具连续性。例如有学者在研究20世纪上半叶东亚国家是否能够实现社会主义制度时发现，摩尔的著作中仅仅使用中日进行对比是不够的，即资产阶级较弱（X=0）的中国实现了社会主义制度（Y=1），而资产阶级较强的日本（X=1）则没有实现（Y=0）。^[36]因此建议加入资产阶级相对较弱的朝鲜半岛（X=0.5）最终只有部分实现了社会主义制度（Y=0/1）的案例。^[37]西达·斯考切波（Theda Skocpol）在衡量社会革命的问题时，为不同变量给出了定序赋值，列出了不同程度的变量组合，这为寻找半负面案例提供了重要的方法依据。^[38]斯考切波的讨论带来的启发是，研究者在讨论革命或者社会崩溃时，那些处于中间状态的案例不能够被忽视，尤其是革命即将发生却没有发生的情况，例如已经存在明显动乱迹象的社会。同样，在讨论18世纪欧洲的现代化改革时，那些相对临近成功却仍然失败的国家（例如法国），对于现代化研究的意义就尤为突出。^[39]

第二，基于因果机制的案例选择方法借鉴了过程追踪的逻辑。相对于传统定量分析中的数据集观察值（Data-set observation），大卫·科利尔（David Collier）等人提出了因果过程观察值（Causal-process observations）的重要性，因为它提供了关于情境、过程和机制的信息。^[40]科利尔等人认为，进行案例内研究时，如果研究者仔细筛选证据，区分自变量的影响和每种情况下的误差，跨案例比较可以避免定量研究中的选择性偏差问题。^[41]过程追踪不是简单的历史叙述，而是通过展现因素的相互作用和机制的运行，从而检验自己的理论和假说是否有效。这类过程追踪的理论基础是不同于频率学派的贝叶斯方法，它基于对事件而非变量的观察。这些事件通过一定的时序组成了事件链，对任何事件的反事实删除将导致对所有后续事件的影响不复存在。^[42]同时半负面案例的作用在于其所包含的因果过程观察值可以作为正反案例检验特定阶段因果机制的真实有效性。如表7-1所示，半负面案例有助于通过密尔方法^[43]（尤其是共同使用求同和求异法）来强化对中间过程的因果推断。在初始阶段，各个案例都出现类似的现象（反之则不具备可比性），这是案例同质性的基础，它主要基于求同法的逻辑。在中间阶段，通过对传统负面案例和半负面案例的比较可以得知，X不为0时该因果机制才会被部分启动，此时半负面案例是中间阶段的“正面结果”。在最终阶段，通过对半负面案例和正面案例的比较可以得知，只有当X=1时，因果机制才够被完全实现，此时半负面案例作为最终阶段的“负面结果”而存在。^[44]通过表7-1同样可以看出不同类型案例对于因素和机制的贡献，如果仅有正面和负面案例，就无法来捕捉中间过程，因此基于因果机制的案例选择方法可以更为充分、有效地利用因果过程观察值所蕴含的信息。

表7-1　正面案例、负面案例与半负面案例

pagenumber_ebook=200,pagenumber_book=190

资料来源：笔者自制。

第三，社会科学中的案例比较在某种程度上就是追求接近“准实验状态”，而基于因果机制的案例选择方法比传统负面案例更接近于实验方法。实验方法并非仅仅是通过控制变量实现一种共变，更为重要的是实现对过程的控制。如果研究者可以在两个结果不同的案例（正面案例与负面案例）中识别出相同的机制，那么就会对所识别的机制更有信心，即认定在两种不同结果之间，潜在的机制是相同的。^[45]例如在观察过量生长素对于植物生长的拮抗作用（antagonism）的机制时，就需要实现对过程的控制。那些拥有充分的养料和光照的侧芽仍然无法生长，而一旦顶端优势被解除后，侧芽生长素浓度降低，就会迅速生长；如果再往顶端加入合成的生长素，侧芽的生长又会重新停止。^[46]从因果机制的视角来看，半负面案例的作用在于通过展示那些只进行到一半的因果机制，近似“控制机制”，使其“停滞”于中间阶段（参见表7-1），从而检验因果机制的真实性。再以一氧化碳的案例来说明，碳氧化需要两个步骤，即先通过反应1生成中间产物一氧化碳（CO），再通过反应2生成最终产物二氧化碳（CO2）。

C+O2→2CO（反应1）

2CO+O2→2CO2（反应2）

用变量的视角讨论上述问题时，可以看到该机制的因变量是碳的化合物，自变量则是氧气，因变量经历了碳→一氧化碳→二氧化碳的变化。当氧化反应没有进行时（例如氧气量为0时），就可以视作传统意义上的负面案例，其因变量仍然是碳；当这个氧化机制如因为氧气量不足而停留在中间阶段时，碳的不完全燃烧仅仅产生一氧化碳，或者一氧化碳与二氧化碳的混合气体时，就属半负面案例；当存在足量的氧气时，则属于正面案例，即因变量为最终产物二氧化碳。要了解碳氧化的机制，单单看正面案例与传统意义上的负面案例仍然是不够的，半负面案例中的中间产物一氧化碳极大程度地提高了上述化学反应机制的可信度。因此半负面案例对于“控制”因果过程具有重要意义。此外，它也展示了在氧气不足的空间内燃烧碳所带来的风险。

基于因果机制的案例选择逻辑

相关推荐