Page 242 - 《社会》2014年第5期

重新思考量化社会研究的模式

明白该方法的原理，因而也就很难认识到该方法的局限了。
科尔曼认为，“研究者们常常只报告哪些变量是显著的（通常采用
狆 值小于 ０．０５ 的标准），这种做法令人不解，它并不是一个有益的习
惯，而更像是统计学史上的一个事故。我更倾向于知道具体的 狆 值，
这样我才能自己做出判断”（转引自 犜犪犪 犵 犲 狆 犲狉犪 ， ２００８ ： ２０９－２１０ ）。科
尔曼的说法与目前社会科学界通用的假设检验思路完全不同，可是我
们不妨反思一下，当社会科学家们一次次地根据 ０．０５ 的 狆 值对命题
做出接受或拒绝的结论时，他们究竟如何理解 ０．０５ 这个数值规定呢？
他们做出了何种意义上的有关“确定性”的判断？这是摆在假设检验研
究者面前的严肃问题（吴肃然， ２０１３ ）。对于社会科学研究者误用假设
检验的现象，在 ２０１４ 年初的《自然》（ 犖犪狋狌狉犲 ）杂志上已有学者发表了
专文进行剖析与批评（ 犖狌狕狕狅 ， ２０１４ ）。
（六）数据与模型的关系
受实证主义的影响，社会科学研究者常常把自己操作化后所得到
的变量、指标、数据当成抽象命题背后的自证性的、不容侵犯的客观事
实，并以此做出顺理成章的论证。然而塔氏（ 犜犪犪 犵 犲 狆 犲狉犪 ， ２００８ ： ４８ 、 ７８ 、
１７６ 、 １８７ ）指出，即使在物理学中，数据本身也并不是神圣的。在科学研
究当中，模型（ 犿狅犱犲犾 ）和数据（ 犱犪狋犪 ）始终处于一种互动关系中，实证主
义的单向理解却把经验研究的具体过程过度简单化了。指标并不是那
些完全客观的纯粹事实，它是帮助人们进行预测的，如果研究者忽视了
这一点，而将自己所发现的那些数据当作不可错的神圣物来对待，那么
他就完全有可能陷入自说自话的境地，他所获得的结论也往往很有可
能只是运气带来的。
（七）其他误区
社会科学的量化研究不仅犯有上述观念性和原则性的错误，而且
还常常出现一些比较低级的疏漏（ 犜犪犪 犵 犲 狆 犲狉犪 ， ２００８ ： ５２－６５ ）。
在自然科学研究中，一个小数需要保留到几位，这是由误差要求所
决定的，而社会科学研究中某数值小数点后一长串的数字往往是没有
２
２
意义的，人们很难理解 犚 ＝０．５２７３ 与 犚 ＝０．５３ 的区别何在。在社会
科学中还会出现一种情况，比如，当数据显示为 １６．０ 时，许多社会科学
家就直接当作 １６ 来处理，想当然地把 ０ 删去，这种做法就把原有的测
量误差扩大了 １０ 倍。

· ２ ３ ５ ·