Page 243 - 《社会》2014年第5期

社会· ２０１４ · ５

为了让变量名有较好的提示作用，研究者在给变量命名时常常选
用多字母符号，例如用 犈犖犘 代表“ 犲犳犳犲犮狋犻狏犲狀狌犿犫犲狉狅犳 狆 犪狉狋犻犲狊 ”。但是，
这种标记方法是很不科学的，因为它在模型里意味着连乘，很容易让研
究者产生混淆。
社会科学研究者为了将定类变量纳入回归模型，常常将其转化为
虚拟变量处理。与此不同，在遇到这种情况时，物理学家会建立不同的
模型，而不是为了满足回归的要求对变量进行转换。在目前涉及虚拟
变量的社会科学研究中，有相当一部分都是成问题的。

三、从描述型模型到预测型模型

塔格培拉认为，要让社会科学真正实现科学化，社会科学家们必须
改变目前的建模思路，人们不应当把大量时间用于寻找最完美的事后
解释，而应当学会发挥想象力，在理论意义的基础上建构预测型模型。
他以自己所从事的一个政治学研究为例，说明了建构预测模型时
的几个重要概念和基本原则（ 犜犪犪 犵 犲 狆 犲狉犪 ， ２００８ ： ３４－４２ ）。假定 犞 代表
在两次连续选举时更换了自己所选党派的选民比例， 犖 代表参加竞选
的党派数量，作者认为，后者对前者有影响，用数学方式表达出来，即
犱犞 ／ 犱犖＞ ０ 。
在测量党派数量时，由于党派的大小有时差别很大，故可以做以下
，党派数就可
处理：假定第 犻 个党派在选举中所获得的选票比例为狏 犻
２
以用下面的式子表达： 犖＝１ ／ Σ （ 狏 犻 ）。这里可能有人提出各种质疑，比
如有的选民这一次参加投票而下一次却弃权。塔格培拉认为，这并不
成为上述模型不成立的理由，相反它是应当破除的思维定势，因为建模
的目的本来就是为了帮助人们进行简化，即使是物理学的公式也不可
能考虑到所有的情况，人们在建立模型时应该抓住所研究问题的逻辑
特征，大胆使用“奥康剃刀”，这样才有可能建立起与所研究问题相吻合
的逻辑模型。社会科学家在遇到这种问题时往往不敢进行简化，这是
阻碍他们发现普适模型的重要原因。
在建立起方向性模型 犱犞 ／ 犱犖＞ ０ 之后，许多社会科学家便会收集
数据，建立一个线性回归，如 犞＝犪＋犫犖 ，随后看 犫 是否大于零，观察
一下该回归的显著性以及决定系数，此后便可以发表文章，结束研究。
塔格培拉问道，为什么社会科学家都不去关心 犪 和犫 的实际大小呢？

· ２ ３ ６ ·