Page 198 - 《社会》2017年第1期

统计模型的“不确定性”问题与倾向值方法

究者应保证极宽的视界以承认和展示统计模型拟合过程中的复杂性和
不确定性。否则，量化研究不可避免地会基于数据人为“定做”一个最
希望得到的模型，结果便是，社会科学的研究者成为“数据的按摩师”，
其量化研究结论也同时丧失了可信度。哈佛大学社会学系的威斯顿
（ 犠犲狊狋犲狉狀 ， １９９６ ）也有过类似的呼吁。他指出，社会学的宏大理论对具
体的量化研究而言是非常“模糊”（ 狏犪 犵 狌犲 ）的。这是因为社会学理论无
法具体告诉经验研究者在一个特定的统计模型中应当放入哪些变量，
需要采用何种模型形式，以及如何设定随机扰动项的分布状态。在这
种情况下，社会学的经验研究必然面临模型形式的不确定性问题，而不
同研究者有可能因为拟合了不同形式的模型而得到截然相反的结论。
现有文献 提 供 了 很 多 例 证 来 支 持 威 斯 顿 的 观 点。例 如，扬 （ 犢狅狌狀 犵 ，
２００９ ）重 新 分 析 了 巴 罗 （ 犚狅犫犲狉狋犅犪狉狉狅 ）和 麦 克 莱 里 （ 犚犪犮犺犲犾犕．犕犮
犆犾犲犪狉 狔 ）所做的宗教与经济关系的研究后发现，他们的模型拟合过程只
要有细微的变动，其结论便不再成立。经济学领域内也有过类似的研
究。马格纳斯与摩尔根（ 犕犪 犵 狀狌狊犪狀犱犕狅狉 犵 犪狀 ， １９９９ ）曾邀请不同学者同
时利用统计模型估算客户对某一产品的需求度。结果，不同学者之间
因为模型的差异而得到不同的结论。这些研究都表明，社会科学量化
研究的确存在比较普遍的模型形式不确定性问题。
正因为这一问题如此普遍，如何明确地展示研究者的多种备选模
型，以及如何在备选模型中进行选择便成为社会科学量化研究的重要
任务之一。在这方面，目前使用最广泛的方法是“贝叶斯模型平均法”
（ 犅犪 狔 犲狊犻犪狀犃狏犲狉犪 犵 犻狀 犵犕犲狋犺狅犱 ）。这一方法发轫于统计学领域（ 犇狉犪犽犲 ，
，
，
１９９３ ； 犚犪犳狋犲狉 狔１９９５ ； 犎狅犲狋犻狀 犵犲狋犪犾． ， １９９９ ； 犣犻 犵 犾犲狉犪狀犱犇狅犿犻狀犻犮犻 ， ２０１４ ），
并被 经 济 学 ５ （ 犛犪犾犪犻犕犪狉狋犻狀 ， １９９７ ； 犛犪犾犪犻犕犪狉狋犻狀 ， 犲狋犪犾． ， ２００４ ； 犆狅犺犲狀
犆狅犾犲 ， 犲狋犪犾． ， ２００９ ； 犇狌狉犾犪狌犳 ， 犲狋犪犾． ， ２０１２ ； 犕狅狉犪犾犅犲狀犻狋狅 ， ２０１５ ）、政治学
（ 犅犪狉狋犲犾狊 ， １９９７ ； 犎狅 ， 犲狋犪犾． ， ２００７ ； 犕狅狀狋 犵 狅犿犲狉 狔犪狀犱犖 狔 犺犪狀 ， ２０１０ ）和社会
学（ 犠犲狊狋犲狉狀 ， １９９６ ）等学科逐渐接纳。下文对于模型形式不确定性的处
理也以“贝叶斯模型平均法”为基础展开。

５． 在经济学领域中，被广泛使用的模型平均方法是萨拉伊马丁等（ 犛犪犾犪犻犕犪狉狋犻狀 ， １９９７ ； 犛犪犾犪犻
犕犪狉狋犻狀 ， 犲狋犪犾． ， ２００４ ）的“经典估计贝叶斯平均法”（ 犅犪 狔 犲狊犻犪狀犃狏犲狉犪 犵 犻狀 犵狅犳犆犾犪狊狊犻犮犈狊狋犻犿犪狋犲狊 ）。
在政治学领域中，“贝叶斯平均方法”最早被巴特尔斯（ 犅犪狉狋犲犾狊 ， １９９７ ）引入政治学量化分析。

· １ ９ １ ·