Page 213 - 《社会》2017年第1期

社会· ２０１７ · １

进行联合估计以考虑倾向值估计过程中的不确定性（称为“ 犕犆犕犆 最
优模型”）。这里的目的是希望比较两个模型的置信区间。相关的结果
参见图 ５ 。

图 ５ ：因果效果的置信区间比较
如图 ５ 所示，我们在考虑了倾向值估计的不确定性之后，所估计得
到的平均因果效应的置信区间被极大地缩小了。也就是说，我们估计
的高等教育对于个人自评健康的影响效应更加精确。此外，需要说明
是，无论是常规的最优模型，还是 犕犆犕犆 的最优模型，点估计的值是一
致的（在一条水平线上）。
我们通过以上一个具体的经验实例，展示了如何利用“贝叶斯平均
法”进行模型的选择。基于最优模型，我们再一次证实，在综合考虑倾
向值估计过程中的不确定性之后，平均因果效果的估计展示出更小的
置信区间。也就是说，通过 犕犆犕犆 过程估计得到的因果效果具有更高
的统计效率。

七、结论与讨论

当代社会学经验研究越来越多地依赖统计模型。在针对特定数据
拟合统计模型的时候，研究者会遇到模型形式的不确定性与模型系数
的不确定性问题。这些不确定性问题在已有的社会学方法论研究中并
没有被足够重视。本文系统梳理和讨论了这两类不确定性问题在倾向
值方法中的表现及其处理方法。之后，通过“蒙特卡洛模拟”与经验调

· ２ ０ ６ ·