Page 211 - 201903

社会· ２０１９ · ３

二个未尽的议题是如何确定潜在的混淆偏误对研究结论有影响。正如
本文一开始所谈到的，我们质疑“主观解释主观”的分析进路是因为我
们怀疑两个主观变量都和某个心理特质相连从而造成虚假相关。但
是，这种怀疑究竟有多大程度上的合理性呢？或者说，我们是否能够建
立一个更加客观的标准，以此来衡量某项经验研究中潜在的选择性偏
误呢？

在这方面，统计敏感性（ 狊犲狀狊犻狋犻狏犻狋 狔 ）检验的思路或许有一定的启示
价值（ 犐犿犫犲狀狊 ， ２００３ ； 犚狅狊犲狀犫犪狌犿犪狀犱犚狌犫犻狀 ， １９８３ ）。敏感性检验的 思
路是，研究者模拟出一个潜在的混淆变量，该变量对主观自变量和主观
因变量都产生影响。基于这种设定，研究者可以控制混淆变量对自变
量和因变量的影响强度来考察实际观测到的两个主观变量之间的关系
如何变化。如果无论如何操作模拟出的混淆变量对两个主观变量的影
响，自变量和因变量的关系都不会发生大的变化，那么，我们就可以认
为，混淆效应不是很强。但是，如果这个模拟出的混淆变量不需要和自
变量或者因变量建立很强的关联就足以否定观测到的自变量—因变量
的关系，那么，我们会认为主观变量之间的关联非常容易受到混淆因素
的影响。因此，敏感性检验可以帮助我们了解两个主观变量之间的关
联在多大程度上受到第三个混淆变量的影响。
为了展示敏感性检验的基本原理，我们还是利用个体生活满意度
与对社会整体满意度之间的关系这一例子。我们产生了一系列混淆的
正态分布变量 犆 ，这一变量的方差为 １ ，但是均值是个体生活满意度与
社会满意度的函数，如下：
犆 ＝ ρ 个体生活满意度 ＋ τ 社会整体满意度 ＋ 犲
其中， 犲 服从标准正态分布。基于这种设定， 犆 和因变量的关联强度通
过来控制，而和自变量的关联强度通过来控制。之后，我们让 ρ 和 τ 各
自分别取值为 ０．１ 、 ０．３ 、 ０．５ 、 ０．７ 和 ０．９ 。这样 犆 就有 ５×５＝２５ 种组
合。之后，我们拟合最小二乘回归，其中自变量为社会整体满意度和
犆 ，因变量为个体生活满意度。由于模拟出 ２５ 个 犆 ，我们一共拟合了
２５ 个回归模型。图 ８ 展示了这些模型社会整体满意度回归系数的直
方图。可以发现，社会整体满意度的回归系数具有比较大的变异。说
明不同性质 犆 的引入带来了回归系数比较大的波动。由此，我们可以
认为存在某种混淆偏误。

· ２ ０ ４ ·