Page 212 - 201903
P. 212
主观变量解释主观变量：方法论辨析
图 ８ ：模拟数据下回归模型系数的分布
虽然敏感性检验已经是比较成熟的统计分析方法，但其作用是分
析一般性混淆偏误对分析结果的影响，对于衡量“主观解释主观”的混
淆偏误问题而言并不是完美的解决方案。这是因为，敏感性检验的结
果可以告知混淆偏误是否不存在，但无法告知混淆偏误的来源。如果
敏感性检验发现两个主观变量之间的关联相对于第三个变量（无论这
个第三个变量究竟是什么）而言非常稳健，我们确实有理由相信潜在心
理机制的混淆效果并不严重。但是，如果敏感性检验发现两个主观变
量之间的关联不稳健，研究者可能会无法判断这种敏感性的来源是因
为潜在的心理机制在发挥混淆作用，还是非心理变量（例如地区、户籍
等）在发生混淆作用，或者二者兼而有之，因为这些问题无法通过敏感
性检验进行回答。
敏感性检验的另外一个问题在于，这套方法的本质是“无中生有”，
即通过人为的统计模拟来制造一个看不到的混淆因素，以此来考察研
究结论的稳健性。这其中就涉及如何模拟和刻画看不到的因素的特
征。虽然研究者可以尝试不同的模拟过程（例如，设定潜在的混淆变量
具有不同的统计分布），但这毕竟无法穷尽各种可能，且各种统计设定
并无实际经验信息支撑。正因为如此，经验研究者通常不将敏感性检
验作为正式分析的前置程序，而是将它用于正式分析后的稳健性检验
工具。
最后一个未尽的议题在于测量误差（ 犿犲犪狊狌狉犲犿犲狀狋犲狉狉狅狉 ）。在主
· ２ ０ ５ ·
