Page 213 - 201903

社会· ２０１９ · ３

观解释主观的分析过程中，除了潜在的心理机制造成的混淆偏误之外，
影响因果推断的另外一个重要因素便是测量误差。测量误差是一个很
宽泛的概念，可能有不同的成因，比如，测量题器对问题描述的不够准
确、调查员有一些特定的特征影响被调查对象的答题过程、被调查对象
有特定的回答问题偏好（如社会期待效应），等等，不一而足。测量误差
之所以会对因果关系产生影响，是因为在线性模型中，自变量的测量误
差会让回归系数趋向于零。如果自变量和因变量是曲线关系，测量误
差就会让曲线关系趋向于直线关系。
从本质上讲，测量误差是测量上的问题，而本文上面所讨论的是某
种“遗漏变量”问题。因此，它们对于主观解释主观分析进路的影响是
不同的，上文介绍的方法亦不能直接处理测量误差问题。例如，测量误
差可能有时间变化性，从而和历时性的自变量和历时性的因变量有共
变。此时，个体固定效应即使被控制起来也不能够消除测量误差对于
主观—主观关系的影响。 １２
但是，本文介绍的方法却可以和处理测量误差的方法结合起来使
用。具体而言，测量误差的处理逻辑是使用没有测量误差的某个变量
来代替原来的具有测量误差的变量（用 犠 指代）进行分析（ 犅犲狀狀犲狋狋 ， 犲狋
犪犾． ， ２０１７ ）。最理想的情况下是部分被研究个体有真实值（用 犡 指代，
此真实值没有测量误差）的测量， １３ 这样研究者就能够用具有测量误差
的变量 犠 去预测 犡 ， １４ 然后用模型的预测值代替原有变量 犠 进行分析
（这种方法也叫“回归校准”）。如果缺少真实值的测量，我们基于经典
测量误差的假设 １５ 也可以用其他的重复性测量进行回归校准。 １６ 最后，
如果经典的测量误差假设不成立，我们也可以使用更为复杂的测量误
差处理 方 法，比 如，矩 重 构 （ 犿狅犿犲狀狋狉犲犮狅狀狊狋狉狌犮狋犻狅狀 ）或 者 多 元 填 充

１２． 研究者也可以采用理论论辩的方式说明测量误差不存在。但是这需要研究者确定测量误
差的具体原因（例如社会期望偏差等），同时有理论支持来说明此类原因的测量误差不存在。
１３． 例如，同样的被研究对象可能参与多个研究。因此，研究 犅 中被演技对象的一些真实值
可以用于处理研究 犃 中的测量误差问题。此外，一项研究中有可能有一部分被研究对象被
随机选取出来进行进一步的分析，他们的信息也可以用于处理整体的测量误差问题。
１４． 例如，拟合回归模型 犡＝γ ０＋γ １犠 ＋犲 。其中， 犲 服从均值为 ０ ，方差恒定的分布。
１５． 即，假设 犠＝犡＋狋 ，其中 狋 为均值为 ０ ，方差恒定的误差项。
１６． 例如，针对同一个概念，采用了不同的题器 犠１ 和 犠２ 。此时，我们可以拟合模型 犠２＝ θ ０
︿
＋ θ １犠 １＋ ρ 。其中， ρ 服从均值为 ０ ，方差恒定的分布，然后采用 犠 ２ 代替原有变量 犠 进行分析。

· ２ ０ ６ ·