欢迎来到实证政治学网!

【摘 要】社会科学中的混合分析方法发端于20世纪50年代,而比较政治学中的混合分析方法则发轫于80年代末、90年代初方法论发展的第三次浪潮。混合分析方法尽管在政治学研究中处于越来越显赫的地位,但是学术界对混合分析的内涵与外延、混合分析的应用价值和如何开展混合分析莫衷一是。嵌套分析是目前比较政治学中混合分析方法接受度最高的研究方法。它在内战、民主化、公共政策等领域被学者广泛使用并产生了优秀的研究成果。值得注意的是,嵌套分析还存在一些未被解决的缺陷,因而并不是万能的。研究方法的选择要以问题为导向,混合分析并不是适合所有的研究问题。

【关键词】比较政治;质性方法;定量方法;混合分析


研究对象的不断扩展和深化以及研究技术和工具的不断创新,都在推动着研究方法日新月异的进步。研究方法的发展是促使政治学研究不断取得进展的主要原因之一。比较政治学是政治学中唯一一个以方法命名的分支领域。因此,比较政治学者对方法的倚重可能要更加显著。简单梳理比较政治学的方法论发展史就能发现,比较政治学首先是依赖比较历史分析和单一案例分析,这是主流的质性研究方法。随着统计学和经济学对政治学的影响日益加深,在经历了20世纪政治学行为主义革命之后,大量的定量研究方法开始在比较政治学中大行其道。在这个过程中,其他研究方法(实验法,电脑模拟等等)也在发展。而比较政治学最新的方法论发展趋势就是综合或者混合应用多种研究方法。对于混合研究方法的蓬勃发展之势,马里奥·斯茂(Mario Small)2009年即评论道:“整个领域都开始推动混合研究,新的杂志、丛书和会议也在支持这方面的努力。”

安德鲁·班尼特(Andrew Bennett)认为,用混合方法开展研究这几年已经在政治学领域产生了可观的效果。他的观点获得了很多知名比较政治学者的认同。鉴于混合分析方法在政治学尤其是比较政治学中有“越来越火”的趋势,本文试图对其进行比较详细的引介和评析。

一、混合分析的内涵和特点

混合分析也可以叫做多方法分析或者综合分析。目前学术界对混合分析的内涵和外延定义得往往比较松散。例如,伯克·约翰逊(Burke Johnson)和安东尼·欧威格布兹(Anthony Onwuegbuzie)对混合分析方法的定义是“研究人员在一个研究中,混合或者综合了定量和定性研究技术”。约翰逊和欧威格布兹的定义是把混合方法看成定量和定性两种研究路径的结合。此外,还有一些学者把混合方法看成是把定量数据分析和定性数据分析结合。阿巴斯·塔萨克里(Abbas Tashakkori)和约翰·克里斯韦尔(Johns Creswell)认为将二者区分开来很有必要。也有一些学者从数据及数据分析的角度来定义混合分析。例如,马里奥·斯茂认为,“不管数据来源的数量是多少,只要使用了两种分析技术,或者用多种技术和数据类型开展的研究,就是混合数据分析研究”。本文的定义是,混合分析是针对特定的研究问题,为了激发不同研究方法的互补优势而将多种方法聚合起来的分析。与其他研究方法一样,混合分析方法不是万能的,不能涉及所有问题。此外,也并不是所有人都适合开展混合分析。

笔者认为混合分析具有如下几个特点:

(一)多种方法并举

混合分析与单一方法分析最大的不同就是综合使用多种研究方法来开展研究。在混合分析路径出现以前,学者们(主要是有方法论自觉性的研究者)或者使用质性研究方法,或者使用定量研究方法,或者使用实验、形式模型等单一方法。采用单一方法开展学术研究也能产生丰硕的研究成果。比如,西达·斯考切波(Theda Skocpol)采用比较历史分析的方法来研究革命,她的研究成果并没有因为研究方法单一而受到连累,反而学界认为她的分析是非常成功的。混合分析方法要求研究人员熟悉和综合运用两种以上的研究方法开展学术研究。但是使用多个研究方法并不代表着研究成果就是好的,或者比使用单一方法得到的研究成果好。使用什么方法与取得的成果之间没有必然的因果联系。要想取得好的成果,关键是研究设计要缜密,研究方法运用得当,研究过程谨慎细心,研究结论明确可信。所以尽管混合分析是采用了多种方法,我们不应该因为其方法多元而过分迷信它的应用能力。

(二)互相增强理论信度

真正的混合分析方法要求不同的方法之间能够互相增强理论信度。换句话说,不同的方法之间要能取长补短,共同提高研究结论的可靠性。因此,混合分析方法不是简单地先后用不同的研究方法研究同一个问题。好的混合分析需要针对特定的研究问题,把能够相互支持和相互补充的研究方法结合到一起。在比较政治学中,有多种研究方法可供选择。阿伦·利帕特(Arend Lijphart)认为比较政治学中的研究方法可以分为四大类:实验研究法,统计研究法,案例研究法和比较研究法。当然利帕特的分类并不全面,在1970年代之后,学术界又发展出了一些新的研究方法,比如“QCA”(质性比较分析),博弈论(和其他数理方法)和电脑模拟等等。但是这些不同的研究方法之间并不是都能互相补充,取长补短的。一般来讲,质性研究方法中的案例研究和比较研究能够与定量方法中的回归分析结合起来。这也是目前混合分析的主流方式。一些学者认为案例研究也能与“形式模型”(formal modelling)结合起来。例如,罗切斯特大学政治学副教授海因·格曼斯(Hein Goemans)认为,定性研究方法与形式模型之间是天然的搭档,因为案例研究能够追踪形式模型提出的机制。当然,研究人员永远要牢记,不能因为方法而使用方法,不同方法之间的结合还是要视具体的研究问题而定。

(三)操作方式多样

使用单一方法开展研究的路径往往是比较固定的。这一点在定量研究和质性研究方面都体现得非常明显。例如,如果我们要使用统计方法研究社会资本对政治参与的影响。那么我们首先需要明确自变量和因变量,然后对自变量和因变量概念化并且进行测量,继而建立模型并且检验模型的有效性,最后是给出结论。比较历史分析是质性研究方法的一个典型代表。对采用了比较历史分析的研究成果进行考察,我们就会发现,尽管他们研究的问题各不相同,但是他们的研究套路是非常相似的。而与单一方法研究不同的是,混合分析方法的操作方式是非常多元的。从大的方面(整合层面)来讲,定性和定量研究可以通过“相关联框架”(correlational framework)来实现整合,也可以通过“非关联框架”(non-correlational framework)来实现整合。最近,麦卡坦·汉弗莱斯(Macartan Humphreys)和阿伦·雅各布斯(Alan Jacobs)提出可以实现定性和定量推断的“贝叶斯整合”(Bayesian integration)。从小的方面(具体操作)来讲,比如在回归分析与小样本比较分析中,研究人员既可以先从回归分析开始,也可以先以小样本分析开始。在研究过程中,既可以多次运用小样本分析,也可以只运用一次小样本分析。而深入到小样本分析内部,在案例选择上也有多种实现方式。既可以主要从异常案例出发选择案例,也可以主要从正常案例出发选择案例,也可以混合异常案例和正常案例。总之,只要研究人员能够说明操作方式的正当性和合理性,操作方式可以是非常多元的。

二、混合分析的学术史

(一)社会科学中的混合分析(1950年代以来)

混合分析本身并不是新鲜事物。在古希腊和罗马时期,很多哲人都有混合分析的思想,但是仅仅是停留在思想的层面而已。在20世纪的上半叶,一些具有混合分析特点的研究开始在社会人类学等领域中出现。但是那时的研究人员并没有提出混合分析的概念。在20世纪50年代末,现代意义上的混合分析才开始在社会和行为科学方法论的第三次浪潮中发展起来。在1959年,美国西北大学罗纳德·坎贝尔(Ronald Campbell)教授和芝加哥大学罗纳德·菲斯克(Ronald Fiske)教授在《心理学公报》上发表文章,第一次提出了使用多种分析方法的观念。在1966年,尤金·韦伯(Eugene Webb),罗纳德·坎贝尔(Ronald Campbell),理查德·施瓦茨(Richard Schwartz)和李·西克里斯特(Lee Sechrest)发表了著作《不起眼的措施:社会科学中无反应的研究》,进一步扩展了坎贝尔和菲斯克的理论。至今,经过半个世纪的发展,混合分析在心理学、教育学和社会学等领域发展得相对较好。2003年,阿巴斯·塔刹克里(Abbas Tashakkori)和查尔斯·特德利(Charles Teddlie)编纂出版了《社会和行为研究中的混合方法手册》一书,为开展混合分析提供了哲学和实践基础。2007年,在一批混合分析倡导者的推动下,《混合方法研究杂志》开始在学界面世。这份期刊的出现进一步推动了学界从不同领域探讨如何开展混合分析。

(二)政治学中的混合分析:理念发展时期(1990年代到2005年)

在政治学中,混合分析出现得比较晚。混合分析的根源是学界对“方法之战”的不满和调和。在比较政治学中,在学术界尤其是在美国学术界,很多研究人员往往长期钟情于单一的研究方法,并且会建立所谓的“方法论阵营”。有些学者只使用定性方法(案例方法和比较方法),他们认为质性方法能够更好地发现和分析因果关系。而有些学者只使用定量方法,因为他们认为定量的研究更加科学。不同方法论阵营之间经常会在因果机制、理论效度、证伪等问题上攻讦对方。

面对不同方法论阵营之间的“范式之战”,一些学者开始尝试构建和应用混合研究方法(主要是沟通质性和定量研究方法)。他们认为,不同的研究方法可以相互学习、截长补短,共同为提高理论可靠性做贡献。比如,大卫·科利尔(David Collier)早在1991年就认为,统计方法和小案例方法都取得了一些进展,这两种方法之间也在不断进行交流,这些都为学术进步带来了希望。

科利尔预言的这种希望在1994年得到了实现。三位美国著名学者加·金(Gary King),罗伯特·基欧汉(Robert Keohane)和西德尼·维巴(Sidney Verba)(学界一般将三人简称为“KKV”)发表了《设计社会调查:质性研究中的科学推理》一书。在这本书中,作者详细论证和解释了在定性研究中使用统计学概念和方法的必要性以及可能性。该书对学界产生了重要的影响,引发了一直持续到今天的关于方法论发展的讨论。当然,对于KKV的观点,学界并不是一边倒的赞同和支持。比如,美国西北大学的詹姆斯·马洪尼(James Mahoney)教授就对KKV的论断提出了批评。他认为,KKV在书中对设计社会调查给出的学术建议是过分简单的、有误导的、不适宜的。又比如,拉里·巴尔特斯(Larry Bartels)等人认为KKV整合定性和定量的思路本质上是一种定量帝国主义(quantitative imperalism),而这种定量帝国主义没有很好地处理不确定性、定性证据和测量误差等方面的问题。与KKV相比,亨利·布拉迪(Henry Brady)和大卫·科利尔(David Collier)编纂的《重新思考社会调查》对定量和定性方法在研究上的地位的认识就比较平衡。尽管学界对于如何沟通定性和定量方法存在争论,但是对于发展混合研究方法进行学术研究是达成了基本共识。比如,加里·格尔茨(Gary Goertz)和詹姆斯·马洪尼(James Mahoney)在2012年发表了方法论的最新研究成果《两种文化:社会科学中的质性和定量研究》。在书中,两位主要从事质性方法研究的学者认为,结合了定量和定性技术的混合方法研究对很多复杂的研究项目非常必要,这些研究项目需要借助两种路径的特长和基础。

(三)政治学中的混合分析:实践操作时期(2005年以来)

KKV提出了整合定性和定量研究的思想,这一思想获得了比较政治学者的认同(尽管KKV的方式并没有获得所有人的认同)。然而,虽然KKV之后不断有学者呼吁加强对混合方法的研究,但是一直没有出现能够具体指导混合分析的成果。正因为缺少详细的方法论指南和指导性的成果,使得混合方法还主要停留在论证和研讨阶段。在政治学中真正进行混合方法分析的成果还比较少。对于混合分析成果比较少这一问题,阿伦·布里曼(Alan Bryman)对英国开展混合分析的学者进行了20次访谈。他认为,整合定性和定量研究面临很多障碍。这些障碍包括:受众不同、方法论偏好问题、研究项目的结构、时间节点问题、技术专攻、数据特点、本体论差异和发表问题等。在2005年,时任普林斯顿大学政治学教授埃文·利伯曼(Evan Lieberman)在政治学顶级期刊《美国政治学评论》上发表了《嵌套分析:比较研究的一种混合策略》。该文在学界第一次提出了嵌套分析方法。利伯曼的论文不仅论证了混合分析的合理性,介绍了嵌套分析的基本思路和设计轮廓,更解释了嵌套分析各步骤具体的操作方法、疑难点以及应对方案。嵌套分析尽管还不够完善,但是它是目前为止混合分析中最具体、指导性最强的方法。利伯曼提出的嵌套分析在学界引起了一定的反响。在2008年,德国学者英戈·罗尔夫宁(Ingo Rohlfing)在政治学另一著名期刊《比较政治研究》发文,对利伯曼的嵌套分析进行了回应。在文中,罗尔夫宁重点解释了嵌套分析中可能会存在的问题。这篇论文对我们更好地理解和应用嵌套分析提供了很好的帮助。另一个较为常见(可操作性强)的混合研究方法是把“问卷调查研究”(survey method)和“深入访谈研究”(in-depth interview)结合起来。这种研究方法把问卷调查的广度和访谈研究的深度结合了起来,有利于更好地剖析因果机制。到目前为止,具有很强操作性的混合研究方法主要是利伯曼提出的嵌套分析和问卷与访谈相结合两种。而在这两种之中,嵌套分析似乎更加受到学界青睐。

三、混合分析的议题与价值争论

近几年,混合分析在学界变得愈加流行。一个重要的证据就是在美国的博士生找工作的时候,如果他的博士论文较好地应用了混合分析方法,那么他在“教职工作市场”(job market)上就很容易找到教职岗位。但是对于混合分析的“热”,学界一直没有停止“冷”思考。在西方学术界,对于混合分析的学术价值,各方至今仍存在争论。在辩论混合分析的价值时,我们有必要首先介绍一下学界对定量和定性方法的不同认识。因为对定性/定量方法的认识有差异,才会影响了学者对混合分析价值的不同判断。

我们首先从宏观视角出发来介绍学者对混合分析的认识差异。汉弗莱斯和雅各布斯从三个方面总结了学界对混合方法的不同思考。第一个方面是学者是否认为定性研究和定量研究是处理相同的问题;第二个方面是研究者是否在研究中强调数据类型的差异;第三个方面是学者是否在定量分析和定性分析中识别出不同的推理逻辑。对于这三个问题,学术界有不同的认识(见表1)。




在从整体上介绍了学界对定性和定量方法的不同认识之后,下文将从微观视角出发具体介绍学者对混合分析的价值判断,帮助读者更好地认识混合分析。

艾莫尔·阿迈德(Amel Ahmed)和鲁德拉·希尔(Rudra Sil)认为现在对不同研究路径的赏识是一个值得欢迎的趋势,但是要把混合分析推到首要位置还是需要一些警醒。针对单一方法研究和混合方法研究孰优孰劣的争论,阿迈德和希尔认为混合方法并不天然比单一方法更好。他们认为,不同的方法之间最多只能互相证实对方的发现,但是却不能产生更强的推断。此外,阿迈德和希尔认为,掌握和应用混合分析需要耗费大量的时间和精力,这些成本要比单一方法分析大得多。阿里尔·阿荷拉姆(Ariel Ahram)对阿迈德和希尔的观点表示赞同。不过,他的论证方式是从乔万尼·萨托利(Giovanni Sartori)的“概念延伸”(concept stretching)出发。阿荷拉姆认为,把定量方法和定性方法结合起来面临概念延展的问题,因为定性的测量必要要用名称来对案例进行分类,而定量的测量是要为案例赋值,这样才能使得每个案例之间以一定的区间相联系。那么因为这种定量的区间无法尽可能地与定性的概念联系起来,所以会导致测量的偏误和因果推断问题的出现。大卫·库恩(David Kuehn)和英戈·罗尔夫宁(Ingo Rohlfing)继承了阿荷拉姆关于测量的偏误方面的判断。与此同时,两位学者还从“忽略变量”(omitted variable)的角度解释了混合分析中存在的困难。

上述所列问题都是混合分析中真实存在的。不过,学者并没有“因噎废食”,因为存在一些尚未解释清楚的问题而否定掉混合分析。其实,定量分析和定性分析本身都存在一些问题。学者能够做的就是尽量减少这些问题对因果推断的影响。混合分析也是有自身的局限性。这一点也被混合分析的支持者所认可。例如,安德鲁·班尼特认为,混合分析并不是适合所有人,也不是适合研究所有问题,所以我们不应该有不切实际的期望。对混合分析持谨慎态度的学者往往扩大了混合分析的应用范畴,并且对混合分析有“毕其功于一役”的过高期望。混合分析有一个重大的长处往往被学者所忽视了,那就是通过打破方法论之间的壁垒,促进不同方法论阵营的学者反思自己的研究成果和提高研究设计的科学性。如果没有混合分析的兴起和发展,可能学者还是在彼此轻视对方的研究方法,并且自满于自己的研究。从目前的发展来看,混合分析已经在一些议题上取得了较好的成果。

(一)内战

内战是冷战结束之后学界的主要关注对象和研究课题。定量和定性的分析都非常多。因为内战的复杂性,学界也鼓励采取混合研究方法来分析内战。下面以美国西北大学助理教授安娜·阿约娜(AnaArjona)的内战研究成果为例进行说明。她的研究问题是,什么能够解释武装组织对平民采取的不同策略?为什么地方社区对武装组织的策略会做出不同的反应?为了研究这个问题,阿约娜选取了哥伦比亚作为她的案例研究。在对哥伦比亚内战的研究过程中,她综合使用了定量和定性的方法来检验假设。具体来讲,她区分出了三个分析层次:武装组织,地方和个人。在武装组织这个层次,她综合使用一手的调查数据和二手数据开展了统计分析。在地方这个层次,她进行了六个案例的比较研究。在个人层次,她进行了深度的个人访谈。在总结她的研究设计的时候,阿约娜认为,尽管定量分析能够在次国家分析中识别模式和检验相关性,但是它们不能帮助我们评估因果关系。将一般因果联系的微观基础理论化,并且寻找证据来探讨它们的合理性,是好的解释的内在要求。在收集和分析数据的时候较好地应用定性方法,为描述和阐释这些过程提供了可能。同时,它也使得定量的研究发现更加清晰。

(二)民主化

民主化研究是比较政治学研究的一个核心问题。在既有的成果中,有些民主化研究是定性的研究成果,有些民主化的研究则是采用了定量研究的方法。最新的发展趋势是采取混合分析的方法来研究民主化。在民主化研究的文献中,在经历过战乱的社会如何建立民主的治理体制是“完全被忽视或者严重研究不足”的一个问题。对于这个问题,郑洁关(Jai Kwan Jung)通过案例研究法先后分析和证伪了迈克尔·多伊尔(Michael Doyle)、尼古拉·萨姆班尼斯(Nicolas Sambanis)和莱纳德·万特柴肯(Leonard Wantchekon)的理论。之后,他进一步明确了他的研究问题,即在国际因素比较相似的情况下,为什么一些内战的和平解决有时候会导致一个稳定的民主政府的建立,而在其他时候却不能。他的观点是在迅速结束暴力的短期利益和内战之后民主化的长期利益之间有权衡关系。而且这个权衡关系是围绕着分享权力这个问题。为了检验这个理论,他设计了一个混合分析的研究策略。首先,他通过开展一个初步的大样本分析而提炼出一系列假设。然后,他选择了两个“最好”的案例,一个正面案例,一个反面案例。进而,通过对内战后的政治事件进行过程追踪来说明短期和长期的这个权衡关系。在民主化领域另一项引人关注的成果是哈佛大学教授丹尼尔·兹博赖特(Daniel Ziblatt)对德意志帝国民主化时期选举舞弊的研究。在进行大样本的统计分析之后,兹博赖特发现土地占有的不均衡与选举舞弊的发生有明显的正相关关系,即在土地被少数人掌握的地区,发生选举舞弊的概率越高。那么为什么会是这样?通过一个详细的案例研究,他发现不是因为那些占有大量土地的德国容克通过各种形式威胁选民从而形成选举舞弊,而是因为德国容克阶层间接控制了选举机构的官员,那些选举官员操纵和修改了选举的结果,从而导致选举舞弊的发生。

(三)社会政策

混合分析在社会政策研究领域的应用也是非常广泛。这里的社会政策研究包括福利国家、种族关系、税收政治、环境政治、教育等等。下面以朱丽叶·林奇(Julia Lynch)的福利国家研究为例,来说明混合分析如何在社会政策领域开展。林奇首先进行了小样本的比较分析。她通过对意大利和荷兰进行了三个政策领域的细致分析,提出了一系列假设来讨论为何一些发达国家会更加支持老年人。之后,她对20个经合组织成员国的社会支出进行了1960年到1996年的“混合时间序列横截面分析”(pooledtime-series cross sectional analysis)。最后,定量的分析证实了之前定性分析的假设。埃文·利伯曼对巴西和南非的种族关系、地区主义和税收政策的关系研究也是采用了混合分析方法。其他社会政策领域的案例可以查阅《混合方法研究杂志》和《多重研究路径国际杂志》的诸多论文,本文在此不一一罗列。需要指出的是,混合分析方法不仅在比较政治学中被广泛应用,在政治学的其他领域也逐渐被广泛接纳。鉴于本文的讨论主要集中在比较政治学领域,其他领域应用混合分析方法的案例则不作过多赘述。

四、嵌套分析:混合方法的前沿应用

(一)嵌套分析兴起的背景

混合分析在一段时间内更多是一种研究理念。在很多研究人员的眼里,混合分析的主要应用实例是将质性研究方法和量化研究方法结合起来。在美国政治学会质性研究分部组织的小范围调查中,绝大多数的博士生是尝试将质性和定量结合起来开展混合分析,只有很小一部分人又加入了博弈论的方法。那么如何把质性和定量研究方法结合起来开展科学研究呢?在这方面一个比较好的尝试就是“嵌套分析”(nested analysis)。该分析方法最早是埃文·利伯曼在2005年提出来的。嵌套分析是混合分析的一种,它一方面结合了大样本的统计分析,另一方面也结合了从大样本中选择出来的一个或者多个案例的深度研究。在下文,我们将详细介绍如何开展嵌套分析以及需要注意的问题。

(二)嵌套分析的操作流程

嵌套分析中有两种不同类型的分析范式,一种是大样本分析(英文简称是LNA),另一种是小样本分析(英文简称是SNA)。大样本分析和小样本分析能够相互为增强对方的理论效度(theory validity)提供帮助。在嵌套分析中,大样本分析能够为对立性的解释提供真知灼见,并且帮助小样本分析形成好的案例选择策略。与此同时,小样本分析能够为大样本分析在策略工具和模型设定方面提高质量。一般而言,嵌套分析在形式上始于大样本分析。而大样本分析需要一个量化的数据集和一个基本的理论模型。二者构成了嵌套分析的一个前提条件。在大样本分析过程中,研究人员可以使用多种分析方法(多元回归分析,模糊集/质性比较分析,双变量/相关性分析),并且需要确定所用模型的性质。如果大样本分析是通过“回归分析”(regression analysis)来进行的,那么就可以通过观察相关变量的取值和方向来评估这些解释性变量(即自变量或者原因变量)。对解释性变量进行评估的目的是为了剔除一些假设,这样有利于研究者更加集中地对一些重要的假设进行分析,避免在非重要的假设上浪费研究精力。

当研究者完成了初步的大样本分析之后,下一步的工作就是评估分析发现。这个评估是一个主观的过程,因为每位研究者对理论效度的认识都不一样,所以我们不能在大样本分析结果的稳健性问题上给出一个绝对的参照标准。利伯曼在这个步骤提供了一个重要的工具。他提到,对嵌套分析而言,研究者应该以图形方式,标出各案例的实际数值与统计预测值之间的相关性,并用专用名称标出。这样做的好处在于为下一步选择案例提供了帮助。对大样本分析的评估结果会导致嵌套分析沿着不同的途径开展下去。如果评估发现是“结果是稳健的”,那么将会进行模型检验式小样本分析。如果评估发现是“结果是不稳健的,或者一个或者多个重要假设无法验证”,那么将会进行模型建构式小样本分析。

1.模型检验式小样本分析

当研究者对大样本分析的结果(主要是模型的参数与适用性)感到满意时,嵌套分析的下一步就是用小样本分析来进一步检验大样本分析的结果。为什么大样本的分析结果需要靠小样本分析来进一步检验呢?原因在于大样本分析(主要是统计分析)往往存在内生性、数据质量、偏误等方面的问题,这些问题靠统计分析本身是无法解决的。而小样本分析在一定程度上能为大样本分析的理论检验提供机会。在涉及选择什么案例这个问题上,利伯曼的主张是选择“线上”(on the line)案例。这里的“线上”“线外”是指不同案例相较“最优拟合统计模型”(best fitting statistical model)的位置分配。如果一个案例能被最优拟合模型很好地预测,那么它的位置就是“线上”。如果一个案例不能被最优拟合模型预测,那么它就在“线外”。而它在“线外”的位置取决于实际值和预测值的差别。




在进行了小样本分析之后,我们应该进行第二次评估。评估的内容是判断模型检验式小样本分析是否与之前的大样本分析模型相契合。如果发现两者之间是契合的,那么嵌套分析就结束了。如果发现二者之间是有冲突的,那么就要讨论为何会这样。这种情况下存在两种可能。第一种可能是小样本分析的案例选择存在问题。如果在小样本分析中选择的案例是特殊案例,那么它非常有可能与大样本分析在结论上存在冲突。解决这个问题的方案就是重新选择案例,再次评估大样本分析和小样本分析的契合程度。第二种可能就是大样本分析的理论模型前提存在问题。如果大样本模型的前提假设在理论上是有瑕疵的,那么大样本所生成的模型往往也是不可靠的。在这种情况下,如果小样本分析的结果是可靠的,那么二者之间势必存在不一致的地方。如果第二种情况出现了,那么就需要从模型检验式小样本分析转到模型建构式小样本分析。

2.模型建构式小样本分析

在初步大样本分析结束之后会进行第一次评估,如果评估发现是“结果是不稳健的,或者一个或者多个重要假设无法验证”,那么将会进行模型建构式小样本分析。小样本分析的目的就是对一个或者多个案例进行近景式分析,从而找到原因变量到结果变量之间的因果机制。在嵌套分析中,模型建构式小样本分析与非嵌套分析中的小样本分析有所不同。在经过了大样本分析之后(大样本的分析结果可能是令人失望的),研究人员应该会对不同原因变量对解释变量的影响效度有了一个基本的判断。在这种情况下,我们对所要构建的理论模型的概念和因果关系有了更深的理解。在这种思想的指导下,模型建构式的小样本分析往往能在理论的简约性和明晰性上比一般的小样本分析(例如比较历史分析)做得更好。

在模型建构式小样本分析中,最为核心的一个步骤是选择案例。在模型检验式小样本分析中,案例选择主要是在“线上”进行的。那么在模型建构式小样本分析中,案例选择该怎么办呢?利伯曼的观点是,选择的案例中至少需要有一个来自“线外”。这样做的原因是,当大样本分析的结果不够稳健或者满意时,大样本分析的模型往往是忽略了其他重要的变量。这种情况反映在最优拟合模型案例分布线上就是,一些重要的因素存在于“线外”。因此,从“线外”选择至少一个案例与其他案例组成小样本分析案例集就非常必要。

当小样本分析结束之后我们就要进行第二次评估,即小样本分析是否暗示了一个新的理论模型?如果答案是“否”,那么嵌套分析在此结束。整个嵌套分析没能构建一个比较理想的模型来解释研究问题。这需要未来开展进一步的研究。如果答案是“是”,那么就要进行第三次评估,即讨论能否用大样本分析检测这个新模型。如果不能检测,分析结束。如果可以检测,那么开展大样本分析检测,并结束嵌套分析。

(三)嵌套分析的注意事项

嵌套分析是过去十年内兴起的一项新的混合分析框架。它有很多创新之处,但是也存在一些不足,还有一些问题需要进一步的研究解决。因此,学者在应用嵌套分析时应该注意以下一些问题。

1.大样本分析开始还是小样本分析开始

利伯曼的方案是从大样本分析开始。他认为嵌套分析从一个初步的大样本分析开始具有诸多好处。但是事实上,这一选择既有好处也有缺点。其中,最主要的问题是大样本分析之后所产生的最优拟合模型,它的模型设定为何是正确的很难判断。换句话说,最优拟合模型是否把该包括的变量(主要是系统性变量)包括了,把不该包括的变量(主要是非系统性变量)排除了,研究人员从模型本身无法得出结论。因此,有学者质疑以大样本分析开始的合理性。比如,英戈·罗尔夫宁认为,从案例分析开始进行嵌套分析,这种路径在方法论上更合理有效。需要注意的是,以大样本分析开始和以小样本分析开始代表了不同的分析逻辑。以大样本分析开始是一种归纳的逻辑,然后逐渐发展到理论模型的检验和完善。以小样本分析开始是一种演绎的逻辑,然后逐渐深入到理论模型的检验和完善。以小样本分析开始并不比以大样本分析开始容易,小样本分析也面临着诸如案例选择、模型设定、因果机制等等方面的问题。研究人员应该根据自己的实际情况自主决定从何开始。

2.模型拟合过度和模型拟合不足

如果是从大样本分析开始,那么初步的大样本分析之后会出现一个最优拟合模型。这个最优拟合模型是一个“跨案例的模型”(cross-case model)。在这个模型中,应该只有“系统性变量”(systematic variables)可以出现。与系统性变量相对的是非系统性变量。非系统性变量对于解释单一案例的结果是非常重要的。但是因为在不同的案例中,每个案例都有自己的非系统性变量,所以最优拟合模型是无法把这些非系统性变量整合进来的。在这种情况下,如果最优拟合模型包含了非系统性变量,那么我们称它为“模型拟合过度”(model over fitting)。如果最优拟合模型缺少了系统性变量,那么我们称它为“模型拟合不足”(model under fitting)。模型拟合过度和不足既可能单独出现,也可能共同出现。换句话说,一个模型既可能包含了不应该包含的非系统性变量,也可能缺少了不应该缺少的系统性变量。在利伯曼的研究中,这个问题并没有得到很好的解决。这也是罗尔夫宁不主张从大样本分析开始的原因之一。

3.大样本分析如何扩展到回归分析之外

利伯曼的嵌套分析是以大样本分析开始的。在他的大样本分析中,他认为大样本分析可以使用多种方法,例如回归分析,质性比较分析和贝叶斯路径等等。但是在论文中,他重点是以回归分析作为讨论的主体。这样就使得大样本分析如何扩展到回归分析以外成为了一个问题。如果一个研究问题的案例在10到30个之间,那么使用回归分析就会面临案例数量不足的问题。在这种情况下,质性比较分析就是一个比较好的选择。质性比较分析与回归分析有很多不同。这些差异对于后续的案例选择会产生不同的影响。而这些问题还需要学界进行讨论和研究。

五、结语

正是因为认识到方法论阵营“各自为战”的弊端,所以不断有学者号召学术界加强方法论之间的交流和融合。嵌套分析是政治学者对沟通量化研究和质性研究的一种创新。嵌套分析在一系列广泛的研究议题上可以有所作为。如果能够科学合理地应用嵌套分析开展学术研究,那么研究的成果会比使用单一研究方法的成果更加可信。但是与此同时,我们也应该认识到嵌套分析在一些方面还不够成熟。它在研究起始、模型设定、案例选择、研究结束等等方面还需要进一步得提高科学性和可操作性。其实,这也反映了沟通质性和量化研究方法的难度。正如詹姆斯·马洪尼所言,定量分析和质性分析是否以及如何结合起来这个基本问题还需要研究。事实上,研究方法应该以研究问题为导向。问题的研究特质决定了研究方法的选择。尽管嵌套分析已经在探索如何沟通二者之中做出了一些贡献,但是未来还需要学术界更多的努力。

混合分析在中国政治研究领域具有广阔的发展前景。本文倡导更多的青年学者应用混合分析方法分析中国的政治发展。笔者认为,应用混合分析方法来产生原创性的研究成果会逐步在中国政治研究领域取得突破和进展。这是因为,随着中国不断提高国家治理现代化水平,越来越多的数据库会向学者开放(或者被学者开发出来),大数据研究会不断渗透到学术研究的各个领域,政治学亦不能免俗。当广大中国学者能够懂得使用这些数据来开展政治分析的时候,更加严谨、科学和深入的分析就水到渠成了。