S10 字心比92.5% 成品:185×260 版心:144×219 上空:25 下空:16 左空:25 右空:16 人们对科学这个名词并不陌生。但是,每个人对科学的想象却各不相同。对某些人来说,科学就是数学;对另一些人而言,科学是白大褂和实验室。常常有人把科学与科技混为一谈;有时候,还有人把科学当作高中或大学难念的课程。 当然,这些都不是科学本身。不过,要真正给科学下定义也很难。事实上,科学家们也无法就恰当的定义达成共识。但是,本书还是要给科学下一个定义:我们把科学视为一种研究方法,或者说,学习和理解我们周围事物的方法。与其他学习和理解我们周围事物的方法相比,科学有一些特殊的地方。它是一项有意识的、有准备的、缜密的任务。有时候会使用统计分析,但通常不使用。本书开篇的几章将讨论这些特征。 著名作家兼小儿科大夫本杰明·史巴克(Benjamin Spock)有关幼儿照顾的书中,一开始就告诉初为父母的读者说,他们实际具有的照顾幼儿的知识比自己认为的要多。我也要用类似的话作为这本关于社会研究方法一书的开篇。不久你们就会发现自己早已知道不少社会研究的实务知识。事实上,你们一生都在做社会研究。从这个观点看,这本书的目的就是要帮助你们强化既有的技巧,提供一些你们可能还不知道的窍门。 本书第1篇的目的,在于为其他章节的论述打下基础,讨论科学与其他了解事物的方法在本质上和议题上有什么不同。第1章将讨论对人类本性的研究,也就是我们终生都在做的事情。从中我们会看到,有些人会在研究身边的事物时走上歧途,然后我会简要地总结能免除你们多走弯路的科学研究的主要特色。 尽管本书绝大多数情况下讨论的都是社会研究的科学问题,不过第2章要介绍另外两个重要问题:社会研究的伦理和政治问题。研究者实际上是受一系列的伦理和政治约束的,这些伦理又反映了一套帮助他人、而非危害他人的价值和理念。社会研究也被其所要研究和理解社会的政治制度和社会系统所建构的。作为社会研究的关键要素,这两个问题将贯穿全书。 第3章讨论社会科学的理论,以及理论和研究之间的关系。我们将看到一些规范研究特质的理论范式,它在很大程度上决定了科学家们探究的对象以及解释的方式。 第1篇的目的是要建构一个社会研究的大框架,而不是具体分析研究设计和实施的细节问题。关于这些社会研究的更为具体的细节问题,我们将在第1篇之后详细介绍。 第1章 科学与社会研究 章节概述 我们所有人都试图理解并预测社会世界。科学研究,特别是社会研究的目的就是为了避免落入日常式探索的陷阱。 导言 这是一本关于人类如何了解事物的书——主要是关于如何了解事物,而不是知道什么事物。让我们从一些已知的事物开始。 你们知道地球是圆的。你们或许也知道月球阴暗的一面相当寒冷。在中国,人们讲中文。你们还可能知道维生素C可以预防感冒,没有安全措施的性行为可能导致艾滋病。 你们怎么知道的呢?除非你最近去过月球阴暗的一面或做过维生素C功效的相关研究,否则你是不可能知道这些的。如果稍微思考一下,就会想到是某些人告诉你们的,而且你们信以为真。你们也许在《国家地理杂志》(National Geographic)中看到,在中国,人们说中文,而这看起来合情合理,所以也不会质疑。或许物理学或天文学老师告诉你们,甚至从新闻广播得知,月球的阴影部分相当寒冷。 有些你们知道的事情,显得非常理所当然。如果我问你们如何知道地球是圆的,你们也许会说:“每个人都知道啊!”有很多事情是每个人都知道的。不过,过去大家都“知道”地球是平的。 很多人们所知道的事情其实是约定俗成的或是一种信仰,很少是个人的经验和发现。在某个社会中成长,事实上就是接受周围人所“知道”事物的过程。如果你们无法知道同样的事物,就没有办法成为其中的一员。如果你们认真怀疑地球是不是圆的,很快就会发现自己和其他人格格不入。你们可能会被送进医院,和质疑同样事情的人住在一起。 尽管我们所知道的大多数事物取决于我们是否相信他人所说的;但我要强调的是,这样并没有错。人类社会就是这样建构的,这是一种非常有用的品质。知识的基础就是约定俗成。因为你们不可能只通过个人的经验或发现而知道所有的事物,所以你们必须相信别人告诉你们的。因此你们对事物的了解一部分是通过传统,一部分则是通过所谓的“专家”。当然,我并不是说你们不应该质疑这些被一般承认的知识。我只是提醒你们注意,这一方面是你们和社会融合相处的方式。 不过,我们还有获得知识的其他方法。与通过约定俗成的方式来了解事物相反,人们也能直接从经验了解事物——也就是通过观察来了解事物。如果你们跳进流经加拿大落基山脉的冰水中,根本就无须他人告诉你们河水是冷的。你们第一次踩到荆棘上时,即使不曾有人告诉你们,你们也知道会很疼。 当个人的经验和大家约定俗成的知识发生冲突时,个人的经验大有可能在众议之下认输。 举一个例子,你们到我家参加宴会,这是上流社会的活动,美酒佳肴。你们拿了几道我送上来的开胃菜,一种油炸面粉裹的东西。你们吃了几块,嗯,真好吃,然后又拿了一些。接着,每当我拿着这道菜出现时,我走到哪里,你们就跟到哪里。 终于,你们吃够了。你们开口问道:“这是什么?能告诉我是怎么做的吗?”我告诉了你们一个小秘密:“你们刚刚吃的是油炸面粉裹虫!”你们的反应强烈,开始反胃,把客厅的地毯吐得一塌糊涂。噢!多么糟糕的待客之道呀! 这个故事的要点是,你们对这道菜的前后两种感觉都是真实的。基于你们自己的个人经验,你们喜欢这道菜,当然这是真实的。只是,你们在知道吃的是虫子以后,就觉得恶心。因为你们和周围的人都认为:虫子不适合当食物。小时候,当父母发现你们坐在土堆上,嘴里叼着半截虫时,父母忙着扒开你们的嘴,寻找另外半截虫。从那时起,你们就知道吃虫是这个社会所不能接受的行为。 在约定俗成之外,吃虫子到底有什么不对?很可能虫子含有丰富的蛋白质和低热量,大小一口刚好,而且容易包装,是商人最理想的商品。对一些和我们有不同想法的社会,虫子或许是很高尚的食物。对他们而言,虫子本身才是美味,裹在外面的油炸面粉反而让他们觉得倒胃口呢。 也许你们会开始思考一个问题:“虫‘真的’好吃还是‘真的’难吃?”还有一个更有趣的问题:“你们如何知道什么才是‘真的’?”本书要解答的就是第二个疑难问题。 这一章剩下的部分,我们将讨论怎么知道什么是真实。我们将从把探索当作人类的自然行动开始,来看看我们日常生活中所遇到的事儿。我们会考察日常生活知识的来源,探索中常见的错误。接着,我们会讨论是什么使得科学,特别是社会科学,与众不同。在了解了社会研究的一些特征之后,我们还会讨论社会研究中的一些基本考量。 [1][2] [1] 11寻 求 真 实 真实是很诡谲的。也许你们已经开始怀疑你们所知道的不是“真实”,问题是如何真正知道何者为真?这个问题已经困扰了人类几千年。 111共识中的知识 其中的一个答案,与科学有关,即获取共识的现实与经验的现实的方法。如果不是本人亲身经历的,科学家们制定了一些标准,只有满足这些标准,他们才会接受。一般而言,科学主张,都要在逻辑上和经验上得到支持:必须有道理,必须与实际观察不冲突。为什么地球上的科学家接受月球的阴暗面很冷这样的主张呢?首先,有道理,月球表面的热量来自太阳光的照射,月球的阴暗面总是阴暗的,始终没有太阳光的照射。其次,科学测量证实了上面的逻辑判断。如此,科学家们接受了他们不曾个人经历的事情的真实,而且有一套接受的标准。 不过,对本书更有意义的是,科学还提供了一套方法来从个人的经历中发现真实。换句话说,科学提供了一套探索的方法。认识论 认识论:知识知晓系统的科学。 (epistemology,认识论下面的一个领域)就是如何知道的科学:发现科学的方法论。本书将要呈现和讨论的正是社会科学的方法(论) 方法论:发现的科学;科学探索的过程。 (methodology),或社会科学对人类生活进行探索的方法。 我们为什么要用社会科学来探讨人类生活的真实呢?要知道这一点,就让我们从非科学的日常探讨开始吧。 1一般的人类研究 几乎所有人,甚至其他一些动物,都想要预知他们未来的环境。人类愿意用因果和概率(causal and probabilistic)的推理来进行预测。首先,我们通常认为未来的环境多少是由目前的状况所造成或限定的。我们知道受教育程度会影响未来的收入高低;在礁岩区游泳可能会不幸遇上鲨鱼。另一方面,鲨鱼也可能学会在礁岩区徘徊,并幸运地碰上不幸的泳客(不管鲨鱼是有意还是无意)。 其次,人类和其他动物都知道,因果关系本来就牵涉概率问题:当某些“因”存在时,与这些“因”不存在时比较,更有可能产生某些“果”;不过,这不是绝对的。例如,学生知道在大多数的情况下,用功会取得高分,但并不是每次用功都会考好。我们知道在礁岩区游泳有危险,同时也知道不是每次在礁岩区游泳都那么不幸。在本书中,我们会经常提到因果和概率这两个概念。你们会发现,科学使它们更为精巧,科学也提供了处理的技巧,这与人们的日常探索有所不同。我要做的就是使你们已经掌握的技巧更加有用,帮助你们在研究中变得更自觉、更确实,也更精细。 在检视一般的人类研究时,要区分预测和了解。通常,在不了解的状况下,也能做预测,或许膝盖酸痛时,你们就能预测要下雨了。即使我们不知其所以然,我们也会根据预测能力来行动,如有赌客发现,第三跑道的马在每天的第三轮比赛中总是获胜,即使不知道个中理由,也会始终下那匹马的注。当然,不了解就预测的缺点也是显而易见的,比如别的马胜出,那么赌客就该赔钱了。 不管人类或其他动物的原始动机是什么,只有预测未来环境的能力才让他们满足。只是,对人类而言,对未来的预测常常被放在知识与了解的范围内。如果你们了解为什么事物之间产生关联、为什么会产生固定的模式,比起你们只是简单地记住那些模式来,要预测得更加准确。因此,人类研究的目的在于回答“是什么”和“为什么”,我们通过观察和推理来达到这两个目标。 如前所述,我们对于这个世界的认识和了解,只有部分是直接通过个人研究或个人经验,大部分则是来自他人告知的约定俗成的知识。这些共识的真实 共识的真实:我们所知道的,且身在其中的、分享文化的一部分以及文化所蕴含的一部分。 (agreement reality),既可能帮助也可能阻碍我们自己亲手去发掘真实。二手知识的两个重要来源(传统和权威),就值得进一步讨论。 2传统 我们每个人都继承了某种文化,文化的一部分则是由根深蒂固的知识构成的,它告诉我们世界是怎样的,以及我们该有怎样的价值观。我们可能从他人那里得知:在春天播种玉米将得到天助、获得丰收,吃太多糖会造成蛀牙,圆的圆周率是22/7,手淫会使人失明。尽管我们可以亲身去检验这些“真实”,但我们还是直接接受了其中的大部分。因为这些都是“众所周知”的事。 在这方面,传统对人类的研究是有所助益的。接受众人皆知的事物,可以替我们省下不少亲自去研究的时间。知识是累积的,继承已有的信息和知识体系,正是发展更多知识的起点。我们常说,“站在巨人的肩膀上”,就是指知识的传承。 与此同时,传统也可能阻碍人类的探索。如果想在人们已知的事物上寻求新的观点和不同的知识,你们很可能会被贴上傻子的标签。更有甚者,你们可能根本不想对已知的事物去做不同的认识。 3权威 即使传统的力量很大,新知识还是每天涌现。除了我们亲身的探索之外,我们终生都是他人新发现和新知识的受惠者。通常对这些新知识的接受程度和发现者的地位有关。譬如,如果是流行病理学家说流感通过接吻传染,会比你们叔叔说的更容易让你们信服(除非,他也是位流行病理学家)。 就像传统一样,权威既可能帮助也可能阻碍人们的探索。我们会信任接受过特殊训练的人、专家或信誉很好的人,在有争议的问题上更是如此。与此同时,权威在自己专长的领域犯错时,也会严重地阻碍我们的探索。例如,生物学家也会在生物学领域犯错,当然,生物学知识也是随着时间而发展的。 如果专家们超出自己专长的领域发表意见,也会妨害我们的探索。例如,政治或宗教领袖并没有受过生物化学的专门训练,却断然宣称大麻损害我们的大脑。广告最常滥用权威,譬如让人们喜爱的运动员来告诉观众早餐麦片的营养、让电影明星评估汽车的性能等。 因此,在人类探索这个世界时,传统和权威都是双刃剑:一方面可以当作我们进一步研究的起点;另一方面也可能误导我们,让我们误入歧途。 112探索中的错误,一些解决方案 除传统和权威的潜在危险外,你们和我在自己探索时也常常会被绊倒。我将先讨论一般研究中人们常犯的错误,然后再讨论如何用科学来防止错误。 1不确切的观察 你们和我一样常常会在观察中犯错。譬如,你们方法课老师第一次上课时,他穿的是什么衣服?如果你们靠猜测,就表示我们的日常观察都很随意而且漫不经心。这就是为什么大多数的日常观察不同于实际情形的原因。 和一般的研究相比,科学观察是一种自觉的活动。更谨慎的观察可以减少错误的发生。譬如,你们不记得方法课老师第一次上课时穿的什么,且一定要猜,就很可能犯错。但是,如果你们有意识地在第一堂课就观察并且记录下老师的穿着打扮,你们就会得到比较确切的答案(当然,你必须有这种爱好)。 很多时候,简单或是复杂的测量手段都可以帮助我们避免不确切的观察,而且还会增加精确度。还是上面的例子,如果你们在第一堂方法课上给老师照了一张彩色照片,那就对你们更有帮助了。 2过度概化 当我们探讨周围事物的模式时,通常会把一些类似的事件当作某种普遍模式的证据。也就是说,我们在有限观察的基础上,作了过度的概括(回想一下前面说过的对赌马场跑道的观察)。 在寻求对事物理解的压力很大时,我们最容易犯过度概化的错误。即使没有这样的压力,过度概化的错误照样会出现。只要出现过度概化,就会误导甚至妨碍研究。 试想你们在报道保护动物权利的示威活动,上级要求你们必须在两个小时后交稿,而你们必须找到人们示威的原因。于是匆忙赶去现场访问示威群众,询问他们示威的理由。如果你们访问的前三名示威者都给你们相同的答案,你们可能会推断其他3 000人示威都是出于同样的理由。遗憾的是,你们的稿子一旦完成并上交,你们的编辑可能会从示威者那里获得跟你们完全不一样的解释。 当然,认识到这一点,就得让我们的概化具有存活力。不断地询问响尾蛇是不是有毒并不是使得概化存活的好方法。即使我们得到的全部是“有毒”的回答,还是存在过度概化的风险。 科学家常常运用足够的样本观察来避免过度概化。另一个保障,就是进行重复探索。基本上,重复 重复:重复某个研究,以检验或证实或者质疑早前的研究发现。 (replication)就是重复进行同一项研究,看是否每次都得到同样的结果。然后还可以在稍有变动的情况下,再度进行这项研究。 3选择性观察 过度概化的危险之一是导致选择性观察。一旦你们认为存在某种特别形态,且获得了对于该形态的一般性理解,就很可能只注意符合这种形态的事物或现象,而忽视其他不符合的状况。绝大部分的种族偏见就是选择性观察的结果。 通常每项研究设计都会事先设定观察事项,并以此作为推论的基础。假如想要了解女性是不是比男性更支持自由堕胎,我们可能会精心挑选1 000人作为访问对象。或者,在对某个事件进行直接观察时(譬如保护动物权利示威),我们也许会努力去找出“异常案例”——也就是不符合一般模式的情形。 4非逻辑推理 当观察到的事物和日常生活的观察结论相抵触时,处理的方式之一就是“通则中的例外”。这根本不合逻辑。例外能让我们注意到通则(或假设的通则),但是没有任何逻辑体系可以用例外证明与之相抵触的通则。只是,我们常常用这些不合逻辑的方式来解释冲突点。在与群体的关系上,尤其如此。如果是有色人种、女人或男同性恋者破坏了某人把握的群体规则时,就会被用来“证明”,除了这个例子以外,剩下的情形也如此。例如,如果公司的女性总裁有些女性主义,就会被用来证明所有其他的女性总裁都是男人婆。 统计学家所说的赌徒谬误(gamblers fallacy)是日常生活中常见的又一个不合逻辑的例子。风水轮流转,一晚上手气不好的赌徒,总认为再过几把之后幸运就会降临。很多赌徒舍不得离开赌桌的原因就在于此。一个更合理的归纳是这个人对扑克不在行。 虽然每个人在日常生活中都难免有让自己难堪的非逻辑推理,但是,科学家会有意识地运用逻辑体系来避免这样的窘境。第3章将进一步深入科学活动中的逻辑。目前,只需要注意到逻辑推理是科研人员自觉的活动,而且还有同事敦促他们要诚实就行了。 科学试图避免一般的日常研究的普遍缺陷。对现实的正确观察与理解并不简单,也不是微不足道。在这一章以及这本书中,我们都会看到这一点。 12社会科学的基础 科学有时以逻辑实证(logicoempirical)为特色。这个不甚美观的词汇告诉了我们一个重要的信息,科学的两大支柱就是逻辑和观察。科学对世界的理解必须言之成理,并符合我们的观察。这两者对科学都不可或缺,而且和科学研究的三大层面密切有关:理论、数据收集和数据分析。 概略地说,科学理论 理论:对与某特定生活方面相关的观察的系统解释,如青少年不良行为、社会分层、政治革命等。 (theory)处理的是科学的逻辑层面;数据收集处理的是观察的层面;而数据分析则是比较逻辑预期和实际观察,寻找可能的模式。尽管本书大部分篇幅讨论的是数据收集和数据分析,也就是如何进行社会研究,不过,本篇将会讨论研究的理论背景;第2~3篇将侧重于数据收集,第4篇将讨论数据分析。 本章剩余部分所介绍的基本观点对于社会科学来说是相当基础的,它们将社会科学(理论、数据收集和数据分析)和其他观察社会现象的方法区别开来。下面我们来了解一下这些观点。 121理论,而非哲学或信仰 社会科学理论处理的是是什么(what is),而不是应该(should be)如何。几个世纪以来社会理论一直都包含了这两种取向。社会哲学家随意地混合了他们对周围事物的观察、对事件成因的臆测,以及他们认为事情应该如何的观点。虽然当代社会科学家还经常做同样的事,但重要的是要认识到社会科学必须探究事情真相和了解其原因。 这意味着科学理论(甚至整个科学本身)不能建立在价值判断上。除非有一套标准,否则,就不能判断资本主义比其他社会形态好还是坏。只有获得一套大家都认同的测量尊严和自由的标准,而且可以通过测量获得结论,才有可能科学地判断资本主义及其他社会形态何者更能成就人类的尊严和自由。不过,由此得到的结论只适用于这种测量方法的范围,不能做一般性推论。 同样,如果认为自杀率或慈善活动可以用来测量宗教品质,那么,就可以科学地判断佛教或基督教何者是更好的宗教。再强调一次,结论只在事先设下的测量标准范围内才有效。事实上,涉及价值判断时,人们很难获得一致的测量标准。所以,科学也很难平息关于价值观的辩论。而且,类似这样的问题,通常都被看作是观念和信念问题。而科学研究则常被看作是对“已有知识”的威胁。 第12章讨论评估性研究时,我们将对这个问题再进行详细的探讨。正如你们将要看到的,越来越多的社会科学家投入到牵涉意识形态的研究,而他们所面临的最大难题之一,就是如何让大家赞同成败评价的标准。如果社会科学研究要告诉我们涉及价值观的一些有用的东西,这样的测量标准是非常重要的。打个比喻,除非我们都同意速度是测量的标准,否则跑表并不能帮助我们评断哪一位短跑选手更优秀。 因此,社会科学只能帮助我们了解事件本身和事件的成因。只有在人们同意比较好坏的标准之后,社会科学才能告诉我们事件应该如何。但是,要获得共识几乎不可能。 如前所述,即使知道“是什么和为什么”,也不是一项简单的任务。下面让我们来看看社会科学试图描述和理解社会现实时所用到的一些基础性的概念。 122社会规律 在很大程度上,社会科学理论的终极目的,在于寻求社会生活的规律性。当然,乍看之下,自然科学的研究对象比社会科学的更有规律。当我们松开手,有重量的物体一定掉落地面;但一个选民可以此时支持候选人甲,也可以彼时反对候选人甲。同样,达到一定的温度,冰块总是融化;但是,看似忠厚老实的人有时候却会盗窃。类似的例子,虽然确有其事,不过社会现象也展现出可揭示的、在理论上可解释的高度规律性。 首先,大量的正式社会规范造就了高度的规律性。例如,美国的交通法促使绝大多数人靠右行驶而非靠左。对选举人的登记规定使得选民们在投票中呈现一些可预测的模式。劳动法在法定工作年龄和最低工资上创造了高度一致性。这类正式规则,规范了社会行为,使其规律化。 除了正式规则以外,还有部分社会规则在无形中让社会行为产生规律性。在登记选民中,与民主党比较,共和党更有可能投票给共和党候选人。大学教授通常比没有专业技能的劳工赚更多的钱。男性平均收入比女性高。类似这样的规律不胜枚举。后面,我们将会对此做深入探讨。 说到社会规律性,有三种论点值得探讨。第一,有些规律过于微不足道,譬如共和党人投共和党的票,每个人都知道。第二,反例的存在说明,“规律性”不是百分之百的规律,譬如有些劳工赚钱比大学教授多。第三,重物自己不能决定是不是下落,但在规律性中的人只要愿意,就可以颠覆整个规律。 1微不足道 在第二次世界大战期间,世界上最伟大的社会科学家之一萨弥尔·斯托弗(Samuel Stouffer)在美军中组织了一个研究小组,进行了一连串关于战争后勤的研究(Stouffer, 1949—1950年),其中很多是关于军人士气的。斯托弗及其同事发现,关于军队士气的基础,有很多“众人皆知的常识”,而研究的很大精力,就是测试这些“不言自明”的事。 譬如,长久以来人们认为晋升会影响军中士气。当有人获得晋升而且晋升制度看起来也公平时,军中士气就会提升。获得晋升的人通常认为晋升制度公平,但是和晋升擦肩而过的人,则会认为制度不太公平。由此拓展,现役军人如果晋升速度缓慢,就会认为制度不公平;而那些晋升较快的人,则比较容易认为制度是公平的。军人果真如此认为吗? 斯托弗及其同事的研究集中在两个单位:一是宪兵,美军中晋升最缓慢的单位;另一个是空军特种部队,晋升最快的单位。根据一般人的看法,宪兵应该认为晋升制度不公平,而空军特种兵应该认为晋升制度公平。不过,斯托弗等人的研究却得到了相反的答案。 注意,研究者会面临类似的两难。一方面,观察得到的结果不合常理。另一方面,“显而易见”的说法却得不到事实的支持。 有些人会把这样的问题留给“更进一步的研究”。不过,斯托弗试图寻找解答,并最终获得了解释。罗伯特·默顿(Robert Merton,1950)及其在哥伦比亚大学的同事曾经思索并撰写 参照群体理论 (reference group theory)。这个理论说明,一般人评断自己生活的好坏,并不是根据客观的条件,而是和周围的人相比较。周围的人就构成所谓的参照群体。如果生活在你们周围的都是穷人,那么5万美元薪水就会让你们感觉到像是个百万富翁。如果你们所接触的都是年薪50万美元的人,那么“区区”5万美元会让你们觉得寒酸透了。 斯托弗把这个理论运用到他所研究的军人身上。如果某位宪兵很久都没有晋升,那么,他所认识的、比他差的宪兵也不可能比他晋升得更快。换句话说,宪兵中,没有任何人获得晋升。如果是空军特种兵,即使他已经在短时间内获得多次晋升,他也很可能随便就能找到一个比他差的人反而晋升得更快。宪兵的参照群体是宪兵,空军特种兵则和他的队友相互比较。终于,斯托弗有关军人对晋升制度态度的理解:(1)言之成理;(2)和研究得到的事实相符合。 这件事告诉我们,不言自明的事物对于任何科学——不管是物理的还是社会的,都有极大的功用。达尔文创造了 愚人实验 (fools experiment)作为自己许多研究的参照,在这些研究中,达尔文测试大家都已经知道的事。正像达尔文所知道的那样,很多不言自明的事常常最终被证明是错误的;因此,微不足道不再是阻碍科学研究的正当理由。 2例外 任何社会规律都有例外,但这并不说明社会规律不真实和不重要。即使某女性比大多数男性赚钱多,大多数女性的收入还是少于男性。男性的收入多于女性的模式依然存在。社会规律代表的是概率模式,并不是一个简单的真实,总有一些不符合的个案。 这条规则既适用于自然科学,也适用于社会科学。譬如,量子物理学就是一门概率科学。在遗传学上,一个蓝色眼珠的人和一个棕色眼珠的人,生下的小孩很可能是棕色眼珠。但是,如果生出蓝色眼珠的小孩,也不会对已有规律构成挑战,因为遗传学家只说,生下棕色眼珠小孩的概率比较大,而生下蓝色眼珠小孩的概率只占了某个百分比。社会科学家也会有类似的概率式预测,总体而言,女性收入低于男性,社会科学家也据此探究为何会这样。 3人为干扰 最后,一个值得讨论的观点是,已有的社会规律会被某些人有意识地颠覆。即使自然科学里似乎找不到类似的情形(一般而言,物理现象不会违背物理规律,尽管推翻量子物理学的概率特征曾经导致人们认为电子有“自由意志”),对社会科学也不会构成大的挑战。一个虔诚于宗教信仰的右派顽固分子,如果他想要扰乱政治学家对某次选举的研究,就有可能投票给持不可知论立场的左派激进黑人。所有选民可能突然转向,投票给居于劣势的候选人,好让民意调查专家大跌眼镜。同样的道理,上班的人可以早点出门,或是留在家里避开交通高峰时间。不过,上述情形发生的概率并不足以威胁到社会规律的观察。 事实上,社会规范确实存在,社会科学家可以观察这些规范的效应。当规范随着时间改变,社会科学家也可以观察并解释其变化。 另一类不一样的干扰使得社会研究面对了特别的挑战。社会研究具有递归性。因此,我们从社会中观察到的规律可能会导致该规律的终结,如此,我们发现的规律,也就会不再真实。例如,你们可能偶然知道了“十佳居住地”或类似的消息,社区不那么拥挤,各种商店都有,学校以及其他公共设施都很棒,犯罪率低,人均拥有大夫的比例高,等等。如果这个消息公开了,将会怎样?人们就会蜂拥而至,结果社区过于拥挤,最终不再是过去的居住佳地。简单点儿说,我们很容易研究已经公布的闲适海滩或钓鱼点会是什么样子。 2001年,安然(Enron)公司快要破产的时候,高管们一面在悄悄地出手自己的公司股份,一面安抚员工们,说公司的偿付能力没有问题,建议他们继续将自己的退休金投资于公司。这种欺骗的后果是,员工们在失业的同时,也损失了他们大部分的退休金。 安然事件引发了两位斯坦福大学商学院教师的兴趣,拉科尔和扎克尤金纳(David Larcker and Anastasia Zakolyukina, 2010)试图发现高管们是什么时候开始撒谎的。他们分析了公司成千上万份公司会议笔录,发现了高管们撒谎的例证,以及与讲真话不同的撒谎的模式。例如,拉科尔和扎克尤金纳发现,高管们撒谎时会使用夸张的情绪,例如,他们会说前景“极好”(fantastic),而不是说“好”(good)。研究还发现了一些高管们撒谎的迹象,例如,较少提及股东,也较少提及他们自己。这些对撒谎特征的发现,谁会从中获益?或许,研究结果会提示高管们更好地撒谎。如果有后续的研究,十年后,人们一定会发现高管们有相当不同的讲话模式。 123累计,而非个例 社会科学家们探讨的社会生活的规律,反映的是许多个人行为的聚合。虽然社会科学家常常研究个体的动机,个体本身却很少是科学研究的议题。相反,社会科学家们创造的是有关群体生活的而非个体生活的理论。同样,我们的研究对象通常是累计或集体行为,而不是个例。这里说的总体(aggregate),包括了群体的、组织的、集体的,等等。心理学家们关注的是个体 内 发生的事情,社会科学家们关注的则是个体 之间 发生的事情,例如考察从夫妻到小群体到组织的所有事情,甚至关注整个社会和社会之间的互动。 有时候集体规律相当惊人。以出生率为例,每个人生小孩的理由都不相同。有的是因为父母要求他们生小孩,有些人生小孩是为了获得男人或女人的完美,有些人通过生小孩来维系婚姻,还有人则是不小心有了孩子。 如果你们已经有了小孩,你们可能诉说更详细、更特别的故事。你们为什么要生这个小孩?何时生的?为什么不早一年或晚一年生?或许你们丢了工作,所以必须延迟一年生小孩,才有能力养得起小孩;或许你们周围有人有了孩子,你们感到了压力也想有自己的小孩。每个在去年生小孩的人,也都有不同的原因。不过,撇开其间众多的差异,不管每个人特殊的理由是什么,整个社会每年的人口出生率(每1 000人口中存活的出生数量)其实相当稳定、变化不大。见表11美国1980—2007年的出生率。 表11美国的出生率(1980—2007年)* 年份出生率年份出生率 19801591985158 19811581986156 19821591987157 19831561988160 19841561989164 续表 年份出生率年份出生率 19901671999142 19911622000144 19921582001141 19931542002139 19941502003141 19951462004140 19961442005140 19971422006142 19981432007143 *每1 000人口活产数。 数据来源: US Bureau of the Census, Statistical Abstract of the United States (Washington, DC: US Government Printing Office, 2010), Table 78 如果美国连续五年的出生率是159、356、78、289和162,那么人口统计学家可能会像无头苍蝇一样慌张。不过,你们所看到的是,社会生活远比这来得有秩序。而且,在没有社会规律的时候,这种规律性还是一样发生。没有人去计划应该生多少小孩,或者觉得由谁来生——生小孩无须许可证。尽管事实上,很多小孩都是意外怀上的,有些还是母亲的无奈。 社会科学理论处理的是总体的而非个体的行为,目的在于解释为什么即使个体行为会随着时间改变,集体行为的模式却仍如此有规律。甚至可以说社会科学家不寻求对个体的解释。他们试图了解人类运作的体系,即人类行为原因的解释系统。系统的要素是 变量 而不是个体。 124概念和变量 我们不自觉地想要理解事物,而理解又最常发生在具体的、物质的层次上。这是我们思维的方式。 试想有人告诉你们:“女性应该回到属于她们的厨房。”你们很可能根据自己对说话者的认识来理解这句话。如果说话的是你们高龄的叔叔哈利,就你们记忆所及,他曾经反对过夏时制、邮政编码和计算机等,你们可能把他对女性的评论当作他对所有事物都持有的过时想法的另一个例子。但是,如果说话的是一个政客,他要在竞选中抨击女性对手,你们会把这句话放在完全不同的框架下来解释。 在上述两个例子中,你们的目的是要了解某一特定的、具体个体的想法。在社会科学中,我们会超越这个层次,探究某一阶级或类型的人。社会研究者试图了解某一类型的人,譬如认为“女性”适合某种角色人群,是否有其他共同的属性,这些属性是否能帮助解释他们的观点? 即使当研究者将他们的注意力集中在单个案例研究(如一个社区或者青少年帮派)上,他们的目的还是试图发现能够帮助人们理解其他社区和青少年帮派的一般框架。同样,试图全面理解某个个体,是要为对人的理解或对某类人的理解提供基础。 当这种了解和解释的历程结束后,社会研究者可以将研究所得推及更多的人。例如,在了解这名“冥顽不灵”的政客为何对女性有如此看法以后,就可以了解更多和他类似的人。我们研究的是反女性主义行为,而不是反女性主义者本人。这样,哈利叔叔和政治家就会凸现更多的相同点。 反女性主义是一个变量 变量:属性在逻辑上的归类。“性别”这个变量就由男性和女性两个属性组成。 (variable),因为它会变化。有些人就是比其他人更为反对女性主义。社会科学家的兴趣是了解变量体系:它解释了某一态度为什么在某种情况下比较强烈,在另一些状况下又比较微弱。 由众多变量组成的体系,或许你们听起来颇为陌生。我再打个比喻,医生注意的对象是病人。如果有人生病了,医生的目的就是帮助病人康复。相比之下,病理学家注意的对象是疾病本身。病理学家当然也可以研究医生的病人,但是对病理学家来说,只有在病人是其研究的疾病病原携带者时,才和他有关。 这并不是说病理学家不关心活生生的人。他们当然关心人,他们研究疾病的目的就是防止人们感染上疾病。但在实际研究中,只有病人患上了他们正在研究的疾病时,才和研究者有直接的关联。事实上,当研究某种疾病可以不用病人而获得实质性成果时,病理学家就会不用病人。 社会研究包含了对变量以及变量之间关系的研究。社会理论是以变量语言写成的,而个体之所以涉及研究,只因为他们是变量的介质。 变量包含了社会研究者所谓的属性或者说值。属性 属性:人或物的特性。 (attribute)指事物的特征或本性,这里指的就是人。例如:描述人的特质或本性时,会出现 女性 、 亚裔 、 疏离 、 保守 、 不诚实 、 聪慧 、 农夫 等。任何用来形容自己或是别人的词汇,都牵涉到属性。 变量则是很多属性的逻辑组合。例如: 男性 和 女性 是属性,而 性别 或 社会性别 则是由男性和女性两个属性组合的变量。 职业 变量则是由 农夫 、 教授 、 卡车司机 等属性所组成。 社会阶级 则是由 上流社会 、 中产阶级 和 下层社会 等构成的。有时候把属性想成构成变量的类目也颇有助益。(图11就是社会科学家对于属性和变量的图解) 图11变量与属性 在社会研究和理论中,变量和属性都代表了社会概念。变量包括了一组相关的属性(类别,值)。 属性和变量间的关系是科学描述和解释的核心。例如,我们用性别变量来描述一个大学班级,我们要报告所观察到的 男性 和 女性 这两个属性出现的频率:“这个班级60%是男性,40%是女性。” 失业率 可以看作用 就业 和 失业 这两个属性对劳动力职业状况这个变量的表述。甚至 某个城市的家庭收入 报告,也是对构成这个变量(收入报告)的诸多属性之概括,而这个变量的属性可能包括3 124美元、10 980美元、35 000美元,等等。 有时候,社会科学概念的含义非常清楚明白,有时候却并非如此。关于这一点在下面方框内的文章《灾情最严重的是……》中会有进一步的讨论。 灾情最严重的是…… 1982年年初,一场猛烈的暴风雨袭击了旧金山湾区,造成严重的人员伤亡和财产损失。大众传媒努力报道严重的灾情,有时候把焦点放在圣塔库鲁兹(Santa Cruz)那好几位被滑坡活埋的死者身上,另一些时候,则大量报道马林县(Marin County)2 900名因为风灾而无家可归者的困境。 其实每个人都想知道到底哪里才是灾情最严重的地方,但答案并不清晰。表1B1就是关于马林县和圣塔库鲁兹灾情的资料。看看你们是否可以从下面的比较资料,判定哪一个地方灾情最严重。 表1B1马林县和圣塔库鲁兹灾情的资料 马林县圣塔库鲁兹 商家损失150(百万美元)565(百万美元) 死亡人数522 受伤人数37950 被迫离家人数370400 房屋损毁28135 房屋损坏2 900300 商家损毁2510 商家损坏80035 私产损失651(百万美元)500(百万美元) 公共损失150(百万美元)565(百万美元) 以死亡人数来看,圣塔库鲁兹是灾情最严重的地区。但是,马林县的受伤人数却是圣塔库鲁兹的7倍多。当然,以受伤人数而言,马林县是灾情最惨重的地方。或者我们考虑房屋损毁的数目(圣塔库鲁兹比较惨重)或是房屋损坏的数目(马林县比较严重)。问题是,你们的注意力放在哪一项灾情上面。至于损失金额,也是一样:我们应该把重心放在私产损失还是公共损失上? 所以,究竟哪个地方灾情最严重?总之,这个问题并没有答案。每个人心中对社区“惨遭蹂躏”或“轻扫而过”的想象都不相同,而这些想象都不够准确,经不起严格测量。 “哪里灾情最严重?”要回答这个问题,就必须明确说明何谓“灾情最严重”。如果以死亡人数作为测量基准,那么圣塔库鲁兹就 是灾情最严重的地区。如果以“受伤人数/迁移人数”定义灾情,那么马林县就是灾情最严重的地区。显然,如果不清楚“灾情最惨重”的定义,就没有办法回答问题。这是在测量社会科学变量时最基本的要求。 资料来源:San Francisco Chronicle, January 13, 1982, P16 进行解释和接近科学理论变量语言核心时,属性和变量之间的关系变得更为复杂。举一个涉及两个变量的简单例子, 教育 和 偏见 。为了简单明了起见,假定 教育 变量只有两个属性: 受过教育的 和 未受过教育的 。同样地,我们也给偏见变量两个属性: 有偏见的 和 没有偏见的 。 现在假定没有受过教育的人中,有90%是有偏见的,另外10%则是没有偏见的。然后假定受过教育的人中,30%是有偏见的,其余70%则是没有偏见的,见图12a。 图12a说明了 教育 和 偏见 两个变量间的关系(relationship)或关联(association)。两者之间的关系可以从两个变量属性的配对组合来看。包括两种显著的组合:(1)受过教育而没有偏见的人;(2)没有受过教育而有偏见的人。此外,还有两种考察变量关系的方法。 第一,假设玩一个游戏,赌你们猜测某人是否有偏见。每次挑出1个人(但不告诉你们选谁),让你们猜这个人是否有偏见。我们会把图12a的全部20人都照这样做一遍。在这里,你们最好的策略就是每个都猜成有偏见的,因为20个人中,有12人被归类为有偏见的。这样你们会猜对12次,猜错8次,净对4次。 现在我从图中抽出1个人,并告诉你们这个人是否受过教育。这时候你们最好的策略是,当抽出的是没有受过教育的人时,就猜有偏见的;而当抽出的是受过教育的人,就猜没有偏见的。如果你们采用这个策略,你们就会猜对16次,而只有4次错误。当你们知道教育程度时,猜测的正确度就随之改善,这就说明了变量间的相关性。 第二,相比之下,如果教育和偏见之间没有关系,那么这20个人会怎样分布。图12b说明了这一点。注意受过教育的人和没有受过教育的人各占了一半。另外,也请注意20人中,有12人(也就是60%的人)是有偏见的。如果受过教育和没有受过教育的两组人中,各有6人有偏见,那么可以得到这个结论:教育和偏见没有关系。这时候知道某个人的教育程度,对于猜测这个人是否有偏见,并没有太大的帮助。 图12双变量关系举例(两种可能性) 在社会研究中,像教育与偏见这样的变量及其属性(受过教育/没有受过教育,有偏见/没有偏见)是考察因果 关系的基础。 本书第4篇将进一步探讨变量间关系的本质。尤其是在研究分析中发现和解释变量间关系的方法。现在你们应该了解的是变量间的关系,以便了解社会科学理论的逻辑。 理论用来描述(可以逻辑地预期的)变量间的关系。这种预期常常包含因果关系。一个人在某个变量上的属性会影响到或倾向于促进另一个变量的某个属性。从上面的例子看来,一个人受教育与否,能造成这个人有或者没有偏见。也就是说,一个人如果受过教育就会比较少有偏见。 我们在后面还将更为详细地讨论到:在这个例子中,教育是自变量自变量:该变量的值在分析中是不受质疑的,而是被当作给定的。自变量被看作是原因或是决定因变量的因素。 (independent variable),而偏见就是因变量 因变量:该变量被假定是依赖于或是由其他变量(也就是自变量)引起的。如果你们发现收入是正式教育总量的函数,那么收入就是被当作因变量来看待的。 (dependent variable)。自变量和因变量所隐含的意义就是决定关系或因果关系模型。在这个例子中,我们假设偏见的程度是由某种事物所决定或造成的。也就是说,偏见要由别的事物来决定,所以叫作因变量。因变量所依赖的变量就是自变量,在例子中,教育就是自变量。因为教育独立于偏见(也就是说,教育程度的差异,并不是偏见所造成的)。 当然,教育程度差异也是因其他事物而定——例如父母的教育程度。父母教育程度较高的人,比起父母教育程度较低的人,通常受更多的教育。在这个例子中,子女的教育程度是因变量,而父母的教育程度则是自变量。以因果关系来说,自变量是因,因变量是果。 再回到教育与偏见的例子。图12根据两个变量将20个人进行分类。在建构社会科学理论时,我们会依据对两个变量的认识,来获得我们对两个变量间关系的期望。譬如,我们知道教育会让人们接触到各种不同的文化和观点,简言之,教育会扩大人的视野。另外,偏见代表的就是狭隘的观点。因此,逻辑上我们会预期教育和偏见是互不相容的。然后我们会期望增加教育以降低偏见,这个预期的关系应该在稍后的观察得到了支持。 图12显示了两种可能:(A)教育降低偏见,或(B)没有影响。你们是否有兴趣知道究竟是哪一种呢?当然,有很多种偏见。在这个例子中,我们假定是对同性恋的偏见吧。在许多年份的综合社会调查(General Social Survey,GSS)中都问到了同性性关系是“非常不对,不对,有点不对,没什么不对。”2006年,56%的受访者认为同性性关系“非常不对”。不过,正如表12所示,受教育程度不同的人,观点也很不一样,如图1T1的GSS数据在线分析示意图(也可参见“用GSS进行在线数据分析”)。 表12教育与对同性恋的偏见 受教育程度认为同性性行为非常不对的比例(%) 高中及以下72 高中61 大学低年级52 大学毕业43 研究生32 图1T1GSS数据在线分析示意图 自变量、因变量与约会 让我们说说约会。有时候非常好,有时候很糟糕,如果有人处在中间。故,约会的质量可以是“很好、一般、糟糕”,这些或许是变量的属性。 这里,是否发现了影响约会质量的因素呢?(如果你们现在约会,也许你们就会想起你们之间的某次约会,或简单地做个想象。)也许你们可以在你们约会的对象上做点工作,你们约会中的活动、行为、费用或类似的东西。你们能为影响约会质量的因素起个名字,即变量(例如,外形魅力,守时)?你们能识别这个变量的属性吗? 再想想约会的质量或特征,哪个是自变量?哪个是因变量?(在第12章“评估研究:类型、方法与议题”中,你们会学到,识别出来的变量是否真的重要。) 请注意这个理论处理了两个变量:教育和偏见,而不是针对个体本身。如前述,个体只是这两个变量的介质,所以这两个变量的关系只能透过观察个体而得到答案,理论则是以变量语言来建构的。理论所描述的是不同变量属性之间在逻辑上可能有的关联性。 用GSS进行在线数据分析 如果你们能上网,就可以自己检验受教育程度和偏见之间的关联。书中的数据是来自GSS的。第14章我们会详细讨论这一点。这里,如果你们有兴趣,可以将其作为例子。 如果你们登录http://sdaberkeleyedu/cgibin32/hsda?harcsda+gss06,就会看到如图1T1所示的界面。正如你们所看到的,页面分为两部分,左边部分列出了变量,右边则包括了各种过滤器、选项以及表空。我已经讲过如何从问卷的变量树形列表中找到涉及同性性行为的态度。在这个例子中,我选择了HOMESEX。 在右边表格中,我已经说过要分析不同受教育程度的人在态度上的差别,在这个例子中,变量名为“DEGREE”。在Selection Filter表空处输入“YEAR(2006)”,我希望使用2006年GSS的调查数据。 如果你们想自己试试,像我那样,填好表。接着点击表中的“Run the Table”按钮,你们就会得到一张彩色表。接下来,就可以试试其他你们感兴趣的变量。或者看看HOMESEX和DEGREE的关系,与1996年的是不是基本一致。 设在芝加哥大学的国家民意调查中心(NORC)定期进行全国公众舆论调查,以帮助社会研究机构获得这些数据。 从1972年开始,每年都采用面访方式进行全国性的大样本调查;1994年以后,改为隔年调查一次。调查的频率减少了,由于GSS问卷题量丰富,做完一份问卷需要费时1个小时,使得调查可以获得美国人口与舆论的大量信息。通过针对不同的子样本访问不同的问题,使得议题数量得到增加。由于每次调查中,总有一些必问的访题,如此,也让人们能够看到一些问题的变化,如政治倾向,宗教服务的参与,或针对流产的态度。 GSS是社会科学家们的有用资源,从本科生到教师,可以接触大量的而不是少数的数据集。在早年的GSS中,只能用物理载体(卡片或磁带)向研究者们邮寄数据。 13社会研究的目的 第4章将详细讨论社会研究的目的,这里只做简要讨论。有时候,社会研究只是发现后来需要继续研究的问题的一个动力:探讨新的政治或宗教团体,研究新的街头药物滥用,等等。方法多种多样,结论常常是建议性的而不是界定性的。尽管如此,这种 探索性 社会研究,如果认真做,也能消除某些误解,并帮助人们关注未来的研究。 某些社会研究的目的仅仅在于 描述 社会现象的状态:失业率多少?某个城市人口的种族构成如何?多大比例的人会为某个政治候选人投票?细致的描述也会给人清晰的图景,令人印象深刻。 当然,社会研究也为了进行 解释 ,用因果关系解释导致现象的原因。为什么一些城市比另一些城市的失业率高?为什么一些人比另一些人有更大的偏见?为什么做同样的工作,女性比男性挣钱要少?尽管我们在日常生活中对这些问题似乎有了大量答案,只是,有些答案,显然是错误的。解释性社会研究提供的是更加可信的解释。 虽然有些研究可能专注于上述三个目标中的其中一个,但是把三个目标集中在一起的研究则更为常见。例如,当伯格(Kathleen A Bogle)对大学生进行深度访谈以研究“搭讪”(hooking up)的时候,可能有一些意外发现。当两个人搭讪成功时,是否意味着他们有性关系?伯格发现了其中的歧义,有些学生以为性关系是其中的一部分,有些学生则不那么认为。 她的研究也对学生搭讪不同的经历提供很好的民族志式的描述。在某个国家一个地区的两所大学深访76名学生,并不能反映美国所有大学生的状态,但却提供了很好的定性描述,不仅仅是术语,也包括了丰富的变异性。不是所有人都会有受访者斯蒂芬的经历,他的同伴在性行为中吐在他身上,或者在高潮的时候叫他安东尼而不是斯蒂芬。 伯格的研究也指出了导致不同搭讪方式的原因。你们的同伴行为,或更重要的是,你们对同伴行为的 信仰 ,对你的行为有重要影响。因此,也很难将其归入探索性、描述性或解释性研究,因为,所有的要素都有。 值得注意的是,某些研究的目的就是试图理解,另一些研究的目的就是有意地要引起社会变迁,创造一个更有效的社会。只是,任何社会科学的研究,都会改变我们对社会的观点,在某些情况下,也会对某部分人普遍接受的“真实”提出挑战(参见“贫困、婚姻与母性”)。 14社会研究中的一些辩证关系 从事社会研究并没有什么妙方(如果有的话,本书就可以简短许多)。事实上,社会研究的大部分功能和潜在的用途来自其本身所包含的各种有效途径。 然而,四个主要而又相互关联的区别构成了研究方法的多样性的基础。虽然这些区别可以被看作竞争性的,但一个好的社会研究者,还是应该充分掌握下述的研究取向。这也是我说社会研究中的辩证关系之用意所在:在我试图描述的互补性概念之间,存在着相当大的张力。 贫穷、婚姻与母性 正如我们看到的,有许多研究方法,可以帮助我们把握社会动态。许多研究会专注于大量统计数据的分析。尽管对总体模式考察很有价值,但同时也有忽视数据中所蕴含的活生生的人的风险。正因为如此,一些社会研究专注于基层真实生活中的细节。在这本书中,我们会选择几个近期的研究,反映如何用后一种方法理解社会生活,且试图在更广泛的社会科学研究中“关注于人”。 统计结果显示,在美国,未婚母亲及其子女,特别是贫穷的,常年面临着各种问题。孩子和母亲更可能遭受痛苦与煎熬。其子女很少能在学校和后来的生活中表现杰出,母亲则极有可能挣扎在低收入的工作或依靠福利的状态。未婚生育的情形在过去的几十年里增长迅速,特别是在贫穷人群中。为了应对这个问题,布什政府在2005年启动了“健康婚姻推动计划”(Healthy Marriage Initiative),旨在鼓励有孩子的单身父母结为伴侣。不过,支持和反对这项计划的声音几乎同样响亮。 在《我能信守的承诺》一书中,艾丁和卡福拉斯(Kathryn Edin and Maria Kefalas, 2005)提出,在指定解决方案之前,也许要问一个问题,“贫穷的妇女为什么要未婚生育?”两位社会科学家花了5年的时间,与那些未婚生育的年轻女人一一访谈,一些发现与人们对未婚母亲的想象有着极大的冲突。例如,与很多人抱怨女性穷人放弃婚姻不同,受访的女性却高调地表达,她们希望自己有一天能走进婚姻的殿堂。此外,也有人表示,她们只愿意与某个人真诚相拥、长期厮守。结束灾难的方式是保持未婚而不是结婚。 Kathryn Edin and Maria Kefalas,Promises I Can Keep: Why Poor Women Put Motherhood before Marriage (Berkeley: University of California Press,2005) 同时,这些女性强烈地认为,女性的核心价值,就是养育子女。大多数人更愿意做一个未婚母亲,而不是一个无子女的女人。在她们眼里,没有子女才是真正的悲剧。 这种婚姻观念,与你们的也许截然不同。正如我们看到的,想象的真实与看到的真实常会发生冲突。 141个案式和通则式解释模式 我们所有人,一生都在解释事物,每天都在这么做。你们解释为什么考试考好了或考坏了,你们最喜欢的球队为什么赢或是输了,还有为什么你们总是没有好的约会对象或一份称心如意的工作。在这些日常解释中,我们使用两种不同的因果推理方式,却从不刻意加以区别。 有时候,我们试图详尽地解释某种情况。例如你们考试成绩之所以不理想是因为:(1)你们忘了那天有考试;(2)这本来就是你们表现最差的科目;(3)碰上塞车,迟到了;(4)考试前一晚,你们的同屋在宿舍里听音乐吵得你们不能入睡;(5)警察想知道你们是否因此而破坏了同屋的音响或其他东西,将你们留至清晨;(6)一群山狼把你们的课本吃了。有了以上种种因素,就不难理解你们为什么会考得不好。 这种类型的因果推理被称为个案式解释 个案式解释:一种解释方式。在这种解释方式中,我们试图穷尽某个特定情形或是事件的所有原因。试着列出你选择某所大学的所有原因。给定所有这些原因,要作出你的选择还是很困难的。 (idiographic)。[idio词根表示独特的、隔离的、特殊的或明确的,就像在idiosyncracy(特点、癖好)中一样。]当我们使用个案式解释时,会觉得完全了解案例之所以发生的所有因素。与此同时,我们的视野也局限在个案上。也许对某个个案的解释可以部分地应用在其他情况上,不过,我们的意图只是在于能够完全地解释某个案例。 现在让我们来看另一种解释模式:(1)每次你们参加读书小组,就会比独自用功考得好很多;(2)你们最喜欢的球队在主场总是比在客场表现好;(3)运动员比起生物研究社的社员,更容易约到女孩子。应该注意到的是,这种类型的解释更具有普遍性,包含了更广类型的经验或是观察。它含蓄地提到了变量之间的关系:例如(a)你是否在群体中学习;(b)你在测试中的表现。这种类型的解释方式被称为通则式解释 通则式解释:一种解释方式。在这种解释方式中,我们试图寻找一般性地影响某些情形或者事件的原因。想象两个或者三个决定学生选择哪所学校的关键因素,如地缘接近、声誉等。 (nomothetic),即试图解释某一类的情形或事物,而不是某个个案。进而言之,这种解释很“经济”,只使用一个或少数几个解释性的因素。不过,只能解释现象的部分,而不是全部。 在每个例子中,你们会发现自己在因果表述中使用了“ 总体来说 ”“ 通常 ”“ 其他人也是如此 ”一类的字眼。参加了读书小组后通常会考得比较好,但不总是如此。同样,你们的球队也有在客场获胜、在主场失败的时候。还有,家境富裕的生物研究社社员可能也有约会的机会,而足球队的前锋在星期六晚上可能都得独自在重量训练室里练习。类似这样的例外,就是我们寻求广泛解释所付出的合理代价。在前面已经提过,即使还不完美,但模式却是真实的、重要的。 个案式和通则式都可以对你们在日常生活中的理解有所帮助。通则模式为你们建立研究习惯提供很好的指南,个案模式却比较能说服你们的假释官。 同样,个案式和通则式推理对于社会研究都是有力的工具。例如,李彬和库恩-曼斯菲尔德(A Libin and J CohenMansfield,2000)比较了在老年(医学)研究所使用的个案式方法和通则式方法。有些研究聚焦于个体的全部经历,而另外一些研究探讨的则是描述一般老年人的统计模式。作者最后得出的结论,是以建议的方式来号召大家在老年医学研究中综合使用个案式方法和通则式方法。 社会科学家可以运用这两种解释类型。就像物理学家有时把光看作一个质点,有时把光看作波,社会科学家可以今天寻找相对表面的通则,明天则严密地探究个案。两种方式都很好,都很有益,也都很有趣。 142归纳与演绎理论 与个案式解释和通则式解释一样,归纳和演绎这两种思考方式都存在于日常生活中,也同样是社会研究中的一项重要差异。 例如,有两种途径可以获得结论,说明为什么你们和他人一起读书时的考试成绩较好。一方面,你们会觉得困惑,回顾求学生涯,为什么有时候考得很好、有时候却不好。你们可能会列出所有的考试,考察每一次的成绩,然后,努力回忆考试成绩好的共同条件、考试成绩差的共同因素。在什么情况下你们的表现会比较好?选择题或是议论题,上午的考试或是下午的考试,自然科学、人文科学或是社会科学,自己念书或是……嘿!突然间你们发现几乎每次和其他人一起读书时,就会考得最好。这种探讨的方式就叫作归纳。 归纳式的推理,或者说归纳 归纳:在这种逻辑模型中,普遍性的原理是从特定的观察中发展起来的。如果被告知犹太人和天主教徒比新教徒更倾向于投民主党的票,你可能会得出美国社会中的宗教少数群体更亲近于民主党这个结论,并解释为什么。这就是一个归纳的例子。 (induction),是从个别出发以达到一般性,从一系列特定的观察中,发现一种模式,在一定程度上代表所有给定事件的秩序。注意,你们的发现并不能解释 为什么 这个模式会存在,因为它本来就在那里。 在关于考试的这个话题上,有另一种非常不同的方式也可以让你们获得相同的结论。想象你们进大学以来,首次面对一系列的考试,却不知道哪一种读书方式最好,即应该针对教科书复习多少,或是要把上课笔记背得多熟。你们发现有些学生通过整理笔记、