第1篇 研究概论 人们对科学这个名词并不陌生。但是，每个人对科学的想像却各不相同。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阶段或大学阶段难学的课程。 当然，这些都不是科学。可是，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，或者视为学习和理解周围事物的方法。与其他学习和理解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法，但通常不会使用。本书开篇的几章将讨论这些问题。 著名作家兼小儿科大夫本杰明·史巴克（Benjamin Spock）有关幼儿护理的著作中，一开始就告诉初为父母的读者说，他们实际具有的护理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社会研究方法一书的开篇。你们不久就会发现，自己早已知道不少社会研究的实务。事实上，你们一生都在做社会研究。从这个观点看，这本书的目的是要帮助你们强化既有的技能，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，我会简要地总结能让你们少走弯路的科学研究的主要特征。 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。我们将看到一些形成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3章要介绍另外两个重要问题：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，这些伦理又反映了一套帮助他人、而非危害他人的理念。社会研究意在研究和理解社会，却也由社会的政治制度和社会系统所建构。作为社会研究的关键要素，这两个问题将贯穿全书。 第1篇的目的是要建构一个社会研究的大框架，而不是具体研究设计和实施的细节。关于社会研究更为具体的细节，我们将在第1篇之后详细介绍。 第1章 人类研究与科学 章节概述 每个人都试图认识社会、认识世界。科学研究，特别是社会研究的目的，是为了避免落入日常探索的窠臼。导言 《社会研究方法》是一本关于人类如何了解事物的书——主要是如何了解事物，而不是知道什么事物。让我们从一些已知的事物开始。 我们知道地球是圆的，也知道月球阴暗面相当寒冷。我们还知道：中国人讲中文，维生素C可以预防感冒，没有安全措施的性行为可能感染艾滋病，等等。 表面上看，除非最近去过月球阴暗面或做过维生素C功效的相关研究，否则你是不可能知道这些的。实际上，稍加思考，就会想到，通过简接方式也可以达到认知事物的目的。人们也许通过《国家地理杂志》了解到中国人说中文，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我们，甚至从广播中得知，月球的阴暗面相当寒冷。 有些知道的事情，显得理所当然。如果我问你们如何知道地球是圆的，你们也许说：“每个人都知道啊！”不过，以前大家都“知道”地球是平的。 很多人知道的事情，其实是一种约定俗成或是一种信仰，很少是个人的经验和发现。在社会中成长，就是接受周围人“知道”事物的过程。如果无法知道某个社会阶层的事物，就没法成为其中的一员。如果谁认真怀疑地球是圆的，很快就会发现，自己和其他人格格不入。 尽管知道的大多数事物取决于我们是否相信他人所说，但我要强调的是，这样并没有错。知识的基础离不开约定俗成。因为人们不可能只通过个人的经验或发现而知道所有的事物，所以必须相信别人的实践经验。人们对事物的了解，一部分是通过传统经验，一部分则是通过所谓“专家”传授。当然，我并不是说，不应该质疑这些传统知识。我只是让读者了解，在知识的学习方面，自己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。与约定俗成了解事物的方式相反，人们也能直接从经验了解事物——通过观察来了解事物。如果你跳进流经加拿大落基山脉的冰水中，根本无需他人告知，就知道河水是冷的。第一次光脚踩到荆棘时，不用他人说，自己就知道很疼。 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，假如你们到我家参加宴会，有美酒佳肴。首先品尝我送上来的开胃菜，一种油炸面粉裹的食物。你们可能会说：“嗯，真好吃。”然后又吃了一些。 终于，吃够了。你们开口问道：“这是什么？能告诉我是怎么做的吗？”我得意地坏笑：“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。基于个人经验，你们喜欢这道菜，当然这是真实的。只是，在知道吃的是虫子以后，你们觉得恶心。因为你们和周围的人都认为：虫子不适合当食物。小时候，当父母发现你坐在土堆上，嘴里叼着半截虫子时，父母忙着扒开你们的嘴，寻找另外半截虫子。从那时起，你就知道，吃虫是社会不能接受的行为。 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，是商人们理想的商品。对一些和我们有不同想法的人，虫子或许是很珍贵的食物。对他们而言，虫子才是美味，裹在外面的油炸面粉反而让他们觉得倒胃口。 也许你们会开始思考一个问题：“虫子‘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’？”本书要解答的是第二个疑问。 这一章的最后部分，我们将讨论“什么是真实”。从把探索当作人类的自然行动开始，我们来看看在日常生活里遇到的事儿。我们会考察日常生活知识的来源，探索其中常见的错误。接着，我们会讨论什么是科学，特别是社会科学。在了解社会研究的一些特征之后，我们还会讨论社会研究的一些基本考量。 11寻 求 真 实 真实是很诡谲的。也许你们已经开始怀疑自己知道的不是“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，即获取共识现实与经验现实的方法。如果不是本人亲身经历的，那便是因为满足科学家们制定的一些标准，人们便形成的共识。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。为什么科学家认为月球的阴暗面很冷呢？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。第二，科学测量证实了上面的逻辑判断。如此，科学家们运用了一套标准，接受了他们个人不曾经历事物的真实性。 不过，对本书更有意义的是，科学还提供了一套方法，让人们从个人经历中发现真实。换句话说，科学提供了一套探索的方法。认识论认识论：认识知识系统的科学。（epistemology），是如何知道的科学，方法论方法论：发现的科学，科学探索的过程。（methodology，认识论下的一个领域）则是发现科学的学说和理论。本书将要呈现和讨论的正是社会科学的方法（论），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，就要从非科学的日常探讨开始。 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）推理来进行预测。 首先，我们通常认为，未来的环境，多多少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收入的高低；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，人类和其他某些动物都知道，因果关系本来牵涉到发生概率：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，在大多数情况下，用功会取得高分，却不是每次用功都会考得好。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。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。我要做的是，使人们已经掌握的技巧更加有用，帮助大家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。当膝盖酸痛时，或许我们会预测，要下雨了。即使不知其所以然，我们也会根据预测来行动。例如有赌客发现，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，只有能够预测未来环境，才能使之满足。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。如果了解为什么事物之间产生关联、为什么会产生稳定的模式，比起你们只是简单地记住那些模式，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：我们知道的事物，是我们身在其中的和分享的，以及文化蕴含的一部分。（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，一个圆的圆周率是直径的七分之二十二，手淫会使人失明。尽管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。 传统对人类的研究是有助益的。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。 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，对新知识的接受程度与发现者的地位有关。譬如，如果流行病理学家说流感通过接吻传染，会比某个叔叔说的更容易让你们信服（除非，他也是位流行病理学家）。 和传统一样，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，没有受过生物化学专门训练的政治或宗教领袖却断然宣称大麻损害我们的大脑。广告经常滥用权威。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等。 在人类探索世界时，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；同时，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，在自己探索时，人们也常会被绊倒。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方法来减少错误。 1不确切的观察 人们常会在观察中犯错。譬如，你们的方法课老师第一次上课时，他穿的是什么衣服？如果靠猜测，就表示你们的日常观察是随意而且漫不经心的。这就是，为什么大多数的日常观察会不同于实际情形。 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，如果有意识地在第一堂课就观察并且记录下老师的穿着打扮（当然，必须有这种爱好），你们就有确切的答案。 很多时候，简单或复杂的测量手段可以帮助我们避免不确切的观察，增加答案的精确度。还是上面的例子，如果你们在第一堂课给老师照了一张彩色照片，对回答问题就更有帮助了。 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，在有限观察的基础上，我们会做过度的概括。（回想前面说过的对赌马场跑道的观察。） 在寻求对事物的理解时，如果压力太大，便最容易犯过度概化的错误。即使没有压力，过度概化的错误照样会出现。只要出现过度概化，就会误导甚至妨碍探索。 试想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，且必须找到示威的原因。于是，你们匆忙赶去现场访问示威者，询问他们示威的理由。如果受访的前三名示威者给出了相同的答案，你们很可能会推断其他3 000名示威者也出于同样的理由。遗憾的是，稿子完成并上交，你们的编辑很可能从示威者那里获得了完全不同的解释。 当然，认识到这一点的目的是让概化具有存活力。不断地询问响尾蛇是不是有毒并不是让概化存活的好方法。即使我们得到的回答全部是“有毒”，还是存才过度概化的风险。 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，是进行重复探索。复证复证：重复某个研究，以检验或者证实或者质疑早前的研究发现。（replication）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，且获得了对该形态的一般性理解，很可能会只注意符合该形态的事物或现象，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”——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，处理的方式之一是将其当作“通则中的例外”，认为这根本不合逻辑。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，我们常用这些不合逻辑的方式来解释冲突点。在处理与群体的关系上，尤其如此。如果是有色人种、女性，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，就会被用来证明其他女性总裁都是“男人婆”。 统计学家说的赌徒谬误（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。 在日常生活中，虽然每个人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类似的窘境。第2章将深入探讨科学活动的逻辑。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。 在继续后面的内容之前，我要提醒你们，对事物的科学理解也在不断变化之中。在科学史中，有众多的新知识替代旧知识的例子。面对百年前的科学家，我们很容易有超越感。不过，我更注意的是，知识的潮流滚滚向前。现在，我们该知道知识的发展方式了。 塞缪尔·阿贝斯曼（Samuel Arbesman）在《事实的半衰期》（2012）中讨论了当下的科学“事实”在再概念化、再检验和新发现中存活多久的问题。例如，医学对肝炎和肝硬化的理解，在45年内有一半将被取代。 科学知识不断变化的事实表明了科学活动的实力。文化信仰和迷信可能会生存几个世纪，可是科学家却只致力于更好地了解世界。这本书的目的是，让你准备加入这项事业。 12社会科学的基础 有时，科学以逻辑实证（logicoempirical）为特色。这个不甚美观的词汇告诉我们一条重要信息，科学的两大支柱是逻辑和观察。科学对世界的理解必须言之成理，并符合我们的观察。对科学而言，这两者不可或缺，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）是科学的逻辑层面；数据收集是观察层面；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，即如何进行社会研究，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篇将更多讨论数据分析。 本章剩余部分介绍的基本观点，对于社会科学而言是基础性的，它们将社会科学（理论、数据收集和分析）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，社会理论一直都有这两种取向。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，重要的是，要认识到社会科学必须探究事物的真相，了解个中原因。 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与其他社会形态孰好孰坏。只有获得一套大家都认同的测量尊严和自由的标准，并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，由此得到的结论也只适用于限定测量标准的范围，不能做一般性推论。 同样，如果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。故，科学也很难平息价值观的辩论。而且，类似的问题，通常被看作是观念和信念。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。越来越多的社会科学家投入到牵涉意识形态的研究，而他们面临的最大难题之一是，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，测量标准是非常重要的。作个比喻，除非我们都同意速度是测量标准，否则跑表并不能帮助我们评断哪位短跑选手更优秀。 因此，社会科学只能帮助我们了解事物本身和事物的成因。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物应该如何。如果借此希望获得共识，那几乎是不可能的。 即使希望知道“是什么和为什么”，也不是一项简单的任务。下面，让我们看看社会科学试图描述和理解社会现实时用到的一些基本概念。 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，乍一看，自然科学的研究对象比社会科学的研究对象更有规律。当我们松开手，有重量的物体一定会掉落地面。一位选民此时可以支持候选人甲，彼时也可以反对候选人甲。同样，达到一定的温度，冰块总会融化。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，但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，与民主党员比较，共和党员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钱更多。男性平均收入比女性高。类似的规律不胜枚举。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，但针对人类的规律，只要愿意，便可以颠覆规律。 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斯托弗（Samuel Stouffer）在美军部队组织了一个研究小组，进行了一连串战争后勤的研究（Stouffer，1949—1950），其中，很多事涉及军人士气。斯托弗及其同事发现，针对军队士气的基础，有很多“众人皆知的常识”，斯托弗小组的很大研究精力便是测试那些“不言自明”的常识。 譬如，长久以来，人们认为，晋升会显著影响军中士气。当有人获得晋升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；与晋升擦肩而过的人，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；晋升较快的人，则比较容易认为制度是公平的。事实果真如此吗？ 斯托弗小组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，空军特种兵应该认为晋升制度公平。不过，斯托弗小组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，斯托弗小组试图寻找解答，并最终获得了解释。罗伯特·默顿（Robert Merton）、阿里斯·凯特（Alice Kitt）及其在哥伦比亚大学的同事曾经思索并撰写了参照群体理论（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，而是和周围的人进行比较。周围的人就是参照群体。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觉得像是百万富翁。如果你们接触的都是年薪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，在宪兵中，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位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，达尔文测试大家都知道的事。正像达尔文知道的那样，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，却并不意味着社会规律不真实和不重要。即使某些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，不是某个简单真实。总有一些不符合社会规律的个案。 这条规则既适用于自然科学，也适用于社会科学。譬如，量子物理学是一门概率科学。在遗传学上，一位蓝眼珠的人和一位棕色眼珠的人结婚，生下的小孩很可能是棕色眼珠。但是，如果生出蓝眼珠的小孩，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，生下蓝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。如，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 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。一位虔诚于宗教信仰的右翼顽固分子，如果他想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翼激进黑人。所有选民可能突然转向，投票给居于劣势的候选人，好让民意调查专家们大跌眼镜。同理，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对社会规律的观察。 事实上，社会规范确实存在，社会科学家可以观察社会规范的效应。当规范随着时间改变时，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临特别挑战。社会研究具有递归性。正因为如此，我们从社会观察到的规律可能会导致规律的终结。由此，我们发现的规律，也就不再真实。例如，你们可能偶然知道“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很棒，犯罪率低，人均大夫的比例高，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。简单地说，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，高管们一面悄悄出手自己拥有的公司股份，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。 安然事件引发了斯坦福大学商学院两位教师的兴趣。这两位教师拉科尔和扎克尤金娜（Larcker and 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会议笔录，发现了高管们撒谎的例证和撒谎模式。例如，高管们撒谎时会流露夸张的情绪，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 社会科学家探讨社会生活的规律，反映的是许多个体行为的聚合。社会科学家虽然常常研究个体动机，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针对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的或集体的行为，而不是个例。这里说的累计的（aggregate），包括了群体的、组织的、集体的，等等。心理学家关注个体的事物，社会科学家关注的则是个体之间发生的事物。例如，考察从夫妻到小群体到组织的事物，甚至关注整个社会和社会之间的互动。 有时候，集体意识相当惊人。以生育观为例，每个育龄妇女生孩子的理由可能各不相同。有的是迫于父母的压力，有的是为了家庭结构的完美，有的是通过生孩子来维系婚姻，还有的则是意外怀孕。 如果你们已经有孩子，可能诉说更详细、更特别的故事。你们为什么要生孩子？何时生的？为什么不早一年或晚一年生？或许你们因生孩子而丢了工作；或许必须延迟一年生，才有能力养得起；或许你们周围有人有了孩子，你们感受到压力，也想有自己的孩子。撇开其间众多的差异，不管每个人的特殊理由是什么，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美国近年的出生率。表11出生率，美国：1980—2008年份出生率年份出生率19801591984156198115819851581982159198615619831561987157续表年份出生率年份出生率1988161999142198916420001441990167200114119911622002139199215820031411993154200414199415200514199514620061421996144200714319971422008141998143* 每1 000人口活产数。 数据来源：US. Bureau of the Census. (2012). Statistical Abstract of the United States (Washington, DC：US. Government Printing Office), Table 78, p. 65. 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，你们看到的是，社会生活远比想象来得有秩序。即便没有人在社会层面进行规制，社会规律照样存在。没有人去计划应该生多少孩子，或由谁来生——生孩子无需许可证。事实上，很多孩子都属于计划外生育，有些还是母亲的无奈。 社会科学理论指导的是普遍的行为的而非个例的行为，目的在于解释为什么即使个体行为随着时间改变，集体行为的模式却会如此有规律。可以认为，社会科学家不寻求对个体行为的解释。他们试图了解人类运作的体系，即针对人类行为的解释系统。社会系统的要素是变量，而不是个体。 124概念和变量 我们不自觉地想要理解并掌握事物规律，而理解最常发生在具体的、物质的层面。 试想，有人告诉你们：“女性应该回到属于她们的厨房。”很可能，你们会根据自己对说话者的认识来理解这句话。如果说话者是高龄的哈利叔叔，就记忆所及，他曾经反对过夏时制、邮政编码和电脑等，你们可能会把他对女性的评论当作是他对所有事物过时想法的另一个例子。但是，如果说话者是一位政客，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，对女性的“合适”的角色，观察他们是否持同样的观点。这些人是否有其他共同的属性，来帮助解释他们的观点。 即使当研究者将注意力集中在单个案例（如一个社区或者青少年帮派）上，目的还是试图发现能帮助人们理解其他社区和青少年帮派的一般框架。同样，试图深入理解某个个体，也是为对人的理解或对某类人的理解提供帮助。 当这种了解和解释历程结束后，社会研究者可以将研究所得推及更多的人。例如，在了解这位“冥顽不灵”的政客为何对女性有如此看法后，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：属性的逻辑归类。“性别”变量由男性和女性两个属性组成。（variable），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：它解释某一态度为什么在某种情境下更为强烈，在另一些状况下又相对微弱。 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，医生诊疗的目的是帮助病人康复。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，可对病理学家来说，只有在病人是其研究疾病病原的携带者时，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是防止人们感染疾病。可在研究中，只有病人患上了他们正在研究的疾病时，才和研究者有直接关联。事实上，当某种疾病可以不用针对病人而获得实质性成果时，病理学家就会不用关注病人。 社会研究包含了对变量和变量间关系的研究。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。 变量包含社会研究者关注的属性或值。属性属性：人或物的特征。（attribute）指事物（人）的特征或本性。例如：描述人的特征或本性时，会出现女性、亚裔、疏离、保守、不诚实、聪慧、农夫等等。任何用来形容自己或别人的词汇，都牵涉属性。 变量是很多属性的逻辑组合。例如：职业变量的属性有农夫、教授、卡车司机等。社会阶级的属性有上流社会、中产阶级和下层社会等。有时候把属性想成构成变量的类目也颇有助益。（图11是社会科学家对属性和变量的图解） 生物性别（sex）和社会性别（gender）是典型的变量。这两个变量不是同义词，两者之间的区别也非常复杂。为简洁计，这个例子将会贯穿本书。 图11变量与属性 在社会研究和理论中，变量和属性都代表社会概念。变量有一组相关的属性（类别，值）。 最简洁的理解是，生物性别指性别在生物学—生理学意义上的差别，其属性有：雄性和雌性，男人和女人，男孩和女孩。 社会性别则是性别在社会意义上的差别，指社会对男性和女性社会特征的一般期待。注意，“一般期待”在不同的文化、不同的历史时期也会不同。还有，一些男性可能表现出女性的行为和特征，一些女性也可能表现出男性的行为和特征。社会性别的另一组属性：男人婆和娘娘腔。 不过，更复杂的是，不因其物理性差异而将男女区别对待。一个好的例子是，不同社会性别的收入差异。正如我们在本书稍后会看到的，在总体上，美国女性的收入要低于男性，即使是同工、同绩效。这一现象与男女性别的生物特征没有关系，与工种也没有关系。而是与业已树立的对待男性和女性的社会模式有关。比如，在美国传统看来，男人天生要养家糊口，女人则只扮演辅助角色。尽管这一模式早已改变，女性的收入已经是家庭收入来源的重要组成部分，不过，男性收入高于女性的现实却改变极慢。 因此，我们用生物性别来指称与生物特征有关的差别。例如平均身高，男性高于女性。身高不是社会性差异，而是生理性差异。在本书，我们讲性别差异，大多情况下说的是社会性差异，如女性的收入低于男性，女性的政治权利代表性不足等。这些场景，我们用的是社会性别。不过，男人和女人，其实有生物性别和社会性别。 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，我们要报告观察到的男性和女性属性出现的频率：“这个班级60%是男性，40%是女性。”失业率是就业和失业两个属性对劳动力职业状况变量的表述。某个城市的家庭收入报告也是对变量（收入）诸多属性的概括，如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。在真实生活研究的文本框《灾情最严重的是……》中，会有进一步的讨论。 从描述到解释，属性与变量的关系会变得更加复杂，也会更接近科学理论变量语言的核心。举一个双变量的简单例子，教育和偏见。为了简单，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。 假设没有受过教育的人中，有90%有偏见，另外10%则没有偏见。假定受过教育的人中，30%有偏见，其余70%则没有偏见。见图12a。 图12a说明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，以及（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20人都照这样做一遍。在这里，最好的策略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。 灾情最严重的是……1982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克鲁斯（Santa Cruz）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，可答案并不清晰。表1B1是关于圣克鲁斯和马林县灾情的资料。看看你们是否可以从资料比较中判定哪个地方灾情最严重。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，圣克鲁斯是灾情最严重的地区。但是，马林县的受伤人数却是圣克鲁斯的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（圣克鲁斯比较惨重）或是房屋损坏的数目（马林县比较严重）。问题是，到底该把注意力放在灾情的哪方面？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？ 究竟哪个地方灾情最严重？这个问题，并没有答案。每个人对社区“惨遭蹂躏”或“轻扫而过”的想像都不相同。这些想像也都不准确，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，圣克鲁斯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，p16. 现在，我从图中抽出1个人，并告知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；而当抽出的是受过教育的人时，就猜没有偏见。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。当你们知道受教育程度时，猜测的正确度也随之改善。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一半。另外，也请注意，20人中，有12人（也就是60%）是有偏见的。如果受过教育和没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）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、倾向于或促进另一个变量的某个属性。从上面的例子来看，一个人接受教育与否，会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较少偏见。 我们在后面还将更为详细地讨论：教育是自变量自变量：变量的值在分析中是确定，被当作给定的。自变量被看作是原因或决定因变量的因素。（independent variable），偏见是因变量因变量：变量被假定为依赖于或由其他变量（即自变量）引起。如果你们发现收入是正式教育的函数，那么，收入是被当作因变量看待的。（dependent variable）。自变量和因变量隐含的意义是决定关系或因果关系。在这个例子中，我们假设偏见的程度由某种事物决定或造成。也就是说，偏见要由别的事物来决定，所以叫因变量。因变量依赖的变量叫自变量。在上例中，教育是自变量。因为教育独立于偏见（也就是说，教育程度的差异，并不是偏见造成的）。 在真实生活研究的文本框《自变量、因变量与约会》中，将举例说明这一重要区别。 当然，教育程度差异也因其他事物而定——例如父母的受教育程度。父母教育程度较高的人，比起父母教育程度较低的人，通常受更高的教育。在这个例子中，子女的受教育程度是因变量，父母的受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。根据两个变量，图12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。另一方面，偏见代表的是狭隘的观点。因此，逻辑上我们会预期教育和偏见是互不相容的。然后，我们期望增加教育可以减少偏见。 自变量、因变量与约会让我们说说约会。如果有人夹在中间，有时候会非常好，有时候可能很糟糕。故约会的质量可以是“很好、一般、糟糕”，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？（如果你们没约会，那就回想之前的约会，或简单地想象一下。）也许可以在你们约会的对象上做点工作，如约会中的活动、行为、费用或类似的东西。你们可以给影响约会质量的因素以名字，即变量（例如，外形魅力，守时）。你们能识别变量的属性吗？ 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。如前所述，个体只是这两个变量的介质，两个变量之间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。理论描述的是不同变量属性之间逻辑上可能的关联性。 图12显示了两种可能：①教育减少偏见；②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。在这个事例中，我们假定是对同性恋的偏见吧。在许多年里，综合社会调查（GSS）都问到了同性性关系是否“非常不对，不对，有点不对，没什么不对。”2012年，46%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。（参见“用GSS数据进行在线分析”）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61高中48大学低年级46大学毕业37研究生毕业27 13社会研究的目的 第4章将详细讨论社会研究的目的，这里只做简要探讨。有时候，社会研究只是发现后来需要继续研究问题的一个动力：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判断性的。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。 用GSS进行在线数据分析如果你们能上网，可以自己检验受教育程度和偏见之间的关联。书中的数据来自GSS。第14章我们会详细讨论。这里，如果你们有兴趣，可以将其作为例子。如果登录http://sdaberkeleyedu/sdaweb/analysis/?dataset=gss12，就会看到如图所示的界面。页面分为两部分，左列列出了变量，右边则有各种过滤器、选项以及表空。我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(2012)”，我希望用2012年GSS的调查数据。 如果想自己试试，那就像我那样，填好表。接着，点击表中的“Run the Table”按钮，就会得到一张彩色表。接下来，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）定期进行美国综合社会调查（General Social Survey，GSS），以帮助社会研究机构获得这些数据。 从1972年开始，每年采用面访方式进行全国性大样本调查；1994年以后，改为隔年调查一次。调查的频率减少了。由于GSS访题丰富，完成一份问卷需要费时1个小时，可以获得美国人口与观点的大量信息。通过针对不同子样本出示不同访题，也增加了议题数量。由于每次调查，总有一些必问的访题，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）向研究者邮寄数据。（接下来的原文，逻辑上很难衔接，译者做了简化处理。——译者注）现在，研究者可以通过在线方式直接运行数据。本书许多例子都来自这个数据源。你们可以在密歇根大学维护的网站上获得更多GSS的信息。 资料来源：http://sdaberkeleyedu/sdaweb/analysis/?dataset=gss12 某些社会研究的目的仅在于描述社会现象：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？细致地描述清晰的图景，令人印象深刻。 当然，社会研究也会为了进行解释，而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，女性比男性挣钱少？在日常生活中，尽管我们对这些问题似乎有许多答案，但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。 有些研究可能专注于上述三个目标中的一个，不过，把三个目标集中在一起，也是常见的。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）时，可能有一些意外的发现。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，另一部分学生则不那么认为。 伯格的研究对不同学生搭讪的经历提供了很好的民族志式的描述。在某个国家某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，也包括丰富的变异性。不是所有人都有受访者斯蒂芬的经历，他的同伴在做爱时吐在他身上，或在高潮时叫他安东尼而不是斯蒂芬。 伯格的研究指出了产生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。（参见真实生活研究的文本框《贫困、婚姻、与母性》） 14社会研究的一些辩证关系 从事社会研究并没有什么妙方（如果有的话，本书可以简短许多了）。事实上，社会研究的大部分功能和潜在用途，都来自自身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基础。虽然这些区别可以被看作是竞争性的。一个好的社会研究者，应该充分掌握下述研究取向。这也是我所说社会研究的辩证关系之用意所在：在我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。许多研究专注大量统计数据分析。尽管对总体考察很有价值，却也有风险，即关注数据，却忽视了活生生的人。正因为如此，一些社会研究专注于基层真实生活的细节。在本书中，我们选取几项近期的研究，说明用后一种方法如何理解社会生活，在更广泛的社会科学研究中试图“关注于人”。Kathryn Edin and Maria Kefalas,Promises I Can Keep: Why Poor Women Put Motherhood before Marriage (Berkeley：University of California Press, 2005).统计结果显示，在美国，未婚母亲及其子女，特别是贫穷的未婚母亲及其子女，经年面临着各种问题。孩子和母亲更可能遭受痛苦与煎熬。这类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或依靠福利生存的阶层。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），旨在鼓励有孩子的伴侣结婚。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》中，艾丁和卡福拉斯（Kathryn Edin and Maria Kefalas, 2005）提出，在制定解决方案之前，也许要问一个问题，“贫穷的妇女为什么要未婚生育？”为回答这个问题，两位社会科学家花了5年时间与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冲突。如，与很多人抱怨女性因穷人放弃婚姻不同，受访女性却高调地表达，她们希望自己能走进婚姻的殿堂。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。 也有女性强烈地认为，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，而不是做一个无子女的女人。在她们眼里，没有子女才是真正的悲剧。 这种婚姻观念，与你们的观念也许截然不同。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 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砸了，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，我们试图详尽解释某种情况。如，自己的考试成绩之所以不理想，是因为：①忘了那天有考试；②本来是自己表现最差的科目；③碰上塞车，迟到了；④考试前一晚，同屋在宿舍听音乐吵得自己不能入睡；⑤警察想知道是否破坏了同屋的音响或其他东西，将自己留置到清晨；⑥一群野狼把你们的课本吃了。有了以上种种因素，就不难理解自己为什么会考得不好。 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。）当使用个案式解释时，我们会以为了解了案例发生的所有因素。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，不过，我们的意图只是在于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得好；③运动员比起生物研究社的社员，更容易约到女孩子。应该注意的是，这种类型的解释更具有普遍性，包含了更多的经验或是观察。它含蓄地提到了变量之间的关系：你是否在群体中学习；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事件的原因。想象两个或三个决定学生选择哪所学校的关键因素，如地缘接近、声誉等等。（nomothetic），即试图解释某一类情形或事物，而不只是某个个案。进而言之，这种解释很“经济”，只使用一个或少数几个解释性因素。不过，通则式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、在主场失败的情形。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体能训练室里练习。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帮助你们理解日常生活。通则式为你们建立研究习惯提供很好的指南，个案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，是以建议方式号召大家在老年医学研究中综合使用个案方法和通则方法。 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也都存在于日常生活中，也同样是社会研究的一项重要差异。 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，上午的考试或下午的考试，自然科学、人文学科或社会科学，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。 归纳归纳：在这种逻辑模型中，普遍性原理是从特定观察中发展出来的。如果被告知犹太教徒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），或归纳式推理，是从个别出发达到一般，从一系列特定观察中，发现一般模式，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某种模式会存在，因为，它本来就在那里。 在考试话题上，有另一种非常不同的方式，也可以让你们获得相同的结论。想像你们进大学以来，首次面对一系列考试，却不知道哪一种读书方式最好，即不知道应该针对教科书复习多少内容，或不知道应该把课堂笔记背得多熟。当发现有些学生通过整理笔记、梳理内容来备考时，你们可能考虑：是自己拟订计划按部就班地读书，还是在考前一天临时抱佛脚通宵苦读？经过沉思，也许会想到，是不是和班上其他同学一起读书，或自己用功就好了，然后衡量一下这两种选择的利与弊。 和他人一起读书也许效率低，因为可能要花很多时间在自己已经了解的内容上。另一方面，当向别人解说时，却可以温故而知新。当然，其他学生可能会了解你们不熟悉的知识，大家集思广益，有助于发现自己的薄弱环节。另外，和别人一起读书，能促使自己好好用功学习，而不是去看电视消磨时间。 如此一来，通过权衡利弊，你们可能得出结论：和其他人一起读书的好处较多，就像复习以后去考试会考得比较好一样合理。有些时候，我们说，这类事情“理论上”成立，为了求证，我们要检验实际上是否成立。对于一个完整的检验而言，你们必须有一半考试科目靠自己用功，另一半科目则靠加入读书小组。这个步骤可以被用来检验你的逻辑推理。 第二种研究方式是演绎推理，或者说演绎演绎：在这种逻辑模型中，特定的命题来自普遍性的原理。如果普遍性原理认为所有的院长都是小气鬼，那么你就可能会想到这个家伙不会让你改变你的课程。这种期望就来自演绎的结果。（deduction）。演绎推理是从一般到个别，从“逻辑或理论上预期的模式”到“检验预期的模式是否确实存在”。演绎是从“为什么”推演到“是否”，而归纳模式正好相反。 正如将在本书后面部分看到的，归纳和演绎这两种不同的思考方法都是科学研究的有效途径。每一种方法都能推动研究的进程，鼓舞研究者选择具体问题，建构自己希望强调的议题。此外，两者的结合则可寻求人们对事物更有力、更完整的理解，就像图13所勾画的那样。 图13科学环 可以把理论和研究环比作接力赛跑；尽管所有参与者并不同时出发或停下，但是，他们共享着相同的目的——检验每一个层次的社会生活。 资料来源：节选自Walter Wallace，1971The Logic of Science in SociologyNew York：Aldine deGruyter 顺便提一句，归纳和演绎的区别与个案式和通则式不一定相关。在日常生活及社会研究中，它们代表着四种不同的可能性。 譬如个案式演绎推理，为一次特殊的约会，事前你们会尽力了解约会对象，以便做充分的准备——什么样的打扮、举止、发型，注意口腔卫生或其他种种事项，才能创造一次成功的约会。或者，运用个案式归纳法，你们可以找出到底是什么原因令你们的约会对象打电话报警求救。 当就自己的“约会定律”请教他人，当明智地解释有些人的约会之所以令人难以忘怀，是因为他们在约会中大谈摇滚歌曲的夸张歌词具有危险性时，你们用的是通则式的、演绎的方法。当你们回顾自己的生活，反思为什么自己从前没有和更多音乐人约会时，便使用了通则式归纳。 在第2章，我们还会继续对归纳法和演绎法进行讨论。现在，让我们先看看造成社会研究丰富多样的第三项差异。 143决定论还是能动论 两条推进的路径，其实基于一个隐含的更为基础的议题。在学习社会研究方法，尤其是数据分析的因果与解释时，你们会面对社会研究与社会哲学之间的两难问题。在你们探索因果性社会解释时，问题就会出现。 假设你们有一笔研究经费，用于研究产生种族偏见的原因。你们以为建立了对偏见的测量，就可以测量偏见的大小，进而也可以探索偏见的原因。例如，你们也许会发现，总体而言，居住在国内某个地区的人比居住在其他地区的人有更大的偏见。某种政治倾向似乎鼓励偏见，同样，某种宗教倾向也鼓励偏见。经济不安全会增大偏见，并为此寻找替罪羊。或者，你们能确定研究对象的教养（其父母的偏见大小），也许会更多地造成偏见的差异。 一般而言，没有一项因素是决定性的，每一项都可能带来偏见。试想，一个在有偏见的地区被有偏见的父母扶养长大的女人，她现在持有的政治和宗教观点就是支持偏见的，且担心失去工作。当你们把所有这些原因放在一起时，这个人持有偏见的可能性是极高的。 请特别注意这里说的可能性。如前所述，社会研究者处理的是概率性原因。当产生偏见的原因齐聚时，受访对象便有极高的概率表现出偏见。虽然不像是完美的决定论，却也是决定性的。 在这类分析中，缺失的是类似于“选择”“自由意志”之类的东西，或者是社会研究者喜欢说的“能动性”。在个体身上到底发生了什么？在类似的分析中，如何能感受到被分析的对象？假设你们没有偏见，你们愿意说是因为某些你们控制不了的力量和因素使你们命中注定就没有？也许不是，不过，这就是社会研究者秉持的、在因果分析背后的隐藏逻辑。 这里的哲学问题是，人类到底是被特定环境因素决定的，还是被超越个人意志和能力的力量所左右的。对这个问题，我无法给出最终的答案，因为它已经是历史上的哲学家们和其他人经年积久讨论的议题。不过，我可以分享实践的结论——我过去几十年分析和观察得到的结果。 我倾向于认为：①我们每个人都有某种自由选择的愿望或能力；②我们受环境因素和不明力量的控制，如前面描述的偏见。随着在本书和其他社会科学文献中发现更多因果分析的例子，你们就会不那么确信能动性了。 更有甚者，如果你们注意日常生活中的对话，自己的和他人的，就会发现，我们不断地在拒绝选择和能动性。例如： “我不能与抽烟的人约会。” “我不能告诉我妈这个。” “我不能在生产核武器的工厂工作。” 类似的语句还有很多。不过，上面的几行字已经能够说明问题。从人类的能动性来看，上面的任何事都能做，尽管你们选择了不做。同样，你们很少在选择的意义上解释自己的行为或感受。如果室友建议你们参加聚会或看电影，你们可能会回答道，“不行啊，明天有考试呢。”实际上，你们可以缺考，去参加聚会，但你们选择了不。只是，你们从来都不会为决策负责。你们常常会迁怒于外在力量：教授为什么不把考试放在大聚会之后呢？ 在涉及爱情的议题上，情境更明了。我们有谁选择去爱谁或被爱？相反，我们会说“坠入爱河”之类的话，就像是感冒或掉入沟壑一样。1913年，麦克阿瑟（Joseph McCarthy）的一首歌词形象地表达了这一点。 你让我爱上了你。 我并不想爱你。 已经扯远了，决定论与能动论的两难，依然困扰着哲学家，在这本书里，你们会发现，对此的讨论不曾间断。因此，我不能给你们最终的答案，不过当答案出现时，我会提醒你们。 责任是这个议题的重要方面。尽管这一个议题已经超出了本书的范围，我还是希望简要地说说。社会研究是在社会政治的争议中出现的，即谁该对一个人的人生境遇与经历负责。如果你们贫穷，你们对自己低下的社会经济地位有责任吗？或其他的人、组织、机构对此有责任吗？ 社会研究，一般会讨论社会结构（整个社会的互动方式）及其对社会成员个体的经历与境遇的影响。因此，你们的贫穷来自于你们生在了贫穷的家庭和极少有升迁机会。或因为企业关门，把生意移到了海外；或因为全球经济衰退。 注意，这样的讨论与前面讨论的能动论是相悖的。此外，社会科学家们认为，社会问题应该在社会层面解决，例如通过立法，而这恰恰使个体失能。如果你们认为贫穷、考试成绩差、拒绝工作申请来自于你们所能控制的力量之外，你们实际上是放弃了能动性而使自己失能。假设你们有能力比假设你们因环境而无助更有说服力。要做到这一点，你们无需拒绝环绕其身的社会力量。事实上，你们可以承担个体的责任来改变对你们的生活有影响的力量。这个复杂的观点，就是多义性包容多义性包容：在头脑中同时容纳、而不是拒绝或驱散冲突观点的能力。（tolerance of ambiguity），在社会研究中，是一项重要的能力。 144定量与定性数据 社会研究定量与定性数据实质的区别在于数据化或非数据化。称赞某人很漂亮，使用的是定性判断。说某人天赋不足的断言则意味着说他“不够聪明”。当心理学家和其他人用IQ得分测量智力时，就在试图将定性评估定量化。例如，心理学家可能说某人的IQ得分是120分。 表面上，每一项观察都是定性的，无论是某人的美丽，还是受访者在测量中的得分，或是他在问卷上勾画的记号。这些东西都不意味着其从来就是数据或定量的。但有时候，将其转化成数字形式比较有用。（第14章将会专门讨论数据的定量化） 定量化常常使我们的观察更加明确，也比较容易将资料汇集、对比或得出结论，为统计分析、从简单的平均到复杂的公式以及数学模型，提供了可能性。 在测量某些性质时，用数字表示的定量数据比用词语来表示的刻画数据更有优势。另一方面，定量数据也同时附带数字的缺陷，如意义丰富性的潜在损失。例如，某社会研究者想要了解18~22岁的大学生是倾向于与比自己年长还是年轻的人约会。对这个问题的定量回答似乎很容易获得。研究者只需问一些人约会对象的年龄，计算平均数，看看比研究对象年长或年轻，问题就解决了。 一方面，“年龄”虽然代表的是一个人已经活了多少年，但有些时候，人们会赋予年龄不同的意义。对某些人来说，年龄指的是“成熟度”。约会对象可能比你们年长，可由于在同龄人中自己显得举止不太成熟，所以，也和你们“同龄”。也许有人认为“年龄”代表的是约会对象看起来年轻还是苍老，或在生活经验、世故程度上的差异。在定量计算中，这些意义都可能错失。简而言之，定性数据比定量数据的含义更为丰富。俗话说，未老先衰。如果只问人多大年纪，恐怕就会错失了这句话背后的含义。 另一方面，定性数据也附带着纯粹口头描述的不足。例如，意义的丰富性，在某种程度上也是模糊性的函数。读到刚才那句话时，你们应该有所感触，是因为在你们的个人经验中，它代表了某种意义。也许你们认识的某个人就符合“比实际年龄苍老”的描述，或你们听别人用过这样的说法。有两点很肯定：①你们说的和我说的不是同一件事；②你们不知道我到底在说什么。 定性数据也可以被定量化。例如我们可以将生活经历列成一张表，以建立对“世故”的测量： 结婚 离婚 父母过世 曾经目睹杀人案 被逮捕 被流放 被解雇 跟着马戏团四处流浪，或是其他 我们可以将人们的世故，根据他们拥有以上经历的数目加以定量；从某种意义上说，经历越多的人，可能越世故。如果我们觉得某些经历更容易使人世故，就可以给这些经历较高的分数。一旦我们建立了评分系统，就可以直接为人们的世故计分，并进行相互比较，对于谁得高分之类的问题，也不难达成共识。 将“世故”之类的概念定量，必须清楚地定义其内涵。要将焦点放在测量的概念上，就必须排除任何其他的意义。不可避免地，我们面临着某种权衡：任何明确的定量测量，在内涵上，都比相关的定性描述要肤浅。 真是进退两难！该选哪一种方式呢？哪一种更好？哪一种比较适合研究呢？ 好在你们不必选择。在社会研究中，定性和定量方法都很实用、都很合理，两种方法都应该掌握。你们会发现有一些研究情境和议题最适合使用定性方法，另一些则适合用定量方法。 尽管研究者们会两种方式都使用，但两种方式需要不同的技巧和步骤。结果是，你们可能比较擅长或适应其中的一种。然而，如果你们能精通两者，就会成为一位比较高明的研究者。当然，所有研究者，不管他们偏向于哪一种，都应该认识到两者的合理性。 你们可能注意到了，定性研究比较倾向与个案式解释结合，而定量研究比较容易达到通则式解释。尽管确有其事，但这样的关系并不绝对。这两种方法甚至造成了所谓的“灰色地带”。虽然这些方法都提醒并帮助你们用不同方式从事社会研究，但你们没有必要刻意关注这些名词的区别。完全理解一个议题通常需要结合使用这两种技术。 如今，定性和定量方法对社会研究的贡献已广为人知。譬如，威尔士大学的比德尔及其同事（Stuart JHBiddle et al, 2001）在试图检验体育运动中身份与心理的关系时，就很小心地使用定性和定量技术，尤其注意他们认为未被充分利用的方式。 这两种基本方法的冲突，汤普森（Paul Thompson, 2004:238239）做了很好地归纳： 只有少数社会学家公开否定在社会研究中结合了定性研究和定量研究两者长处的逻辑……但在实践中，尽管在原则上有扩展方法使用的愿望，遗憾的是，社会研究者们还是逐渐变成了两个阵营，且相互之间知之甚少。 在回顾定性和定量方法最常见的冲突点时，昂乌格布兹和李奇（Anthony Onwuegbuzie and Nancy Leech, 2005）认为，两种方法之间的同大于异，并强调了在社会研究中运用二者的好处。在本书中，我关注的是两者之间的互补，而不是竞争。 15研究计划书 这里，我用贯穿本书的一个议题来结尾：研究计划的准备。大多数有组织的研究，都是从计划做什么开始的：提什么问题，以及怎样回答问题。通常，写这类计划书的目的，是为了获得进行研究的所需资源。 学习这门课程的一个办法，就是根据你们所学到的，写一个研究计划书。即使你不会实际执行一项大型研究计划，你们也可以做一个计划试试看。也许老师会将其作为课程学习的要求，即使老师不要求，你们也可以运用每章后面的“准备社会研究”练习，测试自己对章节知识的掌握程度。 对研究计划书，不同的组织有不同的结构要求。这里，我提供了一个相对典型的例子，供你们在本书学习中使用。我把研究计划书的大纲列在下面，并指出了哪一部分内容在哪一章。 引言（第一章） 文献回顾（第2、17章；附录A） 研究问题（第5、6、12章） 研究设计（第4章） 数据搜集方法（第4、8、9、10、11章） 主题选择（第7章） 伦理议题（第3章） 数据分析（第13、14、15、16章） 参考文献（第17章，附录A） 从本章的“准备社会研究”练习开始，在进展到某章时，关于这个话题，我会增加一些讨论。第4章有一节讨论研究计划书，第17章将为你们整合研究计划书的各部分提供机会。 本章要点 导言 ● 本书的主旨是我们如何发现社会真实。 寻求真实 ● 研究是人类的本性活动。人类的很多日常活动都是解释现在的事件和预测将来的事件。 ● 当通过直接的经验了解事物时，我们会做观察，并从观察中找到规律性的模式。 ● 很多知识是通过认同而非经验获得的。尤其值得注意的是，对知识，两个重要的认同来源是传统和权威。不过，这些有用的知识来源也可能误导我们。 ● 科学寻求避免我们天天重复错误。 ● 我们常常做不确切的观察，研究者则试图通过将观察变成谨慎、细致的活动，来避免这些错误。 ● 有时候我们只根据有限的观察就妄下结论。科学家则会通过重复研究避免过度概化。要做到这点，他们必须多次观察、重复研究。 ● 在日常生活中，我们有时候会不合逻辑地进行推理。科学家则通过谨慎、细致的推理，以避免违反逻辑。还有，科学是众人之事，科学家也会让其他科学家看守把关。 社会科学的基础 ● 社会理论试图讨论和解释“是什么”，而不是讨论和解释“应该是什么”。理论不应该和哲学或信仰相混淆。 ● 社会科学在社会生活中寻求规律性。 ● 社会科学家钟情于解释作为群体的人类，而不是解释作为个体的人类。 ● 理论是以变量语言书写的。 ● 变量由一套有逻辑关系的属性组成。属性是一种特征，例如：生物性别变量由雄性和雌性两种属性组成。社会性别则指称男性和女性的社会属性而不是生物属性。 ● 在因果解释中，假定的原因是自变量，而受影响的变量是因变量。 社会研究的目的 ● 社会研究有三个主要目的：探索，描述，解释。 ● 许多研究都不只限于三个目的中的一个。 社会研究的一些辩证关系 ● 个案式解释企图针对特定个案进行全面了解；通则式解释是对许多事例进行概括性的，也是表面的了解。 ● 归纳理论是从个别观察中寻求一般模式，演绎理论则根据一般理论预测个别事件。 ● 传统科学的潜在逻辑似乎隐含着决定性因果模型，其中，个体没有选择，尽管研究者没有明说、我们也不必全信。 ● 一些研究者着重于能动论，认为研究对象是能动的、有选择性的。 ● 自由意志和决定论是古老的哲学议题，人们在自己的日常生活中体现了其取向的冲突性，有时候会主张自由意志，有时候却展现出依赖性。 ● 定量数据是数字形式的，定性数据则不是。面对不同的研究目，两种类型的数据有用处。 研究计划书 ● 研究项目通常从准备研究计划书开始，研究计划书要说明研究的目的与方法。 ● 在本书中，每一章结尾部分都有练习，让你们准备研究计划书的一部分，进而检验你们对学习内容的掌握情况。 关键术语 以下术语是根据章节内容界定的，在出现该术语的页末有定义，和本书末尾的总术语表是一致的。 共识的真实属性演绎因变量认识论个案式自变量归纳方法论通则式复证理论多义性包容变量 准备社会研究：引言 这一章讨论社会研究的一些基本问题，其中不少内容，在写研究计划书引言时是有用的。这里，你们首先要识别的是探讨的题目或研究问题。也许你们希望调查涉及种族、性别、社会阶级的题目。或许你们认为大学生活的某些方面值得研究。 有了题目，这一章便告诉你们如何组织自己的研究。这一部分只是研究计划的引言，一般只需要2—4个段落。如果你们能够找一个在本书每章都用得着的题目最好，如此，每一章正好侧重于研究问题的某一个方面。 这里是一些例子，或许对你们选择研究问题的关注点有益。 ● 女性比男性挣得少吗？如果是，为什么？ ● 不同族群的青少年帮派有什么不同的特征？ ● 你们大学的哪个学院提供博雅教育？ ● 有些人说，美国是一个基督教国家，是真的吗？ ● 美国在中东的军事行动到底是增加了还是减少了恐怖主义的威胁？ ● 美国家庭的主要功能是什么？随时间又发生了怎样的变迁？ ● 政府禁毒到底是失败了还是成功了？ ● 对美国经济而言，非法移民到底是有利的还是有害的？ 在日常生活或媒体报导中，你们或许经常听到人们在讨论这些问题。在这门课中，你们有机会像研究者那样追寻这些问题，用事实和逻辑来阐明你们的观点。 复习和练习 1回顾本章讨论的人在观察时普遍会犯的错误。找一篇杂志或报纸文章，或者读者来信，找出其中有错误的地方。讨论科学家如何避免犯这样的错误。 2列出5个社会变量，并且写出构成变量的属性。 3利用下列机构的网站，找出定量和定性数据的例子。 a联合国高级难民公署（UN High Commissioner for Refugees） b美国疾病控制与预防中心（US Centers for disease Control and Prevention） c澳洲国立图书馆（National Library of Australia）