重思社會科學研究-不同的工具、通用的標準 (第2版) 9787543234215 (美)亨利.E.布雷迪 (美)大衛.科

編輯推薦
適讀人群 ：青少年
本書作出了改變研究規則的貢獻，它決定性地將方法論討論推向新的時代。沒有任何社會科學家能夠脫離本書。

內容簡介
本書對經典著作《社會科學中的研究設計》進行了深入的重思，探討了政治學和社會科學領域的研究方法。全書共分為兩大部分，第一部分聚焦于方法論上的爭論，不僅包括對KKV所涉及問題的持續性爭論以及對標準定量模板與日俱增的批判，還包括對定性和定量研究工具如何進一步完善因果推斷的新觀點。第二部分則聚焦于因果推斷這一重要研究工具的討論，包括過程追蹤、因果過程觀察以及基於回歸的推斷和基於事先設計的推斷。此外，研究者對社會科學中自然實驗的複雜假設和平衡取捨知之甚少，本書通過探索這些關鍵工具擴展了方法論視野。

作者簡介
亨利·E 布雷迪（Henry E Brady），加州大學伯克利分校高盛公共政策學院院長，美國政治科學協會主席，麻省理工學院經濟學和政治學博士，美國藝術與科學學院成員和美國科學促進會成員。主要研究領域為社會福利政策、項目評估、選舉政治和政治參与。
戴維·科利爾（David Collier），加州大學伯克利分校政治學教授，芝加哥大學博士，美國藝術與科學學院、美國科學促進會成員。曾任美國政治科學協會比較政治委員會主任。2014年，他被授予約翰·斯凱特政治科學獎，以表彰他對政治科學的終身貢獻。主要研究領域為比較政治學、概念分析、定性研究方法。韓永輝
中山大學嶺南（大學）學院經濟學博士、中國社會科學院世界經濟與政治研究所博士后。現任廣東外語外貿大學廣東國際戰略研究院副院長、教授、博導。在《經濟研究》等國內外權威期刊發表論文90餘篇，主持國家社會科學基金重大項目等國家和省部級研究課題50餘項。
譚舒婷
廣東外語外貿大學應用經濟學博士研究生，新加坡南洋理工大學國際政治經濟理學碩士。曾參与多項國家和省部級及以上課題研究，發表10多篇學術論文。

精彩書評
本書非常簡潔，是迄今為止關於運用定性和定量交叉方法的最佳著作。作者把因果過程追蹤置於一個新的研究基礎之上，並提供了對自然實驗持懷疑態度的一個評估框架。這些討論在概念上、統計上和研究史上都是經得起檢驗的，書中的案例同樣具有廣泛的吸引力。
——丹尼爾·卡彭特（Daniel Carpenter），哈佛大學
本書作出了改變研究規則的貢獻，它決定性地將方法論討論推向了新的時代。沒有任何社會科學家能夠脫離本書。
——詹姆斯·馬奧尼（James Mahoney），西北大學
本書專業性地引出了定量方法和定性方法的互補性，包括與金、基歐漢和維巴的最新討論。針對過程跟蹤的新章節和在線習題，給出新穎的見解，並極大地提高了本書的效用和價值。
——黛安娜·卡帕澤夫斯基（Diana Kapiszewski），加州大學本書是一部有突破性的著作。它有力地證明了社會科學研究是對有效因果推斷的嚴格追求，有效的因果推斷必須充分利用統計方法和基於案例的方法所具有的洞察力和優勢。本書作者們展示了機械地應用「定量」或「定性」極端教條的陷阱。通用的標準是可能的，使用不同研究設計的研究者可以共同建立啟發性的、基於經驗的理論。所有的政治科學家（實際上是所有的社會科學家）都應該閱讀並思考這一系列令人信服的論點。
——西達·斯考切波（Theda Skocpol），哈佛大學

目錄
中文版推薦序 邁向混合方法的社會科學研究
譯者序
第二版前言
第一版前言
導論 政治學方法論上的巨變
第一部分關於方法論的爭論
A 設定爭論的框架
1 重新聚焦方法論的爭論
2 對標準的追求：金、基歐漢和維巴的《社會科學中的研究設計》
B 關於定量模板的批判
3 做好與做得更好：定量模板能讓我們走多遠？
4 定量帝國主義：一些不可達成的承諾
5 社會科學（而非物理學）推斷是怎樣忽略理論異常的？
C 連接定量與定性研究傳統
6 彌合定量與定性研究之間的鴻溝
7 研究設計的重要性
D 不同的工具、通用的標準
8 批判、回應和取捨：綜合看待這一場辯論
9 因果推斷中解釋力的來源：關於方法論的另一種觀點
第二部分因果推斷：舊的困境，新的工具
E 因果推斷和定性工具
10 過程追蹤和因果推斷
11 論科學研究的類型：定性推斷的作用
12 數據集觀察值與因果過程觀察值：2000年美國總統大選
F 因果推斷的定量工具
13 基於回歸的推斷：一個失敗的因果評估的案例研究
14 基於事先設計的推斷：超越回歸分析的陷阱？
術語表
參考文獻
轉載受版權保護材料的許可聲明

前言/序言
邁向混合方法的社會科學研究
復旦大學特聘教授 復旦大學複雜決策分析中心主任 唐世平
「研究設計」不僅僅是方法
方法的突飛猛進讓許多學生甚至老師都認為，研究設計（research design）就是方法論的訓練。這樣的一個立場至少是值得商榷的。我的立場是，（社會科學中的）「研究設計」並不只是學習方法和方法論，而是一個介於方法和「社會科學哲學」之間，同時還要考慮其他諸多問題的任務。
更具體地說，要寫好一篇好的博士論文（或是篇幅比較大的文章，甚至一部實證社會科學的專著），需要從選題、理解文獻（包括文獻批評）、理論化、實證方法、具體實證過程、討論這幾個方面做通盤的考慮。而具體的實證方法（和具體的做法）僅僅是一個環節。
特別重要的是，理論化（theorization）要遠遠大於「提出實證假說（deriving empirical hypotheses）」。因為實證假說只是對某種對應結果或者某些痕迹存在的期待，因此，如果（不能）找到或者發現這樣的結果，實證假說將會獲得支持或者不支持。而理論則需要給出這些觀察結果背後的因果解釋(causal explanation)。更進一步地說，「提出實證假說」應該是理論化基本結束之後的工作。如果一個研究只「提出實證假說」，可以說是沒有理論化。而如果發現某些實證結果之後再去理論化，可能就有「自圓其說」的嫌疑。
因此，給出因果解釋(causal explanation)或者說理論化要比「因果推斷（causal inference）」更難：前者大於或者說包含了後者，無論後者是基於定量還是定性的實證。
如此一來，研究設計除了要基於特定的方法訓練之外，還需要特別在如何理論化，如何讓理論規制「實證假說」的提出，核心變數的概念化、測量，以及不同方法如何混合使用是最為有效的做法上下工夫。僅僅是具體方法的訓練還不是完整意義上的「研究設計」。
從《設計社會科學研究》到《重思社會科學研究》
我認為，「Designing Social Inquiry (DSI)」（即KKV 1994） 譯為《設計社會科學研究》是更加準確的翻譯，而不是採用目前《「社會科學中的研究設計」》的譯法。
《設計社會科學研究》（Designing Social Inquiry，即KKV 1994）開啟了一場席捲政治學的方法論大辯論。但該書的主要立場是社會科學研究只有一種範式或者邏輯（即「因果推斷」的邏輯）是錯誤的。
在本體論上，其中最為基礎性的錯誤認識在於，儘管《設計社會科學研究》的作者們宣稱是基於自然科學中的實驗方法來討論社會科學的方法，但他們至少沒有完全弄懂自然科學中的實驗。最為關鍵的是，自然科學中的實驗其實不止費希爾（Fisher）和內曼（Neyman）發明的「（農業）田間實驗」一種，而是至少還有一種實驗邏輯，那就是通常在化學和分子生物學、分子遺傳學等領域中最為核心的實驗邏輯：以甄別或者確立「機制」 （mechanism）或者說是「路徑」 （pathway）、「串聯」 （cascade）為目標的實驗。比如，大家所熟悉的有絲分裂、減數分裂、三羧酸循環、細胞凋亡、DNA結構和複製過程、基因表達調控（如著名的「操縱子」理論）等機制或過程，都是由后一類實驗貢獻的結果。事實上，幾乎所有的諾貝爾生理學或醫學獎都是授予給后一類實驗的結果。（關於這兩種不同的實驗邏輯，請參見我的工作論文：Tang， Shiping， 2019 「Two Logics of Experiment in Biology and Medicine: Mechanistic/Pathway versus Populational/Treatment 」 https://fudan academia edu/ShipingTang/Papers）。
因此，我還認為，統計分析不等同於計量經濟學方法。事實上，最為棘手的統計問題一直是在生物醫學領域。而在社會科學領域，經濟學面臨的「因果推斷」挑戰不一定就比政治學和社會學更難。「計量經濟學方法」的提法其實也體現了「經濟學帝國主義」。
以上的兩種實驗邏輯，對於接受過基本的化學和分子生物學訓練的人來說應該是常識。而由於《設計社會科學研究》的作者們認定，自然科學中的實驗就只有「（農業）田間實驗」一種，他們進而認定，從費希爾和內曼開創的基於群體樣本的「隨機控制干預」（Randomly controlled treatment， RCT）的實驗才是最理想的實驗，因而也是社會科學必須儘可能逼近的方法。這當然是錯誤的。不幸的是，很多《設計社會科學研究》的批評者也沒有意識到這一點。事實上，即便在自然科學哲學中，這兩個不同的實驗邏輯也沒有被清晰地定義。
在社會科學中，面對觀察數據，如何運用統計分析技術，逼近RCT的境界而獲得確定的「因果推斷」，肯定更加棘手。而如果社會科學能夠都做嚴格的RCT，在這一種實驗邏輯上，那麼就和自然科學的實驗邏輯沒有區別了。這背後的挑戰非常棘手，也是絕大部分定量分析方法試圖解決的核心問題（如果不是唯一核心的問題的話）。
在認知論水平上，《設計社會科學研究》認為「因果推斷」覆蓋了一切我們的研究任務。事實上，絕大部分時候我們希望的研究目標是獲得「因果解釋」。顯然，「因果解釋」要比「因果推斷」更難。而「因果推斷」通常只是獲得「因果解釋」的一個步驟或者部分。
事實上，《設計社會科學研究》的作者們顯著引用霍蘭德的研究（Holland，1986）就明確指出，統計方法只能夠獲得「因果推斷」，或者說是確立 「導因的影響」(effects of causes)，而不能獲得「因果解釋」［或者說是確立「結果的導因（causes of effects）」］，而《設計社會科學研究》的作者們完全忽略了這一關鍵點。
而建立在對《設計社會科學研究》的批評的基礎上的《重思社會科學研究》則是開啟了混合方法的潮流的一本書。
《重思社會科學研究》的第一版更多的是對《設計社會科學研究》的批評和回應，其中的幾章非常中肯：Collier、Mahoney、Seawright、Munck、McKeown。這些批評包括來自定量分析領域的資深人士（Freedman、Brady），以及定性比較分析的資深人士（Collier、Bennett、Tarrow）。而回應則主要來自定性比較分析（QCA）。
《重思社會科學研究》的第二版則是真正開啟混合方法的潮流的一本書，因為這一版有了很多建設性的發展，儘管還保留了一些對《設計社會科學研究》有尖銳批評的章節。第二版也包括了定量分析的人士以及混合方法的堅定支持者（Dunning、Seawright）的批評和發展。在本書的第二版中，我特別推薦其中的幾章：Bartles、Bennett、Brady、Freeman、Seawright。
特別是作為一位傑出的統計學家，戴維·A 弗里曼（David A Freeman，1938-2008）特彆強調，即便在流行病學和醫學這樣特別需要定量分析的領域，定性分析同樣重要，甚至可能特別重要。他用了「牛痘」「產熱病」「霍亂」、青霉素等幾個在流行病學和醫學有重大意義的例子表明，那些獲得了科學突破的醫生、科學家等，都是首先依賴個案或者少數觀察，進行邏輯推理才獲得突破的，他們幾乎沒有用到任何現代統計分析技巧。作為一個一直對社會科學中的統計問題，特別是對統計模型和「因果推斷」給予關注的統計學家，弗里曼對許多問題的理解要比加里·金更加貼近問題。我高度推薦他的一本論文集：《統計方法和因果推斷：和社會科學的對話》(Statistical Models and Causal Inference: A Dialogue with the Social Sciences）。
當然，《重思社會科學研究》也有不少遺憾，對機制本身以及對因素和機制之間的關係都討論較少或者很差。特別是沒有引用Bunge和Bhaskar兩位傑出的(社會)科學哲學家的著作。為此，這裏特別推薦三本(社會)科學哲學的相關著作：
Mario Bunge 1999 Finding Philo