胡安宁  六月总结

六月推送的文章均围绕着社会科学因果推论这一主题展开，分别讨论了双重稳健估计、广义倾向值方法、文化分析中的因果推论、因果中介分析及因果推论中的有向无环图。这些文章并不能代表因果推论的全部，但可作为一些基本的入门知识，起到管中窥豹的作用。...

社会科学研究的一项重要任务在于探索社会现象之间的因果关系，而严格的因果关系的推论往往需要研究者超越单纯的回归分析而采用特别的研究设计。本月推送的文章均围绕着社会科学因果推论这一主题展开，分别讨论了双重稳健估计、广义倾向值方法、文化分析中的因果推论、因果中介分析以及因果推论中的有向无环图。这些文章并不能够代表因果推论文献的全部内容，但可作为一些基本的入门知识，可以起到管中窥豹的作用。

作为六月总结，有必要从方法论的角度来谈一下社会科学研究、谈一下统计模型在社会学学科中作用。我们现在非常熟悉的研究范式是科学研究中的假设-推论模式：基于理论——操作化概念——建立假设——收集数据——拟合模型——验证假设。从本质上来讲，在这一逻辑链条中，核心的环节在于从理论到经验的跨越，而统计分析所起到的作用在于用一种“相对”科学的方式来考察这一理论是否能够解释社会现实。从这个角度来看，无论是多么高深的因果推论统计技术，其终究是要为特定的社会学理论服务的。甚至可以说，社会学作为一门学科存在的合理性，恰恰在于我们有一系列可以用来解释不同社会现象的理论（这些理论可以代表了人类在理解自身社会环境时所积累的智力成果），了解这些理论能够让普通人在看社会现象时更加“明白”，而推进和修正这些理论，则是社会学研究者的重要任务。在这方面不应存在量化和质性研究的分野。也正是因为如此，社会学学科非常强调“问题意识”。说起来似乎是老生常谈，但一个好的研究问题的提出，往往体现了学者扎实的理论功底。我们在阅读发表出的论文时，偶尔会遇到“好的问题+一般的分析”的文章，但是基本上很少遇到“烂的问题+顶尖的分析”的文章。究其根本，在于具有理论导向的研究问题引领了一项具体研究的方向，如果方向不对，即使我们手里有各种高级统计技术，也只不过在一个错的方向上越走越远罢了。

谈到这里，不得不重申的一点是，我这里并不是说统计分析技术不重要。恰恰相反，工欲善其事，必先利其器。在今天的社会学研究中，无论是扎实的田野研究、质性资料分析、还是高级的统计模型、亦或是大数据分析方法，都是学者工具箱中的工具（而质性与量化的区分或许只是大家在工具选用上的偏好而已）。为了更好的理解社会，我们都需要磨砺这些工具，使其越来越顺手。但是，工具毕竟是用来做事的，而做什么事情则取决于我们学科的理论关注点。有些学者喜欢看社会不平等，有些学者喜欢看社会变迁，有些学者喜欢看婚姻家庭，等等。但有一点是不变的，唯有理论和工具的完美结合，问的出好问题，并能够通过好的工具来回答这个问题，才能产生一流的研究成果。唯有如此，社会学才能够在众多社会科学学科中占据一席之地，体现出我们学科自己的特色与价值。

最后，本月推送的几项技术均已经有相关的软件来实现。对于双重稳健估计，研究者可以用stata里的dr命令实现。而因果中介分析则可以通过mediation命令实现。这些用户编写的命令都能够从网上获得。

因果关系的双重稳健估计简介

反事实框架下的因果中介分析

关于文化的因果分析

常用因果推论分析策略的有向无环图（DAGs）表示

广义倾向值方法

                                                     

编辑： 张亮亮   刘伟峰定量群学

ID：sociologynju



《定量群学》是由一群从事定量社会学研究的师生所运营的公众号。我们来自牛津大学、斯坦福大学、南京大学、清华大学、中山大学、东南大学和西安交通大学等高校。

宗旨：为社会学研究提供最新定量学术资讯；为定量分析学者提供人文交流的角落。

内容：重要期刊的定量社会学文献；定量分析软件使用方法；定量研究者的人文作品。

    关注 定量群学