編者按：在過去的一年中，政文觀止Poliview“方法論衡”板塊陸續(xù)為大家介紹了統(tǒng)計、比較、實驗等基礎(chǔ)范式和許多不同的前沿和多元研究方法。在這一過程中，不斷有讀者朋友來信詢問：社會科學(xué)到底有多少種研究方法？不同的方法之間究竟是互斥還是互補？什么樣的研究設(shè)計才能在最大程度汲取不同方法的養(yǎng)分？本期，小編就為大家選編一篇影響深遠(yuǎn)而又爭議極大的文獻(xiàn)，相信各位讀者都能找到自己想要的答案。

當(dāng)代社會科學(xué)研究中被廣泛采用而又普遍認(rèn)可的方法不下十余種，許多方法都會積極地宣稱和捍衛(wèi)自己的獨特性和優(yōu)越性。那么，有沒有一種類型學(xué)體系能夠?qū)⑺械闹髁鞣椒依ㄆ渲校⑶夷苊鞔_他們的相互關(guān)系和相對位置呢？本文在前人的基礎(chǔ)上做出了進(jìn)一步的努力。作者認(rèn)為，社會科學(xué)研究方法可以從三個維度進(jìn)行界定和區(qū)分：1.分析的層次或單元（宏觀-微觀）；2.樣本數(shù)量與分析模式（小樣本/定性-大樣本/定量）；3.變量差異的來源（觀察-實驗）。

在這一體系中，最為典型的研究方法可以被歸為8類（2*2*2），分別位于下圖立方體的頂點。其中，定量研究者最為熟悉的方法位于正方體的正面左下角。這中方法范式通過抽樣調(diào)查的方式直接獲取大量個體的數(shù)據(jù)，在不涉及實驗干預(yù)處理的情況下通過統(tǒng)計學(xué)方法完成假設(shè)檢驗和因果推斷。定性研究者最為熟悉的方法則位于正方體的正面右上角，也即在宏觀（國家或集體）層面通過對單一案例的深描或少數(shù)案例的比較，在因果性敘述中獲得一定的普遍性規(guī)律。顯然，這些案例的情況基本上都是研究者事后采集的，無法進(jìn)行事前的干預(yù)和處理。依次類推，較為傳統(tǒng)的民族志方法則位于正面左上角；而宏觀層面的跨國統(tǒng)計分析則位于正面右下角。

遺憾的是，正方體正面上的所有方法雖然為人熟知，但都無法像自然科學(xué)一樣獲得高度精確的因果推斷。原因在于，所有在事后觀察得來的數(shù)據(jù)都沒有經(jīng)過充分而規(guī)范的干預(yù)，因此傳統(tǒng)定量研究者大談特談的“控制變量”只能是一種理論上的近似，而傳統(tǒng)定性研究者津津樂道的“同質(zhì)性”、“異質(zhì)性”也停留在理想型的范疇內(nèi)。在這種情況下，位于正方體背面的各種實驗方法開始蓬勃發(fā)展（James N. Druckman | 政治學(xué)實驗：歷史、種類與意義）。當(dāng)然，社會科學(xué)研究的復(fù)雜和困難往往超過了實驗方法的極限，因此也有不少學(xué)者轉(zhuǎn)而寄希望于更為折衷的“自然實驗”和“匹配”。

自《社會科學(xué)中的研究設(shè)計》（即江湖中流傳的“KKV”）問世以來，社會科學(xué)中的定性與定量之爭已經(jīng)持續(xù)了二十多年。在這一過程中，定量陣營的方法迭代日新月異，技術(shù)門檻越來越高；而定性陣營則在經(jīng)典統(tǒng)計學(xué)、貝葉斯學(xué)派、大數(shù)據(jù)方法的輪番轟炸下陷入了持續(xù)的尷尬境地。一部分定性學(xué)者堅持傳統(tǒng)，拒絕與定量陣營對話，甚至不承認(rèn)社會科學(xué)的科學(xué)性。另一部分學(xué)者則渴望打破方法論的壁壘，嘗試發(fā)展出定量與定性都能夠接受和使用的范式與技術(shù)（譬如查爾斯·拉金發(fā)明的QCA）。

時至今日，更多的學(xué)者開始嘗試?yán)@過方法論范式上的核心爭議，直接運用兩種或更多的方法（主要是案例/比較和統(tǒng)計）來開展研究。這樣的嘗試一般被稱為混合方法，但學(xué)界對其究竟是否科學(xué)目前還沒有定論。作者認(rèn)為，研究者在實行混合方法之前必須明確兩個前提。首先，研究者必須承認(rèn)，社會科學(xué)的研究永遠(yuǎn)都是從較少對象中來獲取更多對象中的普遍知識，而研究者也永遠(yuǎn)無法深入研究所有的目標(biāo)對象。如果研究者不承認(rèn)這一點，那么混合研究就完全沒有必要。其次，如果承認(rèn)統(tǒng)計的科學(xué)性，那么社會科學(xué)中的因果關(guān)系大多是概率性的而不是決定性的，所謂“原因”不過是提高“結(jié)果”出現(xiàn)可能性的一種實體。因此，如果研究者要嚴(yán)格地追尋充分條件和必要條件，混合研究對其就沒什么特別的意義。

如果同時采用定量和定性的分析技術(shù)，同時研究對象又集中在宏觀層面，那么這種研究方法就被稱為嵌套分析（nested analysis）。對此，作者給出了一套分析流程供研究者參考。

作者認(rèn)為，嵌套分析的起點就是人們熟知的大樣本統(tǒng)計分析。研究者應(yīng)當(dāng)根據(jù)既有文獻(xiàn)和自己的觀察思考建立起一系列假設(shè)（尤其是競爭性假設(shè)），再通過收集數(shù)據(jù)來檢驗這些假設(shè)。隨后，研究者需要對定量分析的結(jié)果進(jìn)行評估。參數(shù)的統(tǒng)計結(jié)果是否符合預(yù)期？模型的擬合程度是否足夠好?競爭性假設(shè)有沒有表現(xiàn)出差異明顯的解釋？尤其值得注意的是，研究者必須思考，定量模型中未被解釋的變異部分究竟是來自隨機誤差，還是更為重要卻未被考慮的新變量？不同于微觀層面的研究，嵌套分析的定量部分可以很明確地告訴研究者哪些案例（國家或地區(qū)）明顯地偏離了預(yù)測值，這將為作者的進(jìn)一步研究提供重要的啟發(fā)。

如果研究者根據(jù)既有的證據(jù)和自身的經(jīng)驗判斷定量模型足夠穩(wěn)健，那么下一步的工作就是在符合模型的樣本中挑選典型案例（或者隨機選擇）。研究者需要對這些案例進(jìn)行更為深入的研究，最大可能地揭示其中的因果機制和重要的事實細(xì)節(jié)。如果案例的情況很好地貼合了定量模型和理論預(yù)期，那么嵌套分析就可以宣告成功了。否則，研究者需要再次做出評估，判斷這種矛盾來自所選案例的特殊性還是理論和模型的缺陷。如果是前者，研究者需要重新開始小樣本研究；如果是后者，研究者則必須從頭開始新的假設(shè)檢驗。

如果很不幸（但又很常見），研究者提出的定量模型并不穩(wěn)健，特別是無法解釋自己最心儀或公認(rèn)最重要的案例。那么研究者也可以繼續(xù)嵌套分析。作者應(yīng)當(dāng)同時選取定量模型能夠解釋和不能解釋的案例，深入研究正反兩方面的證據(jù)，從而判斷能否提出更為合理的理論和模型。在最理想的情況下，研究者應(yīng)當(dāng)帶著新的發(fā)現(xiàn)回到定量分析從頭開始，循環(huán)往復(fù)直到滿意為止。