【作者简介】吴肃然，哈尔滨工业大学社会学系，Email:wusuran@hit.edu.cn。　

　　在涂尔干出版《自杀论》以后的100多年中，统计学和计算机技术迅速发展，社会科学的定量研究技术也相应得到了不断的发展与革新。尽管社会科学尚没有取得像自然科学一样的显著成就，但是在许多研究者看来，社会科学在方法上已逐渐向自然科学靠拢。作为具有象征意义的知识规范，主流期刊的学术标准已体现出人们对于科学方法的重视以及学科建设中明确的科学化导向。以量化研究技术为核心的社会科学正走在一条正确的道路上，它只是还未到达自然科学那样的成熟阶段。

　　然而上述观点并不被所有的量化研究者所认可。莱茵·塔格培拉(Rein Taagepera)是国际知名的政治学家，早年从事物理学的学习和研究，在获得物理学博士学位并于工业界工作数年之后，他转向了社会科学领域。2008年，塔格培拉出版了《让社会科学更加科学化》(Making Social Sciences More Scientific)一书，在书中他结合自己在自然科学与社会科学两方面的研究经验，指出当代量化社会科学已身患“癌症”，而症结恰恰在于被许多研究者视为科学规范的统计回归与假设检验。他认为，社会科学家必须认识到上述问题，并大力改进目前通用的量化分析模式，才有可能真正实现社会科学的科学化，才能清除当代社会科学统计研究的“垃圾场”(Taagepera，2008：78)。

　　一、对社会科学家的测试

　　量化取向的社会科学研究者常常认为，社会科学之所以难以发现如同自然科学一样的客观规律，难以为社会现象建立普适的数学模型，一方面是因为社会科学中的测量较为困难，研究者无法获得实验室标准的精确数据；另一方面是因为社会科学涉及的变量太多，研究者很难对某一社会现象进行全面考察。塔格培拉(Taagepera，2008：4)完全反对这种说法，他认为当代社会科学的困境根本不是变量多或测量精度低所导致的，而是因为社会科学家们的量化研究走错了方向。

　　为了论证自己的观点，塔氏设计了一个测试。他首先选取了一个较为简单的物理公式，也就是著名的万有引力定律，随后用此公式生成了一组很理想的数据，并将这些数据交给一些社会科学家进行处理。与许多社会科学家所建构的模型相比，万有引力公式涉及的变量很少，而塔格培拉所提供的数据也很理想，因此我们可以想象，如果从事量化建模的社会科学家真像他们自己所设想的那样可以从数据中发现客观规律，那么从这组数据中推出古老的万有引力定律应该不成问题(Taagepera，2008：14-21)。

　　然而，在所有接受测试的社会科学家中，没有任何一个人通过上述数据推出万有引力公式，他们中的绝大部分人只是报告了显著性和判定系数，认为自变量与因变量之间存在相关性，有的研究者进一步提供了量化研究中的常见输出(见表1)。

　　社会科学研究往往以表1中的输出作为研究结论，研究者在得到了较高的和理想的P值后就认为自己完成了“科学发现”，坦然地讨论起因果关系，发表文章，然后结束该研究。然而从物理学家的角度看，这些社会研究者所做的工作与真正的科学差得还很远，如果没有得到万有引力定律而只是做出了一个“相关性”的判断，那么社会科学家就像是伽利略时代的某个农夫，他只是做出了物体会向下落的预言，却以为自己与伽利略差不多高明(Taagepera，2008：24)。

　　塔格培拉(Taagepera，2008：viii)评价道：“如果当真存在着如同物理学定律一样的社会规律，那么即使是在数据没有误差的情况下，我们也别指望这些统计社会科学家能够发现它们。”其原因在于，当代社会科学家们普遍缺少自然科学研究的实践经验，他们所使用的科学方法往往只是对于自然科学的机械模仿，违背了在科学研究中使用量化方法时所必须遵循的一些基本原则。

　　二、问题出在哪里？

　　(一)建模的目的

　　塔格培拉(Taagepera，2008：7、8、11、44、88)指出，之所以出现上述现象，一个最重要的原因是社会科学研究者普遍误解了“模型”的意义。在处理手头已有数据时，他们往往用各种回归对其进行拟合，此时所得到的最佳拟合模型便成为研究输出。可是在塔氏看来，这种拟合即使再完美，也只是一种“事后解释”或“后见之明”(postdiction)。科学模型的真正效力在于它的预测功能(prediction)，尽管已知数据为研究提供了经验基础，但是模型的“科学性”必须由外部和未知数据而非内部和已知数据来决定。如果科学家们没有对原始数据集(initial set)之外的数据进行考察，他们的研究根本不能算作完成。然而在当代社会科学研究中，研究者们常常只去寻找满足手头数据的模型，绝大多数模型在发表完论文之后便成了毫无用处的摆设，并没有人去阅读乃至参考这些模型中的具体数字与公式。量化研究者们常常受到一种朴素实证主义的束缚，认为自己在建构了具有显著性的回归模型后就发现了客观事实，验证了主观命题，实现了科学价值。他们不了解科学研究中已知与未知的关系，没有领会自然科学公式的“科学性”意义。从统计学上来讲，如果人们仅局限于对已知数据进行考察，那么我们在蒙古乌兰巴托的天气与美国证券市场上某种股票的走势之间都能发现百分百的相关(Taleb，2005：135)。在这个意义上，仅仅关注事后解释的量化研究和伪科学甚至有着相同的特征。近年来，越来越多的社会学家之所以强调理论的重要性，正是因为他们都看到了一个不同于传统实证主义叙事的知识现象：社会学经验研究中的变量和因果关系只有在经验数据之外才能建立自己的合法性。

　　从以上分析能够看到，在社会科学家对所考察的现象进行量化建模后，一定要继续从事复制研究(Taagepera，2008：9)，科学模型的价值是在复制研究中体现出来的。正如陈云松、吴晓刚(2012：1)所说：“社会科学定量分析亟待建立一个透明和开源的学术机制……这个学术机制的核心就是倡导‘复制性研究’。”只有通过复制性研究，才能实现真正的“经验检验”，当某个回归模型在复制性研究中得到了预测性的证实，模型才获得了超越于事后解释的科学意义。

　　(二)建模的原则

　　社会科学家常常认为，自然科学与日常思维差别较大，而社会科学则距离自然科学较近，因此，社会科学是从科学角度解释和解决日常社会问题的一把钥匙。科尔曼(S. Coleman)则认为这种理解是错误的，恰恰相反，自然科学与日常思维比较接近，社会科学的思维模式反而距离二者较远(Taagepera，2008：29、30、83)。在日常生活中，人们常常倾向于给某一现象最简单的解释，在自然科学中也一样：“简洁”是物理学家们在建模时的最重要标准。可是这一标准在社会科学研究中并没有体现出来，社会科学家总习惯于把一大堆变量扔到模型中去，许多期刊的审稿人也常常对文章作者提出此类要求。塔格培拉(Taagepera，2008：115)认为，物理学家在建模时的工作逻辑看似不够仔细和不够负责(不考虑太多变量)，其实这恰恰是科学研究的精髓所在。社会科学家往往受一种搭积木式的世界观影响，仿佛世界是由一块一块的变量累加起来的，而模型就是要模拟这个世界的形态。这种误识让社会科学陷入变量的无底洞中。虽然有关目的论与机械论的争论滥觞于古典社会学的讨论中，可是显然，当代社会科学研究者并没有继承那些古典讨论所产出的知识遗产。

　　为提高模型的科学意义，社会科学家需要提高的是想象力而非增加变量或者进一步依赖计算机。在科学研究中，人们理应从理论角度提出数学模型，然后由统计学家提供检验模型的工具，可是在当代社会科学研究中，模型大都是由统计学家提供的，社会科学研究者只是使用这些统计模型来对自己所考察的具体社会现象进行解释。这种做法颠倒了数学与科学的关系，使得“人类的思想和洞见”这一自然科学研究的原动力在社会科学研究中瘫痪。