个案代表性问题回到个案事实本身的方法论思考文档格式.docx

个案代表性问题回到个案事实本身的方法论思考文档格式.docx

《个案代表性问题回到个案事实本身的方法论思考文档格式.docx》由会员分享，可在线阅读，更多相关《个案代表性问题回到个案事实本身的方法论思考文档格式.docx（13页珍藏版）》请在冰点文库上搜索。

代表性是统计性样本的属性，是样本是否再现或代表总体的一种性质。

代表性预设了具有明确边界的总体的存在。

典型性则是个案所必须具有的属性，是个案是否体现了某一类别的现象（个人、群体、事件、过程、社区等）或共性的性质；

至于这个类别所覆盖的范围有多大，则是模糊不清的。

一个个案，只要能集中体现某一类别，则不论这个类别的覆盖范围的大小怎样，就具有了典型性。

典型性不是个案‘再现’总体的性质（代表性），而是个案集中体现了某一类别的现象的重要特征。

然而，上述两种对个案代表性问题的分析，既错误地理解了概率样本代表性自身的技术原理，也混淆了个案在实证研究基本逻辑中的方法论意义。

盲目地寻求走出个案，而忽视了实证研究基本逻辑对个案研究的基本要求——发现个案事实。

二、实证研究的基本逻辑

实证研究遵循一个基本的认识论原则——理论与事实相一致。

这一原则规制了实证研究的基本逻辑和过程，并且涉及其中不同环节上的方法问题。

一般而言，理论指向的是作为研究对象的社会世界中的规律性，包括分类与解释。

分类是基于有限属性内涵所构成的类别体系；

解释则是基于对有限因素之间因果过程与关联的规律性的说明所构成的命题体系。

基于整体主义的本体论假定，理论可以在由微观到宏观的不同对象层次上表述其规律性。

理论总是以抽象的、一般化的普遍陈述的方式加以表达。

理论表达必须符合逻辑学意义上的逻辑要求。

对于社会学而言，实证研究的理论仅仅是针对自身研究领域中的特定对象逐条加以表述，而非无所不包地进行一般化分类描述和因果解释。

由此就涉及如何表达理论的方法问题——方法1。

事实则指向的是特定时空条件下、特定对象的特定属性或特定的因果过程。

对于实证研究而言，事实即特定的、具体事实。

它不是自明的，而是经由基于特定的技术手段被发现的。

相应于理论的普遍陈述，对所发现特定事实的表达呈现出特殊陈述的形式。

基于理论事实相一致的要求，发现事实意味着从特定的、众多具体事实中分离、识别出对应于一般理论所蕴含和针对的特定事实，而不是特定时空条件下无所不包的事实。

由此涉及如何发现一般理论所蕴含的特定事实的方法问题——方法2。

为了避免出现同义反复的循环论证，方法2中的技术手段原理应与一般理论无关，发现特定事实的过程应与理论表达、推理的过程相互独立。

在理论与事实相一致的原则下，特定的实证研究必须将其一般理论与特定事实相联结。

这种联结的基本方式和过程包括：

基于所发现的特定事实，提炼一般化理论的过程；

或者基于所发现的特定事实，检验之前已经提炼出来的理论的过程。

前者涉及如何提炼理论的方法问题——方法3，后者涉及如何检验既有理论的方法问题——方法4。

需要强调的是，无论以何种方式相联结，其逻辑前提在于保证“发现事实的过程”与“提炼理论或理论推理”的过程，二者之间相互独立，从而保证联结具有对照和检验的逻辑意义。

在实证研究中，理论是一般化的普遍陈述，事实则是具体的特殊陈述。

故而理论与事实的一致性，是不可能在完全证实的意义上得以满足的。

换句话说，二者之间仅仅是部分的一致性，事实对理论的证实仅仅是部分的确认，实证研究在这一基本的前提约束下展开研究工作，它并不会寻求、也无法发现普遍性事实。

另一方面，用于发现特定事实的方法2，限制了其所发现的结果。

基于不同的技术及其原理，这一结果可能是完全对应于理论所蕴含的完整的特定事实——譬如完整的因果事实，也可能仅仅是其中的局部表现——譬如因果事实的一个表象，这进而约束了选择联结理论与事实基本方式的合理路径：

前者使用方法3或方法4都是合理的，后者使用方法4是合理的，而使用方法3是不合理的。

提炼一般理论应基于完整的特定事实而非其中局部表现，而检验一般理论并非必需完整特定事实。

后者的情况下，检验理论的基本逻辑过程表现为：

首先基于既有理论，遵循演绎逻辑，推论出在使用仅能发现完整特定事实局部表现的方法2的条件下所对应的特殊命题——作为对后续所要发现的特定事实的预测，进而与后续使用方法2所发现的结果相对照，来间接检验一般理论。

这种情况下，由于检验是发生在由一般理论结合其他条件演绎推理出的特殊命题上，即使特定事实与这一特殊命题相一致，这个演绎推理的过程也可能隐藏着诸如乌鸦悖论[5]等逻辑谬误，从而使得对一般理论的“确认”失去意义。

而当事实与这一特殊命题不一致的时候，这个演绎推理的结构中也可能出现诸如非充分决定（underdetermination）等复杂情况，从而使得对一般理论的“证伪”也失去意义。

无论是确认还是证伪，实证研究都应该充分考虑“科学检验的复杂性”。

而对于使用方法3——即由特定事实提炼一般理论的过程，是一个归纳的逻辑过程——总是面临着“归纳问题”的逻辑质疑，其合理性不是源于所发现特定完整事实的数量而是源于自然齐一性（uniformityofnature）的假定。

也就是说，这一合理性来自于逻辑上的分析合理性，而不是来自于事实上的综合合理性。

无论是使用方法3还是方法4，或者将二者复合起来使用，理论与事实相一致的认识论原则和基本逻辑要求两个必要前提：

1）独立性前提：

即必须保证一般理论的推演过程与发现特定事实的过程相互独立。

无论是提炼还是检验理论，必须使用独立于理论而发现的特定事实来与理论相联结，以避免出现同义反复的循环论证；

2）确定性前提：

必须保证所发现特定事实的确定性，即保证方法2充分阐明其中的技术、程序、步骤及其原理的合理性。

进而以特定事实为基础提炼或检验一般理论才可能具有认识论的意义。

基于上述实证研究的基本逻辑（图1），可以看到，定性研究中选择特定个案的过程，以及定量研究抽取概率样本的过程，指向并内在于发现特定事实的环节，二者所涉及的方法问题皆属于方法2范围。

特定个案构成了定性研究中所必需的特定事实——不妨称之为“个案事实”——的材料基础，而从中抽取概率样本的有限总体则构成了定量研究所必需的特定事实——不妨称之为总体事实——的材料基础。

无论是个案事实还是总体事实，在实证研究中都仅仅是特殊事实，二者仅仅是提炼一般理论的经验基础。

理论的一般性和普遍性是由提炼理论的方法3和表达理论的方法1实现的，而不是经由发现特定事实的方法2所实现的。

也就是说，基于概率样本的定量研究与基于特定个案的定性研究的结论之间的普遍性，即使有差别，也不是源于选择个案和抽取概率样本的方法2造成的。

而概率样本所可能“代表”的仅仅是实证研究基本逻辑中特定事实环节上的总体事实，而非指向一般理论的环节。

概率样本的代表性与一般理论的普遍性没有直接关系。

在实证研究基本逻辑结构中，相应于特定事实的环节，定性研究所使用的特定个案与定量研究中所使用的有限总体相对应，而不是与概率样本相对应。

基于概率样本的定量研究中所涉及的样本代表性问题，在基于特定个案的定性研究中并不存在。

将选择个案或总体的过程与概率样本的代表性以及一般理论的普遍性混为一谈，显然没有考虑到实证研究的基本逻辑以及概率样本代表性自身的技术原理。

三、概率样本的代表性

就实证研究基本逻辑而言，定量研究常常在发现特定事实环节需要有限总体作为总体事实的材料来源。

相比于普查，从总体中抽取部分元素组合而成一个样本，并以之作为直接材料来源的做法，是受于经济成本的限制不得已而为之。

这实际上为发现特定的总体事实增加了方法上的困难，必须解决如何由一个样本直接获取的信息来获知总体中的相应信息的方法问题。

在总体选定之后，实施抽样之前，总体中某些变量的频数分布可能是已知的，而另一些变量的频数分布则是未知的。

而用于发现实证研究所必需的总体事实的材料，则至少部分隐藏在那些未知的变量分布信息之中。

另一方面，无论是否使用概率抽样的方式，样本仅仅是总体中部分元素的众多可能的组合结果之一。

其中每一种组合结果都对应着总体中已知和未知变量在样本中的频数分布结果。

实际使用的一个样本，可以理解为经历了两个选择过程：

首先选择总体中部分元素加以组合，进而在众多可能的组合结果中选择一个组合结果作为实际使用的样本。

这样，呈现在实证研究中的仅仅是这一个被选中的组合结果中所呈现的已知和未知变量在其中的分布信息。

　显然，如果利用这样一个样本中的信息来推论总体中对应信息的话，存在两种可能的基本思路：

1）直接再现，即将样本与总体直接对照，利用特定的抽样技术手段，期待样本中直接呈现出与总体相一致的信息，期待样本中再现出总体中已知和未知变量的频数分布，在此直观意义上实现样本对总体的代表性；

2）间接推算：

允许样本中已知和未知变量的频数分布与总体不一致，利用特定的抽样技术手段，建立一个中间工具，以此将样本信息和总体信息联系起来，从而间接地利用样本中因抽样而扭曲的结果推算总体中相应变量、特别是未知变量的分布信息。

直接再现的方式，实际上忽略了未被选中的其他样本中的信息。

由于总体中某些信息是已知的，因此可以通过非随机地、系统化地依据已知的总体信息选择元素加以组合构成实际使用的样本。

对于总体中已知频数分布信息的变量而言，可以令样本再现其频数分布，或者呈现研究所需的分布特征。

但对于总体中未知变量来说，则无法保证在样本中再现其频数分布信息。

换句话说，就未知变量而言，直接再现方式不能保证样本在直观意义上代表总体。

而总体中未知变量的信息恰恰是发现特定总体事实所必需的材料来源。

非概率的配额抽样方法突出体现了直接再现方式的思路。

概率抽样方法中的回置式简单随机抽样则凸显了间接推算的思路。

假设从包含N个元素的总体P中抽取包含n个元素（n＜N）的样本S，样本S可以理解为由样本规模为1的n个样本的组合。

当以回置式简单随机抽样的方式抽取样本规模为1的一个样本的时候，不考虑总体中已知和未知变量的频数分布，令总体P中每一个要素都具有同等的可能性被抽中，即形成了“简单试验”的情境，逻辑上这样的过程可以无限地重复下去。

从而依据大数定理，可以推算出这一样本中这一单一要素所携带的总体变量——无论是已知还是未知变量——的每一种可能取值的概率分布，而这一概率分布与总体中相应变量的相对频数分布相同。

这种情况下，可以将这一规模为1的样本在某一变量上的取值视为随机变量，其概率分布——即通常所谓的抽样分布，与该变量在总体中的相对频数分布相同。

进而，以同样随机方式抽取的规模为n的概率样本，可以视为上述n个单一元素样本的随机变量的组合，其每一个取值都是这n个随机变量取值的一个特定组合，并对应着由n个随机变量的组合依照随机变量计算法则而确定的概率。

这样，总体中某一变量在规模为n的随机样本中所呈现出的频数分布的特征都会对应一个确定的概率。

也就是说，通过随机抽样，总体中某一变量在规模为n的随机样本中所呈现出的频数分布的特征，成为了随机变量，并且其抽样分布可以依照统计原理（大数定理）计算而得。

由于这n个随机变量中的每一个都具有和总体中该变量的相对频数分布相同的概率分布，因此，总体中某个变量在样本中频数分布特征的抽样分布，就可能依照统计原理建立与该变量在总体中频数分布之间的联系，中央极限定理恰恰反映了这种联系的数学性质。

简而言之，以随机方式进行概率抽样，使依照统计原理（譬如大数定理）获得总体中某一变量在样本中所呈现出的频数分布特征的抽样分布成为可能，并且使同样依照统计原理（譬如中央极限定理）确定这一抽样分布与同一变量在总体中的频数分布特征之间的数学联系得以可能。

没有抽样分布，就无法实施推论统计（无论是假设检验、区间估计还是点估计），样本对总体的代表性自然也就无从谈起。

另一方面，随机样本中所呈现出的总体变量在其中的频数分布特征，仅仅是抽样分布中众多可能结果中的一个，尽管其对应的概率可以确定，但实际上究竟哪一个结果被抽中则是不确定的。

也就是说，总体变量在所抽中的随机样本中的频数分布特征，相比于其在总体中的频数分布很可能因为随机抽样而发生扭曲。

这种情况在已知和未知变量上都可能发生。

而某些已知变量可能成为发现总体事实所必需的材料的一部分。

这种情况下，就应令样本中所呈现出的已知变量的频数分布与其在总体中的频数分布相一致，或者即使扭曲也呈现出有利于后续分析的分布特征。

这就意味着，在概率抽样过程中，除了导入随机性以外，还应考虑依照总体中已知变量的信息使用非随机的手段控制其在随机样本中的表现，分层随机抽样的技术凸显了这一想法——依照已知变量对总体进行分层，在每一层中对总体元素实施等比例或不等比例的随机抽样，前者可以保证分层变量在随机样本中呈现出与总体中一致的分布特征，后者可以令随机样本中呈现出有利于后续分析的、扭曲的分层变量的频数分布，而这种扭曲带来的负面影响可以通过后续分析手段（譬如入样概率加权）加以处理。

这也是概率抽样中复杂抽样设计常常采用的技术。

综上所述，概率抽样在抽样过程中导入随机性的理论依据在于大数定理，由此可以确定总体中已知和未知变量在样本中频数分布特征的抽样分布。

进而依据中央极限定理，可以得到这一抽样分布的特征与该变量在总体中频数分布特征之间的数学关系，从而为推论统计提供了必要条件。

因此，概率抽样中的随机性手段为利用总体中未知变量在样本中的分析特征，间接推算该变量在总体中的分布特征提供了必要的保证。

而其使用的非随机控制手段则可以令随机样本中直接再现或者系统化地扭曲已知变量在总体中的分布特征。

由于总体中未知变量在总体中的分布特征，是发现总体事实的必要材料来源，因此，概率样本的代表性意义应该被理解为基于统计原理，在间接推算意义上实现以样本信息推论总体信息的过程。

经过近百年发展，概率抽样的原理和操作技术已经相当成熟，应用领域也非常广泛，但对概率样本代表性原理的理解却一直充满歧义，无论是在非科学领域、科学领域甚至在统计学的专业领域中都存在着不同程度的混淆和错误。

其中最显著的误解莫过于将概率样本的代表性，直观地理解为样本在直接再现意义上代表总体——“所谓代表性，指的是样本的一种属性，即样本能够再现总体的属性和结构的程度。

所以，样本的代表性高，把对样本的研究结论推论到总体的可靠性程度就高；

样本的代表性低，把对样本的研究结论推论到总体的可靠性程度就低。

四、个案的典型性

在理论与事实相一致的认识论原则下，实证研究中所要发现的特定事实不仅不可能是普遍存在的事实，也同样不可能指向特定时间、空间条件下所有对象中间发生的全部事实，而只能是其中与理论相对应的、相匹配的、被理论所蕴含的特定事实。

这一约束显然与实证研究采用提炼理论的方式（方法3）或者检验理论的方式（方法4）无关，也与采用基于特定个案的定性研究方式或者基于概率样本的定量研究方式无关。

　因此，实证研究在发现特定事实的环节中，首先要面对的方法问题是如何从具体的、缤纷复杂的研究对象世界中圈定用于发现特定事实所必要的材料来源——属于方法2的环节。

对于基于特定个案的定性研究来说，这就对应着如何选择特定个案的方法问题；

对于基于概率样本的定量研究来说，则对应着如何选择总体的方法问题。

尽管从总体中抽取概率样本的过程是随机的，但是选择总体的过程显然不是随机的，而是与选择个案的过程一致，都需要依照特定的准则、系统化地加以选择。

这一过程中依照既定的圈定材料来源的标准，以实施选择时所获知的关于待选择的个案或者总体的信息与之相对照，那些最大程度符合圈定材料标准的个案或者总体就是典型的材料来源，即所谓的典型个案或者典型总体

需要强调的是，圈定了材料来源——即选定了个案或者总体，并不意味着同时就发现了实证研究所需的特定事实，也不意味着同时圈定了特定事实，而将这些材料来源与其背景现实中未被圈定的因素相互隔离开来。

所选定的个案或者总体仅仅是用于发现特定事实的材料和信息来源，利用这些材料和信息，发现识别特定事实的过程，是在圈定材料来源之后发生的操作步骤。

因此，由于圈定材料来源——选择个案或者总体——的过程发生在前，其所依据的圈定标准，逻辑上就应该来自于实证研究所要回答的理论问题中的某些前提条件，以及用于后续分析所圈定材料、发现特定事实的方法中某些必要前提条件。

而用来与圈定标准相对照的、已经获知的关于待选择的个案或总体的某些信息，一定不是来自于其圈定材料之后、利用这些已被圈定材料所发现的特定事实。

也就是说，选择个案或者总体所依据的典型性标准，一定不是个案事实或总体事实与理论之间的相符（极端个案（extremecase））或者相悖（负面案例（negativecase））关系。

那种认为的观点，以及那种认为，“我们必须保证我们所考察的世界的切片是整体的典型”立场，实际上颠倒了实证研究过程的逻辑顺序，是一种“事后典型”“打哪指哪”的思维。

这种观点混淆了举例说明的逻辑与实证研究的基本逻辑和进程。

五、扩展性个案方法

扩展性个案方法隐晦地将民族志困境——在展开田野研究的同时，实施参与观察的民族志学者出现并作用于其所研究的对象世界中——视为社会科学的瓶颈。

它认为为了应对这一困境，实证科学（positivescience）通过限制研究者对所研究的世界的涉入，将自己与研究对象隔离，从外部观察，通过中介体来进行研究，从而将这一困境最小化。

抽样调查（surveyresearch）是实证科学的最好范例，其每一个努力都是要悬置（suspend）对所研究世界的涉入，避免影响所研究的情景，将数据的收集规范化，将外部条件悬置起来，并确保样本是有代表性的。

但这些处理方法，却因受制于背景效应而同时违背了实证科学自身的原则。

与之相反，反身性科学（reflexivescience）以研究者对所研究世界的参与为前提，通过多种对话来获得对经验现象的解释。

反身性科学在观察者和参与者之间开启对话，并将其嵌入到局部过程和局部以外因素之间的二次对话之中，而这些外部因素进而只能通过第三次扩展性的理论与其自身的对话来得以理解。

客观性通过知识的增长——即通过理论重构容纳各种反常情况——来加以衡量。

反身性科学认为民族志的涵义在于从参与观察的视角描述世界，强调科学的涵义在于对经验现象的可证伪的、可一般化的解释。

反身性科学就是这样一种科学，而非放弃科学，走向对世界的阐释路径。

扩展性个案方法将反身性科学应用到民族志中，在先在理论的基础上，从特殊（unique）中提炼一般性（thegeneral），从“微观”运动到“宏观”，并将当下与过去相联系。

它区分了方法论的三个层次：

研究方法（researchmethod）——抽样调查和扩展性个案方法；

经验调查技术（techniques）——访谈和参与观察；

科学模式（scientificmodel）——实证科学或反身性科学。

并试图与实证科学比较性地阐明扩展性个案方法的方法论内涵（表1）。

然而，从实证研究基本逻辑的视角来看，研究者涉入研究对象之中必然构成社会科学的内在瓶颈吗？

实证科学原则和方法是为将处理这一特定困境而设置的吗？

背景效应必然成为实证科学的绊脚石吗？

扩展性个案方法是一种实证研究的方法吗？

理论与事实相一致的认识论原则为实证研究中理论的正当性划定了标准，但并没有限定理论指向何种目标。

理论可以指向基于研究者在所研究世界中的呈现所表征的规律性——如科学社会学、技术社会学乃至于知识社会学研究所做的那样，也可以指向其他对象。

前者，实证研究所必需的特定事实针对于具体现实中基于特定研究者及其具体表现的特定事实，而其他因素则可能成为发现这一特定事实过程中的干扰因素和误差；

后者，特定研究者在具体现实中的呈现和作用则可能成为干扰因素和误差的来源之一（譬如“霍桑效应”）。

无论哪种情况，实证研究在发现特定事实的环节中都不能、也没有以不存在干扰因素和误差为前提，相反，它必须预设处理干扰因素和误差的相关技术及其原理。

实验和抽样调查方法都是在考虑到存在着可观察和不可观察的多种干扰因素和误差来源——既包括霍桑效应也包括背景效应——的前提下，来发展各种用于发现特定事实和控制干扰与误差的相关技术及其原理。

研究者以及测量工具对研究对象的影响，仅仅是实证研究在发现特定事实环节中所要面对的可能干扰和误差之一，并不能必然成为以抽样调查为范例的实证科学的内在瓶颈，更不会成为实证研究的内在困境。

被扩展性个案方法视为实证科学规范准则的“反应性（reactivity）”、“可靠性（reliability）”、“可复制性（replicability）”、“代表性（representativeness）”，来自于凯茨以抽样调查和实验方法的术语所总结的定性田野研究，特别是使用参与观察方法所获得的田野工作证据常常面对的四种质疑。

这些质疑明显是基于抽样调查方法对各种显在和潜在误差的考虑和具体处理技术层面，而不是来自于抽样调查方法所遵循的实证科学的原则或者实证研究基本逻辑的要求。

抽样调查、实验方法和参与观察方法同样归属于实证研究中发现特定事实环节中所涉及的方法2，各自具有自身的技术及其原理，并且各自所发现的结果的性质也有所不同，并非都试图、都能够呈现出完整的特定事实。

以其中任何一方的技术标准来评判其他方法的合理性是一种明显的逻辑错误。

也就是说，“反应性（reactivity）”、“可靠性（reliability）”、“可复制性（replicability）”、“代表性（representativeness）”仅仅是抽样调查和实验方法中的部分技术标准，并不能成为实证科学的规范准则。

当使用抽样调查方法发现特定事实的时候，这一过程的每一个步骤中都假定存在着可测量和不可测量的各种干扰因素和误差，并预设了相关的技术处理。

譬如考虑到后续数据分析中所可能使用的处理干扰和误差因素的统计方法，抽样调查方法选择总体，以求在发现特定总体事实过程中控制干扰和误差。

譬如在获得代表性概率样本的过程中，要特别着重控制各种抽样和非抽样误差来进行抽样设计。

譬如在问卷设计的过程中，对调查问题的操作化、信度（可靠性）和效度（可复制性）的处理，对使用问卷对样本中调查对象进行标准化访谈的处理（反应性），都包含了对各种显在和潜在误差的考虑。

譬如在数据分析的过程中，使用各种统计方法处理干扰和误差因素（譬如一般线性模型利用误差来估计模型参数，固定效应模型利用追踪数据来消除潜在干扰因素，以及各种处理缺失数据和测量误差的统计方法等），这些技术和操作都突出表明：

即使存在各种不可观察的干扰因素和误差——包括研究者的干扰和背景效应，抽样调查方法仍然可以发现满足实证研究基本逻辑要求的特定事实。

背景效应不会必然困扰其使用抽样调查方法发现特定事实。

如果没有预设处理潜在干扰和误差的相关方法，而实际上这些干扰和误差却存在于研究过程之中，那么这样的发现特定事实的方法，就无法为其所发现的结果提供确定性，从而违背了实证研究的基本逻辑。

　　扩展性个案方法的科学观强调科学的涵义在于对经验现象的可证伪的、可一般化的解释。

这实际上是理论与事实相一致的认识论原则的衍生性表述。

因此扩展性个案方法就有必要考虑实证研究基本逻辑的约束。

在研究方法（researchmethod）的层次上，扩展性个案方法中“从观察者到参