一路 BBS

标题: 兰小欢：识别社会科学中的因果关系 [打印本页]

作者: bridged 时间: 5-6-2009 09:27
标题: 兰小欢：识别社会科学中的因果关系
本文通过一路BBS站telnet客户端发布

上文提到查尔斯.曼斯基，说“我一直认为他是当代对社会科学的数据认识最深刻的人（也许不是之一），这个人改变了社会科学家对社会科学数据中因果性的认识。”有位网友想让我介绍一下他的思想和进一步的阅读。正好我以前写过相关的文章，拿出来重新整合一下吧。

社会科学数据与自然科学数据最大的不同就在于：绝大多数数据不是实验数据，而是观测数据。“做实验”得到实验数据从而验证因果关系，学理上非常简单（虽然“ 实验”本身有时异常复杂，需要很高的技术）。但从“观测数据”入手分离因果关系就非常困难了，举个例子：我看到一个人站在镜子面前，镜子里是他的影像，他和他的影像总是同时移动。于是我问：是影像带动人动么？是人带着影像动么？是某种外力使得人和影像一起动么？为了得到结论，我反复观察，可惜每次结果都是他们一起动，就算观测无穷多次也得不出问题的答案。

这就是我几乎天天思考的问题，也是所有实证研究最本质的问题 --- “识别”(identification)。上面这个例子来自查尔斯.曼斯基的新书《Identification for Prediction and Decision》（《预测与决策中的识别问题》）的第一段话。他告诉我们：数据本身不会“自我识别”，我们需要借助理论。

当年我因为去参加了政治学系一个很糟糕的学术报告看到了一群笨蛋在互相吹捧之后，又开玩笑地举了个例子：当你反复观察到“政治学者脑子都不清楚”这样一个现象时，要怎样看其中的“因果关系”？

解释一：本来他们的脑子是清楚的，但大家老是呆在一起用一些逻辑混乱的理论互相讨论些弱智的问题和根本不存在的现象，时间长了，就把所有人的脑子都搞乱了，这叫做“内生性脑子混乱”。

解释二：我能观测到一些这个群体的其他特征，比如衣冠楚楚，比如都是白人，比如都是中年人，比如都没学过计量经济学。。。于是我推论，具备这些条件的人脑子一般都比较混乱。利用这些可观测的特征，我得到了“政治学者脑子不清楚”的“条件期望”解释 --- 只要具备这些条件，我就期望他脑子不清楚。当然有例外，但“期望”指的是“在平均意义上”。

解释三：类似我国的古老智慧“物以类聚”。出于某种“神秘”的我所观察不到的原因----这“神秘”可不是指的“命运的安排”，而是说当事人经历过并且知道，但我作为观察者不知道 ---比如他们从小都爱看《新闻联播》布什是他们内心隐秘的偶像他们都穿星条旗的内裤等等，他们慢慢地聚集到一起形成了我所观察到的头脑混乱的群体，这个叫做“头脑混乱”的“自我选择”过程。

这三个解释的区别非常重要，但是光靠观察群体行为我们看不出三者的区别，因为三种原因混合在了一起，所以我们只能观测到一群头脑混乱的政治学者，但不知道他们为什么这么混乱。只有受过严格训练或者天生脑子清楚的人才能通过一定的理论来洞察这三者的区别，这就是曼斯基意义上的“识别”。显然那天我碰见的几位政治学者没有受过这样的训练，所以他们面对这个世界时什么也识别不了，瞎猫碰死耗子还玩儿得特开心。

以上提到的曼斯基的这本《Identification for Prediction and Decision》2007年出版，是他1995年出版的经典小册子《Identification Problems in the Social Sciences》（《社会科学中的识别问题》）的续篇。1995年的那本书，改变了学界对“识别”问题的看法，之后十多年间有大量新的研究结果出现，这本新书篇幅增加了许多，介绍了这些新成果，把它们纳入到一个统一的思考框架中来。

曼斯基一个重要的思想是这样的：抛开一切理论和偏见，光从“数据是如何被收集的”这一问题的答案本身出发，我们就可以获得很多有用的信息；在此基础上，添加最一般的（几乎人人同意的）假设就可以获得很多有用的推断，但得不到精确的“点估计值”，通常只能得到关于待估计变量的“取值边界”（bound）。因为得到这一 “边界”需要最少的假设，所以它应该成为所有相关研究者的“共识”。在此基础上，研究者可以添加更强的理论假设，力图得到更加精确的结论。这个层面上的研究是“见仁见智”了，理论不同，看问题的角度不同，得到的结论可能都不一样，但是所有的精确估计值都应该处在已经是共识的边界中。

跟进最近二十年计量经济学进展的同学可以发现，对于各种“取值边界”的研究无处不在，到处都是关于bound的讨论，我去年参加的三个计量seminar都是关于如何求解并估计bound。可见这一方法论影响有多深远。

弱的假设带来弱的结论，但“弱的结论”本身可以提供很多洞见，从这个角度看，“有限理性”(bounded rationality) 和“部分识别”(partial identification) 都是非常重要的研究。

http://images.barnesandnoble.com/images/19500000/19500012.JPG

--

欢迎光临一路 BBS (http://www.yilubbs.com/)