社会研究入门:如何理解我们的日常社会生活.3版_(美)劳伦斯·纽曼著_9787510895739

本书是纽曼教授将其所著经典教材《社会研究方法：定性和定量的取向》，亲自改写的精要版。不仅内容更加通俗，编排更加紧凑，选取的案例也更贴近当下。全书面向大学本科生或没有接触过社会学和统计学的普通读者，展示社会研究能做什么与不能做什么；详细介绍了社会研究中的各类定量与定性研究方法，并讨论了研究涉及的伦理议题以及其他研究细节。

全书共分为十六章，一步步引导读者从认识社会研究开始，寻找自己的研究题目，选择合适的研究方法进行研究，*后撰写研究报告。作者反复强调研究方法的多样性，不推荐循规蹈矩的研究过程，力图让读者真正理解社会研究的逻辑，培养社会学的想象力。

分析单位告诉你需要获取哪些数据资料以及你需要测量数据资料中的什么。分析单位也与理论阐述中的分析层次有着松散的对应关系。因此，社会心理学或微观层面的分析与以个体为单位的研究最相符；而宏观层面的分析则适合以社会分类或制度为单位的研究。微观层面的理论和解释大致上指向的是个体的特征或个体之间的互动。宏观层面的理论指向的则是在社会上产生作用的社会力量或社会主要部分之间的关系。

想清楚你的分析层次和分析单位，这对研究设计来说至关重要。了解它们可以帮助你避免逻辑上的错误。例如，你想了解北部的高校是否在足球项目上比南部的高校花费更多。这表明你需要收集关于高校的信息、它们的花费、位置。你的分析单位——组织，在这个例子中是高校——来自你的研究问题，并指导着你从每一所高校收集数据。

有时，对于相似的话题或研究问题，你可以在许多不同的分析单位或分析层次中进行选择。例如，你想了解父权社会和暴力行为这个话题。你可以采用社会作为分析单位，并且以“父权社会是否更加暴力”作为研究问题。对这个研究问题，你将收集关于社会的信息，并且将每一个社会按照父权程度和暴力水平加以区分。而另一方面，在同样的话题下，你可以提出不同的研究问题：“家庭内部的父权程度是否与针对配偶的暴力有关？”对这个研究问题，你的分析单位是群体或家庭，更适合较为微观的分析层次。你可能会收集关于家庭的数据，测量家庭内部的父权程度和配偶之间发生的暴力行为。针对同一个话题，你可以采用不同的分析单位和层次，因为父权这个变量既可以描述整个社会，也可以描述一个家庭内部的社会关系。同样，暴力既可以是社会的一个特征，也可以是配偶之间互动行为的一个方面。

区群谬误（ecological fallacy）。区群谬误是一种由于错误匹配分析单位而产生的错误类型。它指的是现有实证证据的单位，不匹配想要做出的一般性陈述的单位。它指代的是超过证据所能证明范畴的、不准确的推理或概括。当你的数据有着高层次或聚合的分析单位，你却做出关于低层次或分解的分析单位的陈述时，就会犯下区群谬误的错误。因为在某一个分析单位上发生的东西不一定也发生在另一个分析单位上。因此，当你收集的是高层次或聚合的单位（例如，商业公司、整个国家）的数据，却做出关于低层次或分解的单位（例如，个体行为）的陈述，你很有可能犯了区群谬误的错误。要避免这种错误，你需要保证解释中的分析单位与收集到的数据的分析单位完全匹配或非常接近（参见示例4.2）。

例子：汤姆小镇和琼斯小镇各自有着约45,000人口。汤姆小镇的高收入人群比例较高，超过一半的家庭收入超过了200,000美元。这个镇上的摩托车登记数量也比其他同等大小的镇子的摩托车数量要多，共有4,000辆摩托车。而在琼斯小镇有很多穷人，这个镇子一半的人口生活在贫困线之下。和同样大小的镇子相比，在琼斯小镇登记的摩托车数量也相对较低，只有100辆摩托车。在查看了关于两个小镇的这些数据之后，你可能会仅仅凭借以上信息就错误地认为，富人更有可能拥有摩托车。换句话说，你根据证据做出的陈述是，你发现家庭收入和摩托车拥有情况之间存在关系。这是错误的，因为你不知道在汤姆小镇或琼斯小镇的哪些家庭拥有摩托车。你只知道这两个变量——平均收入和摩托车数量——在两个镇子中的整体情况。观察的变量分析单位是作为整体的镇子。也许汤姆小镇中所有低收入和中等收入家庭都加入了摩托车俱乐部，他们是汤姆小镇中拥有摩托车的人，而没有任何一个高收入家庭加入了摩托车俱乐部或拥有摩托车。也或许在琼斯小镇，所有100辆摩托车都由低收入家庭拥有，而不是中等收入或高收入家庭。如果你想要了解摩托车拥有情况与家庭收入之间的关系，你必须收集以家庭为分析单位的数据，而不是以镇子整体作为分析单位。

简化论（reductionism）。另一个关于错误匹配证据和不准确推理的错误类型是简化论。它也叫作不对等谬误（fallacy of nonequivalence）。这个错误指的是仅仅采用特定的个体证据来解释宏观层次事件。当你观察的是较低的或分解的分析单位，却做出了关于较高的或聚合的分析单位的陈述时，你就犯了简化论的错误。这很像区群谬误中的匹配错误。如果你有关于个体如何行动的数据，却做出了关于宏观层次单位的变化情况的陈述时，你可能犯下了简化论的错误。我们之所以会犯这个错误，是因为人们更容易获取具体的个人的数据资料。此外，宏观层次单位的运行更加抽象朦胧。正如区群谬误一样，可以通过确保理论的分析单位与实际获得数据的分析单位一致来避免此类错误。

如果你未能准确地思考分析单位，并且无法将数据与理论匹配，那么你很容易就会犯下区群谬误或简化论的错误。这两种错误都是由于未能找到适合研究问题的数据，或是对已有数据过度概括。你可以对你经验研究的分析单位之外的分析单位做出假设。因此，对于个体的研究是基于个体按照一定的社会制度行动的假设。许多微观层次的单位聚合在一起就成了宏观层次的单位。问题在于，人们容易误用微观层次单位的原因或行为来解释宏观层次单位的行动，例如用个人的行为来解释社会制度。一定要记住，在某一个层次单位发生的事情不一定适用于另一个层次的分析单位。社会学这门学科是建立在一个概念之上的，也即，社会现实作为一个特殊层次，是存在于个体之上的。要对这个层次做出解释，你的数据和理论就不能仅仅是关于个体的。你不能将那些发生在宏观层次单位的原因、力量、结构、进程简化至个人的动因和行为。

例子：第一次世界大战为什么爆发？你可能听说过，这是由于1914年一个塞尔维亚人开枪击中了奥匈帝国的一位皇子。这就是简化论的一个例子。的确，这场暗杀是一个因素，但你不能将一场两国之间的宏观政治事件（即战争）简化至一个人的特定行动。为什么不能呢？好好想一想，为什么不能将原因降低至个人层面。你也可以说，这场战争之所以发生是因为在那一天刺客的闹钟响了，将他叫醒，因此导致了第一次世界大战！作为宏观层次事件的第一次世界大战，要更为复杂。这是由于许多社会、战争、经济力量在那一时段汇集到了一起。特定个人的行动确实有影响，但与这些宏观力量相比实在微小。个体确实对事件产生影响。最终，个体借由更大规模的社会力量和组织影响到了其他人，并一同推动国家的行动，但单独凭借个体是无法作为原因的。因此，即使没有那场暗杀，在那个时间点也会爆发重大战争。暗杀只是众多潜在的导火索之一；它的影响之所以成为可能，是因为先前已经发生的状况和之后许许多多其他人的行动。

虚假关系（spuriousness）。两个变量之间的关系是虚假的，就是说这种关系不是真的，或者是一种幻想。当研究者认为他们发现了虚假关系时会十分兴奋，因为他们可以说明表面上看上去存在的东西其实在现实生活中并不存在；这就像魔术一样！任何两个变量之间的联系都可能是虚假的，因此，当你发现两个变量相关时需要格外谨慎。经过进一步研究，显而易见的联系可能无法构成一段真正的因果关系的基础。它可能只是表面的假象，而社会现实要复杂得多。

当两个变量看上去相关，但实际不相关时，我们就说它们之间存在虚假关系。存在第三个“看不见”的因素，而它才是真正的原因。这个“看不见”的第三个因素或其他因素既是自变量的原因，也是因变量的原因。这就为观测到的联系提供了明显却错误的解释。就因果性而言，这个看不见的因素是更具说服力的解释。

现在，你明白了要对联系或关联特别谨慎，但是你怎么知道一段关系是否是虚假的？你如何才能知道那个神秘的“看不见”的第三个因素是什么？你需要利用统计技巧（本书稍后讨论）来检验一段关系是否是虚假的。为此，你需要有一个关于可能的第三个因素的理论或至少有一个合理的猜测。

事实上，虚假关系建立在你早已采用的常识逻辑之上。例如，你早就知道空调使用与冰激凌消费之间存在关系，如果你测量每天开启的空调数量和售出的冰激凌数量，你会发现一个很强的相关关系：开启的空调越多，当天出售的冰激凌脆皮筒就越多。然而，你知道的，吃冰激凌并不会导致人们开启空调。相反，有第三个因素对两个变量都产生了影响：大热天。你可以通过测量每日气温、冰激凌消费量以及空调的使用，利用统计学来验证这个说法。在社会研究中，相反的理论可以在许多话题中（例如犯罪、战争或儿童虐待的原因）帮助识别哪一个第三因素可能与之有关。

例子1。有些人认为，非法服用毒品会导致自杀、辍学、暴力行为。那些支持“问题在于毒品”这个立场的人会指出吸毒与自杀、辍学、卷入暴力行为等事件之间存在正相关。他们认为终止使用毒品将会极大地减少自杀、辍学、暴力事件。另一些人则认为，许多人之所以会使用毒品，是因为他们存在情绪问题或所在社区较为混乱（例如高失业率、不稳定的家庭、高犯罪率、极少的社区服务、缺乏公民性）。那些有着情绪问题或住在混乱社区的人，自杀、辍学、卷入暴力行为的可能性更高。这说明减少情绪问题和社区混乱问题，将会显著降低非法使用毒品、辍学、自杀以及暴力行为。仅仅减少对毒品的使用，而忽略了根本原因，那么对这些行为所能产生的作用将会非常有限。“问题在于毒品”的论点可能就是虚假的，因为存在于使用毒品和问题之间的最初关系是有误导性的。情绪问题和社区混乱才是真正的、通常被人们所忽视的原因变量。

例子2。在美国和加拿大，我们在“被归为有色人种的学生”与“学生有着较低的学术测试成绩（与白种人相比）”之间观察到了实证联系。存在于种族分类与测试成绩之间的关系是一种错觉，因为导致种族分类和测试成绩的真正原因被忽略了。在这里，真正的原因直接对自变量（种族分类）产生影响，而间接地通过干预过程对因变量（测试成绩）产生影响。

真正的原因是一套观点体系，它将人们分为不同的种族群体，并十分看重表面外在模样，例如肤色、人们口中的“种族”。这种观点体系也构建了偏见和歧视行为的基础。在这种状况下，人们将不同的人划归为不同种族，并因此差异对待。他们也面临着不同的工作机会和住宿选择。那些因为是某个种族而被歧视的人们，在工作机会或住宿选择上有着诸多受限之处。多数群体和组织将被歧视者隔离开来，或者将被歧视者聚集在不受欢迎的区域。这就导致低收入、高失业率、较差的住房等问题集中在城市中某些特定区域或街区的现象。街区位置还与教育不公平相结合。教育质量最差的学校往往地处那些住房条件最差、收入低、失业率高的区域。测试成绩与学校质量之间有着很强的关联，也与是否来自低收入家庭相关。这说明那些来自收入低、居住条件差、学校质量低的区域的学生，有着较低的测试成绩。

你还可能感兴趣

我要评论