2018「胡定吾海外新銳學者講座」
整理：江軍（臺大政治學系研究所）
本系於2018年6月首次舉辦「胡定吾海外新銳學者講座」，邀請到德州大學奧斯汀分校政府系的呂曉波助理教授，由本系張佑宗擔任主持人，並於6/7、6/8、6/13、6/14、6/15進行5場與研究方法有關的演講。
講者簡介：呂曉波(Xiaobo Lü)
呂曉波，美國密西根大學碩士、美國耶魯大學博士，2012年榮獲美國政治學會Mancur Olson政治經濟學最佳博士論文獎，現為美國德州大學奧斯汀分校政府系助理教授。
呂曉波教授的研究專長包含發展的分配政治、中國政治、以及比較與國際政治經濟學。其中，社會支出與稅賦的政治及其相應的政治後果，為呂教授最感興趣的研究課題。
呂曉波教授的研究成果已見諸於美國各大頂尖期刊，包括American Political Science Review、American Journal of Political Science、Comparative Political Studies、Quarterly Journal of Political Science等。
導論：方法論上的焦慮
在簡短感謝張佑宗主任的介紹後，呂曉波教授隨即點明了政治學界現存的「方法論焦慮」：「現在大家都存在一種焦慮的狀態…我是不是一定要做實驗？都不做實驗，我們是否就沒有辦法發表在頂級的期刊？」呂曉波教授認為，一方面，問題意識才是關鍵，而方法是為問題服務。另一方面，不見得唯有用因果推論的方法才能得出好的因果推論，而用其他方法得出的結論則無效。唯因所有的方法都是基於一系列假設，當假設都不成立的時候，得出的結論自然無效。換言之，因果推論的方法不是穩健結論的保證。另一種焦慮則是大數據、網路爬蟲等新方法不斷出現，學習的速度跟不上方法的演進。但呂曉波教授強調，這依然取決於你的方法對應到什麼問題。研究方法就如同學語言，要不斷積累和深入，並在學習的同時，思考方法的應用、背後的假設、與打破假設的可能。職是之故，今日演講也將順著因果推論方法的框架、假設、應用與限制等四個面向展開。
因果推論方法出現之前：如何解決實證問題？
在因果推論的方法出現之前，大家是用怎麼樣的方法來解決實證問題？呂曉波教授指出，社會科學家在沒有因果推論方法之前，仍在探討因果關係，亦即當某個條件發生時，會造成怎樣的後果。這些研究往往會碰到三個實證上的問題：第一是理論的概念和測量方式不一致(measurement error)，例如「民主」和「非民主」編碼為二元變項0和1的轉錄標準往往不甚清楚。第二是遺漏變數(omitted variable bias)，意思是有一些變數和自變數與依變數相關，但沒有被納入分析。如此一來，推論結果自然會出現偏差。第三則是內生性問題(endogeneity)，亦即自變數與依變數互為因果。在因果推論方法出現之前，解決上述實證問題的方式，通常是做敏感性分析(sensitivity analysis)─如果要克服測量的不一致，那就選擇另一個變項重新測量一遍、把概念再衡量一遍、抑或是再跑一次模型。簡言之，就是用不同指標來衡量、抑或是用不同模型與數據來源測試。若該分析結果能支持研究論述，那理論就是正確的。呂曉波教授認為，敏感性分析在選擇實驗組時即有偏誤可能，而模型的挑選與處理也不見得是客觀的。
什麼是因果推論？
因果推論的基本概念為反事實分析(counterfactual analysis)，也就是一件事發生和沒發生，在結果上的差異。因果推論方法有三個基本假設：首先，我們無法看到在個人層面上的因果效應，只能看到群體平均效果(average treatment effect)，這表示在群體層面上，實驗組和對照組作為兩個群體，在許多特徵上一致，唯一差別是一組接受處理(treatment)，而另外一組沒有接受。第二個假設則是一致性(consistency)，亦即同樣一組人接受相同處理，其結果會相同。最後，在做實驗時，我們是藉由抽取樣本並給予處理來證成因果關係，但我們會推論：對整個母體而言，處理的效用是和樣本一樣的。也就是說，「給一小部分人的處理」和「給全部人的處理」，兩者的效果相同。
接下來，呂曉波教授進一步分析因果推論方法的兩類實證問題。第一類是干擾變項(confounder)：當研究者想探討D對Y的影響，但有一個變數L同時對D和Y有真正影響。此時，若不考慮L，而僅收集D和Y的資料，兩者間會有統計上的顯著相關，但這卻不是真正的因果關係。例如當天氣熱時，我們衣服穿得少、冰吃得多，但不代表穿衣服和吃冰間有因果關係，唯因這是天氣熱造成的結果。第二類則是案例選擇(selection)問題：當我們推論Y是造成L的條件時，卻只選擇具備Y條件且出現L結果的案例作為佐證。例如對所謂發展型國家(developmental state)研究的批評之一，就是研究者只注意成功案例，而不注意那些未發展成功的案例，所以這個理論無法推廣。呂曉波教授特別提醒大家：研究者必須注意研究對象的選擇是否會導向特定研究結果。
因果推論的方法：主要研究方法與假設
一旦研究者試圖做出因果推論，就須考慮兩個策略：第一，因果證成策略(identification strategy)，意指有沒有一些假設讓你能宣稱你的研究具有因果關係。第二，統計估計策略(estimation strategy)則關乎統計估計方法的使用。如果一項研究無法滿足方法背後的假設，無論該研究使用的方法多花俏，其結果都不具因果效力，故研究的關鍵就在於研究設計如何滿足方法背後的因果證成策略。
那麼，因果證成策略有那些呢？呂曉波教授介紹了五種常見的因果證成方式：
1.實驗法(Experiment)：研究者能人為的隨機操縱實驗組和對照組，並假設在平均效果上，隨機分配的實驗組和對照組，兩組間沒有特性差異。此種方法的侷限是外部效度(external validity)問題。另一方面，宥於環境和經費，實驗往往難以複製。
2.自然實驗法(Natural Experiment)：現實情況的改變自然隨機分出實驗組和對照組。和實驗法相同，自然實驗法也假設在平均效果上，實驗組和對照組在特性上沒有差異。由於自然實驗法不是人為操縱，而是環境改變的結果，故有內部效度(internal validity)的問題─研究者必須要提出很多證據來證明隨機分配是成立的。
3.工具變數(Instrumental Variable, IV)：若今天我們想探討D和Y之間的關係，但有一個干擾變數U會同時影響X和Y，以致於我們無法觀察D和Y間的關係。此時如有一個外生變數Z，可以透過影響一部分的D而對Y產生影響，那我們就可以藉由兩階段最小平方(two-stage least square, 2SLS)的迴歸分析來驗證D和Y間的關係，此時我們稱外生變數Z為工具變數。這個方法的關鍵假設是Z不能對Y有單獨的影響，限制在於很難找到一個符合關鍵假設的工具變數。
4.斷點回歸(Regression Discontinuity, RD) ：有些群體觀察值在特定的時間和地域範圍內會產生隨機差異。這個方法的假設是觀察值在短時間內有大幅度的變化，而這個變化的處理是隨機的。限制是在斷點邊界上確能找到很強的因果效應，但推廣到整個母體時結果卻不一定如此。故斷點回歸僅能滿足狹域的平均政策效果(local average treatment effect, LATE)。
5.差異中的差異法(Differences in Differences)：此方法是在考慮處理前後的時間差異下，去檢視一個外生衝擊對不同群體的差異效果，關鍵假設則是平行趨勢(parallel trend assumption)，也就是在不加入處理的情況下，實驗和對照組的差異趨勢會是平行的。
結論與問答
在演講尾聲，呂曉波教授做出了四點結論。首先，現在的研究光提出因果效應還不夠，還必須提出對因果機制的檢驗。第二，方法是有其侷限的，若太注重因果推論，反而無法深入思考問題。第三，因果推論往往具有外部效度問題。最後，過度強調方法的結果，造成今日的研究多是檢驗現存理論，而非嘗試發展新的理論。呂曉波教授認為，理論上沒有突破，代表著政治科學無法繼續進步。
在提問時段，聽眾詢問該如何區分方法論、研究方法和研究工具？若一味追求工具而沒從方法打基礎，是否本末倒置？針對此問題，呂曉波教授指出，要有紮實的方法論基礎才能把握研究工具的假設和侷限。他的建議是，尋找對自己研究問題相對應的研究方法來鑽研，但也不要只看一種方法，因為「當你只有一支槌子，所有的東西對你來說都只是釘子」。
另一位提問人則詢問教授，什麼是正確的方法？後進學者又該如何挑戰現有理論，說服前輩學者？呂曉波教授認為，挑戰本身的動機是好的，但很多後進學者意欲挑戰舊說，卻無法確實掌握理論和實證，且故事說得不好。簡言之，若要挑戰，理論功課與實證必須做好，文章的布局(framing)也要把握，如此的論述才會有力。
