電子報刊頭底紋圖

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。