計(jì)算扎根：定量研究的理論生產(chǎn)方法

文/陳茁 陳云松

引言

依托于客觀數(shù)據(jù)和模型的社會(huì)學(xué)定量研究對(duì)長期根植于邏輯思辨和歷史情境的社會(huì)學(xué)傳統(tǒng)研究方法形成了極為重要的補(bǔ)充，伴隨著大型社會(huì)調(diào)查的開展和數(shù)據(jù)模型的普及，已成為社會(huì)學(xué)研究的重要范式。定量研究原本只是對(duì)數(shù)字?jǐn)?shù)據(jù)進(jìn)行分析研究的統(tǒng)稱，但伴隨著范式的固化，特別是定性和定量研究的二元分立，學(xué)術(shù)界逐漸將量化研究自我限定在以演繹法為邏輯、以理論驗(yàn)證為目的、以統(tǒng)計(jì)推論為手段的單一面向，不覺中忽視了數(shù)據(jù)和模型對(duì)于直接啟發(fā)理論的價(jià)值、歸納邏輯對(duì)于定量研究的應(yīng)用可能性。

有沒有一種新的邏輯路徑和模型，能讓定量學(xué)者不僅能進(jìn)行“后置”的科學(xué)檢驗(yàn)，也能利用數(shù)據(jù)資料直接助產(chǎn)理論假說? 隨著大規(guī)模社會(huì)調(diào)查數(shù)據(jù)的日益豐富和機(jī)器學(xué)習(xí)等方法在社會(huì)學(xué)中的應(yīng)用，我們已經(jīng)發(fā)現(xiàn)了這種可能。在本文里，我們將提出一種基于大量數(shù)據(jù)和機(jī)器學(xué)習(xí)模型的量化理論生產(chǎn)方法：對(duì)于既定的Y和大量的解釋變量X，通過監(jiān)督學(xué)習(xí)方法對(duì)一系列X對(duì)于Y的預(yù)測能力進(jìn)行量化分析。利用因果關(guān)系和可預(yù)測性之間的邏輯關(guān)聯(lián)，我們可以對(duì)具有強(qiáng)大預(yù)測力的諸多X 進(jìn)行挖掘和篩選，從而直接助產(chǎn)理論假說，為Y尋找到潛在的具有理論價(jià)值的新X，進(jìn)而幫助社會(huì)學(xué)家生成、發(fā)展和修正理論。

這一方法雖然是典型的計(jì)算社會(huì)科學(xué)方法，但其邏輯起點(diǎn)和扎根理論的核心原則有異曲同工之妙：打破理論的先入為主，在不做任何理論假說前提的條件下扎根于數(shù)據(jù)本身，從而打破“演繹—驗(yàn)證”的邏輯，打通經(jīng)驗(yàn)研究到理論研究的生成路徑。因此，我們將其命名為“計(jì)算扎根”。

證偽的限度：傳統(tǒng)定量研究的理論生產(chǎn)瓶頸

近四十年來，定量社會(huì)學(xué)研究的基本模式是基于調(diào)查問卷數(shù)據(jù)，采用多元模型回歸的方法，對(duì)解釋變量是否和被解釋變量存在關(guān)聯(lián)或因果進(jìn)行統(tǒng)計(jì)推斷。彭玉生曾形象地把定量研究比作“洋八股文”，也即國內(nèi)外主流社會(huì)科學(xué)刊物，都采用了比較標(biāo)準(zhǔn)化的“模板式”格式，按照問題、文獻(xiàn)、假設(shè)、測量、數(shù)據(jù)、方法、分析、結(jié)論八個(gè)部分各司其職，環(huán)環(huán)相扣。盡管相關(guān)的環(huán)節(jié)可以合并或細(xì)化，但其基本思路就是對(duì)所提出的零假說進(jìn)行證偽。

但檢驗(yàn)理論并非科學(xué)研究的全部工作。華萊士在《社會(huì)學(xué)中的科學(xué)邏輯》中提出“科學(xué)環(huán)”概念，指出社會(huì)學(xué)研究是包括理論建構(gòu)和理論檢驗(yàn)的循環(huán)往復(fù)、螺旋上升、永無止境的過程。很明顯，假設(shè)檢驗(yàn)的定量范式都集中在科學(xué)環(huán)的右半部分。從理論建構(gòu)到理論檢驗(yàn)本是一項(xiàng)科學(xué)研究的完整路徑，但伴隨著定量和定性的分野，理論建構(gòu)似乎成了定性研究的專屬使命，而定量研究日益將理論驗(yàn)證奉為圭臬。這導(dǎo)致了定量研究在科學(xué)發(fā)現(xiàn)之旅中的后置化甚至缺席：量化研究使得現(xiàn)有理論更為精致化了，但卻很少產(chǎn)生新的理論建構(gòu)。

不得不承認(rèn)，量化學(xué)者在實(shí)際的研究過程中都曾經(jīng)得到過數(shù)據(jù)本身帶來的啟發(fā)，只不過很多研究者在從數(shù)據(jù)中得到新發(fā)現(xiàn)后并不會(huì)按照真實(shí)的研究過程來表述自己的研究，而是通過文獻(xiàn)梳理的方式把自己的發(fā)現(xiàn)“裝扮”成已有的理論假設(shè)，然后再按照假設(shè)檢驗(yàn)的邏輯來證明它。實(shí)際上，正如默頓所說，經(jīng)驗(yàn)研究遠(yuǎn)遠(yuǎn)超出檢驗(yàn)理論的被動(dòng)功能，它不僅僅是證實(shí)或反駁假設(shè)，在塑造理論的發(fā)展上至少執(zhí)行著四個(gè)功能：創(chuàng)立、修訂、轉(zhuǎn)變和澄清理論。

計(jì)算扎根：用機(jī)器學(xué)習(xí)助產(chǎn)理論

計(jì)算扎根的思路是打通從數(shù)據(jù)到理論的“逆向”路徑，借助機(jī)器學(xué)習(xí)的預(yù)測能力和可解釋的歸因算法，基于因果是可預(yù)測性的充分不必要條件這一規(guī)律，實(shí)現(xiàn)用數(shù)據(jù)來直接生成關(guān)于既定因變量的機(jī)制理論。計(jì)算扎根的基本步驟可以由以下六個(gè)環(huán)節(jié)組成：

第一步，制定研究問題。根據(jù)社會(huì)調(diào)查問卷數(shù)據(jù)指標(biāo)，結(jié)合研究興趣和需要來確定研究對(duì)象Y。

第二步，準(zhǔn)備高維數(shù)據(jù)。社會(huì)調(diào)查數(shù)據(jù)往往是高維的，變量有上百個(gè)甚至更多。這些大量的指標(biāo)，每一個(gè)都可能是潛在的Y的因，也即蘊(yùn)含了扎根結(jié)果的可能性。

第三步，開展社會(huì)預(yù)測。使用監(jiān)督學(xué)習(xí)的方法訓(xùn)練Y的預(yù)測模型。只要能達(dá)到相對(duì)較好的預(yù)測效果，不必拘泥于算法是否復(fù)雜以及是否可解釋。

第四步，比較預(yù)測能力。依賴機(jī)器學(xué)習(xí)模型的可解釋性算法，對(duì)預(yù)測生成的黑盒模型進(jìn)行歸因分析，根據(jù)X對(duì)Y的預(yù)測力排序?qū)ふ铱赡艿囊?。其基本思路是：打亂某些特征X是否影響模型預(yù)測的準(zhǔn)確率，改變特征將如何影響預(yù)測結(jié)果。

第五步，尋找潛在理論。根據(jù)一組按照預(yù)測力排序的X，尋找以往研究未曾涉及的社會(huì)關(guān)聯(lián)。可以依據(jù)潛在關(guān)系模式將它們與既有研究比照，驗(yàn)證或澄清理論；亦可以對(duì)相似的解釋項(xiàng)進(jìn)行歸類，抽象出概念或歸納理論命題。

第六步，補(bǔ)充交叉驗(yàn)證。驗(yàn)證計(jì)算扎根結(jié)果的穩(wěn)健性和理論假說的適用性。嘗試使用不同數(shù)據(jù)、其他機(jī)器學(xué)習(xí)和歸因算法對(duì)同一個(gè)因變量進(jìn)行計(jì)算扎根，也可以對(duì)生成理論推導(dǎo)出的其他假說進(jìn)行再檢驗(yàn)，相互驗(yàn)證完成科學(xué)環(huán)閉環(huán)。

計(jì)算扎根的邏輯基礎(chǔ)

作為理論生產(chǎn)方法的計(jì)算扎根理論，有著清晰的邏輯基礎(chǔ)。對(duì)于計(jì)算扎根理論而言，其邏輯前提主要是兩個(gè)方面：

1.扎根理論的歸納邏輯。扎根理論主張以逐級(jí)歸納的方法從經(jīng)驗(yàn)材料中直接創(chuàng)造出理論，再將其與現(xiàn)有理論和研究相比照。避免在研究開始前就有先入為主的觀念或猜想是確保“扎根”有效的重要原則。值得一提的是，創(chuàng)立者格拉澤強(qiáng)調(diào)扎根理論是一種普適的方法論，既適用于質(zhì)性資料，也適用于定量數(shù)據(jù)，兩者對(duì)理論的產(chǎn)生和驗(yàn)證都是有幫助的。但隨著扎根理論的實(shí)際發(fā)展，人們發(fā)現(xiàn)它似乎還是更適合做質(zhì)性研究。其原因不難理解：質(zhì)性資料的深度和可解讀性往往更有利于運(yùn)用社會(huì)學(xué)想象力直接提出理論假說，而定量數(shù)據(jù)作為一種數(shù)值指標(biāo)具有高度簡化的抽象特征，其內(nèi)在的數(shù)理統(tǒng)計(jì)關(guān)聯(lián)難以通過直觀的方式加以發(fā)現(xiàn)。

2.因果關(guān)系的可預(yù)測邏輯。社會(huì)現(xiàn)象之間的可預(yù)測性和因果機(jī)制是兩個(gè)不同但又高度關(guān)聯(lián)的范疇。計(jì)算扎根方法的邏輯基礎(chǔ)之一就是充分地運(yùn)用預(yù)測和因果之間的重要關(guān)系，也即因果是預(yù)測的充分而非必要條件。這意味著，如果一個(gè)X可以很好地預(yù)測Y，那么X的確可能構(gòu)成Y的原因。雖然這一關(guān)系只是可能而非必然，但其構(gòu)成因果的概率總比不具備預(yù)測性的關(guān)聯(lián)要高得多。在社會(huì)學(xué)家逐漸把學(xué)科旨趣壓縮到兩兩變量的分析而放棄社會(huì)預(yù)測的大背景下，以機(jī)器學(xué)習(xí)的預(yù)測力來推動(dòng)理論的生產(chǎn)對(duì)于定量研究具有重要意義。

計(jì)算扎根的方法基礎(chǔ)

計(jì)算扎根允許幾十、上百甚至上千個(gè)變量的互動(dòng)，其通過對(duì)算法模型的相關(guān)特征值的預(yù)測力進(jìn)行比較，比通過個(gè)人思維靈感來發(fā)現(xiàn)理論的過程要穩(wěn)定和可靠得多。其具體的方法實(shí)現(xiàn)過程包括社會(huì)預(yù)測和預(yù)測力比較兩個(gè)方面。

1.社會(huì)預(yù)測：運(yùn)用監(jiān)督學(xué)習(xí)的算法模型擬合

著名統(tǒng)計(jì)學(xué)家布雷曼曾將統(tǒng)計(jì)建模方法分為兩種取向：一是數(shù)據(jù)模型，二是算法模型。數(shù)據(jù)模型事先假定數(shù)據(jù)服從某個(gè)函數(shù)分布f（x），然后對(duì)事先假定的f（x）的參數(shù)進(jìn)行擬合估計(jì)。當(dāng)前社會(huì)和行為科學(xué)中廣泛采用數(shù)據(jù)模型的思維方式，強(qiáng)調(diào)理想化模型中的特定系數(shù)是否具有統(tǒng)計(jì)顯著性以及影響的方向。但數(shù)據(jù)模型存在兩個(gè)明顯的問題：第一，為擬合特定參數(shù)模型，數(shù)據(jù)必須滿足一定的假定。而現(xiàn)實(shí)社會(huì)復(fù)雜多樣，要求數(shù)據(jù)滿足嚴(yán)格假設(shè)未免過于苛刻。第二，結(jié)論是關(guān)于模型的機(jī)制而非關(guān)于事實(shí)的機(jī)制。將簡單的參數(shù)模型強(qiáng)加于復(fù)雜系統(tǒng)生成的數(shù)據(jù)之上，會(huì)導(dǎo)致準(zhǔn)確性和關(guān)鍵信息的損失。

另一種取向，算法模型不假定數(shù)據(jù)的任何分布特征，旨在找到一個(gè)函數(shù)g（x），通過g（x）可以對(duì)Y進(jìn)行預(yù)測。算法模型往往采用非線性、非參數(shù)方法，通過一個(gè)或多個(gè)超參數(shù)來調(diào)整模型的復(fù)雜性。其對(duì)數(shù)據(jù)復(fù)雜性的尊重使得被分析的數(shù)據(jù)可以服從任意分布，而不需要滿足任何假設(shè)條件。我們認(rèn)為，這種解放將至少從兩個(gè)方面提高生產(chǎn)理論的能力。第一，滿足真實(shí)社會(huì)過程中的非線性數(shù)據(jù)關(guān)系。大部分機(jī)器學(xué)習(xí)擬合過程不需要滿足既有的函數(shù)設(shè)定，而是以追求預(yù)測準(zhǔn)確性為最高宗旨。第二，滿足真實(shí)社會(huì)過程中的高維復(fù)雜數(shù)據(jù)關(guān)系。通過在單個(gè)學(xué)習(xí)模型中同時(shí)考慮數(shù)千個(gè)不同的因素和各種復(fù)雜的交互作用模式，納入更多潛在的“因”，發(fā)現(xiàn)新的解釋維度的可能性也就更大。

2.預(yù)測力比較：解決黑箱模型可解釋性的歸因算法

盡管機(jī)器學(xué)習(xí)打破了以往統(tǒng)計(jì)模型的種種預(yù)設(shè)限制，帶來了數(shù)據(jù)生產(chǎn)力的解放，更好地模擬了事物的真實(shí)狀態(tài)，但它最廣為詬病的問題則在于其“黑箱過程”導(dǎo)致無法解釋。但較新的機(jī)器學(xué)習(xí)文獻(xiàn)中越來越多的證據(jù)表明，預(yù)測準(zhǔn)確性和可解釋性之間的矛盾并沒有想象的那么嚴(yán)重。隨著對(duì)復(fù)雜模型可解釋性的迫切需求，越來越多“拆解黑箱”的方法得以發(fā)明且獲得了成熟應(yīng)用，如基于聯(lián)盟博弈理論分配變量貢獻(xiàn)的SHAP方法；通過比較置換某列特征前后模型預(yù)測誤差的變化來衡量該特征的重要程度的置換特征重要性方法；通過對(duì)一個(gè)特征反復(fù)修改，建構(gòu)出本不存在的事實(shí)狀態(tài)并再次預(yù)測，比較前后預(yù)測結(jié)果差異的部分依賴圖方法；等等。這些方法的創(chuàng)立和成熟為重新平衡預(yù)測的準(zhǔn)確性與可理解性提供了可能，為計(jì)算扎根奠定了堅(jiān)實(shí)的方法基礎(chǔ)。

計(jì)算扎根的實(shí)操和標(biāo)準(zhǔn)：理論生產(chǎn)示例

我們以“主觀幸福感”為例展示計(jì)算扎根如何助力于幸福感理論的啟發(fā)和澄清。本案例使用的數(shù)據(jù)為中國綜合社會(huì)調(diào)查（CGSS）2017年數(shù)據(jù)，本研究的被預(yù)測變量為“總的來說，您覺得生活是否幸?！?，預(yù)測變量為問卷中除被預(yù)測變量以外的其他所有變量。

分析結(jié)果顯示，問卷的所有變量中，對(duì)幸福感預(yù)測最大的特征是公平感，SHAP值約為1.4，其次是健康程度。為便于歸納，我們按照變量含義的相似性將幸福感最主要的影響維度歸納為五個(gè)方面。（1）主觀認(rèn)知：公平感、信任感；（2）主客觀地位：自我階層定位、10 年后自我階層預(yù)期、當(dāng)?shù)丶彝ルA層定位、自評(píng)社會(huì)經(jīng)濟(jì)地位、住房面積；（3）人口學(xué)和健康因素：健康程度、出生年、健康影響；（4）婚姻家庭：配偶同住、配偶工作小時(shí)、配偶年收入、夫妻應(yīng)分擔(dān)家務(wù)；（5）生活方式：休息放松、看電視、聽音樂、每周工作時(shí)間。理論上我們可以針對(duì)所有范疇進(jìn)行層層歸納，抽象出更高層次的概念和關(guān)于幸福感的總體理論模型；也可以針對(duì)以往研究未曾關(guān)注的某一變量或某一具體維度作更深層次的挖掘和比較，探尋共同因素和共變規(guī)律，歸納出微觀層面的理論假說。

根據(jù)分析計(jì)算扎根結(jié)果我們發(fā)現(xiàn)，“配偶每周工作小時(shí)”這一變量排在預(yù)測的第9位，但既往研究卻沒有充分關(guān)注。我們將兩者的關(guān)系表述為一個(gè)新的經(jīng)驗(yàn)命題：配偶工作時(shí)間會(huì)影響另一半的主觀幸福感。由于命題還沒有在現(xiàn)象和本質(zhì)之間建立起一種基于因果的理性認(rèn)識(shí)，我們可以進(jìn)一步通過虛假相關(guān)的排除和因果關(guān)系的確立、相關(guān)范疇的歸納與概念提煉、與既有理論的對(duì)話和邏輯推導(dǎo)、總結(jié)理論命題并使用其他數(shù)據(jù)方法進(jìn)行再驗(yàn)證等步驟相互補(bǔ)充，以填補(bǔ)命題到理論的鴻溝，并增加理論的科學(xué)性。

除了新理論命題的發(fā)現(xiàn)，計(jì)算扎根還可以通過探究復(fù)雜關(guān)系的多元模式來實(shí)現(xiàn)理論的精細(xì)化發(fā)展。例如，計(jì)算扎根的結(jié)果顯示，自我階層認(rèn)知與幸福感的關(guān)系呈“梯”狀分布，也即存在關(guān)鍵轉(zhuǎn)折點(diǎn)；收入與幸福感的關(guān)系呈“廠”字形分布，也即服從邊際效益遞減；年齡與幸福感的關(guān)系呈“谷”狀分布，即中年人幸福感低，青年人和老年人幸福感高；家人交流時(shí)間與幸福感的關(guān)系呈“峰”狀分布，即家人相處距離需恰到好處。計(jì)算扎根可以充分捕捉變量之間的非線性關(guān)系，同時(shí)可以呈現(xiàn)不同群體或個(gè)體的同質(zhì)異質(zhì)效應(yīng)等。

計(jì)算扎根方法的多重價(jià)值

計(jì)算扎根對(duì)傳統(tǒng)定量研究的補(bǔ)充是多方面的。在數(shù)據(jù)層面，模型納入的指標(biāo)不再僅限于有限的幾個(gè)變量，而是盡可能地納入各類指標(biāo)；在目標(biāo)層面，不再強(qiáng)調(diào)模型系數(shù)的統(tǒng)計(jì)顯著性，而是重新平衡社會(huì)預(yù)測的準(zhǔn)確性和機(jī)制的可解釋性；在觀察視野層面，不再局限于回歸系數(shù)大小和方向，而是細(xì)致挖掘變量間的非線性關(guān)系和群體異質(zhì)效應(yīng)。這些革新能夠?yàn)橛?jì)算扎根方法帶來多方面的價(jià)值。

（一）理論創(chuàng)生價(jià)值：發(fā)現(xiàn)潛在模式。只要數(shù)據(jù)本身足夠豐富，計(jì)算扎根就能引導(dǎo)研究者通過發(fā)現(xiàn)新的解釋變量啟發(fā)新理論假說。通過一次計(jì)算扎根，我們就能夠?qū)φ麄€(gè)調(diào)查數(shù)據(jù)的上百個(gè)指標(biāo)進(jìn)行篩選比較。

（二）理論發(fā)展價(jià)值：捕捉復(fù)雜關(guān)系。真實(shí)社會(huì)中數(shù)據(jù)的兩兩關(guān)系遠(yuǎn)沒有我們預(yù)期得那么整齊劃一。計(jì)算扎根方法能充分捕捉變量之間的復(fù)雜關(guān)系，解放傳統(tǒng)計(jì)量模型的線性枷鎖。

（三）學(xué)科范式價(jià)值：第二種想象力。米爾斯的社會(huì)學(xué)想象力是基于個(gè)人體驗(yàn)的視角提升的思維，而計(jì)算扎根則提供了一種基于數(shù)據(jù)的以算法模型來直接助產(chǎn)理論的思維能力。

（四）知識(shí)體系價(jià)值：自主知識(shí)生產(chǎn)。有更多的新理論假說可以從大量數(shù)據(jù)中得到啟發(fā)、更細(xì)微的機(jī)制和關(guān)系特征可以被同時(shí)發(fā)現(xiàn)，進(jìn)行系統(tǒng)化知識(shí)生產(chǎn)。

（五）社會(huì)治理價(jià)值：尋找干預(yù)因素。計(jì)算扎根通過立足于社會(huì)預(yù)測的問題導(dǎo)向，不斷模擬本身不存在的社會(huì)現(xiàn)象，能為社會(huì)治理找出關(guān)鍵干預(yù)變量。