社会学定量分析中的内生性问题测估社会互动的因果效应研究综述
如何利用社 会学研究方法分析社 会问题和现象
如何利用社会学研究方法分析社会问题和现象在我们生活的这个复杂多变的社会中，各种问题和现象层出不穷。
从贫富差距到教育公平，从人口老龄化到社交媒体的影响，每一个问题和现象都值得我们深入思考和研究。
而社会学研究方法为我们提供了有力的工具，帮助我们理解这些社会现象背后的原因、影响和解决途径。
社会学研究方法多种多样，常见的包括问卷调查、访谈、观察、实验、内容分析和案例研究等。
每种方法都有其独特的优势和适用场景，我们需要根据具体的研究问题和研究对象来选择合适的方法。
问卷调查是一种广泛应用的方法。
通过精心设计的问题，我们可以收集大量的数据，了解人们的态度、观点和行为。
比如，要研究某个城市居民对垃圾分类政策的看法，我们可以设计一份涵盖相关问题的问卷，然后通过线上或线下的方式分发给足够数量的居民。
在设计问卷时，要注意问题的清晰性、准确性和合理性，避免引导性问题，以确保收集到的信息真实可靠。
访谈则能够更深入地了解被访者的想法和感受。
与问卷调查相比，访谈更具灵活性，可以根据被访者的回答进一步追问，挖掘出更多细节和深层次的信息。
例如，研究一位农民工在城市的生活经历和困境，通过面对面的访谈，我们可以听到他的亲身经历、内心的挣扎和对未来的期望。
观察法能让我们直接观察到社会现象的发生过程。
研究者可以在自然环境中观察人们的行为、互动和社会情境。
比如，研究幼儿园孩子们的游戏行为，观察他们如何合作、竞争和解决冲突，能够为我们了解儿童的社会发展提供直观的证据。
实验法在社会学研究中相对较少使用，但在某些特定情况下也能发挥作用。
通过控制实验条件，我们可以研究某个因素对社会现象的影响。
假设我们想研究奖励机制对员工工作积极性的影响，可以设置实验组和对照组，对实验组实施奖励机制，然后对比两组的工作表现。
内容分析则适用于对大量的文本、图像或其他信息进行系统的分析。
比如，分析报纸上关于某个社会事件的报道，观察报道的侧重点、语言使用和舆论倾向，从而了解社会对该事件的看法和态度。
社会学定量研究方法
社会学定量研究方法在社会学研究中，定量研究方法扮演着重要的角色。
通过使用定量研究方法，研究人员可以以更为精确和系统的方式收集和分析数据，从而得出更为可靠的研究结果。
以下将分别介绍社会学定量研究方法中的抽样调查法、数据收集法、实验研究法、内容分析法、数学模型法、多变量分析法、时间序列分析法和结构方程模型法。
1.抽样调查法抽样调查法是一种常见的定量研究方法，其基本思想是从总体中随机抽取一部分样本，通过对样本的调查来推断总体的特征。
抽样调查法在社会学中的应用范围广泛，如人口普查、民意调查等。
该方法的主要优点在于能够以较小的样本推断总体的特征，同时通过合理的抽样设计和统计分析，可以减少误差和提高研究的可靠性。
2.数据收集法数据收集法是定量研究的基础，其目的是通过各种手段获取研究对象的数据。
在社会学中，数据收集法包括问卷调查、访谈、观察等方法。
问卷调查是最为常见的数据收集方式，可以通过大样本的数据收集和分析，获得较为准确的统计结果。
访谈则适用于深入了解研究对象的主观感受和经历，以及获取特定群体的数据。
观察法则适用于对研究对象的行为和环境进行直接记录和分析。
3.实验研究法实验研究法是一种通过控制实验条件来探究因果关系的研究方法。
在社会学中，实验研究法常用于研究社会现象的因果关系和行为机制。
实验研究法通过操纵自变量来观察因变量的变化，从而确定自变量对因变量的影响。
实验研究法的优点在于能够控制实验条件和排除干扰因素，从而较为准确地探究因果关系。
4.内容分析法内容分析法是一种通过对文本内容进行分析的研究方法。
在社会学中，内容分析法常用于对文献、新闻报道、社交媒体等信息源进行分析，以了解社会现象和趋势。
内容分析法的优点在于能够通过对大量文本进行分析，获取大规模的数据和较为全面的信息。
同时，该方法还可以通过对文本内容的量化分析，发现其中的模式和规律。
5.数学模型法数学模型法是一种通过建立数学模型来描述和分析数据的研究方法。
社会学 定量
社会学定量
社会学定量研究是一种基于数据收集、量化分析和统计方法的社会学研究方法。
其目的是通过对大量的、数量化的数据进行分析来发现社会现象、探究社会规律、验证社会假设和推导社会理论。
社会学定量研究广泛应用于人口统计学、教育、犯罪、健康、劳动力、政治、文化以及各种社会现象的研究。
社会学定量研究的数据收集方法包括问卷调查、实验、观察以及次生数据分析等。
数据收集后，需要进行数据处理和统计分析。
数据处理包括数据清理、编码和输入等步骤，以确保数据的准确性。
统计分析包括描述性统计分析和推论性统计分析两种方法。
描述性统计分析是对数据进行整理、分类、汇总和呈现，以便于理解和比较。
推论性统计分析则是从样本数据推断总体特征或关系的方法。
社会学定量研究的优点在于可以大规模收集数据，数据处理和统计分析可以减少主观性和歧义性，而且可以进行复杂的分析和模拟，以验证社会假设和推导出社会理论。
但其缺点在于无法涵盖所有的社会现象，数据收集有可能存在误差和偏差，而且统计分析结果需要谨慎解释，以避免错误的推论和结论。
总之，社会学定量研究是一种有效的社会学研究方法，可以揭示社会现象的本质和规律，为社会发展提供科学依据。
社会科学的想象力：工具变量和因果推断
社会科学的想象力：工具变量和因果推断∗陈云松提要：工具变量(Instrumental Variable)是社会科学定量分析中解决内生性问题的重要手段，是基于调查数据进行因果推断的前沿方法。
本文在简要介绍工具变量的定义、原理及估算方法的基础上，对实证分析中较为常见的五类工具变量进行回顾梳理,为今后的研究寻找工具变量提供了参考。
同时，对工具变量估计量的权重性特征进行了阐述，并结合实例展示了使用工具变量进行因果推断的基本步骤和要点。
最后，就工具变量方法的潜力和局限性进行了剖析。
本文是目前社会学文献中首次对工具变量进行梳理分类的研究，也是中文社会学文献中首次对工具变量方法进行全面介绍。
关键词：工具变量内生性定量分析因果推断Abstract:Instrumental variable(IV)method is one of the most important strategies to deal with the endogeneity problem in quantitative analysis to conduct causal inference.This paper introduces the concept,principle and model of IV,and reviews five classes of IVs used in previous studies.It also illustrates the Local Average Treatment Effect which is of importance to interpret the IV estimates.An empirical analysis is employed as a template to demonstrate how to conduct an IV analysis.Finally the criticism of IV method is also discussed.Key word:Instrumental Variable;Endogeneity;Quantitative Analysis;Causal Inference.作者简介:陈云松，牛津大学社会学博士，牛津大学社会学系、纳菲尔德学院。
社会科学的因果分析
社会学研究社会科学中的因果分析彭玉生①提要：休谟提出的因果问题影响了两个半世纪的科学哲学讨论，即人 类如何从有限经验观察推论必然因果关系？密尔从方法论角度阐释了因果 推论的逻辑，指出只有在其他因素相同的条件下，经验相关才能推论因果， 为现代随机分组试验设计奠定了基础。
实验方法在社会科学中应用有限， 更为常用的是观察数据统计分析和个案数据定性分析。
复杂统计模型用统 计控制模拟实验控制，也能有效检验因果命题。
定性分析是理论与经验的 反复碰撞，有利于提出新理论或新假设。
本文强调，因果解释一定包括机 制解释，而机制解释一定是理论解释。
因果理论不是对经验相关的简单归 纳，而是思想飞跃。
检验因果理论的基本逻辑是：从理论演绎因果命题， 再演绎相关假设，然后用统计数据检验之。
本文最后讨论整合理论、定性、 定量的三点定位原则。
关键词：休谟问题 位 密尔逻辑 随机试验 统计控制 个案 三点定科学研究的终极目标是理论解释，对现象的描述和分类是前科学 阶段。
所谓科学理论，是关于超脱具体现象的一般性概念和命题系统， 不仅能够说明是什么，还能够说明为什么。
如牛顿力学，解释苹果垂 直落地、行星运行轨迹等。
社会科学虽然有很大的特殊性，描述性研 究占据很大份额，但理论解释仍然是其最高目标（Merton，1968） 。
社会科学的理论解释包括两类风格：因果解释（explanation）和 意义阐释（interpretation） 。
解释性（因果解释）研究力图揭示社会现 象发生的原因，而意释性（意义阐释）研究则阐释行动的文化意义。
我认为，因果解释和意义阐释并不矛盾，相反，意义互动恰恰是社会 因果机制的特点。
所以，无论是解释性理论，还是意释性理论，因果 命题都是必不可少的。
除了少数历史社会学家声称只做历史描述、揭 示个案的特殊性、避免因果分析（如 Bendix，1956） ，纯粹的描述性 研究并不多见，众多学者致力于对现象的因果解释，甚至寻求普遍性①作者曾在上海大学社会学系、人民大学农村发展研究院、和山东大学哲学与社会发展学院的 研讨课上研讲本文，感谢与会的学生学者。
社会科学为什么要找因果机制 - 《公共行政评论》
统计定律 ' T' ( ' ) & ' ) * ( + Y ( , & (
资料来源 ) 9 1 2 51 + ' #H@D ( / 转引自 T( + 2 4 ' #HHC ) ?"A ( "
然而 ! 不管何种形式 ! 覆盖律解释观的核心都是规律和论证 ! 其示意图如下 * 解释项) 普适 ' 或统计( 定律 ==被解释项) 待解释的现象 ' 或规律( 特定现象或事实 由此可见! 从解释项到被解释项的过程! 必须是一个演绎推理的过程# 现代科 学的许多解释 , 尤其是物理学- 都符合亨普尔所描述的形式* 在普适定律和一些附 加事实面前! 一种现象不得不发生# 例如! 苹果落地这一现象可以由牛顿的万有引 力定律和一些附加假定经过演绎推导出来# 不得不承认! 这种模型为经验科学中的 解释程序提供了一个系统的逻辑分析基础和统一的方法论基础! 也就是将解释还原 为形式化的逻辑论证#
表 #= 覆盖律解释模型的形式 解释项 特定事实 ' E ( . ' ) * 7+ ( . \ ( * ' & ( 定律 ===== 普适定律 '^ 4) 0 1 . & ( + Y ( , & ( OB W 演绎 #律则 'O 1 /7* ' ) 0 1 ` W 2 + 6 ) * ( + ( ; B T 归纳 #统计 '; 4/7* ' ) 0 1 ` T' ( ' ) & ' ) * ( + ( OB W 演绎 #律则 'O 1 /7* ' ) 0 1 ` W 2 + 6 ) * ( + ( OB T 演绎 #统计 'O 1 /7* ' ) 0 1 ` T' ( ' ) & ' ) * ( + ( 普遍规律 ' U 1 41 . ( + S 1 6 7+ ( . ) ' ) 1 & (
社会学定量分析中的内生性问题
社会学定量分析中的内生性问题一、本文概述本文旨在探讨社会学定量分析中的内生性问题，分析其对研究结果的影响，以及提出相应的处理策略。
内生性问题在社会学研究中具有重要的理论和实践意义，因为它可能导致研究结果的偏误，甚至改变研究结论的方向。
本文首先将对内生性问题的概念进行界定，明确其在社会学定量分析中的地位。
接着，我们将回顾内生性问题在社会学领域的研究现状，包括已有的理论探讨和实证分析。
在此基础上，本文将深入剖析内生性问题的产生原因，探讨其对研究结果的具体影响。
我们将提出一些处理内生性问题的策略和方法，以期为社会学定量分析提供更为准确、可靠的研究结果。
通过本文的研究，我们希望能够增强社会学研究者对内生性问题的认识和理解，推动社会学定量分析方法的不断完善和发展。
二、内生性问题的定义与类型内生性问题在社会学定量分析中是一个核心概念，它涉及到因果关系的准确识别。
简单来说，内生性问题指的是在回归分析中，解释变量与误差项之间存在相关性，这种相关性会导致回归系数的估计值出现偏差，从而影响我们对因果关系的判断。
内生性问题的出现通常源于以下两种情况：一是遗漏变量，即模型中未包含所有与因变量和自变量相关的变量，这些遗漏的变量可能会导致估计结果的偏误；二是测量误差，即变量的观测值与其真实值之间存在差异，这种差异也可能引起内生性问题。
内生性问题的类型多样，常见的主要有以下几种：选择偏差（Selection Bias）、遗漏变量偏差（Omitted Variable Bias）、同时性偏差（Simultaneity Bias）以及样本选择偏差（Sample Selection Bias）等。
选择偏差通常发生在样本选择过程中，导致样本不具有代表性；遗漏变量偏差则是因为模型中遗漏了与因变量和自变量都相关的变量；同时性偏差多发生在自变量和因变量相互影响的情况下，使得传统的回归分析方法无法准确识别因果关系；样本选择偏差则是因为样本选择过程中存在的某种系统性偏差，导致估计结果不准确。
两阶段最小二乘工具变量估计法
两阶段最小二乘工具变量估计法【知识专栏】探究两阶段最小二乘工具变量估计法在经济学和社会科学领域，研究者常常面临着解决内生性问题的挑战。
内生性问题的存在会导致统计结果的偏误，从而影响对因果关系的准确性。
为了解决内生性问题，学者们提出了一种被广泛应用的估计方法，即两阶段最小二乘工具变量估计法（Two-Stage Least Squares,2SLS）。
一、深入解读内生性问题内生性是什么？从宏观角度看，内生性指的是解释变量与误差项之间存在相关关系，从而引发了对因果关系的混淆。
举个例子来说，假设我们想研究教育对收入的影响。
然而，由于教育受到家庭背景的影响，可能存在潜在的内生性问题。
也就是说，收入水平的高低可能既受到教育程度的影响，又受到家庭背景的影响，使得教育对收入的影响难以单独量化。
二、引入工具变量的作用为了解决内生性问题，我们需要引入工具变量。
什么是工具变量？简单来说，工具变量应该满足两个条件：与内生性解释变量相关，但与误差项不相关。
直观上理解，工具变量可以被看作是用来"替代"内生性解释变量的。
在前面教育与收入的例子中，一个可能的工具变量是父母的受教育水平。
虽然父母的教育水平与学生的收入相关，但从概念上来说，父母的教育水平与学生的收入并没有直接的关系。
父母的教育水平既可以用来代替学生的教育水平，也可以帮助我们解决内生性问题。
三、两阶段最小二乘法在引入工具变量后，我们需要进行两个阶段的回归分析。
在第一阶段，我们使用工具变量来回归解释变量，得到预测值。
我们再在第二阶段，使用这些预测值来估计因果效应。
在这两个阶段中，我们使用最小二乘法进行回归分析。
四、两阶段最小二乘法的具体步骤1. 选择合适的工具变量。
2. 在第一阶段，使用工具变量回归解释变量，得到预测值。
3. 确认预测值的有效性和合理性，进行合理性检验。
4. 在第二阶段，使用预测值和其他解释变量，进行回归分析并估计因果效应。
5. 进行统计显著性检验，判断估计结果的可靠性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
社会2010 4CJS 第30卷社会学定量分析中的内生性问题测估社会互动的因果效应研究综述陈云松 范晓光*作者:陈云松 牛津大学纽菲尔德学院(Author 1:C hen Yun s ong ,Nu ffiel d Coll ege ,Oxford Un i versity) E m ai:l yunsong .chen @nu ffiel d .ox .ac .uk ;作者2:范晓光,浙江省社会科学院社会学研究所(Author 2:Fan X i aoguang ,Ins tit u te of Sociol ogy ,Zheji ang Acade my of Soci al Sciences)**作者感谢To m Sn ij ders 、PeterH edstr m 、Nan D i rk deG raaf 、陈友华、郝大海、李煜等教授与徐建牛、吴桂英、章奇、李志赟和郭茂灿等同对本文的批评和建议。
此外,还要感谢 社会!匿名审稿人宝贵的评审意见。
文责自负。
摘 要:因果关系是社会学分析的核心议题。
然而,基于调查数据的定量分析都会受到内生性问题的困扰,从而往往难以作出恰当的因果性推断。
大量现有的社会学定量分析虽以解释为己任,但实质上要么仅仅停留在描述统计相关阶段,要么得出错误的因果性结论。
本文以社会互动研究为例,详细讨论了遗漏偏误、自选择偏误、样本选择偏误和联立性偏误等四种主要的内生性问题的来源,并介绍了克服内生性问题的一系列模型识别方法。
最后还基于中国综合调查(CGSS2003)问卷,提出了通过提高调查数据信息量以利克服内生性问题的可能性。
关键词:内生性 因果效应 社会互动The Endogeneity P roble m in Quantitative Analysis:A Revie w of Estimating Caus al Effects of Social Interaction Chen Yunsong &Fan X iao guangAbstract :Cause effect relationsh i ps are the core area i n soci ol ogical analysis .H ow ever ,soci ologi cal anal ys i s based on survey data is confronted by the endogeneity prob l em wh i ch p l agues causal i n f erences .M any existi ng stud i es am i i ng at provi d i ng explanati ons f or soci al pheno m ena ei ther merel y descri bes the statistical associ ati ons a m ong variables or arrives at prob l emati c causal concl usi ons .Focusi ng on t he soci al i nteracti on stud i es ,this paper addresses the m aj or sources of potenti al endogeneity b iases ,na m el y ,the om itted variab le bias ,self selecti on b ias ,sa mp le selection b i as and the sm i ultaneity b ias .U seful m odel 91i den tificati on strategi es for correcti ng t hese prob le m s are revie w ed .Based on CGSS2003,th i s paper al so d i scusses how to partiall y correct for the endogeneity proble m t hrough aug m en ting t he vol u m e of survey data .Key words :endogeneit y ,causal effects ,soci al interacti on近几十年来,社会学家们对社会学发展的现状和目的争议重重。
其中一个具有代表性的观点就是,尽管定量分析方法不断发展,但大量的社会学实证研究囿于研究设计、数据质量和模型设置,仅仅停留在统计回归的描述阶段,而缺乏基于因果判断的解释能力。
以谢宇、温希普(ChristopherW i n ship)、索布尔(M ic hae l Soble)、摩根(Stephen M or gon)和莫维(Ted M ouw )等为代表的社会学家强调社会学分析必须基于反事实因果关系框架,重视回归分析中的模型设置问题(参见M o r gan &W i n sh i p ,2007);另外一方面,以索伦森(Aage S rensen)、布登(Ray mond Boudon)、埃尔斯特(Jon E lster)和赫斯特洛姆(Peter H edstr m )为代表的社会学家则侧重强调要把厘清社会机制、社会过程和统计推断结合起来(参见H edstr m &Sw edberg ,1998;H edstr m,2005&2008;陈云松,2008)。
虽然侧重点各不相同,但这些社会学家都强调了解释性机制或者因果推断是社会学分析的目标。
此外,从政策研究的角度而言,也只有因果分析才能预测事件将来在什么条件下能发生并得出干预措施中的控制手段,从而为我们制定对策、改良社会提供依据(王天夫,2006)。
1.较新的关于因果关系的中文文献可参见章奇(2008)对社会科学领域因果概念的全面回顾。
为避免对因果概念进行过多哲学意义上的讨论1,本文使用的因果关系概念基于反事实框架(counterfact u al fra m e w or k )。
这是一个在近年来主流社会学科界共同接受的因果概念。
也即,一个影响因子或者干预(treat m ent)对个体i 的因果效应,应该是i 在控制组和干预组中的两个可能的结果状态之间的差异也即 i =Y t Y c 。
然而,正如古希腊的一句名言∀人不能两次踏进同一条河流#所说的那样,个体i 的结果,只可能在一个组中被观察到。
这样,对于i 而言,或者两者都可能是,或者两者之一必然是缺失数据(关于反事实的定义和框架参见H o lland ,1986;W insh i p &M or gan ,1999;W insh i p &Sobe,l 2004)。
谢宇(2006:44)曾经以大学教育为例来说明该问题。
比如,在分析大学教育对于个体的92 社会 2010 4收入是否有因果效应时,对一个上大学的学生,我们不可能获得他不上大学的情况的数据。
因此,社会学定量分析中只能用平均干预效应(average treat m ent effect)来替代,也即估算一组大学生(干预组)与一组非大学生(控制组)之间的平均收入差异, =Y t Y c 。
但这个替代的前提就是,干预组和控制组必须在其他收入因素上是一致的。
也即,两组人的年龄、性别、家庭背景、智商、性格等等的平均值都一样。
一旦两组之间在某个变量E 的均值上不一致(例如性格,往往难以采集数据),且这个遗漏掉的变量本身和解释变量又有关系,那么我们估算出来的结果就是有偏差的,甚至是伪相关的,由此,因果判断就无从谈起。
1.实际上,还有一些导致内生性问题的来源,比如测量误差等等,限于篇幅,本文不加讨论。
在回归分析中,人们一般通过控制一系列变量使两个组别具有可比性。
但是,总有那些无法被观察的,或者学者未想到的变量导致两组之间不具有可比性。
对于回归方程而言,这就意味着解释变量和遗漏误差项出现了相关,不能满足高斯马尔可夫定理(Gauss M arkov theore m ),估计参数就会有偏误。
在计量经济学领域,这个问题一般称为内生性(endogeneity)问题(W oo l d ri d ge ,2002;2006;Ca m eron &Tri v ed,i 2005)。
无论是计量经济学还是定量社会学分析,由于绝大多数实证研究都基于非实验性数据,也即无法保证实验组和控制组的相似性,因此所有基于调查数据的实证研究,无一例外都受到内生性问题的困扰。
而这些困扰,主要源自一般性的遗漏变量偏误(o m itted variab le b ias)、自选择偏误(self se lection b i a s)、样本选择偏误(sa mp le selecti o n bias)和联立性偏误(si m u ltaneity bias)等多个方面。
1既然社会学的研究旨趣在于阐明某种机制或因果关系,而非局限于描述自变量和因变量之间的统计相关,那么内生性偏误就应该成为社会学定量研究中必须直面的问题。
在社会学研究领域,尽管对于反事实因果关系、模型识别策略的关注一直存在(W inship&M organ ,1999;Sobe,l 1996;M organ &W i n sh i p ,2007),但是,在大量的实证研究中,内生性问题往往被一笔带过,甚至不加提及。
而且,回顾性文献也缺乏对内生性问题的全面梳理,或许唯一的例外可能只有T.莫维(M ouw,2006)对于社会资本因果效应的文献回溯。
而中文社会学文献则对内生性问题关注更少。
王天夫(2006)和章奇(2008)对社会科学领域因果分析的基本概念进行了非常出色的回顾, 93 社会学定量分析中的内生性问题但遗憾的是,他们却也没有对与因果推断紧密相关的内生性问题及其解决方案进行深入的探讨,本文则试图弥补这一空白。
在扼要说明内生性问题的来源之后,本文将以社会互动等具体研究为例来讨论解决内生性问题的方法。
文中的社会互动(social i n teraction)是一个非常宽泛的概念,指人们以相互的或交换的方式对别人采取行动,或对别人的行动作出反应,它是人类活动的重要形式(波普诺,[1995]1999:116)。
曼斯基(M ansk,i 1993)、杜尔拉夫(Durlau,f 2002)和T.莫维(M ouw ,2006)都指出,社会资本(soc ial cap ita l)、社会资源(soc i a l resources)、社会网效应(net w or k effects)、社会规范(social nor m )、同群效应(peer i n fluences)、邻里效应(ne i g hbour hood effects)、社会模仿(i m itati o n)、社会濡染(soc ial contag ion)等领域的研究实质上都可以归入社会互动这一范畴的名下。