研碩士班研究方法・第 6 週・ WEEK 6

KKV vs. RSI

社會科學研究設計的方法論辯論

Designing Social Inquiry（King, Keohane & Verba, 1994）・ Rethinking Social Inquiry（Brady & Collier, 2010）

KKV ・ Quantitative Template RSI ・ Diverse Tools, Shared Standards

葉崇揚｜東吳大學社會學系

本講綱要

COURSE OUTLINE 7 大主題

01

學術背景與脈絡

KKV 出版的時代意義

02

KKV 的核心主張

Chapter 1 & 2 五大論點

03

KKV 的研究設計建議

從理論到推論的實踐指南

04

RSI 的系統性批判

Chapter 1：重新聚焦方法論討論

05

RSI 的具體批評

Chapter 3：量化模板能帶我們走多遠？

06

核心概念：DSO vs. CPO

兩種觀察的區別與意涵

07

辯論的啟示與討論

對社會政策研究的意義

本週閱讀 KKV Ch.1-2 RSI Ch.1 & Ch.3

學習目標

LEARNING OBJECTIVES 5 項目標

1

理解 KKV 提出「統一推論邏輯」的核心主張及其學術背景

2

分析 KKV「量化模板」(quantitative template) 的具體內涵與侷限

3

掌握 RSI 對 KKV 的五大系統性批判要點

4

區分 Data-Set Observations (DSO) 與 Causal-Process Observations (CPO)

5

評估這場辯論對社會政策研究設計的實際啟示

壹

PART 01

學術背景與脈絡

KKV 出版的時代意義

為什麼 KKV 這本書重要？

WHY 1994 MATTERS ★ 緣起

1994

哈佛大學的 King、普林斯頓大學的 Keohane 和 Verba 出版《Designing Social Inquiry: Scientific Inference in Qualitative Research》，被 Schrodt (2006) 稱為政治方法論領域「正統陣營的典範文獻」。

KKV 的核心前提：量化方法的推論邏輯應成為所有社會科學研究（包括質性研究）的共同基礎。無論是統計分析還是個案研究，背後的推論邏輯應該是相同的。

這個主張引發了方法論社群長達二十年的激烈辯論，直接促成了 Brady & Collier 編著《Rethinking Social Inquiry》作為系統性回應。

King, Keohane & Verba (1994)

KKV 出版的學術背景

ACADEMIC CONTEXT 學術背景

1990 年代之前

質性研究被視為缺乏明確方法論標準的「軟科學」
個案研究方法尚未系統化
量化 vs. 質性被視為兩個截然不同的研究傳統
缺乏跨方法論的共同評估標準

KKV 的介入

試圖為質性研究提供一套源自統計推論的嚴格規範
主張「科學」有統一的標準
希望提升質性研究的科學性
批評者：等同於要求質性研究者用量化標準來評判自己的工作

貳

PART 02

KKV 的核心主張

Designing Social Inquiry, Chapter 1 & 2

KKV 如何定義「科學」？

DEFINING SCIENCE KKV (1994: 7-9)

推

目標是推論

Inference

科學的核心是從有限觀察推論到更廣泛現象

公

方法是公開的

Public

研究程序必須透明，允許他人檢驗和複製

疑

結論是不確定的

Uncertain

所有科學結論都帶有不確定性，必須明確報告

法

內容是方法

Method is Content

科學的有效性取決於方法，而非主題本身

主張一：科學的統一邏輯

UNIFIED LOGIC OF INFERENCE 主張一

量化與質性研究共享相同的推論邏輯基礎

無論使用大規模調查數據或深度個案訪談，其目標都是有效的科學推論
推論的基本規則是一致的，差異只在於數據蒐集方式
這個立場被稱為「量化模板」(quantitative template)

▶ 社會政策案例

無論你用跨國面板數據做迴歸分析，還是深入追蹤台灣年金改革的立法過程，KKV 認為推論邏輯是一樣的：從觀察到的證據推論因果關係。

KKV (1994), Ch. 1

主張二：推論優先

PRIMACY OF INFERENCE 主張二

描述性推論

Descriptive Inference

從有限的觀察中，對更廣泛的未觀察現象做出系統性描述。

案例：從抽樣調查推估全體民眾的福利態度分布

因果推論

Causal Inference

識別變項之間的因果關係。KKV 認為這是社會科學的終極目標。

案例：人口老化是否導致民眾更支持年金改革？

KKV (1994), Ch. 1

主張三：量化模板的普適性

UNIVERSALITY OF THE QUANTITATIVE TEMPLATE 主張三

迴歸分析的基本規範可以也應該應用於質性研究的設計與評估

控

控制混淆變項

無論質性或量化，都必須考慮第三變項的影響

避

避免選擇偏誤

不以依變項選擇個案

估

評估不確定性

所有推論都伴隨不確定性，必須明確報告

KKV (1994), Ch. 1-2

主張四：增加觀察數量

INCREASE N TO STRENGTHEN LEVERAGE 主張四

N ↑　觀察數量——KKV 強烈建議研究者透過增加觀察數量 (N) 來強化研究的：

Leverage（推論能力）

在有限資訊下產生有效推論的能力

Falsifiability（可否證性）

理論能被更充分地檢驗

爭議焦點

這是 KKV 最具爭議的建議之一。質性研究者認為深度比廣度更重要，盲目增加 N 可能犧牲研究品質。

KKV (1994), Ch. 2

主張五：KKV 的關鍵假設

KKV'S KEY ASSUMPTIONS 主張五

Causal Homogeneity

因果同質性

相同的自變項值應產生相同的依變項預期值。因果效應在所有觀察單位之間是一致的。

▶ 案例

假設「工會力量 → 社會支出增加」在所有 OECD 國家中效果一致

Independence of Observations

觀察獨立性

一個觀察不應影響另一個觀察的結果。觀察之間互不影響。

▶ 案例

假設一國的年金改革不會直接影響鄰國民眾的福利態度

Conditional Independence

條件獨立性

控制了所有相關混淆變項後，自變項的分配與潛在結果之間不再相關。

▶ 案例

控制 GDP、人口結構後，工會力量的分佈與未觀察到的因素無關

KKV (1994), Ch. 2

參

PART 03

KKV 的研究設計建議

從理論到推論的實踐指南

KKV 的研究設計流程

RESEARCH DESIGN PROCESS 設計流程

一

提出可否證理論

好的研究從一個可被經驗證據否證的理論開始。具體指出「哪種制度透過什麼機制影響什麼類型的政策」。

二

建構可觀察的 Implications

從理論推導可觀察預測。若理論為「工會力量越強，社會支出越高」，應預測工會組織率高的國家有更高社會支出。

三

選擇個案與觀察

在依變項有「理論相關變異」的個案中選案。避免只選依變項相同的個案（如只研究改革成功國家）。

四

增加 N 提升 Leverage

更多觀察提供更多推論基礎。但 RSI 後來指出，盲目增加 N 可能犧牲獨立性、效度與同質性。

五

評估不確定性

明確報告推論的不確定程度，類似統計分析中的信賴區間或標準誤。

KKV (1994), Ch. 1-2

KKV 的具體指南（摘選）

KKV'S GUIDELINES 摘選 5 點

1

透過具體化來加強 falsifiability

不要只說「制度影響政策」，應具體指出哪種制度、透過什麼機制、影響什麼政策

2

在依變項有理論相關變異的個案中選案

如研究年金改革，不只研究成功國家（瑞典），也要納入失敗或未改革的國家

3

避免 indeterminate research design

觀察數量不應少於需要推論的參數數量

4

追求 causal homogeneity

確保相同自變項值產生相同依變項預期值

5

注意 selection bias

避免以依變項選擇個案，這是質性研究的常見陷阱

KKV (1994), Ch. 1-2

Selection Bias 的社會政策案例

SELECTION BIAS CASE 案例

有問題的設計

研究問題：年金改革成功的因素

只選擇改革成功的國家：瑞典、德國、義大利

問題：無法區分「成功因素」與「成功國家的共同特徵」

KKV 建議的設計

研究問題：年金改革成功的因素

同時納入成功與失敗案例：瑞典、德國 vs. 希臘、法國

優點：依變項有足夠變異，能有效區分因素

KKV (1994), Ch. 2

課堂討論

CLASS DISCUSSION 討論

你覺得 KKV 的主張合理嗎？

問題一

量化與質性研究是否真的共享相同的推論邏輯？你能想到反例嗎？

問題二

想想你自己的研究題目，KKV 的「增加 N」建議是否適用？為什麼？

問題三

在社會政策研究中，我們真的能像做實驗一樣控制所有混淆變項嗎？

肆

PART 04

RSI 的系統性批判

Rethinking Social Inquiry, Chapter 1

RSI 的基本立場

RSI'S BASIC POSITION RSI Ch.1

RSI 的核心前提：社會科學研究需要多元的方法論工具 (diverse tools)，但可以追求共享的標準 (shared standards)。質性方法有獨立且不可替代的價值，不應被化約為量化模板的附屬品。

RSI 並非全盤否定 KKV，而是提出「建設性批判」
在指出問題的同時，提出具體的替代方案和新的概念框架
集結多位學者對 KKV 的系統性回應
核心概念創新：DSO 與 CPO 的區分

Brady & Collier (2010), Ch. 1

批判 A：因果推論基礎不足

CRITIQUE A 批判 A

批判 A

遺漏變量與內生性問題未被充分解決

KKV 對遺漏變量偏誤 (omitted variable bias) 的處理薄弱
內生性 (endogeneity) 問題未被充分討論
Brady (Ch. 3) 批評 KKV 對迴歸分析的討論過於簡化
忽略了統計模型本身的假設經常不成立

因果性是模型的屬性，而非數據本身的屬性。

▶ 案例

用 GDP 增長率預測社會支出變化時，如果遺漏了政治體制變項，迴歸係數可能嚴重偏誤。

Brady & Collier (2010), Ch. 1 & Ch. 3

批判 B：重要問題被嚴重忽視

CRITIQUE B 批判 B

批判 B

如理論相關變異範圍，僅被簡短提及

「理論相關變異的範圍」直接影響研究設計的有效性
KKV 僅用寥寥數語帶過這個關鍵議題
概念形成 (concept formation) 未被充分重視
測量 (measurement) 的討論方向甚至可能有誤

RSI 認為概念形成是研究設計不可或缺的組成部分。

▶ 案例

如何定義「福利國家」本身就是一個重大的概念問題。Esping-Andersen 的三個體制類型是「世界」(regime types) 還是連續變項？

Brady & Collier (2010), Ch. 1 & Ch. 3

批判 C：建議實踐不可行

CRITIQUE C 批判 C

批判 C

如評估測量誤差影響，在實際研究中極為困難

KKV 的某些建議在理論上合理，但實踐中幾乎不可能執行
在質性研究中量化評估測量誤差本身就是極困難的任務
方法論建議必須具有實踐可行性
不應讓「完美」成為「好」的敵人

RSI 主張方法論建議必須能在實際研究中落實。

▶ 案例

追蹤台灣年金改革過程時，如何「量化」政治行動者訪談資料的測量誤差？這在實際操作上幾乎不可能。

Brady & Collier (2010), Ch. 1 & Ch. 3

批判 D：權衡未被視為核心

CRITIQUE D 批判 D

批判 D

增加 N 可能犧牲獨立性、效度、同質性

KKV 鼓勵增加 N，但很少討論代價
增加 N 可能犧牲觀察獨立性：更多觀察可能彼此相關
增加 N 可能犧牲測量效度：大量觀察犧牲測量精確性
增加 N 可能犧牲因果同質性：更多個案涵蓋不同因果機制

研究設計中的權衡 (trade-offs) 才是首要問題，而非單純追求更大的 N。

▶ 案例

將年金改革研究從 OECD 5 國擴大到 30 國，觀察數增加了，但「年金改革」在不同國家的意涵完全不同。

Brady & Collier (2010), Ch. 1 & Ch. 3

批判 E：質性工具貢獻被低估

CRITIQUE E 批判 E

批判 E

個案內分析、process-tracing、CPO 的獨立價值

KKV 基本上把質性研究視為「不夠好的量化研究」
忽視了 process-tracing（過程追蹤）的獨立價值
忽視了 Causal-Process Observations (CPO) 的獨特貢獻
了解「為什麼」和「如何」與了解「有多大效果」同樣重要

質性工具能提供量化方法無法替代的因果機制證據。

▶ 案例

統計分析告訴我們「老化社會傾向增加年金支出」，但只有 process-tracing 能告訴我們「台灣年金改革是透過怎樣的政治過程實現的」。

Brady & Collier (2010), Ch. 1 & Ch. 3

Brady (Ch. 3)：量化模板能帶我們走多遠？

DOING GOOD AND DOING BETTER RSI Ch.3

KKV 的因果推論框架過於簡化

迴歸分析不是因果推論的唯一工具。Brady 認為 KKV 將因果推論等同於統計控制，忽略了其他因果識別策略。

解釋 ≠ 因果效應估計

好的「解釋」需要超越因果效應的發現。了解因果機制（mechanism）與估計因果效應（effect size）是不同的任務。

量化模板自身的脆弱性

迴歸模型的假設經常不成立。OVB、多重共線性、異質性等問題在社會科學中極為普遍。

質性方法有獨立的貢獻

Process-tracing 和 CPO 能回答「如何」與「為什麼」的問題，這是迴歸分析無法做到的。

Brady (2010), Ch. 3 in RSI

伍

PART 05

核心概念：DSO vs. CPO

兩種觀察的區別與意涵

兩種觀察：DSO vs. CPO

DSO VS. CPO 核心概念

RSI 最重要的概念創新

Data-Set Observations（DSO）

量化取向

矩形數據集中的標準量化數據

跨個案的系統性比較
標準化變項與測量
統計推論的基礎
適合估計因果效應的大小

例：OECD 各國社會支出佔 GDP 比例的跨國面板數據

Causal-Process Observations（CPO）

質性取向

提供因果機制資訊的質性證據

揭示因果過程與機制
情境化的深度理解
個案內分析的核心工具
適合理解「為什麼」和「如何」

例：追蹤台灣年金改革中 blame avoidance 策略的立法過程

Collier, Brady & Seawright (2010)

為什麼 DSO/CPO 區分重要？

WHY THE DISTINCTION MATTERS 案例

KKV 建議「增加觀察數量」，但沒有區分觀察的類型。RSI 指出：盲目增加 DSO 並不能替代 CPO 提供的因果機制證據。

具體案例

研究問題：為什麼台灣的年金改革成功而希臘失敗？

DSO 方法

比較 30 國面板數據，估計「政治制度 → 改革成功率」的統計關聯

→ 告訴你「效果有多大」，但不告訴你「過程如何運作」

CPO 方法

深入追蹤台灣改革的立法過程、行動者策略、blame avoidance 機制

→ 告訴你「為什麼成功」和「過程中發生了什麼」

Collier, Brady & Seawright (2010)

Process-Tracing：質性方法的核心工具

PROCESS-TRACING 核心工具

透過分析個案內的證據鏈來驗證因果機制

1

提出因果機制假說

2

推導可觀察的證據

3

蒐集個案內質性證據

4

評估證據是否支持機制

5

修正或確認因果解釋

案例：追蹤台灣年金改革

機制假說：執政黨透過 blame avoidance 策略成功推動年金改革

可觀察證據：立法過程中的議事紀錄、政黨協商文件、媒體報導

蒐集證據：深度訪談改革參與者、分析立法院公報

評估：證據鏈是否一致支持 blame avoidance 機制？

Brady & Collier (2010)

課堂討論

CLASS DISCUSSION 討論

RSI 的批判是否成功？

問題一

你認為 RSI 的「建設性批判」和「全盤否定」之間的平衡掌握得如何？

問題二

DSO 和 CPO 的區分在你的研究領域中有什麼實際意義？

問題三

如果 KKV 的三位作者在場，他們會如何回應 RSI 的批評？

陸

PART 06

KKV vs. RSI：核心爭點對照

辯論的全貌

核心立場對照（一）

CORE POSITIONS (I) 對照(一)

爭點	KKV 立場	RSI 立場
方法論基礎	統一的推論邏輯（量化模板）	多元工具共享標準
質性研究定位	需遵循量化規範來改善推論品質	有獨立價值可與量化互補
因果推論	Counterfactual 框架統計控制為核心	除統計控制外強調 process-tracing
增加觀察數量	強烈建議增加 N 提升 leverage	區分 DSO 與 CPO 不同觀察有不同作用

KKV (1994); Brady & Collier (2010)

核心立場對照（二）

CORE POSITIONS (II) 對照(二)

爭點	KKV 立場	RSI 立場
研究設計權衡	偶爾提及但未視為核心問題	權衡是研究設計的首要問題
概念與測量	建議有限方向甚至可能有誤	概念形成是研究設計不可或缺的組成部分
解釋與因果	將 explanation 等同於 causal inference	好的解釋需超越因果效應的發現
Selection Bias	避免以依變項選擇個案	在實踐中更複雜需結合理論變異範圍

KKV (1994); Brady & Collier (2010)

延伸概念：Equifinality（殊途同歸）

EQUIFINALITY 延伸概念

不同的因果路徑可以導致相同結果

路徑 A

路徑 B

路徑 C

↘↓↙

相同結果

社會政策案例

年金私有化可以透過：

A) 新自由主義意識形態驅動（智利）
B) 財政危機被迫改革（希臘）
C) 世界銀行政策擴散（東歐國家）

Equifinality 挑戰了 KKV 的因果同質性假設：如果不同路徑可達相同結果，causal homogeneity 就不成立。

柒

PART 07

辯論的啟示與討論

對社會政策研究的意義

從 KKV vs. RSI 辯論中學到什麼？

WHAT WE LEARNED 回顧

從 KKV 學到

研究必須有清楚的推論目標
理論必須是可否證的
研究方法必須是透明的
注意 selection bias
不確定性必須被明確報告

從 RSI 學到

方法論工具應該是多元的
研究設計必然涉及權衡
質性方法有不可替代的價值
概念形成和測量至關重要
不同類型觀察有不同功能

對社會政策研究的啟示

IMPLICATIONS 啟示

混合方法設計

結合 DSO（跨國統計比較）與 CPO（個案深度分析），既估計效果大小，又理解因果機制

概念先行

在操作化之前，先仔細定義核心概念（如「福利國家」、「社會保障」、「年金改革」）

權衡意識

意識到每個研究設計選擇都有代價。增加國家數 vs. 犧牲測量深度。跨國比較 vs. 犧牲在地脈絡

因果機制為核心

不只追問「X 是否影響 Y」，更追問「X 透過什麼機制影響 Y」

課堂討論

CLASS DISCUSSION 討論

辯論帶給你的啟示

問題一

如果你要研究「少子化對社會政策的影響」，你會採用 KKV 還是 RSI 的研究設計建議？為什麼？

問題二

在你的碩士論文中，DSO 和 CPO 各扮演什麼角色？

問題三

這場辯論是否已經有了「勝負」？還是雙方都有道理？

本講小結

KEY TAKEAWAYS 小結

1

KKV 提出「統一推論邏輯」，主張量化規範適用於所有社會科學研究

2

KKV 的核心建議包括：可否證理論、增加 N、避免 selection bias、報告不確定性

3

RSI 提出「多元工具、共享標準」，肯定質性方法的獨立價值

4

RSI 的五大批判指出 KKV 在因果推論、權衡、概念、實踐性等方面的不足

5

DSO 與 CPO 的區分是方法論辯論的重要概念創新

6

對社會政策研究：混合方法、概念先行、權衡意識、因果機制為核心

延伸閱讀

必讀

King, G., Keohane, R. O., & Verba, S. (1994). Designing Social Inquiry. Princeton UP. (Ch. 1-2)

Brady, H. E. & Collier, D. (2010). Rethinking Social Inquiry. 2nd ed. Rowman & Littlefield. (Ch. 1 & 3)

謝謝

葉崇揚｜東吳大學社會學系

chungyang.yeh@gmail.com