← 教學 · 社會科學中的因果推論社研法 第 8 週
King, Keohane & Verba (1994); Brady & Collier (2010)
研 第 8 週 ・ WEEK 8

社會科學中的因果推論

KKV《Designing Social Inquiry》與 Brady & Collier《Rethinking Social Inquiry》的對話

東吳大學社會學系|社會研究法(碩士班)
授課教師:葉崇揚

KKV RSI ・ Brady & Collier
社會研究法 ・ 葉崇揚 東吳大學社會學系 2026 春學期

本講綱要

OUTLINE 社會研究法|東吳大學社會學系
壹
導論:社會科學中因果推論的核心問題
貳
KKV 的因果推論架構:反事實定義與根本問題
參
KKV 的研究設計工具:同質性、獨立性、不偏性與效率
肆
KKV 的理論建構五大規則
伍
質性方法的回應:DSO 與 CPO 的區分
陸
過程追蹤與四大因果檢驗
柒
案例研究:從流行病學到國際政治
捌
綜合討論:量化與質性的對話與整合

學習目標

LEARNING GOALS 社會研究法|東吳大學社會學系
1

理解 KKV 對因果推論的反事實定義及其核心假設

2

分析不偏性與效率在研究設計中的意涵

3

比較 DSO(Data-Set Observations)與 CPO(Causal-Process Observations)的差異

4

評估過程追蹤的四大因果檢驗如何強化質性研究

5

應用因果推論的概念分析社會政策案例

壹

一、導論

社會科學中因果推論的核心問題

為什麼因果推論如此重要?

WHY CAUSAL INFERENCE MATTERS 社會研究法|東吳大學社會學系

核心問題 社會科學研究的兩大目標:

描述性推論 ・ DESCRIPTIVE INFERENCE

使用已觀察到的現象來推斷尚未觀察到的現象

因果推論 ・ CAUSAL INFERENCE

探究變數之間的因果效應

方法論辯論

KKV(1994)主張

質性與量化研究共享統一的推論邏輯

Brady & Collier(2010)回應

質性研究有其獨特的因果推論工具,不能完全化約為統計邏輯

兩本著作的對話關係

A DIALOGUE BETWEEN TWO BOOKS 社會研究法|東吳大學社會學系

KKV《Designing Social Inquiry》

核心立場:統一推論邏輯(unified logic of inference)

關鍵概念:

  • 反事實因果定義
  • 因果推論的根本問題
  • 不偏性與效率
  • 理論建構五大規則

RSI《Rethinking Social Inquiry》

核心立場:質性方法有獨特貢獻

關鍵概念:

  • DSO vs. CPO
  • 過程追蹤(Process Tracing)
  • 四大因果檢驗
  • 量化與質性的互補
貳

二、KKV 的因果推論架構

反事實定義與因果推論的根本問題

因果效應的反事實定義

THE COUNTERFACTUAL DEFINITION 社會研究法|東吳大學社會學系

核心定義
因果效應 = 在其他條件不變之下,某一解釋變數的值改變,所導致被解釋變數值的變化。

Y₁(接受處遇)— Y₀(未接受處遇)= 因果效應(δᵢ)

社會政策範例

問題:「擴大社會救助方案」是否降低了貧窮率?

Y₁ ・ 事實
實施方案後的貧窮率
−
Y₀ ・ 反事實(無法直接觀察)
若未實施方案的貧窮率
=
因果效應
Y₁ − Y₀

出處KKV (1994), Chapter 3

因果推論的根本問題

THE FUNDAMENTAL PROBLEM 社會研究法|東吳大學社會學系

我們永遠無法同時觀察到同一個體在「接受處遇」和「未接受處遇」兩種狀態下的結果。

問題的意涵

  • 個體層次的因果效應(δᵢ)本質上不可觀察
  • 我們只能估計平均因果效應
  • 需要透過研究設計來克服

解決策略

  • 隨機分派(實驗設計)
  • 單位同質性假設
  • 條件獨立性假設

出處KKV (1994), Chapter 3; Holland (1986)

系統性成分與非系統性成分

SYSTEMATIC & NONSYSTEMATIC COMPONENTS 社會研究法|東吳大學社會學系

KKV 的核心分解公式:Y = 系統性成分 + 非系統性成分

yᵢ = μ(可被解釋變數預測的部分)+ εᵢ(隨機誤差)

系統性成分(Systematic)

  • 可被理論和解釋變數預測
  • 是我們關心的因果效應所在
  • 透過好的研究設計來識別

非系統性成分(Non-systematic)

  • 隨機誤差,不可預測
  • 期望值為零 E(εᵢ) = 0
  • 不影響估計的不偏性

出處KKV (1994), Chapter 3

參

三、KKV 的研究設計工具

單位同質性、條件獨立性、不偏性與效率

單位同質性假設(Unit Homogeneity)

UNIT HOMOGENEITY 社會研究法|東吳大學社會學系

定義:在解釋變數值相同的情況下,不同觀察單位的被解釋變數期望值相同。

若 Xᵢ = Xⱼ,則 E(Yᵢ) = E(Yⱼ)

政策研究範例

  • 比較兩個實施相同最低工資政策的城市
  • 假設:在政策條件相同下,兩城市的就業效果應相同
  • 若不成立:城市間的結構差異會混淆因果推論

潛在問題

  • 社會科學中很難完全滿足
  • 國家/城市/個人之間存在大量不可觀察的異質性
  • 需搭配條件獨立性來放寬假設

出處KKV (1994), Chapter 3

條件獨立性假設(Conditional Independence)

CONDITIONAL INDEPENDENCE 社會研究法|東吳大學社會學系

定義:在控制了相關變數之後,解釋變數的值與被解釋變數的誤差項(非系統性成分)之間相互獨立。

X ⊥ ε ∣ Z(控制變數 Z 之後)

為什麼重要?

若違反此假設 → 選擇偏誤(Selection Bias)

例如:研究「職業訓練」對就業的效果,但參加訓練的人本來就更積極求職

解釋變數(是否參加訓練)與誤差項(個人積極度)相關 → 估計有偏

隨機分派是最直接的保證方式,但在觀察性研究中需依賴統計控制或自然實驗

出處KKV (1994), Chapter 3

不偏性(Unbiasedness)與效率(Efficiency)

UNBIASEDNESS & EFFICIENCY 社會研究法|東吳大學社會學系

不偏性

定義:估計量的期望值等於真實參數值

E(β̂) = β
平均落點在靶心,但每次分散

如同靶心:多次射擊的平均落點恰好在靶心

不代表每次都正確,而是系統性地不偏離

違反 → 系統性偏誤

效率

定義:在不偏估計量中,變異數最小者

Var(β̂) → 最小
每次都集中在靶心附近

如同靶心:不只平均在靶心,而且每次都很集中

樣本數越大,效率通常越高

資訊越多 → 估計越精確

出處KKV (1994), Chapter 3

肆

四、KKV 的理論建構五大規則

好理論的條件

理論建構規則(一):可否證性與內在一致性

RULE 1 & 2 社會研究法|東吳大學社會學系
1

可否證性(Falsifiability)

理論必須產生可被經驗證據否證的預測

範例 ✓「民主國家之間不會發生戰爭」→ 可否證
✗「政治受多重因素影響」→ 無法否證
2

內在一致性

理論內部的命題之間不能相互矛盾

範例 ✗ 同時主張「全球化削弱福利國家」又主張「全球化促進社會保障擴張」
→ 除非清楚界定範圍條件

出處KKV (1994), Chapter 3

理論建構規則(二):變數選擇、具體性與涵蓋範圍

RULE 3, 4 & 5 社會研究法|東吳大學社會學系
3

依變數選擇

不可只根據依變數來選擇案例

範例 ✗ 只研究「革命成功」的案例來解釋革命原因
✓ 同時納入成功與失敗的案例
4

盡可能具體

理論應該產出具體可操作化的預測

範例 ✗「制度影響政策」
✓「否決點越多,政策改革越困難」(Tsebelis, 2002)
5

涵蓋範圍

好理論應盡可能涵蓋更多可觀察的意涵

意義 產出越多可檢驗的假設 → 理論越有力
提高研究的槓桿效應(leverage)

出處KKV (1994), Chapter 3

伍

五、質性方法的回應

DSO 與 CPO 的區分

Bennett 對 KKV 的批評

BENNETT'S CRITIQUE 社會研究法|東吳大學社會學系

Andrew Bennett 的核心論點(RSI, Chapter 10)

KKV 的統一邏輯過度強調「資料集觀察」(DSO),忽略了質性研究者透過「因果過程觀察」(CPO)進行推論的獨特貢獻。

三大批評

  • KKV 將因果推論窄化為跨案例的共變關係
  • 忽視案例內部的因果機制追蹤
  • 低估了過程追蹤(process tracing)作為獨立推論工具的效力

出處Bennett (2010) in Brady & Collier, Ch.10

DSO 與 CPO:兩種觀察的區分

TWO TYPES OF OBSERVATIONS 社會研究法|東吳大學社會學系
DSO ・ Data-Set Observations

資料集觀察

定義

跨案例的共變觀察,通常記錄為變數矩陣中的數值

特點
  • 以「案例 × 變數」格式呈現
  • 適用於大樣本比較
  • 揭示相關性但非機制
CPO ・ Causal-Process Observations

因果過程觀察

定義

案例內部的因果機制觀察,提供因果過程的直接證據

特點
  • 聚焦於單一案例的深層脈絡
  • 追蹤從原因到結果的鏈結
  • 提供機制層次的因果證據

出處Brady (2010); Collier, Brady & Seawright (2010)

DSO vs. CPO 實例比較

A WORKED EXAMPLE 社會研究法|東吳大學社會學系

研究問題:「民主化是否促進社會福利擴張?」

DSO 取向

  • 蒐集 100 個國家的面板資料
  • 測量民主程度(Polity IV 分數)
  • 測量社會支出佔 GDP 比例
  • 跑迴歸 → 發現正相關
  • 但無法確認因果機制

CPO 取向

  • 深入南韓民主化(1987)個案
  • 追蹤勞工運動→政黨競爭→福利立法的過程
  • 檢視決策者的動機與制度脈絡
  • 識別具體的因果機制
  • 但難以推論到其他案例

出處Bennett (2010); 範例改編自東亞福利國家文獻

陸

六、過程追蹤與四大因果檢驗

過程追蹤與四大因果檢驗

Process Tracing & Causal Tests

過程追蹤(Process Tracing)

PROCESS TRACING 社會研究法|東吳大學社會學系

定義與核心概念

過程追蹤是一種在單一案例內部,透過檢視因果過程中的診斷性證據(diagnostic evidence),來推論因果關係是否成立的方法。

核心邏輯:不同於迴歸分析依賴跨案例的共變,過程追蹤檢驗的是因果鏈條中的每個環節是否存在預期的證據。

三大特徵

案例內推論

在單一案例內部尋找因果證據,而非跨案例比較

機制導向

關注的是「如何」(how)而非僅是「是否」(whether)

診斷性證據

不同類型的證據有不同的確認力與排除力

出處Bennett (2010), Ch.10; Collier (2011)

四大因果檢驗(Van Evera 的分類)

VAN EVERA'S FOUR TESTS 社會研究法|東吳大學社會學系

稻草人檢驗

Straw-in-the-Wind
確認力: 低排除力: 低

提供相關但非決定性的證據。通過檢驗只是稍微增加信心,未通過也只是稍微降低。

環狀檢驗

Hoop Test
確認力: 低排除力: 高

必要條件檢驗。未通過則排除該假說,但通過並不能確認。如嫌疑犯必須在案發現場。

冒煙的槍

Smoking Gun
確認力: 高排除力: 低

充分條件檢驗。通過則強力確認假說,但未通過不能排除。如找到嫌疑犯持槍的影像。

雙重決定性

Doubly Decisive
確認力: 高排除力: 高

同時具有高確認力和高排除力。通過即確認,未通過即排除。在社會科學中極為罕見。

四大檢驗的邏輯矩陣

THE LOGIC MATRIX 社會研究法|東吳大學社會學系
確認力
排除力低
排除力高
確認力低

稻草人檢驗

Straw-in-the-Wind

「旁證」:提供線索但不具決定性

環狀檢驗

Hoop Test

「必要條件」:不通過就出局

確認力高

冒煙的槍

Smoking Gun

「鐵證」:通過就定案

雙重決定性

Doubly Decisive

「終極檢驗」:一錘定音

Van Evera (1997); Bennett (2010)

環狀檢驗(Hoop Test)詳解

HOOP TEST IN DEPTH 社會研究法|東吳大學社會學系

邏輯:設定一個「必要條件」,假說必須通過才能留在候選名單上。

偵探類比

嫌疑犯必須在案發當天在案發城市。如果有不在場證明,直接排除。但在案發城市並不代表就是兇手。

社會政策範例

假說:「勞工運動是福利國家擴張的主要推動力」

環狀檢驗:福利擴張時期是否存在活躍的勞工運動?

若不存在 → 排除此假說

若存在 → 通過,但尚需進一步檢驗(可能是其他因素)

出處Bennett (2010); Van Evera (1997)

冒煙的槍檢驗(Smoking Gun Test)詳解

SMOKING GUN TEST IN DEPTH 社會研究法|東吳大學社會學系

邏輯:找到「充分條件」的證據,一旦發現即可確認假說。

偵探類比

在監視器畫面中看到嫌疑犯持槍射擊。找到了就確認是兇手,但沒找到不代表不是(可能沒有監視器)。

社會政策範例

假說:「政府因選舉壓力而擴大年金給付」

冒煙的槍:找到內閣會議紀錄明確記載「為贏得選舉而提高年金」

若找到 → 強力確認此假說

若未找到 → 不能排除(紀錄可能不公開)

出處Bennett (2010); Van Evera (1997)

柒

七、案例研究

從流行病學到國際政治

微觀案例:John Snow 與霍亂(1854)

JOHN SNOW & CHOLERA 社會研究法|東吳大學社會學系

經典的過程追蹤範例

背景

1854年倫敦 Broad Street 霍亂爆發,主流理論認為是「瘴氣」(miasma)所致。

Snow 的過程追蹤

環狀檢驗:霍亂病例是否集中在特定水源附近?→ 是(Broad Street 水泵)

冒煙的槍:有人住在水泵附近但喝其他水源是否倖免?→ 是(啤酒廠工人)

額外證據:移除水泵把手後,疫情是否緩解?→ 是

啟示Snow 在尚無細菌理論的情況下,透過系統性的過程追蹤,建立了「水源傳播」的因果推論。這是 CPO 方法的經典示範。

出處Bennett (2010), Ch.10; Snow (1855)

微觀案例:Semmelweis 與產褥熱(1847)

SEMMELWEIS & CHILDBED FEVER 社會研究法|東吳大學社會學系

另一個經典的過程追蹤

背景

維也納總醫院兩個產房的產婦死亡率差異巨大(第一產房 10% vs. 第二產房 4%)。

Semmelweis 的推論過程

排除假說:宗教因素、分娩姿勢、心理恐懼 → 各項環狀檢驗均不通過

關鍵線索:同事解剖後被刺傷,症狀與產褥熱相同 → 冒煙的槍

因果機制:醫學生從解剖室直接進入產房 → 屍體微粒傳播

介入驗證:實施洗手措施後,死亡率降至 1% → 雙重決定性

出處Bennett (2010), Ch.10; Semmelweis (1861)

宏觀案例:1898 法紹達危機

THE FASHODA INCIDENT 社會研究法|東吳大學社會學系

民主和平論的過程追蹤檢驗

背景

英法兩國(均為民主國家)在蘇丹法紹達(Fashoda)發生嚴重對峙,幾乎走向戰爭。

過程追蹤的問題

民主和平論主張民主國家之間不會開戰。但法紹達危機為何最終沒有演變為戰爭?

檢驗結果

環狀檢驗:法國決策者是否因為英國是民主國家而退讓?→ 證據薄弱

替代解釋:法國海軍實力不足、德國威脅更大 → 更有說服力

結論:此案例對民主和平論的因果機制支持度有限

出處Bennett (2010), Ch.10

宏觀案例:1989 蘇聯不干預東歐

SOVIET NON-INTERVENTION, 1989 社會研究法|東吳大學社會學系

觀念的力量:冷戰結束的過程追蹤

背景

1989 年東歐劇變,蘇聯決定不出兵干預。這一決策改變了世界格局。

現實主義

蘇聯因物質實力衰退而被迫放手

建構主義

戈巴契夫的「新思維」(觀念轉變)使蘇聯主動選擇不干預

過程追蹤證據

冒煙的槍:戈巴契夫私下言論與內部備忘錄顯示他真心相信「共同歐洲家園」理念

環狀檢驗:蘇聯當時仍有軍事能力干預,排除了「被迫」的解釋

出處Bennett (2010), Ch.10; English (2000)

補

補充:Freedman 的方法論反思

科學探究的類型

RSI, Chapter 11

Freedman:對統計模型的批判

FREEDMAN'S CRITIQUE OF STATISTICAL MODELS 社會研究法|東吳大學社會學系

David Freedman 的核心主張

統計模型不等於因果推論。在缺乏堅實理論基礎和適當研究設計的情況下,再複雜的統計技術也無法產生可靠的因果推論。

Freedman 的警告

  • 迴歸模型的假設(線性、獨立性、常態分佈)在社會科學中經常被違反
  • 「控制變數」的選擇往往是任意的,不同模型規格產生不同結果
  • 統計顯著性(p 值)不等於實質重要性
  • 觀察性研究中,統計調整無法替代真正的隨機分派

出處Freedman (2010) in Brady & Collier, Ch.11

Freedman:好研究與壞研究的對比

GOOD VS. BAD RESEARCH 社會研究法|東吳大學社會學系

好研究:Snow 的霍亂研究

  • 清晰的因果假說
  • 自然實驗設計(不同水源公司的用戶比較)
  • 多重證據來源交叉驗證
  • 結合統計數據與個案調查
  • 介入實驗(移除水泵把手)確認因果關係

壞研究的特徵

  • 理論薄弱,靠「資料探勘」找關係
  • 任意選擇控制變數
  • 依賴 p 值而非實質意義
  • 忽略測量誤差與遺漏變數
  • 對模型假設不做診斷性檢查

出處Freedman (2010), Ch.11

捌

八、綜合討論

量化與質性的對話與整合

量化與質性方法的互補

COMPLEMENTARITY 社會研究法|東吳大學社會學系

量化方法

(KKV 取向)
  • 大樣本跨案例比較
  • 識別共變關係
  • 控制混淆變數
  • 估計平均因果效應
  • 外部效度較高

質性方法

(RSI 取向)
  • 小樣本深度分析
  • 追蹤因果機制
  • 提供脈絡理解
  • 識別必要/充分條件
  • 內部效度較高

整合策略

  • 量化識別相關→質性追蹤機制
  • 質性建構理論→量化檢驗推廣
  • 巢狀分析(nested analysis)
  • 多方法三角驗證
  • 互相補足推論弱點

出處Bennett (2010); Freedman (2010); Lieberman (2005)

研究設計檢核清單

RESEARCH DESIGN CHECKLIST 社會研究法|東吳大學社會學系
你的因果假說是否清晰可否證?(KKV 規則 1)
你是否清楚定義了反事實情境?(因果效應定義)
你的案例選擇是否避免了依變數選擇偏誤?(KKV 規則 3)
你是否考慮了單位同質性或條件獨立性假設的合理性?
你的研究是否同時運用 DSO 和 CPO 來強化推論?
如果使用過程追蹤,你運用了哪些因果檢驗?
你的統計模型假設是否經過檢驗?(Freedman 的警告)
你的研究發現是否具有實質意義,而非僅有統計顯著性?

點選項目自我檢核

課堂討論

CLASS DISCUSSION
問題一
在你的研究領域中,KKV 的「統一推論邏輯」是否適用?如果質性研究有獨特的推論邏輯,那是什麼?
問題二
試想一個你感興趣的社會政策議題,你會如何設計一個結合 DSO 和 CPO 的研究?分別會使用哪些因果檢驗?
問題三
Freedman 對統計模型的批判,對你目前使用(或計畫使用)的研究方法有何啟示?

本講小結

KEY TAKEAWAYS 社會研究法|東吳大學社會學系
壹
KKV 建立了以反事實為基礎的因果推論架構,強調不偏性與效率
貳
理論建構需滿足五大規則:可否證性、一致性、變數選擇、具體性、涵蓋範圍
參
Bennett 提出 DSO 與 CPO 的區分,強調質性方法的獨特貢獻
肆
過程追蹤的四大因果檢驗提供了系統化的案例內推論工具
伍
Freedman 警告統計模型不能替代良好的研究設計與理論思考
陸
最佳實踐:整合量化與質性方法,互相補足推論弱點

謝謝聆聽

QUESTIONS & DISCUSSION

葉崇揚|東吳大學社會學系
chungyang.yeh@gmail.com

← → 切換頁面 Esc 目次 F 全螢幕

目次 ・ Table of Contents

點選任一條目跳到該頁