KKV 與 RSI 的方法論對話 ・ 測量、效度、小樣本與因果過程觀察
葉崇揚（Chung-Yang Yeh）
東吳大學社會學系教授
2026年5月
理解KKV「單一推論邏輯」立場及其對質性研究的方法論建議
分析測量誤差對因果推論的不同影響並掌握Adcock & Collier四層次架構
比較KKV與RSI對小樣本研究、資料集觀察與因果過程觀察的不同立場
在自身的社會政策研究中辨識測量效度議題與適合的因果推論策略
質性與量化的方法論辯論並未終結
核心立場
影響
成為政治學研究所方法論「標準教材」
核心立場
影響
為質性方法論提供系統性的方法論辯護
── 對話 ──
資料來源King, Keohane & Verba (1994)；Brady & Collier (2010)
PART I
從KKV的統計取徑到Adcock & Collier的共享架構
出處King, Keohane & Verba (1994), Ch. 5, 5.1 Measurement Error, pp. 151–168
| 系統性誤差 (Systematic) | 非系統性誤差 (Nonsystematic) | |
|---|---|---|
| 性質 | 對某類個案一致地高估或低估 | 有時偏高有時偏低，平均為零 |
| 依變項Y | 造成偏誤 (bias) | 造成無效率，但不偏誤 |
| 自變項X | 造成偏誤 | 造成「向零偏誤」，低估真實效果 |
| 因應策略 | 用他人對不同目的編碼的指標、雙盲編碼 | 改善測量精確度、增加觀察數 |
關鍵啟示若研究發現X對Y的效果「不顯著」，不能直接結論「無效果」。若X存在隨機誤差，真實效果其實「比觀察到的更大」（向零偏誤）。
資料來源KKV (1994), Ch. 5, 5.1.1–5.1.2, pp. 155–168
參考葉崇揚、蔡明璋、呂建德 (2017)《臺灣民主季刊》；葉崇揚、古允文 (2021) JAPP
與某一既定概念相關的各種潛在意涵
研究者所採取的具體概念定義
用以操作化的計分程序，質性分類也算
將指標應用於個案所得到的具體結果
出處Adcock & Collier (2001) Measurement Validity, APSR 95(3): 529–546
研究者在四個層次之間，同時做「由上而下」與「由下而上」的反覆移動
出處Adcock & Collier (2001), pp. 530–532, Figure 1
指標是否充分捕捉系統化概念的全部內容？
對同一現象的不同測量是否高度相關？對不同現象的測量是否區辨？
本測量與其他變項的關係，是否符合既有的因果理論預期？
出處Adcock & Collier (2001), pp. 538–542
研究設計 Yeh, Huang, Kim & Wang (2025) — 臺韓 deserving poor 聯合分析實驗
受訪者在多屬性貧困者描述中選擇「最值得幫助」者，由選擇行為推論其判準
民眾依何種道德判準認定誰值得社會援助
在多屬性個案中，受訪者願意分配社會救助的傾向
屬性：年齡、性別、勞動狀態、子女、族群、努力程度
(Average Marginal Component Effect) 個案在每一屬性上對選擇機率的邊際效果
參考Yeh, Huang, Kim & Wang (2025) ESPAnet年會發表論文
在不同脈絡中，「分析上等同」的觀察可能落在不同的社會場域
對不同個案使用「不同但功能等同」的測量題項
使用同一指標，但乘以加權係數以補償脈絡差異
出處Adcock & Collier (2001), pp. 534–537
參考葉崇揚、古允文 (2017)《社會政策與社會工作學刊》；Yeh & Lue (2024) JAPP
課堂討論題
PART II
從KKV的「增加觀察數」到RSI的因果過程觀察
幾乎所有有趣的解釋都涉及多個因果變項；單一觀察無法區辨各個變項的相對貢獻
在單一觀察下無法以聚合方式抵消隨機誤差，誤差可能直接導致錯誤結論
社會現象實質上是機率性的；單一觀察的「異常」可能來自隨機因素而非理論的失敗
出處KKV (1994), Ch. 6, 6.1.1 Crucial Case Studies, pp. 209–212
結論：Eckstein的提醒有用，但其推論過強
出處Eckstein (1975); KKV (1994) Ch. 6, pp. 209–212
對同一理論，在更多單位（國家、州、機構、個人）上應用相同的指標
對同一單位，找出理論的多個可觀察意涵 (observable implications)
通常涉及移至更低層次（如從國家到個人），用不同變項檢驗同一理論
出處KKV (1994), Ch. 6.3 Making Many Observations from Few, pp. 217–229
Collier, Brady & Seawright (2010) 對KKV的根本性挑戰
出處Collier, Brady & Seawright (2010) RSI Ch. 9, pp. 184–187
| 增加方式 | 對 N 的影響 | 對自由度的影響 | 對推論槓桿的影響 |
|---|---|---|---|
| 增加資料集觀察（新個案） | ↑ 增加 | ↑ 增加 | 若新個案概念化適當且因果同質，槓桿增加；否則可能下降 |
| 增加因果過程觀察 | 不變 | 通常不變 | 若洞察力強，可大幅增加，特別在小N時是核心槓桿 |
| 增加變項（新變項） | 不變 | ↓ 降低 | 若為相關缺漏變項，槓桿增加；否則因自由度下降而降低 |
啟示KKV的「增加觀察數」其實混合了三種不同操作。對小N質性研究而言，增加因果過程觀察往往比增加資料集觀察更有效。
出處RSI (2010) Ch. 9 Table 9.3, pp. 187–189
從「相關性推論」轉向「機制性推論」
辨識所有可能的因果機制（不只一個）
在歷史紀錄中尋找符合機制預期的證據
排除證據與既有機制都不相容的替代解釋
出處George & McKeown (1985); Bennett & Checkel (2015)
過程追蹤所追蹤的關鍵時點與因果過程觀察
參考葉崇揚 (2016)《人文及社會科學集刊》
參考葉崇揚、古允文 (2017)；Yeh & Lue (2024)
出處RSI (2010) Ch. 9, pp. 178–184
| 面向 | KKV | RSI |
|---|---|---|
| 推論邏輯 | 單一推論邏輯，質性向量化看齊 | 多元推論槓桿，兩者根本不同 |
| 觀察的定義 | 資料集中的一列 | 區分資料集觀察與因果過程觀察 |
| 增加觀察的策略 | 增加 N，避免不確定設計 | 增加 CPO 往往比增加 N 更有效 |
| 對小N研究 | 視為「不確定」設計，需謹慎 | 有獨特優勢，可詮釋性勝過確定性 |
| 對因果推論 | 聚焦於相關、控制與不偏估計 | 聚焦於機制、設定與「推論怪獸」 |
| 理想研究 | 可重複、可證偽、降低不確定性 | 可詮釋、可辯護、結合多種推論槓桿 |
整合自KKV (1994); Brady & Collier eds. (2010) RSI
King, Keohane & Verba (1994). Designing Social Inquiry. Ch. 5, 6.
Brady, Collier & Seawright (2010). RSI Ch. 9: Sources of Leverage in Causal Inference.
Adcock & Collier (2001). Measurement Validity. APSR 95(3): 529–546.
Bennett & Checkel (2015). Process Tracing: From Metaphor to Analytic Tool.
Goldthorpe (2001). Causation, Statistics, and Sociology.
George & Bennett (2005). Case Studies and Theory Development.
Mahoney (2010). After KKV: The New Methodology of Qualitative Research.
葉崇揚 (2016). 行動者的失敗？或結構的限制？《人文及社會科學集刊》。
感謝聆聽・歡迎討論
點選任一條目跳到該頁