使比较研究可信---《经济社会体制比较》杂志社

内容提要：人们在进行宏观社会现象的研究时，方法上有定性与定量之分。定量分析呈现U字形分布，对极少量的N进行研究有案例分析导向，对极大量的N进行研究不利于认识的深化，因此有必要寻找案例研究与变量导向研究之间的中间路线。组合式研究就有很多独特的优点。

本文的出发点是以下假设，即一般性的社会科学知识不仅可能，而且合意。我称此为假设是因为有一些社会科学家不相信一般性知识是可能的；而另一些社会科学家则不管一般性知识是否可能存在，都不相信一般性知识的合意性。（当然，他们的这些立场还要看我们怎样定义一般性的知识。）如今大部分社会科学家承认在个体层次的社会现象的研究中可能存在一般性知识，但是并不是所有人都认为，在历史环境中的宏观现象的研究中存在一般性的知识（例如，Lieberson 1991；1994）。然而本文假设一般性知识是可能的，并且提出以下问题：我们应该在宏观现象中寻找什么样的一般性知识？

通常情况下，当社会科学家听到一般性知识这个词时，他们会立刻想到以变量为代表的不同抽象概念之间的关系。他们所受到的训练使他们相信，一般性知识就是对变量间关系的讨论。例如，一个社会科学家可能会观察到大多数经济发达国家同时也是稳定的民主国家，通过这一观察，可以得出发展和民主之间存在一种一般性的关系这一假定。因此，他或她可能会认为这就是一种一般性知识，宣称“民主和发展这两个变量之间的相关性表明，经济发展能促进民主稳定。”我认为，一般性知识可以通过其他的方式出现，而无需建立在变量的相关性的基础之上。的确，将一般性知识限制在基于变量间的关系上使得关于方法的辩论向变量导向的方法倾斜。然而，一般性知识可以也应该建立在关于案例的知识上。反过来也可以用很多不同的方式去探讨和表达从众多案例中获得的知识，而不是简单表现为变量及其相关性。在本文中我概述了这一替代性方法，并称之为组合的方法（configurational）。

首先我对宏观层面社会研究中的N数量案例连续谱进行讨论。在此连续谱的一端是定性案例研究，而另一端则是大数量N的定量研究。社会研究倾向于在这个连续谱的两端集中，即要么进行非常少量的N的研究，要么进行极大数量N的研究。本文对这两类方法的主要特征进行了一系列比较，然后考察介于两者之间的中间路线，其中详细讨论了组合式比较研究这一中间路线的优点。由于它与从案例知识建立一般性知识这一目标存在一致性，所以极具吸引力。

对今天几乎所有社会科学研究领域的考察表明，这些研究明显分为定性案例研究和大数量N、变量导向的定量研究。例如在比较社会学和比较政治学领域，其频数分布显示选取不同大小N的研究数量呈现出一个明显的U形分布（参见Bollen，Entwistle，和Alderson 1993；Ragin 1989；Sigelman和Gadbois 1983）。在横轴的小N这端有很多研究，而大N一端也是如此。但是在中间部分研究的数量就少得多。很少有以10或20个国家为对象的比较研究，但是以一到两个国家（案例研究）或超过50个国家为对象的研究就非常多了（只有这样才能够使用传统的定量分析方法）。

N数量案例连续谱两端的研究方式为社会现象的研究提供了截然不同的途径。案例研究者对每个案例的诸多方面进行检验，试图根据其各个方面的相互关系对案例进行描述。实际上，案例研究者的目标是说明这些案例的不同方面是如何共同组成这一整体。与之形成对比的是，案例导向的研究者对大量案例的一个或几个因变量进行研究，试图找出尽可能少的自变量来解释尽可能多的因变量。这些研究者根据对很多案例的跨观察（例如，使用变量之间的相关性）来构造一个一般性的模型。因此，小N类研究倾向于案例导向、定性和深入性研究，而大N类研究倾向于变量导向、定量和粗放式研究。

社会科学领域的这一区分再现了人文科学和自然科学之间的巨大差异，前者的关键问题是可能性及适当的描述，而后者则更注重科学推理。社会科学位于人文科学与自然科学这个连续谱的中间，制造了两者的分化。描述和推理都是社会科学的重要方法，但是社会科学家因对这两个目标的重视程度不同而互相区别。究其核心，社会科学家出现如此巨大的分化反映了他们对于一般性知识界限的不同看法。那些研究社会现象复杂性和特殊性的学者倾向于对社会科学一般性知识的存在性表示怀疑，而通过大量案例进行研究的学者则对构建这样的知识有着更为清楚的认识。

实践：要想对大量案例进行深入研究非常困难。试想，如果试图跟踪80个国家的每日政策并对每个国家的政策进行深入了解。又试想，如果一个调查研究员试图跟踪百千名人员的生活状况。在研究过几十个案例之后，研究者自己就会开始混乱。想要将每个案例作为一个单独的实体来理解，那会及其困难，且耗时巨大。因此，进行深入研究的社会科学家倾向于将他们自己限制在小数量案例的研究范围内。而进行大数量案例定量研究的学者则必须放弃对所研究案例进行深入考察的机会。

社会：社会科学家倾向于将自己的研究定位为定性（少量案例，多个变量）或定量（大案例，相对较少变量）研究，而且后者还倾向于按照他们熟悉的定量研究方法对数据进行分析。大学教育也是按照这样的分类方法进行组织，并将这一思想传播给学生，于是根据这两种不同的方法论方向，一种“无形的大学”（Crane 1972）得以形成。因此，社会学学科训练对这种U形曲线起到了加强作用。

方法论：社会科学家掌握的方法很有限。案例研究方法的目标是通过联系所获取到的各个案例的深入知识来理解每个案例不同的部分是如何相互联结。通常来说，各个案例“如何”联结是研究者希望构建的东西，因为跟踪众多案例结构的相似点和不同之处极其困难。与之相比，定量研究方法只有在对众多案例（越多越好）进行研究时才能发挥良好的作用。一项研究成败的关键往往在于是否拥有一个很大的N，而大N案例反过来也能提高统计显著性。当N为20时，统计显著性很难获得；但是当N为200时，获得统计显著性就容易得多；而当N为2000时，研究往往会自动获得统计显著性。然而，如果研究者试图对一个中等大小的N（例如，N为10或20）进行深入分析，他们往往会面临难以想象的复杂局面。

认识论：社会科学家特别注重两类知识——一般性知识以及文化或历史知识。案例导向的方法最适用于与文化或历史的特定现象相关的问题，而变量导向的方法则通常适用于宽泛的、具有较强理论性的问题。从这一观点出发，U形分布似乎表示了一种合理的人力分布，即案例研究者倾向于获取深入知识，而定量研究者寻求普遍类型的知识（Eckstein 1975）。

鉴于按研究案例数量为指标的研究数量曲线呈U形分布，以及上文所描述的对这一趋势起到加强作用的一些因素，两种社会研究之间的鸿沟成为社会科学长久以来的一大特色也就不足为奇了。那些案例导向的学者所提供的解答就精细程度而言具有其正确性，且方法是对少量案例进行细节性和综合性研究。而变量导向的研究所提供的解答就宽泛性而言有其正确性，且研究中包括大量的观察。案例导向的研究者通过寻找所研究案例与其他方面案例的相容性来证明其发现的正确。而变量导向的研究者则是通过表现案例的一般性来证明其正确性。

表1列出了案例导向研究和变量导向研究之间的一系列差异。进行对比的指标包括直接目标、案例和样本“元”的构建、案例的数量N、理论的作用、结果、对原因的理解、以及案例内部研究与跨案例分析。我将依次对这些差异进行说明：

1．直接目标：变量导向的社会研究所关注的是记录观察中庞大“元”的普遍共性。如果研究者能找到一个或多个因变量与一个自变量之间的关系，那么他们就能根据对预测变量所掌握的知识，更好地预测自变量对案例的研究价值。典型的普遍类型研究是对一个具有大量“元”的样本进行观察。通过对样本的分析，研究者能够推断出适用于大量“元”的普遍类型。

对于案例研究来说，最普遍的目标是对一个或少数几个案例进行描述，这些案例之所以被选中，是因为他们在某一方面具有实质或理论的重要性（Eckstein 1975）。例如，假设某一运动成功地将其成员动员起来参与某项集体行动，研究者就可以使用案例研究方法对某一社会运动进行深入研究。为了找出运动成功的原因，研究者需要对这一运动进行深入研究。案例研究完成之后，研究者不仅能够对这一运动进行有效的描述，而且还可以认清下一个值得调查的“最佳”案例，后者可以进一步发展此前研究所获得的思想。

2．案例和样本“元”的构建：变量导向的研究者很少在构建样本案例和“元”上投入精力。理想的案例是在给定“元”中寻找单独的调查回应者，而这一给定“元”的划分依据是地理、时间和人口统计学界限。关键的问题是如何从所观察的大量“元”中找出一个符合研究者预想的代表性样本。在处理宏观层次的单位时（如组织、国家等），变量导向的研究者试图将这些单位强行纳入调查范式之中，将这些案例视为从一个经验给定“元”中得出的一般性观察。

与此不同，案例导向的研究者有目的地定义和选择案例，并将它们作为特殊、完整的实体对待；而不是从一个随意的范围中随机抽取匀质性的案例进行研究。一旦选择了一个案例，关键的问题常常是决定这个案例属于哪个大范畴。也就是说，研究者试图回答以下问题，“我的案例到底是个什么样的案例？”对此问题可能有多种解答，还需要将所研究案例与大量相关案例进行比较。有时候，对单个案例进行的深入研究会带来一个全新范畴的发展，而这反过来会对现有的理论体系和类型产生重大影响。

3．案例的数量N：定量社会研究所得出的一个重要经验是“案例越多越好”。这主要体现在三个方面。第一，研究者若想使用定量方法，所研究的案例必须达到一个门槛数量，通常N应在30到50。第二，N越小，数据越需要满足统计方法的假设前提，例如变量必须满足正态分布或者其子集方差应大致相等。然而，较小的N常常无法保证能完全满足这些假设，特别是当案例处于宏观层次时尤其如此。第三，上文已经提到，案例的数量越大，结果就越容易获得统计显著性。大数量N的这一优势与案例是经验给定而不是研究者人为构造的假定正好相符，而且可供研究的案例本身就非常丰富。这方面的唯一问题在于研究者是否愿意并能够获得尽可能多的案例数据，案例数目以数百或数千最为相宜。

相反，案例研究通常集中于研究者感兴趣的现象，这些现象之所以吸引了研究者的兴趣，原因在于其稀缺性——也就是说，正是因为案例的数量非常少。一般而言，这些现象的范围都比较大，并且如果按历史划界，那么从任何意义上来说都不具备一般性。与所调查案例相关的“元”可能由于历史资料的限制而只局限于几人，甚至可能只有一人。与变量导向的研究最主要的不同之处在于，这些社会科学家和他们的拥护者感兴趣的很多现象都具有历史或文化的重要性。他们认为将社会科学家局限在仅具有一般性和丰富性的案例研究上，并且研究要与案例的历史和文化背景隔离开来的做法极端限制了社会科学的范围和价值。定性研究的一个主要经验是越少案例越好。否则就要牺牲深入的知识。

4．理论的作用：传统的社会科学方法论对理论检验十分重视。实际上，其理论检验的方向常常是为了说明是什么使得社会科学具有科学性。研究者在建立自己的假说时被建议需要遵循科学方法，并且要独立于对经验证据的分析。这一假设认为现有的理论已经足以对可检验的假说给予说明，而社会科学知识主要是通过拒绝一些无法找到经验支持的理论思想而不断进步。

毫无疑问，理论在社会研究中起到了中心作用，而且实际上所有的社会研究都在某些方面极其依赖于理论。然而，理论检验的范式却通常难以用于案例研究。案例研究具有很强的归纳性。大多数案例研究的直接目标在于解释现象“如何”具有历史或文化显著性。游击运动如何形成就是其中一例。理论通过为经验分析提供重要的引导和导向作用而发挥重要的方向性功能，但是现有的理论范式却不足以提供明确的假说。案例研究的主要目标并不是进行理论检验，而是对概念进行构造、解释和改进。

5．结果：教科书中关于社会研究最基本的概念之一是变化的思想（一个案例与下一个案例之间的不同方面或不同特性）和联系的思想（变量是如何在不同案例之间具有相关性）。例如，富裕国家的政治骚乱事件是否少于贫穷国家？如果是的话，社会科学家可能会宣称各个国家的政治骚乱变量（因变量或结果变量）可以部分由国家富裕程度这个变量（自变量或原因变量）进行解释。这一概念暗含了社会科学研究关于变量的另一原则，即社会科学家希望解释的现象在所研究的案例中必须存在差异；否则，就不需要进行解释了。因此，各个案例可以根据其反映问题特征（例如政治骚乱）的程度来加以区分。

相反在案例研究中，案例之所以被选中是因为结果所表现出的截然不同的性质。这种结果经常是一种性质的改变，即历史上出现的某种现象或模式打破了原有的现象或模式。简而言之，与变量导向的研究考察一个案例与另一个案例“不同的”方面或特性不同，案例研究者重视历史突发事件的定性现象。因此，案例研究所关注的不是说明结果（或“因变量”）在各个案例上的差异，而是说明每个案例的性质变化。当案例研究者所研究的案例超过一个时，他们往往倾向于在不同的定性结果中找出其共同点，而不是各个案例的差异。

6．对原因的理解：根据教科书中对社会研究逻辑的描述，大部分社会数据分析的主要目标是评估自变量与因变量的相关程度。例如，一名研究者可能想了解是什么因素对民主制度的长期存在、民主体制的设计或合法性具有更大的影响。就这方面而言，有很多原因变量都可能对这一结果变量具有解释力。而具有最强解释力的自变量必须与因变量强烈相关，但是同时与其他可能具有解释力的自变量之间的相关性非常弱。

相反，案例导向的研究者通常用联系的视角看待事物的原因：相关因素是如何相互联系起来得出所要研究的结果？案例研究者并不认为不同原因之间具有竞争性，而是认为它们可以组合起来导致所研究的定性结果。John Stuart Mill称这类原因为“化学品”，因为任何特定原因所产生的效果依赖于其他原因的存在与否。在建立并选择了一个或多个结果后，案例研究者以理论概念、实质性的知识和兴趣为先导，对每个案例进行深入考察，试图回答每个案例的结果是“如何”产生的这一问题。

7．案例内部研究与跨案例分析：在以变量为导向的社会研究中，跨案例的分析是联结各个案例的主要方法。例如：发展和民主是否具有联系？变量导向方法对此问题的回答是计算大量案例中发展与民主之间的相关性。这一相关性衡量了这两个方面联系的强度。如果相关性非常弱，那么结论可能就是两者之间并没有实质性的联系。

然而，计算不同案例之间的相关性与每次检验一个案例来判断发展是否对民主具有贡献以及如果有贡献，又是怎样的贡献非常不同。这种分析单个案例各个方面相关性的方法针对的焦点问题是每个案例的各个方面如何互相联系，多见于比较研究之中。这一方法的关键问题是（1）考察每个案例的各个方面之间是否具有联系，和（2）对所找到的产生这些联系的机制的本质进行评估。在案例研究中，各个方面之间的联系往往产生于单个案例内部，而不会跨越不同的案例，各个案例产生联系的机制不尽相同。

尽管案例导向和变量导向的研究者运用了共同的理论思想，并且有很多实质性的共同之处，但是这两种方法仍然十分不同，而且其差异似乎难以调和。Gary King、Robert Keohane和Sidney Verba在1994年发表的《设计社会调查》（Designing Social Inquiry）一文中对此进行了重要尝试。这篇论文在发表前后引发了激烈的争论。合作此文的三人都是蜚声国际的政治科学家，第一作者还是知名的计量学家，他们似乎有望解决这一长期以来的方法论矛盾。

King和其他作者对中间路线有着清楚的看法。和其他人不同（Liberson），他们承认科学的正确性，使用案例分析并认同其作用。他们的主要建议是，案例导向的学者通过他们的研究方法可以提高与变量导向研究的相容性。例如，他们不鼓励使用普通的案例导向策略寻找导致一个结果的多种情况（例如，多个反殖民革命）的共同原因。根据变量导向研究的视角，这一策略存在缺陷是因为（1）不同案例的结果和原因存在实质性的差异，（2）这一策略犯有“根据因变量进行选择”的错误，这种错误在计量教科书中向来不被提倡。但是，正如King和其他作者所主张的那样，不管普通的案例导向的策略是否具有缺陷，它与变量导向的方法具有明显的差异。他们的观点是，如果案例研究者放弃这种不科学的方式，那么案例研究的结论就更容易与变量导向研究的发现相调和。

当然，这仅仅是King和其他作者提出的诸多建议中的一条。他们的大部分建议都是根据表1各列中变量导向直接得出的。例如，他们显然相信案例研究者应该尽可能地增加案例的数量，从而获得“分析优势”（评估因变量相关性的能力）。如果宏观层面上（例如，国家层面）难以增加N的数目，那么这种分析应转入到一个案例更为丰富的较低层面（例如，以各国内省为单位）。此外，他们还认为理论检验是经验社会科学的中心目标，而不仅是了解案例和描述知识。如他们所言，案例研究者应该从一开始就根据具有良好范式的假说组织他们的调查。而且他们不认为案例和样本“元”的结构具有天生的缺陷，而是倾向于将它们看作经验给定的。

总之，King和其他作者的建议相当细致，而且其中一些还颇有用处。然而，他们在几乎所有建议中都认为变量导向的研究更优越。他们所认为的中间路线其实是将变量导向的研究原则向案例导向的研究扩展。他们的视角固然值得重视，但是也具有很大的局限性。

第一个缺点在于，他们认为正确的一般性知识是通过使用适当的变量导向方法直接得出。本质上，King和其他作者断言社会科学已经拥有产生一般性知识的良好技巧，也就是变量导向的方法，而且需要做的工作是改进案例导向的方法，使得它们的发现更易于与变量导向的研究相调和。这种观点的问题在于，它认为变量导向的方法能够产生正确和有用的一般性知识这一假设一定可以成立。但是，即便我们接受这一思想，承认变量导向的方法可以产生正确的一般性知识，但是我们仍然能够质疑，这种类型的一般性知识（通过独立分析得出的因变量相关性）是否就一定是有用的知识。（我将在下文中回到这一问题。）

这一视角的第二个问题在于它有悖于日常的逻辑和经验。获得一般性知识最常见的路径（特别是对社会现象而言）是通过特定的事件或案例所积累的经验。在日常经验中我们从特殊知识中总结出一般性的知识。例如，我们在与同事日复一日的交往中了解到他们的性格。有时候我们会对我们所了解的东西进行检验，这正如我们会预测某个同事在即将召开的会议上会说些什么、做些什么一样，只是我们的“检验”是建立在特殊事件的坚实基础之上。就这方面而言，介于案例研究和变量导向研究之间的中间路线应该包含从案例知识建立一般性知识的方法，也就是说，从对特殊案例的理解中产生一般性知识。这一中间路线不应该用一种试图隔离因变量的各个影响、形式完全改变了的方法来替代基于案例的知识。如果社会科学家希望通过案例知识的积累来构建一般性知识，那么U形曲线就不会出现。相反应该是一条负的单调曲线。

第三也是最后一点，King和其他作者所提出的中间路线实际上是现有案例导向方法的限制或折衷版。他们实际上认为，某些案例导向的方法比其他案例导向的方法更具生产性，研究者只应该利用那些最具生产性的方法（即那些能提供最强“分析优势”的方法）。因此，他们在变量导向研究和案例导向研究之间建立的桥梁只能联结现有案例导向方法的一个子集。

本文提供了中间路线的另一个视角，这条道路并不是变量导向研究和案例导向研究之间的折衷，而是超越了这两种方法的许多局限。这条中间路线的目标不仅仅是将这两个范畴简单联系在一起，而是开辟一条新的路线。我将在下文中对这一路线进行描述，我称其为组合式的比较研究。

表1第三列描述组合式比较研究（为简便起见，下文简称为组合式研究）的主要特征。如该列所示，特别重要的是，这一中间路线结合了案例内深入研究和跨案例研究的长处。和案例研究不同，组合式研究重视跨案例类型；而与变量导向的研究相区别，它也重视每个案例的特殊性，并尝试进行跨案例深入分析。

组合式研究的目标也反映了对案例内研究和跨案例研究结合的关注。对于组合式研究而言，它关注的方向不仅是理解每个案例，而且还根据各个案例的相似点和差异性对案例进行考察。最终的目标是构造建立于经验基础之上、具有理论相关性的案例类型，从而推动一般性理论知识的发展，并理解经验案例多样化的历史特性。

相应地，对这一相关案例集的定义以及各个案例间类型的差别（第2行）在研究开始的时候相对不固定，但是随着研究者对案例的了解越来越全面，以及他或她对于决定性的相同点和不同点的概念化不断加深，不固定态势也就向更稳定的态势演变。研究者在所有相关案例周围以及案例集之间构建起边界的做法是受到了他们的理论和实际知识，以及已有知识的交互影响。

寻求将案例内和跨案例分析结合在一起的研究需要充分数量的案例（第3行）。增加案例是为了丰富事件的多样性，而后者反过来能促进理论的发展和阐释。然而，增加案例数量的做法也有其局限性。随着一项调查范围的扩大，案例的异质性也会急剧增加，这会削弱调查概念的解释力。因此，比较研究者也不能过于扩展他们调查的经验范围。

这种根据相关案例的相同点和不同点对案例进行划界以及对不同案例进行区分的做法实际上隐含了一种研究的风格，这种研究风格的组成部分具有各自独特的基础（第4行）。现有理论提供了重要的方向性概念和引导，但是对于历史案例的特殊假说很少能提供充分的说明。实际上，具有强大解释力且得到充分陈述的理论并非绝无可能。但是这样的理论必须建立在对相关案例的深入了解基础之上。

组合式研究者感兴趣的是与他们的案例结果一致或不同的大量历史性结果（第5行）。有时他们只重视具有同样结果的案例（“正案例”）；有时他们会把这些正案例与另一些案例进行比较，后者似乎能产生研究所需的结果，但无法进行证明（也就是“负案例”）；有时他们还对一系列案例中有分歧的结果进行研究（“多重结果”）。关键还是集中在不同类型案例的大范围、历史突发现象上。

对历史突发的大范围现象进行解释通常要求对共同产生这一现象的原因进行差别性考察。（第6行）。就这方面而言，组合式研究和案例研究类似：调查者对每个案例进行说明，针对的是参与者、事件和结构的交互。主要的不同在于，组合式研究者在对每个案例进行说明的时候还会进行跨案例考察，以确定案例间的相同和不同。但是它们都有一个共同的发现，那就是不同的路径可以获得相同的结果，每条路径都是一些相关条件的不同组合。

组合式研究的一个主要特征在于，它试图平衡案例内研究和跨案例研究（第7行）。而将案例视为组合式案例的做法推动了这种平衡的实现。本质上，每个案例是作为诸多原因条件的特殊组合来进行考察，在对案例进行相互比较时，案例被视为组合式案例。通过对组合式案例进行考察，有可能保留变量导向研究以及King和其他作者所提出的中间路线缺失的东西——这种方法可以在从案例内研究向跨案例研究转移的过程中表现和保留单个案例的特殊性和完整性。将案例视为原因条件的结果，而不是彼此分离的“因变量”，这促进了从案例知识产生一般性知识的进程。

组合式方法的一个优点是处理复杂原因的能力。从一开始我就已经强调，研究者倾向于避免对中等数量的案例进行调查（约5到50——U形曲线的中间部分），这是因为这样的研究似乎具有难以想象的复杂性。当案例的数量处于中等范围时，研究者更有可能了解每个案例。但是同时，研究者仍然很难跟踪并掌握各个案例的差异。而正是这种困难导致很多研究者倾向于变量导向方法——只要案例的数量足够让他们使用这一方法。然而，变量导向的方法所内含的关于原因的假设与基于案例的理解具有直接的矛盾。而组合式方法解决了这一难题。

例如，考虑表2中给出的组合式策略。根据研究者是寻找结果的单一路径还是允许出现多重路径，以及研究者所感兴趣的是（1）仅正案例，（2）正案例和负案例，还是（3）一系列案例的不同结果，这样就可以在交互表中表示出六种策略。所有六种策略都是组合式的。在a和b单元格中给出的两种策略最简单也最为常见。关于单元格b中的策略，Theda Skocpol在《国家和社会革命》（States and Social Revolution）一文中给出了一个著名的例子。她将三个正案例中的社会革命用一个单方程表达，然后得出结论认为这个方程不满足相关的负案例。单元格c中的策略并不常见，但是也有非常著名的范例，例如，Barrington Moore在《专制和民主的社会起源》（Social Origins of Dictatorship and Democracy）中调查了三个不同的结果：资产阶级民主、法西斯主义和共产主义。表2第二行中所列的三个策略更不常见，但是在《比较方法》（The Comparative Method）发表之后得到了越来越频繁的运用，《比较方法》阐述了评估多重联合原因的技巧。实质上，表2回答了这样一个问题：我们应该使用什么样的研究策略从基于案例的知识中建立一般性知识？

需要注意的是，表2暗含了一种从单元格a到f的案例数量纬度。单元格a中描述的策略要求相对较少的案例；而单元格f中描述的策略要求大量的案例。该表所表达的原则就是，随着案例数量的增加，对条件复杂性的限制就可以放得越宽。这一原则与传统的做法完全不同，传统上，随着研究者增加他们的案例数量，他们就会越退向极端简化的原因假设。这些变量导向的方法认为原因是线性和加成的，而研究者的目标只是通过独立分析来评估“因变量”的相关性。不可能通过这种变量导向的方法来比较导致不同经验结果的不同原因组合。

让我们回忆一下第二种关于不同案例N的研究的分布频数，如果实际上社会科学家更多地是从基于案例的知识构建一般性知识，那么这种分布频数就可以得到证明。事实上，表2解释了为什么会出现这样的曲线（负的单调曲线）。随着案例数量N的增加，对复杂性的要求就越宽松，也就是说，研究者可以考察大量的结果，每个结果都可以有多重路径。

组合式方法的另一个优点在于，它实际上是用交集的方式来理解原因的复杂性。这一优点具有多面性，对它进行全面介绍超出了本文的范围（参见Ragin 2000）。然而，将它与变量导向的方法进行对比可以获得一些基本的启示。在大部分变量导向的研究中，相关的原因变量彼此之间以及他们与结果变量之间具有一定的相关性。Paul Mehl将这形容为社会现象的一个内在特征，他认为社会科学家随机选取的大部分变量之间都具有显著的非零相关性。在这样的情况下，原因变量对结果变量的净效应分析往往难以得到决定性的结果。通常会发现存在很多显著的原因变量，每个变量都有一定的影响。简而言之，促使很多研究者评估净效应的因素（因变量之间的相关性）也是评估结果为什么常常缺乏可信度的原因。

社会科学家感兴趣的大部分变量至少都具有一定的相关性是因为案例倾向于混合在一起，也就是说，案例倾向于以具有解释力的组合出现。这种组合性是自然突发的社会现象的一个基本特征。因此，对净效应的计算并不可靠。在组合式方法中，案例的这种组合性被视为理解案例的合适起点，而不会对原因的估计产生干扰。此外，案例的组合性用交集可以很容易进行解释。但是如果将注意力集中在比较“因变量”上，那么这种组合性就很难得到解释。

当案例被视为一种组合时（也就说，作为交集看待），那么寻找因变量的净效应就没有什么意义了。相反，此时重要的问题是一个具有交集性质的问题。研究者不会问：变量x在所有案例中对结果变量的净效应是什么？而会问：在什么情况下，在何种类型的案例中变量x与研究结果相关？后一个问题本质上具有交集的性质。它寻求建立一种关系或找到某种条件，从而将原因条件（x）和结果联系起来。当案例具有混合性的特性时（正如我们在大部分自然突发的社会现象中所看到的那样），因果联系往往依赖于当时的环境——是否有其他的原因条件出现。相应地，分析的重点应该是原因相关条件的交集。

一个简单的例子：使用个人数据进行变量导向的研究很容易表明，已婚对一些政策相关结果（例如避免贫困）具有正的净效应。在美国，这种净效应适用于男性和女性、黑人和白人。这种发现往往被认为是“理所当然”，很少招致疑问。这种显著净效应的政策含义是，国家应该将鼓励婚姻作为一项适用于全社会的政策。但是，是不是说婚姻在任何情况下都能帮助人们避免贫困呢？对婚姻这种效应的解释已经隐含在对其“净”效应的计算之中。

然而根据组合的观点，重要的是以下问题：在什么条件下、在何种案例中婚姻与合意的政策结果具有相关性？如果将用于计算婚姻对于避免贫困净效应的政策数据用组合式的方法重新分析，结果是（1）不同的条件可以有很多种组合，这些组合都与避免贫困相关，（2）不是所有的组合都涉及婚姻，（3）那些涉及婚姻的组合同时也包含其他的重要来源，例如大学毕业或高收入父母。也就是说，即使婚姻对于成功避免贫困具有普遍性，将这种普遍性视为自变量或“净”效应也是不正确的。组合式分析的政策含义是，将促进婚姻作为普适性的社会政策并不可靠。

组合式方法是一条独特的路径。它不是案例研究和变量导向研究的折衷，而是将这两种方法的优点结合在一起。这条中间路线保存了案例的结构完整，因此可以根据基于案例的知识建构一般性知识。它并不是用原因变量的效应来替代基于案例的知识。

一般性知识的获得可以有很多种不同的方式。变量导向的方法，特别当它针对的是自变量的净效应时，提供了表达一般性知识的一种方式，但是这种方式具有局限性。此外，我认为对净效应的估计不太可靠，特别是考虑到自然突发的社会现象可以用案例特征结构来进行解释时尤其如此。对净效应的估计还可能产生不够细致、过于粗糙的政策建议。

如果完全使用变量间的关系来说明一般性知识，此时案例的作用消失了。说两个变量之间具有某种关系，或者说一个变量对另一个变量具有显著的净效应，这样的说法与任何案例或案例集都没有什么关系。组合式方法的价值不仅在于它允许从基于案例的知识构建一般性知识，而且允许在一般性知识与特殊案例之间建立新的联系。如果以条件交集和案例特征结构的方式对一般性知识进行解释，一般性知识与特殊案例之间的相关性就非常明显。

[1] 作者简介：查尔斯·C.拉金（Charles C. Ragin

），亚利桑纳大学社会学系教授。译者：欧阳亮，国防大学经济学研究生。