研究方法笔记-郭中实

因果关系的三个（必要和充分）条件：

1）时序性 temporal sequence 因一定要发生在果之前

2）共异性 co-variance 因的变化一定带来果的变化

3）非伪性 non-spuriousness 果的所有变化全部来自因

几乎所有社会科学研究都输在第三点上

常见的误区：

1）共因：

冰淇淋销量与溺亡关系——共因：炎热的天气；

家长暴力导致子女暴力——共因：暴力基因（2011年，Plain brain）

2）潜因：

善良心肠导致施舍行为——潜因：虚荣心

3）中介：

抽烟导致肺病——中介：尼古丁/焦油

（中介变量含在自变量里）

4）调节/条件变量

（调节变量在自变量之外，和自变量共同影响因变量，两个变量互为调节变量，哪个是主变量，哪个是调节变量由研究目的决定）

由于共因、潜因、中介、调节变量的数量接近无穷，所以任何因果关系都是不（可能）完整的。

非因果关系：相关关系

在相关关系中，我们只知道两个变量之间的共异关系，但不知因果。相关关系往往带有欺骗性

符号：r（rxy = -0.36）

关系：两个连续变量（方向和强度）

关系系数：-1.0 和 +1.0 之间（-1.0，0，+1.0 均为理论值，现实生活中没有）

相关性和线的角度没有关系，和离散程度有关系

概念定义：

所有概念都是人想象出来的，抽象的

概念的定义主要分为以下几类：

日常生活的定义；

字典定义；

政治定义；

哲学定义；

学术定义

……

任何概念的内涵和外延都极其宽泛和丰富，无法用一个定义囊括，所有的定义都是相对的（相对于另一个概念、语境、文化、意义、符号、意识形态等）

因为概念是人造的，所以概念的定义是随时代的变化而变化的，所以我们永远无法定义单一概念

两个抽象概念，一对关系 = 理论

概念定义是理论阐释的一部分

时间维度、控制维度、知识维度、信息维度

概念-维度-指标 concept-dimension-index CDI

从抽象到具象

概念单一，维度指标众多

维度可有可无，指标不可或缺

可有多层维度

指标就是变量

概念和变量的设定是人为的

结构模型横着的

测量模型竖着的

信度指的是测同一个指标的

效度指的是不同指标之间的

有没有一个文化框架，每年做一次，测量文化迁移的趋势

语境与概念：借尸还魂

尸是场景语境，魂是概念

关系的性质

线性

非线性

弱关系

强关系

四种测量层次：

定类（排他性/完备性）

新闻类别、媒体类别

定序

定距

定比

所有测量层次都是武断的，人为制定的

除了定类，其它三个测量层次都具有连续性

这样分层的目的：与社科对现实的分类相连；与不同的理论视角挂钩，与不同统计分析方法相匹配

根据不同研究/理论需要，同一变量可以划分为不同的测量层次

同维度的指标相关系数越“高”越好，

跨维度的指标相关系数越“低”越好，理想情况应该是0，但是取决于具体问题——效度

内部效度越高，外部效度越低

代表性：样本中的数值和规律同样存在于母本里

确保样本代表性是抽样调查数据质量最最最最最重要的衡量标准

统计针对的是样本，参数针对的是母本，我们用统计来计算母本的参数

抽样框

实证研究的结论基本上都是针对母本的，抽样框就是含该母本中全部个体要素的一个名单/列表，每个要素只能出现一次。通常采用以下方法：

1）依靠机构/付费获取

2）自己收集

3）分层

4）分成+整群

样本越大抽样误差越小（1300的样本量，神奇的数字）

用中位数回归去测量知识鸿沟？？？

所有的抽样分布都是正态分布

抽样分布的均值就是母体均值，它符合正态分布的一切特征与属性

在样本分布里，1，2，3叫作标准差 deviation

在抽样分布里，1，2，3叫作标准误 error