謝雨生 - 中央研究院-

Report
圓桌討論—解決問題與學術
方法論
量化研究
謝雨生 教授
2014社會學營「春之鬧」
2014年2月10-13日
中研院社會學研究所
前言
昨天五個主題(學術與實務)和最後的
綜合討論中,有許多的「疑問」被提出
來。
 這些疑問都需要、也都可以被轉換為可
被研究的「研究問題」。
 研究者(尤其是各位)應該設法以「科
學研究」的程序,找出這些疑問之問題
(社會運動相關問題)的關鍵原因。

問題關鍵原因的探究,研究者要有「主
觀上的判斷」,也是研究議題發展方向
的考慮。
 不僅影響研究設計的內容,也影響研究
理論發展的方向,更決定了研究結果發
展成為行動策略的可能性。
 主觀上的判斷受到研究者的理論選擇
(對問題的理論論述方式)、對過去經
驗研究的發現和對問題的獨到見解所決
定。

這樣的研究問題發展的「主觀上的判斷」
可能得到研究資料(或社會事實)支持,
也可能不支持。
 但是,「主觀上的判斷」沒有得到支持,
不用擔心。研究者可以採取淘汰法,繼
續新的方向之研究。
 這樣才有創造研究者自己新理論的可能。

從問題發現到行動策略

行動參與、社會運動參與、環境行為推動
等策略的擬定

研究找出影響參與和行為問題的關鍵原因

發展出可以被研究的研究問題

關心的社會運動問題或其他的社會問題
或研究者想要回答的問題
量化研究的共同元素
1.
2.
3.
4.
5.
6.
因果推論的企圖
影響機制的好奇
研究單位的選擇
時間的考慮與拿捏
空間的重要與納入
分析方法的提升
因果推論的企圖
因果推論的研究議題是許多社會科學研
究的主要類型或好奇。
 因果推論最常見在實驗設計之研究中。
 觀察研究(非實驗設計研究)的因果推
論已經蓬勃發展。
e.g., 列出幾篇相關的期刊論文

Brand, Jennie E. and Yu Xie
 2010 “Who Benefits Most from College?
Evidence for Negative Selection in
Heterogeneous Economic Returns to
High Education.” ASR 75:273-302.

Wodtke, Geoffrey T., David J. Harding and
Felix Elwert
 2011 “Neighborhood Effects in Temporal
Perspective:The Impact of Long-Term
Exposure to Concentrated Disadvantage
on High School Graduation.” ASR 76:713736.

Sharkey Patrick and Felix Elwert
 2011 “The Legacy of Disadvantage:
Multigenerational Neighborhood Effects
on Cognitive Ability.” AJS 116:1934-81.


AJS 109:676-719.
1.
2.
最近觀察研究的因果推論的處理方法,
都是以傾向分數(propensity score )
為基礎。
已經由過去的
homogeneous treatment effect之探究,
轉進到
heterogeneous treatment effects的探討。
heterogeneous treatment effects
1.
2.
3.
個人差異不僅存在於背景特性的差異,
也存在個人對於特定的處理
(treatment)、介入或刺激的反應有所
不同。
特別是處理效果(treatment effects)可
能系統性地隨「接受處理的傾向」(the
propensity for treatment)而變動。
「異質的處理效果」為「處理傾向分數」
的函數,在與迴歸分析相似的假定條件:
可被處理或可被解決性(或稱為可被忽
略性,ignorability)。
常見的研究處理效果異質性的
分析方法
Causal Inference and Heterogeneous
treatment Effect
 Pretreatment and Treatment Effect

1.
2.
3.
The Stratification-Multilevel Methods(SM)
The Matching-Smoothing Method (MS)
The Smoothing-Differencing Methods
(SD)

Reference:
Xie,Yu, Jennie E. Brand, and Ben Jann
 2012 “Estimating Heterogeneous
Treatment Effects with Observational
Data.” Sociological Methodology 42:314-347.

The Stratification-Multilevel Method
(SM Method)
1. 先使用一組可觀察的共變項,估計接受研
究處理的邏輯迴歸或probit regression,並計
算出每個觀察體的個別接受處理的機率,稱
為接受處理的傾向分數。
2. 接著建構具有平衡傾向分數的層級
(strata)。亦即依據傾向分數的高低分為
數個strata,讓每個strata內的實驗組(接受
研究處理)和對照組(沒有接受研究處理)
的可觀察共變項是沒有差異的,或是平衡的。
3. 再估計每個層級內的「平均處理效果」
(stratum-specific average treatment effects)
4. 最後,再評估各層級的「平均處理效果」
間的趨勢與傾向分數的關係(趨勢關係)
The Matching-Smoothing Method
(MS Method)
1.
根據每個觀察體的傾向分數,將「接受研
究處理」和「沒有接受研究處理」的觀察
體加以配對(這種配對有一對一配對、有
一對多配對)。
2.
配對後轉換資料為處理—控制的比較
(treatment-control comparisons)。然後
以無母數法(nonparametric model as a
smoothing device)對「處理效果為接受處
理的傾向分數之函數」加以估計。
The Smoothing-Differencing
Method
(SD Method)
1.
分別對「接受研究處理組」和「沒有接
受研究處理組」,以無母數迴歸進行以
「依變項是結果變項,自變項為接受處
理的傾向分數」的處理效果之分析。
1.
再取得兩組的「處理效果」之差異。
影響機制的好奇

量化研究者除了探討「自變項對依變項
有無影響」之外,常會進一步地問:
「自變項對依變項的影響是經過怎樣的
過程,或經過什麼機制」的問題,因此,
研究者除了回答「因果關係、因果效應」
的問題外,也需要進一步回答「因果關
係的中間過程、或中間機制是什麼」的
問題。

1.
2.
3.
4.
5.
6.
影響機制的種類:
中介機制(intervening)
共同變因(common cause)
中間機制(mediating)
調節機制(moderating)
抑制機制(suppressing)
曲解機制(distorting)

假定研究的自變項為X,依變項為Y,
研究者想要探討的影響機制變項(或稱
為干擾變項)為Z。
中介機制(intervening)

Without Z

With Z
X
X
Y
Z
Y
自變項X對依變項Y的影響一定要透過Z。
 自變項X對依變項Y的影響只有透過Z的
間接效果。

中介機制

認定方式(或統計分析特徵)
1. 未加入(控制)Z 變項時,自變項X對
依變項Y的影響是顯著的(有別於0)。
2. 加入(控制)Z 變項時,自變項X對依
變項Y的影響變成不顯著。
共同變因(common cause)

Without Z


With Z
X
Y
X
Y
Z
共同變因機制
 認定方式(或統計分析特徵)
1. 未加入(控制)Z 變項時,自變項X對依變項
Y的影響是顯著的(有別於0)。
2. 加入(控制)Z 變項時,自變項X對依變項Y
的影響變成不顯著。


「中介機制」和「共同變因機制」的統
計分析特徵是完全一樣的。
因此,研究者需要從「理論思辯」的方
式,來確認其可能性。不可能從統計分
析特徵本身來確認。
中間機制(mediating)


Without Z
With Z
X
Y
X
Y
Z

自變項X對依變項Y的影響有直接的影
響,也有透過Z的間接影響。

自變項X對依變項Y的影響,同時具有
「直接影響效果」和「間接影響效果」。
中間機制
 認定方式(或統計分析特徵)

1. 未加入(控制)Z 變項時,自變項X對依變
項Y的影響是顯著的。

2. 加入(控制)Z 變項時,自變項X對依變項Y
的影響還是維持顯著的。
調節機制(moderating)

Without Z
X
orX

With Z
Y
----------------
Y
Y
X
Z


自變項X對依變項Y 的影響效果,會因
為Z變項的層次的不同而不同。也就是
自變項X和Z變項的交互作用項對依變
項Y是有顯著影響的。
調節機制相當於迴歸分析中的兩個自變
項的交互作用項是顯著的意思。
調節機制
 認定方式(或統計分析特徵)
1. 未加入(控制)Z 變項時,自變項X對依變項Y
的影響可能是不顯著,也可能是顯著。
2. 加入(控制)Z 變項和自變項X與Z變項的交互
作用項後,交互作用項(XZ)對依變項Y的影響
是顯著的。
抑制機制(suppressing)

抑制機制是指Z變項在沒有控制的情況下,會抑
制自變項X對依變項Y的影響效果。

一旦Z變項被加以控制後,原本被抑制掉的自變
項X對依變項Y的影響效果,會呈現出來。
抑制機制


Without Z


X
With Z
X
------------
Y
Y
抑制機制
 認定方式(或統計分析特徵)

1. 未加入(控制)Z 變項時,自變項X對依變
項Y的影響是不顯著的。

2. 加入(控制)Z 變項時,自變項X對依變項Y
的影響是顯著的。
曲解變項

Without Z




With Z
X
+
-
Y
X
+
Y
曲解機制(distorting)

曲解機制是指Z變項在沒有控制的情況下,
自變項X對依變項Y的影響效果和有控制Z變
項的結果都是顯著的,但是方向(符號)是
相反的。

亦即,原本沒有控制Z變項時,自變項對依
變項的影響若為正,則在控制Z變項後,其
影響轉為負。
曲解機制
 認定方式(或統計分析特徵)

1. 未加入(控制)Z 變項時,自變項X對依變項
Y的影響是顯著的,符號是正(負)的。

2. 加入(控制)Z 變項時,自變項X對依變項Y
的影響是顯著的,但符號是負(正)的。
研究單位的選擇
1. 單層次研究(one-level study)
個人、組織、社區、學校、-- 2. 多層次研究 (multilevel study)
兩層次研究
三層次研究

多層次研究,需要「多層次分析方法」。
 如HLM or Multilevel analysis。

時間的考慮與拿捏
橫斷面研究(cross-sectional study)
 長期性研究(longitudinal study)

多波橫斷面研究(multi-wave crosssectional study)

長期追蹤研究(panel study)

世代研究(cohort study)


多波橫斷面研究、長期追蹤研究、世代研究等
長期研究的資料類型很多種,研究者好奇的研
究問題形式也很多種,研究者需要根據研究問
題的形式、變項的測量層次、研究單位的層次
等,選擇適當的資料分析方式。
常見的長期研究資料分析方法,如:
 Growth curve modeling (linear, quadratic,
and piecewise)
 Latent growth curve modeling
 Latent class growth curve modeling
 Cross-classified random effect model
(CCREM)
 --
空間的重要與納入

「空間」的概念可能與前面兩個概念「研究單
位」和「時間」結合,而允許研究者回答「空
間單元異質性」、「空間單元間的空間相依
性」、「空間單元的變遷性」及「空間單元變
遷性的空間相依性」等重要問題。

上述的研究問題,都需要另外的空間分
析的技術,或多層次的空間分析,或動
態的多層次空間分析。
Reference:
 紀玉臨、周孟嫻、謝雨生 (2009) 「台
灣外籍新娘之空間分析」,人口學刊,
38: 67-113。(TSSCI)


周孟嫻、紀玉臨、謝雨生 (2010) 「臺
灣自殺率具空間群聚嗎?模仿效應或結
構效應」,人口學刊,41: 1-65。(TSSCI)
e.g.,
以鄉鎮市區為研究分析單位,

(1)探討生活環境(鄉鎮市區)特性如何影響外籍
配偶的比例
 (2)鄉鎮市區的外籍配偶婚配現象有無空間相依性。
 (3)生活環境(鄉鎮市區)特性對外籍婚配的影響,
有無空間相依性。
 (4)鄉鎮市區的外籍配偶婚配現象之空間相依性
產生變化否?
 (5)生活環境(鄉鎮市區)特性對外籍婚配的影
響,有無空間相依性。

分析方法的提升

兩個例子:

1. Heterogeneous treatment effects vs.
homogeneous treatment effect

2. Comparing regression coefficients
between same-sample nested models
using logit and probit regression
邏輯迴歸(logit regression)和波比迴歸
(probit regression)被廣泛使用於社會科學的
經驗研究中。
 線型迴歸分析相同自變項的影響效果(參數估
計)的跨模式間比較是研究者常進行的工作,
以確定所加入的控制變項(或干擾變項)所扮
演的角色和判斷其所造成的影響有多大。
 但是,這樣的模式間的比較(沒控制變項與有
控制變項)在邏輯迴歸和波比迴歸中並不適當。

亦即,在邏輯迴歸(和波比迴歸)中,研究者
有興趣的變項的係數估計的差異變化,並不能
直接歸因於新加入的干擾變項的效應。
 主要的理由是:模式中的潛在變項(underlying
latent variable)的變異數(variance)並沒有認
定(not identified),而且不同模式間是有差
異的。
 這種問題稱之為再尺度問題(problem of
rescaling)。

一種新的方法:
 可以讓研究者評估干擾變項的影響(相對於
再尺度的影響)。同時,作者們也發展出檢
驗干擾效果顯著性的方法。
 邏輯迴歸模式間比較的另一個進階問題是:
模式誤差項的分配有模式間的差異,而不只
是模式誤差項變異數不同而已。


其他已經提出解決「再尺度問題」的方法可
能會導致錯誤的結論,但是新的方法卻能同
時區辨「再尺度效果」和「干擾變項效果」,
而且新的方法之模式配適狀況都不錯。

References:
Xie,Yu, Jennie E. Brand, and Ben Jann
 2012 “Estimating heterogeneous
treatment effects with observational data.”
Sociological Methodology 42:314-347.

2. Karlson, Kristian Bernt,Anders Holm, and
Richard Breen
2012 “Comparing regression coefficients
between same-sample nested models using
logit and probit:A new method.” Sociological
Methodology 42:286-313.

結論


量性研究之能力需要經過多年密集的、
系列的、專業的研究方法、統計方法和
資料分析方法的培養訓練。
懷抱對社會科學研究的熱情、對社會問
題的關心、對研究方法的精進追求,才
能卓越研究,也才能對學術和社會有所
貢獻。

similar documents