Editor's Note

研究使用的方法，影响着我们对世界的感知。在复杂且多元的人类社会面前，没有一种方法能保证我们对人及其处境达到完全的理解。历史与社会科学，从近代学科建制以来，就是认识社会、行动及现象的重要路径。但这两者之间，也存在着诸多差别与争论，特别是在特殊性与普遍性、时空的概念，以及理论与描述等主题之上。

在 Time Counts 一书中，哥伦比亚大学的政治科学与历史教授 Gregory Wawro 和 Ira Katznelson 通过将质性历史研究的视角和理论引入量化历史，创新定量的方法与模型，从而弥合了定性和定量分析之间的差异，推进了社会科学中的历史研究。

*9月8日-9月30日期间，我们将为大家盘点普林斯顿和芝加哥大学出版社近年出版的各学科前沿教参，相关优惠和礼赠规则请点击相关文章查看：

**如果您是教师并且希望在课程设计中参考本书，请点击“阅读原文”，填写相关信息即可申请样书；申请成功的读者，将在1周内收到邮件答复。

历史研究中的定性与定量之辨

学科之间的对话并不简单。亚里士多德在很久以前就发现了学术分野的问题。他在 Posterior Analytics 的开篇就指出，不同的学科有自己的假设、原则和研究模式。在现代，学科的独特性无疑已成为了主导现实。马克斯·韦伯的《经济与社会》强调了社会科学与历史之间的分歧：“社会学，试图阐明经验过程的类型概念和普遍一致性。这使它与历史有所区别，历史主要是对具有文化意义的个人行为、结构和个性进行因果分析和解释”。

社会学家的任务是阐明一般假设，希望这些假设被置于更大的理论框架内，并对它们进行检验。相比之下，历史包含对特定事件或过程的分析。当社会学家寻求包含各种特定描述类别的概念时，历史学家尝试接近实际发生的事情，避免将特殊性普遍化，因为这会导致对特定环境中事件的扭曲陈述。

对许多历史学家来说，历史学由于缺乏整体结构或定义，较少与经典、知识体系、技术方法紧密结合，因此和其他社会科学相比更具包容性，更具学术生命力。但历史学的这些特质引起了许多社会科学家的担忧，他们认为历史学家经常在叙述上过度自信，而缺乏对复杂叙事中哪些元素起着重要作用的明确思考。反过来，历史学家也目睹了定量分析简化了历史的丰富性。他们认为后者过于强调因果推理，而简化复杂的过程；为了使用严谨的研究方法，而放弃解释重大的历史难题。

但不管是历史学家，还是社会科学家，都分享着同一个追求：超越“是什么”（what）和“何时”（when）的问题，而追问“为什么”（why）。历史学家往往用叙事的方法回应，重视资料来源和史学方法；而社会科学家会用复杂的计量方法, 企图找到历史中的因果关系。这使得历史和社会科学之间,以及定性和定量取向差距越来越大。

见识到了这种差距后，自上世纪中开始，西方学界形成了一股联结历史与社会科学的努力。定量领域更加关注识别、描述以及解释时间序列；而定性研究则更为关注因果推断。但与此同时，社会科学研究中的历史领域与传统统计工具之间并不匹配。后者常常难以全面地考察不同历史时间范围和不同环境中的各种变量，很难理解关键节点（critical juncture）发挥作用的机制：当研究假设不能体现历史情境时，研究很难理解历史的断裂与空间的特殊性。

时间，不管是对于历史，还是社会科学，都是重要的参考系与考量因素。传统的定量方法将时间当作固定的变量来看待，关注时间单位的同质性（homogenous unit：对于一个有n个观测值的数据集，假设所有具有相同解释变量值的单位都具有相同的因变量期望值） 。但历史学家以及质性社会学家早已指出，不同的时间会引出不同的历史情境、以及不同的思维和行为。由此，后者产生了以特殊性（specificity）、情境化（contextualization）为基础的研究。而在社会科学定量领域，对时间“异质性”（heterogeneity）的讨论稍显薄弱。

在 Time Counts 一书中，哥伦比亚大学的政治科学与历史系的两位教授 Gregory Wawro 和 Ira Katznelson 就从“时间异质性”的角度，找到了历史与社会科学交汇点：这两个学科相交于一种方法，这种方法将思维和行为模式嵌入到特定的环境中，并可以识别出特定时间维度上以不同形式展开的过程。以这种思维方法为基础的定量研究，强调了时间作为序列变量和连续变量的复杂性，从而可以弥补传统定量研究在情境化、特殊性、时间性和周期性上的不足，并达到历史社会学家 James Mahoney 所倡导的“厚理论”（thick theory）。

Time Counts 一书指出，定量工具——考虑了时间和空间规范的统计工具——可以成为将历史特殊性与一般化目标结合起来的手段，可以识别人类状况的宏观结构与过程，同时兼具分析性、经验性和规范性。作者主张定性方法必须为定量方法提供信息，用历史学技艺来指导并丰富定量研究。如果从事统计研究的人——尤其是那些从历史角度从事统计研究的人——注意定性研究人员的标准和关注点，统计研究将产生更可靠、更令人信服的证据和推论。

点击下图链接直达本书购买页

Time Counts: Quantitative Analysis for Historical Social Science

超越简单的线性模型

忽略了时间的异质性的传统定量研究存在诸多问题。这些研究依赖于三个有缺陷的前提：(1) 将理论从历史中分离，(2) 使用非历史（ahistorical）的时间概念，以及 (3) 假定方法的自主性和统计理论优先于历史过程。在这些研究中，对理论的关注，和对假设检验的强调，优先于对历史数据特殊性的研究。

在这些研究中，时间本身被认为是非历史的。时间被视为一个平滑均匀的量级（a smooth homogeneous magnitude），外在于历史事件和关系 。时间成为了单一变量，进而导致不同历史背景下的经验关系被同质化。此外，研究者对样本量和选择性偏差等问题的关注，往往超过研究的历史特征。为了获得具有统计意义的结果，以及避免选择性偏差，研究者希望最大化时间序列的长度，而不是将它们分成可以更准确地代表不同时间段的子序列。这些问题的存在导致分析的偏差，观察结果被硬塞到同一种模型中，而这些模型通常过于简单。

在本书中，为了回应这些传统定量研究中的问题，作者强调要以深入理论的方式，关注测量单位中的异质性，并对之进行理论化、建模和研究。在模型中关注异质性无疑会增加参数估计的不确定性，但如若改进测量方法，异质性可以被视为数据的系统特征，成为历史分析的一个组成部分。由此，定量研究可以更好地回应历史过程的复杂性和多面性，从而更好地与定性研究者对话，并推进对历史的理解。

研究问题与适用人群

历史的复杂性、特殊性与前后关联，是历史学家和社会科学家都无法忽略的存在。Time Counts 一书，在社会科学中推进历史分析，不仅关注了特定的情境和背景，而且关注了对历史研究至关重要的时间和顺序。

质性社会科学家已经在这个议题上有了重要进展，他们充分意识到了历史以规律性/机制、随机性/变化的不稳定组合展开。随着时间的推移，一个特定地方的意义和那里发生的事情可能会发生变化。而定量研究在考虑这些问题时，往往比较滞后，并经常依赖于使时间扁平化、以及忽略历史特殊性的方法。而本书致力于创新时间参数的定量方法来弥补这一差距。

本书第二章勾画出了创新方向的路线图，指出一系列可以确定和分析历史参数变化的定量方法和技术。第三章研究了与贝叶斯统计相关的条件概率，以及其在处理时间性、周期性、特殊性和情境化中的运用，从而更新了时间建模方法。第四章展示了非线性方法对研究的增益。第五章讨论历史研究中的路径分析，并对之进行了定量建模。第六章讨论因果推理的问题。第七章作为本书的总结，概括性地总结了本书，并指出了新研究方法的方向。

这本书首要面向两类读者。第一，是以统计为主要工具的社会科学家。这本书可以帮助他们超越现有方法的限制。使定量研究者更熟悉历史学家和质性历史社会学家所做的工作；第二，本书面向那些对历史定量研究方法持怀疑态度的学者。历史学家和历史社会科学家常常担心，定量导向的学术研究往往只研究历史数据本身，而忽略了历史背景、特殊性、暂时性和周期性。的确，历史研究不能以扁平化的普遍主义方式进行。被用来从经验上理解不同历史时刻和过程的统计方法，必须关注参数的异质性，以及建立相应的统计模型。本书中提出的统计方法回应了质性研究者的怀疑，可以与基于档案和文献的研究一起，对历史中的重大问题作出有意义的回应。

PUP内容推荐

点击下图链接直达本书购买页

Time Counts: Quantitative Analysis for Historical Social Science

传统的统计方法很难去处理历史分析中的时间性、周期性、特异性和情境化。在本书中，哥伦比亚大学的政治科学与历史教授 Gregory Wawro 和 Ira Katznelson 通过将质性历史研究的视角和理论引入量化历史，创新定量的方法与模型，从而弥合了定性和定量分析之间的差异，推进了社会科学中的历史研究。

本书创新了定量分析的方法与模型，并重复验证了这些方法的有效性。这些创新的定量方法可以有效地识别历史的结构性断裂、揭露历史的时间性演变、以及研究时间序列数据中的路径依赖现象。本书还讨论了使用历史方法来进行因果推断的前景和潜在缺陷。

PUP作者简介

Gregory J. Wawro

哥伦比亚大学政治学教授

Ira Katznelson

哥伦比亚大学政治科学和历史Ruggles 教授

相关热读文章