Cirone, A., & Pepinsky, T. B. (2022). Historical Persistence. Annual Review of Political Science, 25, 241-259.

本文作者（从左至右）：Alexandra Cirone & Thomas B. Pepinsky

引言

在过去的20年里，政治学家已经将历史的实质性见解整合到社会科学的主流定量模板中。受到经济史中定量方法兴起的启发，本文探明了当代政治结果的深层根源，以及关键历史时刻或事件的长期政治后果。为了准确估计历史就长期而言的重要性，本篇关于政治科学中历史持续性的新文章反驳了以前的批评——即定量社会科学研究在塑造当代政治方面忽视了历史的重要性——并利用定量社会科学技术来确定当代政治结果从根本上是由历史决定的。我们对历史持续性的分析认为，该主题的中心分析任务是评估在相当长的时间间隔内运作的空间变量的影响。

文献综述

政治科学一直与历史紧密相关。基于对社会科学中有着悠久历史的“历史研究”的承认，我们将关于政治科学中历史持续性的新文献追溯到21世纪初由经济学家Daron Acemoglu、Simon Johnson和James Robinson合著的两篇具有里程碑意义的文章，因为这两篇文章有力地证明了如何收集历史数据，从而能对当代世界各地政治制度的分布作出因果解释。

在测定历史原因对后续结果的因果影响上，学者们大致经历了五个步骤：

1. 定义与测量一个感兴趣的因果变量

2. 描述其分配机制

3. 定义与测量相关的结果变量

4. 用适用于该分配机制的研究设计来估计因果变量对结果变量的影响

5. 描述连接因果的机制

Acemoglu等人的独特之处在于，他们将历史数据与因果识别框架结合起来使用，以估计在长达一个世纪的时间尺度上产生的影响。这种方法构成了当代历史持续性文献的核心，并将其与历史遗产的比较历史研究区分开来。

图 1

有关历史持续性的研究的确越来越受到重视。图1 显示了2000年至2021年5月，在5种经济学期刊(蓝色虚线)和9种政治学期刊(红色实线)上发表的历史持续性论文的数量。从2000年代中期开始，历史持续性在经济学中的重要性上升，并在2010年代中期达到顶峰。大约10年后，它在政治科学领域的崛起。实际上历史持续性研究主要涉及政治经济学的一系列综合主题，但近来也有新的研究主题受到关注，例如，殖民统治的存在或性质对长期经济和政治结果的影响，殖民前国家形式在长期造成的后果，欧洲大屠杀的起源与遗留问题，当代经济发展的集聚和基础设施建设，以及奴隶制在美国和撒哈拉以南非洲的遗留问题等。在实证研究中，多数的历史持续性研究要么关注囊括全球范围的问题，要么运用了欧洲国家的数据，剩余的文献则主要集中运用了北美提供的有关美国的数据来开展研究。

图 2呈现了研究问题的范围

为什么历史原因依旧存在？

从广义上讲，历史持续性有两种理论机制：均衡依赖与缓慢变化。其中均衡依赖包括一系列因果过程，其中系统的某些先验特征影响其长期均衡状态。这些过程通常(或许是不准确地)被归类为路径依赖或增加回报。均衡依赖的显著特征是存在多个结果的均衡分布，均衡取决于过去实现的结果，换而言之均衡依赖意味着结果依赖，结果的依赖性产生了对随后结果的历史原因的长期持续性。当然，许多的概念工具也可以从理论上解释为什么初始条件可能会形成后续结果，有时为了从理论上令人满意地解释为什么不同的初始原因会导致结果的长期变化，只是需要准确描述持续性的机制，以理解为什么存在因果效应。其次，均衡依赖对于历史持续性或许并不必要。对于许多政治科学问题来说，研究持续十年的时间尺度(在政治学文章中相对常见) ，结果依赖性可能足以解释为什么结果的空间变化持续存在，政治学家不需要把他们的发现归结为路径依赖或类似的东西，从而去确定随着时间推移的因果效应。在解释长达一个世纪的时间尺度上的长期持续性时，均衡依赖可能才更重要。

历史持续性和定量方法

持续性研究的目标是评估历史事件、制度或因素对当代结果的因果效应。这需要全面的数据收集，利用来自档案或原始资料的历史数据，然后准确地将这些数据与当代事件、机构或个人联系起来。本文讨论了三种常见的定量策略，以确定随时间推移的因果效应: (a)传统的截面数据和时间序列分析；(b)自然实验；和(c)用于因果推断的研究设计，如断点回归(RD) ，双重差分回归(DiD) ，和工具变量(IV)分析。

1. 截面数据和时间序列分析

长期以来，主流的定量方法一直使用复杂的统计模型来识别符合可检验假设的协变量，使用额外的协变量来控制可能混淆分析的未观察因素，以及时间或单位固定效应。在历史持续性研究中，这些模型被用于那些链接了跨时空的政治、经济和文化的数据，以及跨国数据或国内数据，而不去考虑这些数据集是否随着时间的推移进行了重复检视。跨国研究用这些数据来研究制度变迁，例如对民主制度变迁和经济发展之间的长期关系进行研究，又或者是探究现代国家在各维度的发展（军事能力、民主制度等）。全面的时间序列数据还被学者们利用以探索单个国家和地区的历史结果。

2. 自然实验

自然实验在历史研究中越来越受欢迎，作为一种观察性研究，自然实验中的因果变量随着自然、社会或政治力量的变化而变化，因此研究人员可以提出一个可信的宣称，即实验分配是近似随机（as-if random）的，人或地点都不能自我选择是否进入实验中。当然，自然实验依然需要定性的、基于案例的论证来解释为何它是随机的和非混杂的（unconfouned）。这就得了解历史案例并防止从相关因素和后果中错误的推断某些事态发展的原因。

3. 用于因果推断的研究设计

此类设计利用其特点从相关性转向因果性。在历史持续性研究中则主要采用了断点回归（RD）设计、双重差分回归（DiD）设计和工具变量（IV）分析。

断点回归利用一个已知的临界规则(不连续性)来分配一个特定的实验; 通过比较紧邻在临界值上下的被试，学者可以估计实验的因果影响。这种广泛应用的不连续性可以是制度性（institutional）或社会性（societal）规则的功能，或者是地理或行政边界的功能。但需注意的是，断点回归具有较高的内部效度，但往往可能伴随着较低的外部效度。

双重差分回归是另一种在实验不是随机分配的情况下，用来评估特定实验组和对照组在实验前后单位变化的策略。历史持续性研究使用双重差分来研究历史事件或冲击的影响，采取特定制度和政策之后的影响，以及一些其他举措的结果。当然，使用该种方法的一个潜在问题是：如果实验前后相隔太久，那么平行趋势假设就将变得难以辩护。

工具变量分析依赖于一个历史或地理变量来作为一个工具去进行内生性回归。换句话说，这个工具与实验相关，但与结果模型中的误差项不相关。这个假设被称为排除性限制（exclusion restriction）。如果该假设(在其他条件下)成立，工具变量可以允许学者隔断历史变量对后续结果的影响。许多这样的变量可以用于历史持续性研究，例如距离与近邻度等地里变量，天气、自然资源或农业、工业适应性等自然变量，历史制度、规则或改革的变化等制度变量及其他的历史冲击等。该分析类型适合于研究内生社会制度对后期文化和经济增长的影响，也可以突出重大历史事件的重要性。但排除性限制的假设也面临着在长时间内难以证明其合理的困难。

分析上的挑战

尽管在历史持续性研究中已采用了复杂的方法论方法，但历史持续性研究依然面临分析上的挑战。本文提请注意以下四种核心挑战：测量，空间异质性，实验后偏误与偏倚（post treatment and collider bias）以及因果机制。

1. 测量

数据的准确性往往是历史研究中的一个问题，任何使用大量历史数据的研究可能会受到测量误差和/或样本选择偏差的影响。缺失的数据可能会威胁历史持续性研究中的推断。

2. 空间依赖

历史持续性回归根本上是空间分析。现代数据在相同的分析单位上对历史数据进行回归，并且许多有关持续性的研究依赖于所利用解释变量的地理变化。但是数据的空间性质意味着相邻的观测数据可能相互依赖，相关性可能由残差的极端水平的空间自相关性或强烈的空间趋势所驱动，导致有偏倚的系数或人为的低标准误。也有政治学学者考虑使用更广泛的空间计量经济学工具来解决这个问题，例如采取地理固定效应回归。但并不完全消除了问题。

3. 实验后偏误

实验后偏误既可能会通过控制统计模型中的实验后变量，也可能会通过选择样本或根据实验后标准对数据进行子集设置而被引入，这实际上将会抵消掉自然实验的几乎所有好处。更一般的说，在处理存在缺失，有数据干扰或聚合的历史数据时，准确界定协变量的时间以及在多大程度上某一变量先于他者，都是更具挑战性的。

4. 因果机制

历史持续性研究依赖于产生具有因果解释力的相关性研究的研究设计，但这些解释只有放在其研究设计下考虑才有说服力。根据定量社会科学中因果关系的标准方法，可以在不参考机制的情况下确定和估计因果效应。根据因果关系的潜在结果框架和许多与之相关的反事实类型定义，对因果机制的解释对于估计因果效果不是必要条件。那这些解释是否是充分条件呢？由于社会科学中“机制”的概念地位尚未明晰，所以这里有一种分离的张力。我们同意因果机制带来因果效应。但机制有时沿着因果关系之间的中间因果路径被仅仅当作变量；有些时候也作为理论陈述，支持因果论点；有些时候则不过是作为详细描述因果关系的叙述性陈述（narrative accounts）。尽管历史持续性研究似乎特别需要机制性证据，但如果没有大量的中间结果数据和符合严格的案例选择标准的多项定性研究，它们就不可能证明长期相关性确实是因果关系。

编译 | 向仁雨

审核 | 查皓

终审 | 李致宪