Transcript 謝雨生 - 中央研究院-

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。