当意识形态驱动社会科学

上个夏天，在本刊上*，莫迪凯·利维-艾歇尔（Mordechai Levy-Eichel）和丹尼尔·舍纳曼（Daniel Scheinerman）发现了理查德·琼·苏（Richard Jean So）的《文化的红线：种族不平等与战后小说的数据史》*中的一处重大缺陷。这个缺陷使得书中的结论失去了意义。不幸的是，他们发现的问题并非孤立事件。在关于种族不平等这种复杂领域的研究中，一种教条主义泛滥，导致对可靠证据和健全方法论的漠视，从而使我们在探究社会问题的根源时，无所适从。

*注

本刊：https://www.chronicle.com/article/digital-humanists-need-to-learn-how-to-count

《文化的红线：种族不平等与战后小说的数据史》：Redlining Culture: A Data History of Racial Inequality and Postwar Fiction, Columbia University Press, 2020：http://cup.columbia.edu/book/redlining-culture/9780231197731

我们所讨论的，并非仅仅停留在对研究结果解释上的微小差异，那种差异很是常见。我们指的是那些明显的错误，它们应该导致对研究的严肃质疑，却被完全忽视。大量的研究——我们将重点关注亚裔美国人阶级流动性的研究——为了得出更受意识形态欢迎的结论，不惜玩弄统计方法。

在社会学的广阔天地中，大部分精细的定量研究涉及多元分析，它像是一只锐利的矛，瞄准社会问题的要害。这些研究可能会探讨一个特定的自变量如何“导致”一个结果或因变量的变化。如父母的教育水平如何影响子女的收入，或者反过来，父母的收入如何影响子女的教育水平？

-k8t -

人类行为过于复杂，不能仅由一个变量来解释，因此社会科学家通常试图同时“控制”各种原因。如果你试图测试一个特定的原因，你需要将该原因与其他所有可能的原因隔离开来，并保持其他原因不变。人们可以使用多元回归（multiple regression）来控制给定的变量。多元回归是一种可以同时分离出多个变量的净效应的统计方法。

如果您想确定收入是否会影响到教育成果，您需要比较来自双亲家庭的每个人，因为家庭状况可能是另一个与因果相关的因素。您还需要通过比较收入相近的人群，来了解家庭状况的影响。以此类推，其他变量也需要考虑。

问题在于，这可能存在许多变量，而研究者不可避免地会遗漏一些。社会学家通常会调整年龄、性别、种族/族裔、地区和教育等协变量，但其他未经测量的协变量（如个人或团体的不同品味或偏好），可能会混淆这种关系。这被称为“控制不足”问题，可能导致遗漏变量偏差*（Omitted Variable Bias）。危险的是，研究人员可能得出显示某种效果的结论，但不能确定所研究的自变量是否对此负责。

*注

遗漏变量偏差（Omitted Variable Bias ，OBV） ，指 一个统计模型遗漏了一些变量， 而模型把遗漏变量对响应变量的影响， 算在了已经包含的变量头上。

例如，最近一项新研究，纠正了早期显示适量饮酒对健康有益的研究，这让饮酒者颇感沮丧。事实证明，那些早期研究可能测量的是适量饮酒者的其他习惯所产生的影响，如健康饮食或锻炼。新的研究认为，酒精与此无关。

- VISUAL SCIENTIST -

假设你试图探寻导致不平等的诸多成因。教育水平固然是一个显著的因素，然而，你亦渴望挖掘其他因素，例如婚姻状况、种族歧视或其他诸如此类的根源。因此，在进行回归分析时，你需对教育水平予以“控制”——即比较拥有相同教育水平之人。

然而，即便在诸如教育等因素得到适当控制之后，你往往仍无法洞察到其他重要变量，例如个性。你无法解析出大学毕业生更可能具有的所有人格特质（如更强烈的驱动力、更远大的志向、更可靠且守时的行为、更出色的社交技巧、更少的偏离行为等），因为后者的数据往往并未包含在同一数据集中。这些个性方面与获得大学学位息息相关，雇主们可能实际上更看重这些特质，甚至超过在大学期间学得的任何特定知识。换言之，真正具有价值的，可能并非大学学位，而是那些首先选择寻求学位的人所具备的人格特质。

当研究人员过度控制时，就会出现相反的问题。有时他们在多元方程中加入了过多的控制变量。当研究者受到某种动机驱动，企图证明某个关注的变量“其实”并不重要时，就容易出现这种错误。比方说，假设一位社会学家希望通过数据统计证明，成长于单亲家庭的环境对孩子的教育成就（以成绩为衡量标准）并无实质影响。这位社会学家可以控制家庭收入、学习时间、缺课次数以及学校的行为问题。然而，这些因素可能至少部分受到首先在单亲家庭中成长的影响。通过过度控制，社会学家可能只能生成关于单亲家庭结构的微小统计效应。倘若再配上被误导性地挑选数据，过度和不足的控制，就会成为产出粗糙、不可信赖的社会科学研究的祸首。

- Stuart McReath -

在《模范少数族裔的神话》（The Myth of the Model Minority, 2008）中，罗莎琳德·周（Rosalind S. Chou）和乔·费格（Joe R. Feagin）断言：“当研究者将日本和其他亚裔美国工人与具有类似工作、教育背景和工作经验的白人工人进行比较时，会发现亚裔美国工人的平均薪资较低，晋升为管理职位的可能性也较小。”然而，周与费格的观点缺乏严谨的实证证据。他们并未直接援引同行评议期刊中已发表的研究，而是依赖一部由蒂姆·怀斯（Tim Wise）所著之书。而蒂姆·怀斯自称为“杰出的反种族主义者”，是一位记者，未曾接受研究生培训，亦无任何评估劳动力市场或社会经济数据的专业经验。

怀斯引述了1992年《华盛顿邮报》上发表的一篇旧报纸文章，但他对该文的概括却是错误的。邮报的文章夸大了一位人口统计学家对一些探索性的教育水平与种族和收入相关的交叉表格的非正式评论。这样一篇过时且统计方法幼稚的报纸文章，成为了周与费格为他们得出亚裔美国工人薪资不公的唯一证据。与此同时，周与费格忽视了众多发表在社会科学期刊上的更近期的分析，这些分析采用更优良的统计方法和更新的数据，但却未能得出周与费格所期待的结论。

这种挑选性引用在文献中屡见不鲜。另一个例子是历史学家埃伦·吴（Ellen D. Wu）在《成功的色彩》（The Color of Success, 2015）中提出的观点，她认为显示亚裔美国人高收入的“统计数据”是“误导性的”。她声称，亚裔美国人的家庭收入更高，是因为他们每个家庭有更多的工人，生活在高生活成本地区，但亚裔美国人在受教育方面的回报却较低。作为这些断言的证据，吴引用了一份提供有关亚裔美国人人口和教育的基本描述性统计数据的报告。报告中没有任何关于收入或收入数据的多元分析。换言之，吴引用的证据甚至没有试图对任何因素进行控制。事实上，该报告中几乎没有任何收入统计数据。然而，吴仍将这份研究视为对亚裔美国人收入的权威性分析，据此宣称证实了她的结论，即“统计数据”具有“误导性”。

-k8t -

此种歪曲和狡辩，在探讨社会经济差异原因的研究中时有出现。依据现如今对美国社会阶层视为神圣不可侵犯的观念，亚裔美国人被视为“有色人种”，因而面临深入骨髓的社会及劳动市场歧视，这一切皆为了维护“白人特权”的社会体制。在此观念之下，所有涉及“模范少数族裔”模型的提及——该模型试图通过亚洲文化效应来解释亚裔美国人的高收入和成就水平——都是错误的，只是一个神话。然而，将模范少数族裔观念视为神话的这一主要信条本身，基本上便是错误的。

相较于现今的白人，亚裔美国人至少在平均水平上表现出色。一项突破性的研究发现，他们显然拥有全球有史以来最高的代际向上收入流动水平。除了少数例外，亚裔美国人辍学、被监禁或陷入贫困的可能性相对较小。他们更可能接受大学教育，进入知名大学，具有更高的职业地位，从事高薪的技术和STEM领域工作，获得更高的平均收入，并与白人相比享有更长的寿命和更好的健康状况。

设想一名研究者，他欲辩称，拥有亚洲移民父母对青少年是否接受大学教育并无影响，因为在他看来，只有“社会经济因素”才重要，而非亚洲文化带来的影响。精明的社会学家可能会将高中GPA作为控制变量，然后，拥有亚洲移民父母的估计影响就会降低。这就是过度控制，因为亚洲移民父母产生积极影响的一个途径，是通过执行更高的学习和作业时间标准，从而推动他们的孩子获得更高的GPA。但由于将高中GPA纳入控制变量，这种家庭机制在估算亚裔系数时便被有效地排除了。

- MARINA MUUN -

对于此类的说辞，哥伦比亚大学著名社会学家珍妮弗·李（Jennifer Lee），积极宣传亚裔面临“竹天花板”（ bamboo ceiling）的观点。她曾在《洛杉矶时报》等媒体上发表评论文章，她认为根据她的研究，亚裔美国人在就业市场上遭受系统性的种族歧视。然而，她的结论之所以引人疑窦，是因为她展示的那些统计数据，并未如实反映出她所坚称的观点。正如我们其中一人在一篇同行评议的文章中细致论述的那样，她的研究结果反映出，亚裔与白人之间基本持平，唯有在华裔美国人的情况下，她的研究结果反映出华裔美国人在某种程度上比白人更具优势。然而，当这个统计失误被一位政治学家揭示之后，珍妮弗·李却对她的观点更加坚定了。

关于管理职位，近几年的情形并无足够的证据显示，在美国土生土长的亚裔美国人比白人更处于劣势（尽管有关“竹天花板”的论调不断在耳边回荡）；事实上，在一些最新的数据中，土生土长的亚裔美国人在职业竞争中甚至可能比白人占据微弱的优势。因此，想要描绘出亚裔美国人因“白人特权”而在社会经济上处于严重劣势的画面，便需要借助大量有缺陷的研究，描绘出一幅色彩斑斓的画卷。

李及其合作者还提供了一个明显误导性但被广泛引用的统计数据：69%的亚裔美国人支持平权行动。这个调查问题措辞含糊，如同一个迷雾之中的迷宫，让人困惑不已。同时，调查样本也不具有随机性或代表性，如同一场精心策划的戏剧，更偏向支持自由派观点的人群。

- Giuliano Buttafuoco -

在社会科学的广大领域里，意识形态的驱动下，统计数据被滥用的现象犹如野草丛生，随处可见。人们往往会困惑，为何会演变至此地步？在左倾的学术语境中，似乎有一种强烈的倾向，偏爱于将问题归咎于“结构性”的因素，部分原因在于，学者们身处在一种巨大压力之下，避免将社会问题的责任推到人们自身和文化因素上。然而，一个深度的社会理论，必须对结构与主体，以及文化等社会影响力量的中介角色加以承认。

反之，我们更习惯于通过理论来讲述故事。学者们，就像普通人一样，乐于叙事。高等教育的大部分研究精力，都在于试图通过强调那些恶意的“结构性”力量，来解释社会的不平等。然而，最佳的理论，必须更全面，更深入。总的来说，社会阶层对教育、收入和健康的影响大于种族影响，但在某些特定背景下，强烈的文化模式已经显现出来——譬如在第二代亚裔美国人中——文化的压力，驱使他们采取一些行为，进而导致高等教育和职业成果的提升。

在这里，我们需要再次强调的是，我们讨论的并非对结果解释的正常差异。我们谈论的是明显的错误，或者说，至少是非常糟糕的学术成果，这些成果本不应通过同行评审。对这些结果的质疑是相当容易的，因为它们通常与我们的直觉相左。在涉及种族差异的敏感领域，应避免简单的单因解释，如“结构”，转而支持涉及结构、文化和个体差异相互影响的多因论证。

当社会科学家试图确定一个简洁的因果关系模型时，他们往往会忽视人类生活的复杂性和现实。

人类的行为多样而复杂，即使在相似的结构环境下，也会受到各种各样的驱动因素影响。我们中的一位人类学家，在世界各地都看到了这种多样性——人们都会受到他们成长环境中的文化模式的影响。这些模式与结构环境紧密交织，又不能相互化约。它们相互作用，与个体的差异性相结合，从而产生多样化的结果。研究不应受到先验的意识形态承诺的引导，而应跟随证据的指引。然而，这些证据往往不会导向明确无误或者铁证如山的结论。

其中的一些文章，其实应该是被撤稿的候选者，但是撤稿的现象却寥寥无几。尽管利维-艾歇尔和舍纳曼对战后小说中的种族差异这本书进行了深入的解剖，但是并未有任何更正或撤稿声明出现。一些学者，他们甚至因为自己的研究成果符合主流观念，而获得了重要的晋升。反之，那些违反意识形态信仰的论文，相比那些事实错误的论文，更容易受到被撤销的压力，而这种压力，往往来自于推特上的活动家们。

-Stuart McReath -

诸多事件并非孤立现象，整个研究、资金、出版和晋升体系都在助长此类现象。如今，学术界对种族歧视的研究成果予以极高的关注与重视，这类研究成果的回报颇丰，人们往往为了赢得这些成果而竭尽全力。

犯错的人们意识到审稿人和编辑很少会在这方面追究他们。这一事实有助于解释为何学术界频频受到右翼的攻击。如今，“进步活动家”虽仅占总人口的8%，但在社会科学和人文领域却占据主导地位。我们应该找到一种方法来审查那些因团体思维而导致研究缺陷的机构，尽管这也存在其风险。活动家们的敌人，即右翼势力，已经控制了许多州立立法机构，并试图像在佛罗里达州那样，通过立法干预高等教育中的言论。这种现象助长了持续的两极分化和冲突，而非寻求真相的途径。

许多学者对统计模型及其弱点了解有限，因此很容易被那些无法证实其所声称的研究所误导。这些研究可以通过各种统计技巧进行操纵，无论是有意还是无意。更为关键的是，模型通常无法反映因果关系的复杂性，因果关系通常涉及反馈回路和滞后效应，这使得因果关系难以确定。一个例子是关于“破窗式”治理的争论，尽管多年来进行了许多统计研究，但人们对于它或其他因素（如社会控制）是否降低了犯罪率仍无共识。

当研究得出主要基于“结构性”原因的差异时，我们需保持怀疑态度，正如面对那些完全以个体层面原因为基础的研究时一样。当社会科学家试图确定一个简洁的因果关系模型时，他们往往会忽视人类生活的复杂性和现实。

后记

光影：本篇是神经现实举办的“机器翻译”大赛的第01篇，后续会有更多本比赛的作品出炉。如果你对训练ChatGPT做翻译有信心，也欢迎将你的作品投稿给我们，邮箱：[e-mail]。

本文均由ChatGPT翻译、审校并润色。光影检查后，并未对任何文字做修改。那么，你觉得这篇翻译的怎么样呢？（点击此处，查看ChatGPT完全机翻的效果。）

作者：Michael Jindra、Arthur Sakamoto

译者：ChatGPT | 审校：光影 | 编辑：光影

排版：光影 | 封面：VISUAL SCIENTIST

原文：

https://www.chronicle.com/article/when-ideology-drives-social-science

微信又改版了，不是常读或星标的公众号，图文推送不再显示封面啦。为获得更好的体验，以及不错过任何一条精美推送，跪求喜欢我们的小伙伴标一个“星标”，这样才能及时收到我们的优质内容。如有转载需要，可直接快捷转载；或在后台回复“转载”，添加bot微信即可，但暂不支持转载到微信外其他平台哦。