因果分析中的倾向值分析和熵平衡法.pdf

《社会学刊》 第３ 期 第１０９～１３１页 ©ＳＳＡＰ，２０２０ 因果分析中的倾向值分析和熵平衡法∗ 郝明松∗∗ 摘　 要： 在社会学等学科的实证研究中， 倾向值分析是当前常用的用来 估计因果关系的方法。 但是， 在实际应用中， 若需要通过有限样本估计某一 外在宏观要素对微观层次的作用效应的形塑， 则此方法可能会面临精确性和 代表性难以同时兼顾、 协变量的多阶矩难以同时平衡以及多层多个协变量难 以同时匹配三个难题。 新近发展的熵平衡法能够有效解决这三大难题。 本文 综合国内外的必威体育精装版研究进展， 对熵平衡法的原理、 特点和优势进行了梳理， 并在此基础上提出了两步熵平衡法， 以实现两个层次不同协变量的同时匹 配； 然后， 以新经济社会学中的社会网络研究为例， 通过对一个调查数据的 分析展示了这一方法在因果关系的估计上与倾向值匹配、 倾向值加权等方法 的异同； 最后， 对熵平衡法的运用前景和可进一步拓展之处， 给出了笔者的 思考。 关键词： 因果分析　 内生性问题　 倾向值分析　 熵平衡法 ∗ 本文受到中国博士后科学基金项目 “社会网络对人职匹配的作用效应： 时代变迁及跨国比 较” （２０１６Ｍ６０２７９０） 的资助。 本文的形成得益于边燕杰教授的尽心帮助和悉心指导， 以及舒 晓灵教授的审阅、 两位匿名审稿人极具洞见与建设性的意见和建议， 在此一并致谢！ 文责 自负。 ∗∗ 郝明松， 西安交通大学人文社会科学学院社会学系副教授， 西安交通大学实证社会科学研究 所研究员， ｍｓｈａｏ＠ｘｊｔｕｅｄｕｃｎ。 ·１０９ · 第３期 一　引言 （一） 因果分析的挑战： 内生性问题 社会科学是对社会现象进行描述、 解释和预测的科学。 为了实现解释和 预测的目标， 常需要通过实证分析确定不同变量或因素之间的因果关系。 以 社会学和经济学的研究为例， 它们经常需要探讨这样一些课题： 家庭背景是 否会影响子女教育机会的获得， 受教育水平等人力资本对工资收入有怎样的 影响， 收入的多少是否会影响个人的幸福感， 等等。 但是， 内生性问题的干 扰常导致估计得到的因果效应高于或低于真实值， 使得对因果关系的数学证 明失效 （Ｍｏｕｗ， ２００３、 ２００６； 梁玉成， ２０１４； 陈云松、 范晓光， ２０１０； 胡 安宁，２０１２）。 一般来说， 内生性问题主要有四类： 遗漏变量偏误、 自选择 偏误、 样本选择偏误、 联立性偏误 （陈云松、 范晓光， ２０１０）。 本文关注前 两种类型， 即遗漏变量偏误和自选择偏误。 为了形象直观， 可将这两类内生 性问题的实质表达成图１中的逻辑结构。 图１　 内生性问题的具象化逻辑结构 基于图１， 内生性问题的数理本质是： 存在其他干扰变量Ｚ， 既能影响 自变量Ｘ， 也能影响结果变量／ 因变量 Ｙ， 因此， 若在估计模型中遗漏了Ｚ， 即Ｚ带来的干扰性影响未得到正确控制， 那么我们无法得到Ｘ 对 Ｙ 的作用 效应的无偏估计值 （Ｗｏｏｌｄｒｉｄｇｅ，２００２）。 一种极端情况是： 未控制Ｚ 之前， 在数学形式上可得Ｘ 与 Ｙ显著相关； 但是， 控制了Ｚ 之后， Ｘ 与 Ｙ 的相关 性完全消失。 在理论层面， 这一极端情况的出现表明： 真正导致 Ｙ发生的 ·１１０ · 因果分析中的倾向值分析和熵平衡法 Ｊｏｕｒｎａｌ ｏｆ Ｓｏｃｉｏｌｏｇｉｃａｌ Ｓｔｕ