对于定量研究的思考往往是基于高度个人化的经验基础之上的。每个研究者会对定量研究的价值和局限有不一样的体验。对于笔者个人而言，每次做具体课题的同时都会对定量研究的价值和局限有进一步的反思。基于最近所做的一个课题，笔者谈谈对定量研究三个方面（研究问题的发现、寻求解释的过程、研究结果的报告）的思考。

　　社会学家一直关注社会网络或者社会关系对于个人职业生涯和社会流动的影响，比如很多社会学家就发现社会关系对于找工作有着重要的作用。我们找工作主要通过两大途径：一是正式渠道，也就是在正式的劳动力市场上求职、应聘与申请；二是非正式渠道，比方说通过寻求社会关系的帮助得到新的职位。很多学者做了这方面的研究。他们主要关注的是在不同的劳动力市场条件下正式渠道和非正式渠道哪个使用率或者成功率更高，哪个渠道有更好的收入回报，等等。而笔者发现了一个高工作满意度和高离职意愿度并存的困惑——通过社会关系找到工作的人对工作有更高的满意度却同时又有更大的换工作的意愿。这看似是有悖常理的，因为一般来说，如果一个人对自己的工作比较满意的话，就应该不太愿意离开这个工作。笔者利用了中山大学所做的2012年中国劳动力动态调查的数据来研究这个困惑，并且建立了一个理论模型来解释这个困惑。首先区分了工作满意度的两个相对独立的维度——物质维度满意度（即对工作的物质回报比如收入和晋升机会等的满意程度）和人际维度满意度（即对工作中的人际关系比如与同事和上司的关系等的满意程度）。研究发现，利用人际关系找到的工作和利用正式渠道找到的工作在物质维度满意度上没有显著差别，但是利用社会关系找到的工作有更高的人际维度满意度。被别人引荐获得的工作会有效促进与同事和上司的相处，更容易得到他们的尊重。所以，总的来说，利用社会关系找到的工作更令人满意，尤其是人际维度方面。那么如何解释利用社会关系找到的工作同时具有更高的离职意愿度呢？笔者提出了较低寻职沉没成本和较低再就业成本预期的解释。相对于通过正式渠道找到的工作，通过社会关系找工作要相对少一些周折，相对更容易一些，所以有较低的沉没成本。而正式渠道找到的工作得来更不易一些，付出的努力和成本更多一些，从而更令人珍惜。此外，通过社会关系找到工作的人可能会有容易找到下一份工作的预期。这个较低再就业成本预期也会促使个人更愿意（或者说舍得）离开现在的工作。

　　发现研究问题

　　定量研究者所能做的具体研究问题应该是多样化的。定量研究者一般不会也不应该只精通于某一种或几种统计方法。大多数的研究者会使用多元化的工具手段，而每一种工具手段其实都暗含着某一种看问题的视角。比如分层回归提醒研究者，个人行为既受到微观的个人因素的影响，也受到宏观的环境因素的影响；交互变量告诉研究者，某个自变量对因变量的影响大小本身又是受到其他变量（比如制度环境）的调节的；等等。这些多元化的工具方法提供给我们多元化的视角，从而有利于研究者拓展多样化的研究问题。笔者的最新研究就是借用了结构方程模型所隐含的视角，来理解高工作满意度和高离职意愿度并存的困惑。通过社会关系找到工作有多条路径影响工作满意度和离职意愿度，有直接的影响，也有间接的影响。一方面，通过社会关系找到工作提高工作满意度，从而间接地降低了离职意愿度；另一方面，通过社会关系找到工作（由于较低寻职沉没成本和较低再就业成本预期的缘故）又直接提高了离职意愿度。

　　一般的研究方法课往往提倡研究问题的产生应该是理论驱动。研究者应该首先受到某个理论问题的启发，然后去收集数据、分析数据来回答这个理论问题。这种理论驱动当然是好的。但是在现有数据大量存在的今天，我们也不应该否定数据驱动对研究问题的发现所起的作用。往往我们先接触到高质量的数据，然后看这个数据能回答哪些我们感兴趣或是有重要意义的理论问题。笔者的研究就是在接触到中山大学的中国劳动力动态调查数据后受到启发。数据驱动会促进我们对现有数据的充分利用，也是对社会资源的节约。我们应当鼓励学者们把花费大量资源和精力收集来的数据公开分享。当然，其他研究者在使用这些数据的时候也应该认同和感谢数据收集者付出的努力。

　　寻求解释的过程

　　定量研究中的统计模型终究是工具而不是目的。定量研究的目的在于解释——解释多个社会现象之间显在或潜在的关联。解释是理论的雏形和基础。在寻求解释的过程中我们不妨试一试理性主义的视角，即从理性（比如成本收益分析）的角度来试着解释。因为定量研究里的统计模型暗含着一个假设，即因变量是可以被模型预测的。而可预测的行为往往是理性的；非理性的行为往往难以被预测。理性主义的解释和统计模型的使用是相合的。所以你既然选用了统计模型来分析这个研究问题，那么你也应该至少试一试从理性的角度来解释结果。尤其在数据样本量较大的情况下，少数个体的非理性不至于改变整体观察到的理性。笔者并不是否定非理性的社会行为和现象的存在。但是定量方法可能不是研究非理性的社会行为和现象的最佳方法。理性主义和统计模型的相合也是定量方法能尤其在经济学中（相较于其他社会科学）发扬光大的重要原因之一。所以在研究里，笔者从个人成本收益分析的角度提出了较低寻职沉没成本和较低再就业成本预期，用以解释为什么通过社会关系找到工作会直接提高离职意愿度。

　　定量研究里寻求解释的过程中有两个相关联的问题是应该直面的，即因果关系问题和缺失变量问题。我们都希望我们提出的解释有明确的因果（因为X，所以Y）。但是除非我们的数据来自随机试验，不然解释中的因果关系都有或多或少的不确定性，因为有太多的干扰因素我们可能没有控制住。社会学中的随机试验往往是不现实的和不可行的。基于社会调查的数据中，面板数据（同一批个体在多个时间点上被反复观测）稍微能接近确定的因果关系，但也不是百分之百。基本上可以说所有的社会学定量研究都应该认真思考解释中的因果关系，比如看看有没有其他可能的解释。比如在笔者的研究里，反思了较低寻职沉没成本和较低再就业成本预期的解释。它可能不是通过社会关系找到工作会直接提高离职意愿度的唯一解释。也有可能是人们往往利用社会关系去找过渡性的工作，而在过渡性的工作里当然离职意愿也比较高。与因果关系问题相关联的另一个问题就是缺失变量。可以说所有的定量研究都多多少少有缺失变量的问题，从而对我们估测的自变量对因变量的回归系数产生影响。比如笔者意识到所用模型缺失了一些变量比如人的个性。外向的人可能一方面更善于利用社会关系找工作，另一方面可能更善于与工作中的同事和上司相处从而得到更高的人际维度满意度。缺失了的个性因素可能会对估测到的“通过社会关系找到工作会带来更高的人际维度满意度”的这个发现产生不好的影响。缺失变量的产生无非是两个原因，一是有些应该控制的变量研究者没有想到，二是数据里面没有测量。我们应该尽可能地利用较好的数据（比如面板数据）和统计学办法（比如固定效应模型等）来减小缺失变量对回归系数的影响，尤其希望缺失变量不至于对回归系数的统计显著性和正负方向产生估计偏差。另外，我们也不必过分解读估测到的回归系数的大小，避免让读者产生回归系数的数值十分精确的错觉。在回归模型里增减一个变量都可能使回归系数的大小发生变化。

　　报告研究结果

　　目前社会学定量研究的写作范式仍然是理论主导，即由理论问题起头，然后是介绍数据和统计方法，接着是分析和报告发现，最后由分析发现返回理论问题作结。所以这个写作范式默认的研究过程是理论驱动。即使你研究问题的起源是数据驱动，在最后写作的时候依然要回归到理论驱动。这个范式把理论问题放在开头提出，体现了理论的重要性。有人觉得定量写作的范式比较“八股”，但这个范式有它的价值。一是它体现了对理论的尊重，即使统计模型再酷炫也终究是工具，要为理论服务，不可喧宾夺主。二是统一的写作范式也使得不同的研究（尤其是不同国家的研究者）之间便于理解和沟通（事实上也降低了母语非英语的研究者写作英语论文的难度）。写作中除报告研究的结果之外也应该明白直率地反思结果中可能存在的因果关系和缺失变量的问题。一方面作者应该负责任地向读者坦白结果中可能存在的问题，为以后更完善的研究指出方向；另一方面也是让审稿人知道你已经尽力在解决这些重要问题，从而提高论文的发表成功率。

　　（作者单位：加拿大维多利亚大学社会学系）