归纳逻辑及比较方法视角下管理案例探究严谨性研究.docVIP

归纳逻辑及比较方法视角下管理案例探究严谨性研究摘　要：因果关系的显著性是管理案例研究严谨性的最终标准。因果关系的显著性程度取决于归纳过程的强度与广度，使用穆勒五法中的剩余法与共变法可以加深案例研究归纳的强度，使用穆勒五法中的契合法、差异法与契合差异并用法可以加大案例研究归纳的广度。 关键词:管理案例研究；归纳逻辑；比较方法 中图分类号：C93 文献标志码：A 文章编号：1673-291X（2012）16-0183-02 一、管理案例研究严谨性标准、归纳中的假因果谬误与因果关系显著程度 众所周知，科学研究追问某一现象背后的机理，尤为重要的是，这一机理是由一系列因果关系导致的。换言之，科学研究的目的在于寻求客观事物的因果性联系，即通常所称的科学规律。只有搞清客观事物之间的因果关系，我们才能明确地指出：之所以A现象出现，是因为B因素的作用；下一次当B因素出现时，在同样的条件下，A现象必然发生。正是因果关系的存在，人们才能认识、并在认识的基础上预测、在预测的基础上促使某些希望的结果出现，没有因果关系，所谓科学研究对于人类而言就没有任何意义。遗憾的是，这一显而易见的前提被相当多的社会科学研究所忽视。 从这一原点出发，我们立即发现，无论是Yin所提出的案例研究的规范性步骤，还是三角测量，或者是“将故事升华”以及各种数据编码处理工具，如果无助于因果关系的揭示，就都会流于形式。换言之，数据编码是否漂亮并不是评价标准，而“因果关系是否确实存在”或者因果关系的显著性才是案例研究严谨性的最终标准，三角测量等工具应服务于这一最终目的。 案例研究为了从特殊的现象中提炼出因果关系，必须使用归纳逻辑。在逻辑学中有关“归纳”领域专门存在一整套逻辑体系，它不同于实证逻辑。因为归纳逻辑研究人们如何从具体的个案上升到一般、概括性的结论，因此它是一种放大性或扩大性推理，与实证研究大样本量的验证不同，归纳逻辑是一种或然性推理或者不确定推理。 在归纳逻辑中常见的一个谬误是假因果谬误，它的形式如下：X和Y在某几种情况下同时出现，因此，X导致Y。假因果谬误的一个典型例子如：“在过去的两个月中，每一次啦啦队队长戴着蓝色发带为球队助威时，篮球队都吃了败仗；所以，为了避免篮球队以后再吃败仗，啦啦队队长应当扔掉那倒霉的蓝色发带。”当然，在实际的案例研究中可能出现的逻辑问题不可能如此浅显，但问题的实质很可能是高度类似的，这一谬误不是采用漂亮的编码技术和所谓的三角测量能够解决的。 需要指出的是，上述谬误在实证研究中不会存在，实证研究的大样本立即能证明结论的真伪。亨普尔指出，对于科学假说的形成和提出，不能给一般的规则来概括；而对于验证科学假说，判断其为真还是为假以及假说受到证据支持的程度，倒是能够提出一般性的准则，甚至做出精确的、定量的规定。实证研究正是通过严格的检验回避了归纳中的谬误问题，而这一问题在案例研究中是不能回避的，因为案例研究的主要目的就是理论的建构[1]。 因为归纳逻辑研究人们如何从具体的个案上升到一般、概括性的结论，它是一种放大性或扩大性推理，与实证研究大样本量的验证不同，归纳逻辑是一种或然性推理或者不确定推理。因此，不同于大样本的实证检验，任何通过归纳得到的结论不可能是无懈可击的，这样，以归纳逻辑为基础的管理案例其严谨性就取决于归纳过程的因果关系显著性程度。 二、因果关系显著性程度与归纳的强度和广度 归纳逻辑中一类较特殊的是完全归纳法，完全归纳法的形式是：依次考察了S类的每一个对象，发现它们都是P，所以，所有S都是P。显然，完全归纳法的适用范围很小，它只适用那些对象数目很少的类别。包括科学规律在内的大多数的归纳逻辑都涉及到不完全归纳，即从个别的前提归纳出普遍性的结论，因此，如前所述，不同于演绎逻辑，归纳逻辑一定不会是绝对正确的，归纳推理的质量可以通过因果关系显著性程度来衡量。例如哥德巴赫通过对所有大于2的偶数的研究发现，已有的试验都证明了它们可以写成两个素数之和，截至目前，我们只能认为该结论极有可能是真的，因为到目前为止还有发现反例。推而广之，凡归纳获得的任何自然科学规律都有可能被推翻或修正，它们一定不是绝对正确的。 归纳逻辑中首先存在一个被考察对象的多寡与代表性的问题，例如一个可能的归纳论证如下：燕子会飞；大雁会飞，苍鹰会飞；麻雀会飞；燕子、大雁、苍鹰、麻雀都是鸟，所以，鸟都会飞。在上述归纳中就存在被考察对象的数量与代表性不够的问题，这样导致的因果关系不显著，或结论不成立，本文认为其来源于归纳的广度不够。 归纳逻辑中存在的第二个问题是归纳过程的强度不够。自然科学中的归纳几乎都不是前述“鸟会飞”的简单情况，科学定律一般包括一个或一组初始条件，它的形式是：在A情况下，B现象一定会出现。然而，A与B可能只是在在众多的条件与