第1讲_实证研究中的因果关系推断.ppt

案例9：生态学谬误—死刑判决 可见，白人杀白人被判死刑的概率很高，黑人杀白人被判死刑的概率最高，而白人杀黑人就几乎没有被判死刑的，黑人杀黑人被判死刑的概率也比较小。 这里忽略的变量是被害者的种族。当被害者是白人时，不管被告人是白人还是黑人，被判死刑的概率都较高；当被害者是黑人时，被判死刑的概率就比较低。可见，在美国种族歧视还是很严重的。 我们在这里犯错误的原因是认为罪行是与罪犯的种族有关的，而实际上被判的罪行是与被害者的种族有关的。 抽样很重要，因为我们只能讨论总体特征，不能讲个体。 描述性研究很重要，在没有很强假定时，能做的往往只是描述性。 随机实验不能完全解决问题，不一定能把实验结果推广到总体。 统计计量虽然不完美， 但却是社会科学刻画异质性唯一可靠的工具。 因果关系总是概率性的。比如吸烟会导致癌症，但并不是说每个人吸烟都会导致癌症。 我们只能研究原因的结果，而不是结果的原因。事情的发生可能是由不同的原因造成的，不清楚是所有原因在起作用，还是只需要其中一部分原因存在。我们能做的就是解释有了一个特别原因会有什么样的结果，比如说教育对你的婚姻和收入有什么影响，但是假如问为什么你有钱，就没法解释。 案例3：语言能力对数学成绩的影响 理论假设：一个人的数学成绩取决于他的语言能力，语言能力强，数学成绩就高。 美国有个研究生想对这个假设进行实证检验，他制定了这样一个研究方案。他去了两个班： 1）数学A班，这个班是本科的基础班，有100个学生； 2）数学B班，是给研究生上的高级班，这是一个小班，只有10 个学生。 这位研究生到这两个班上收集了这样一些数据： 他问这两个班上的同学，“你认为你的语言能力怎么样”，“数学成绩怎么样”，“强还是不强”，强就用“1” 表示，不强就用“0” 表示。 案例3：语言能力对数学成绩的影响 在A班上，100个学生中有90个学生说他的语言能力强，有94个学生说他的数学能力强。 在B班上，10个学生中有8个说他语言能力强，有9个学生说他的数学能力强。 这个研究生收集好数据之后，认为证明了他的理论假设，因为一个班上的同学语言能力强，数学能力也强；另一个班上的学生语言能力低，数学能力也低，这就证明了他的理论假设。 这样的数据存在什么样的问题？ 上述实证研究中存在的问题 样本规模太小，其中的差异在统计学上未必是显著的。 伪相关，这两种能力并不存在因果关系。 天花板效应（ceiling effect），这是一个测量的问题，在做“好”与“差”两种选择时，大家都自我感觉良好，显示不出其中的差异性。 选择性偏差，他收集数据时以班级为单位，而他选择的班级存在级别上的差异，它们之间不具有可比性。 测度问题，他的数据是由被测者自己报的，学的简单的就自我感觉好，自我感觉好的自然就报好，这是由主观因素主导的，缺乏客观性。 生态学谬误，他的理论假设是以个人为单位的，是说个人的语言能力高会导致数学成绩好；而他收集的数据和得出的结论中是以班级为单位的。 在同一班级中有些人可能数学成绩好，但是语言能力差，有些人数学成绩差，但是语言能力强，它们的关系可能为正，为负，也可能不存在关系。当数据层次和理论层次不吻合的时候，数据可能说明不了理论，甚至有可能和理论背道而驰。这就是为什么以团体为单位来研究问题经常会出错误，因为这反映不了个人层次上的现象。 案例4：启蒙教育项目对受教育水平的影响 20世纪60年代，Westinghouse在美国做了一项研究。在一个社区内，X1个儿童参加了一个启蒙教育项目，做为实验组；而另外X2个儿童没有参加这个项目，做为控制组。 27年后再来测量这两组人各自的受教育水平。用Y1表示参加了启蒙教育项目的实验组儿童的受教育水平，用Y2表示没有参加启蒙教育项目的控制组儿童的受教育水平。 结果是：受过启蒙教育的儿童的受教育水平比没有受过启蒙教育的儿童的受教育水平要低。 那我们是否可以得出这样的结论：启蒙教育项目对受教育水平有负向作用？ 案例4：启蒙教育项目对受教育水平的影响 从观察到的数据来看，参加启蒙教育项目与受教育水平的关系好像是负向的。 但是，我们这里忽视了一个变量的作用：家庭社会经济地位。参加启蒙教育的儿童一般来自贫困家庭，因此得到政府资助参加这个项目；而那些没有接受启蒙教育的儿童来自比较富裕的家庭，他们父母能够提供较好的学习环境，因此这两组人不具有可比性。 应该选择两组都是来自贫困家庭的儿童，一组作为实验组，另一组作为控制组，再来测评启蒙教育对他们受教育水平的影响，这才有意义。 案例5 研究生录取的性别比例问题 加州伯克利大学研究生录取的性别比例问题 性别 申请人数 入学比例 男性 8,442 44.20% 女性 4,321 34.58% 看起来