宏观社会研究中连续变量的建构主义方法

《Journal for the Theory of Social Behaviour》：A Constructivist Approach to Continuous Variables in Macroscopic Social Research

　　

本文提供了一种用于宏观社会研究中连续变量分析的建构主义方法。科学建构主义者已经很好地发展了关于范畴如何在心智中作为概念空间（conceptual space）中的有界区域被定位的观点。但他们很大程度上忽略了连续变量，这些变量无法被视为概念空间中的有界区域。研究人员填补了这一空白，并论证连续变量作为概念空间内的一维线条存在。两个连续变量之间的共变（covariation）指的是概念空间中两条线条之间的关联，而非关于独立于人类心智存在的世界性量值的陈述。一个主要含义是，在大多数情况下，连续变量无法支持区间层次（interval-level）假设或宏观研究中标准因果推断（causal inference）技术的使用。相反，学者必须追求一个以将共变模式解释为共享意义的产物以及利用连续变量进行概率预测（而非因果推断）为中心的研究议程。

**论文解读：宏观社会研究中连续变量的建构主义方法**

**研究背景与问题**
在宏观社会研究中，诸如发展水平、民主程度或国家能力等连续变量常被当作客观存在的属性，仿佛它们独立于人类认知，是“等待被发现”的社会实体特征。这种物化（reification）倾向源于本体论混淆：学者将概念错误地定位于外部世界而非人类心智。尽管建构主义文献已充分论证范畴（如种族、性别）是社会建构的产物，但连续变量却几乎未被纳入建构主义分析。原因在于，传统建构主义将范畴视为概念空间中的有界区域（如“民主国家”集合），而连续变量无法被简化为有界集合——它们代表一个抽象维度上的无限值域。因此，宏观社会研究面临一个关键问题：如何在保持建构主义本体论的前提下，恰当理解连续变量的本质，并避免将其误用于因果推断？

**研究内容与结论**
本文旨在为连续变量提供一种建构主义解释，将其定位为概念空间中的一维线条，并论证这些线条以范畴为基础。主要结论包括：连续变量并非独立于人类心智的区间层次量值，而是由共享意义和分类实践构建的序数性区分；它们不能支持标准因果推断所需的同质性假设，但可用于概率预测和模式识别。研究发表在《Journal for the Theory of Social Behaviour》。

**关键技术与方法**
作者主要采用以下理论方法：
1. **概念空间几何模型（G?rdenfors, 2000, 2014）**：将人类认知视为多维抽象空间，其中范畴为有界凸区域，连续变量为质量维度（quality dimensions）上的一维线条。
2. **集合论分析（Ragin, 2000; Schneider & Wagemann, 2012）**：用于将连续变量重新解释为一系列嵌套的阈值集合（threshold sets），从而支持序数比较。
3. **定性比较分析（Qualitative Comparative Analysis, QCA）**：作为替代因果推断的工具，用于识别充分条件组态。
4. **案例物化分析**：选取2025年前后发表于《American Political Science Review》《American Journal of Sociology》等四大顶级期刊的12篇跨国家统计研究（来源见附录A），系统检验其中的连续变量使用方式。

**研究结果**
**1. Social Kinds（社会种类）**
通过区分自然种类（natural kinds）与社会种类（social kinds），论证宏观连续变量属于社会种类——其存在依赖于人类心智中的分类实践和共享意义。心理本质主义（psychological essentialism）导致物化：学者倾向于认为社会种类成员共享内在本质，但事实上它们由异质自然现象构成。

**2. The Ontological Mistake（本体论错误）**
分析12篇代表性研究（如Meierrieks & Auer, 2025关于腐败与恐怖主义的关系），发现所有作者均将连续变量（如腐败指数、恐怖主义指标）视为客观属性，假设其同质性，并以其为基础进行因果推断。作者指出，这种物化忽视了下层自然种类的异质性——同一变量值可能对应性质完全不同的自然现象，导致因果估计无实质意义。

**3. The Promise and Problems of Concepts as Mental Sets（概念作为心智集合的承诺与问题）**
讨论集合论方法（如模糊集分析）的局限：连续变量无法被直接转化为有成员资格的集合，因为其成员是可能值而非案例。部分离散化（partial discretisation）虽可转化，但非普遍解决方案。

**4. Towards a Solution: Continuous Variables as Lines in Conceptual Space（走向解决方案：连续变量作为概念空间中的线条）**
基于G?rdenfors模型，提出连续变量是概念空间中的一维线条，由点状集合（points）构成。这些线条以范畴为基础：诸如GDP的测量需先通过分类决策（如界定“经济产出”）建立集合，再赋予数值。因此，连续变量是范畴的精细化延伸，而非其替代。

**5. Aligning Research Practice With Social Ontology（使研究实践与社会本体论对齐）**
- **序数比较优先**：连续变量应被解释为序数性阈值嵌套（如“至少低度民主”→中度→高度），支持秩次回归而非因果推断。
- **与批判实在论（critical realism）的对比**：科学建构主义拒绝社会结构具有因果效力的观点，认为社会种类仅是分类工具，无法产生同质效应。以民主和平（democratic peace）为例，共变源于概念语义重叠（如“民主”与“非暴力”定义共享）而非因果机制。
- **经济财富与民主的举例**：经典关联（高GDP与高民主）是自由主义现代化框架内概念对齐的结果；若改变定义（如用环境指标衡量发展），关联可能消失。

**6. Conclusion（结论）**
连续变量不是人类心智外预设的参数，而是概念空间中由点状集合构成的一维线条。研究者需将其视为序数数据，用于模式识别和概率预测，而非因果推断。这一转变与建构主义社会本体论一致，并开启新议程：解释共变模式为何产生及如何随概念变化而改变，以及避免参与对社会科学世界的物化。

**讨论与结论总结**
论文讨论部分强调，科学建构主义要求对宏观研究中因果推断的可行性保持谦逊。连续变量无法满足区间层次假设，其异质性导致因果效应估计在概念上不连贯。然而，它们仍可用于预测——通过识别共享分类系统中的稳定规律。研究结论指出，宏观社会研究者应放弃寻找社会种类的因果效力，转而关注概念系统如何塑造共变模式，并利用这些模式进行概率预测。这一立场不仅纠正了本体论错误，还打开了新的研究方向：概念的语义框架、分类实践的可变性，以及社会科学家在建构社会现实中的角色。