在社會(huì)科學(xué)研究中，少案例比較方法（small-N comparative methods）指的是通過(guò)少數(shù)案例的定性研究進(jìn)行因果檢驗(yàn)并嘗試建立一般性理論的方法。[1]那么，研究者應(yīng)當(dāng)如何“科學(xué)地”展開(kāi)一項(xiàng)少案例比較研究呢？對(duì)這一問(wèn)題，加里·金（Gary King）、羅伯特·O.基歐漢（Robert 0. Keohan）和悉尼·維巴（Sidney Verba）（以下簡(jiǎn)稱“KKV”）及其追隨者基于統(tǒng)計(jì)量化的邏輯給出了一套較為完整的方案，至今仍是多數(shù)學(xué)者與學(xué)生進(jìn)行研究設(shè)計(jì)的重要依據(jù)。然而，大多定性研究者并不認(rèn)可這種用量化邏輯指導(dǎo)比較研究的思想，因?yàn)樵谒麄兛磥?lái)，案例比較的一項(xiàng)關(guān)鍵價(jià)值在于揭示具體的邏輯因果——充分/必要性，而非簡(jiǎn)單的變量相關(guān)。[2]伴隨著對(duì)KKV的爭(zhēng)論與反思，方法學(xué)家們逐漸建立起一種以布爾代數(shù)為基礎(chǔ)，以挖掘充分/必要條件（或條件組合）為目的的方法論體系，并將這一體系作為指導(dǎo)案例比較的基本思想，從而使案例導(dǎo)向的定性研究從根本上與變量導(dǎo)向的量化研究區(qū)別開(kāi)來(lái)[3]，形成了截然不同的“兩種文化”。[4]遺憾的是，在這一重要的研究進(jìn)展當(dāng)中，仍存在一個(gè)嚴(yán)重的不足：它對(duì)于如何進(jìn)行案例選擇與變量控制的問(wèn)題，幾乎沒(méi)有提供任何具體的可操作性方案。于是，在既有的使用少案例比較的研究中，如果我們稍加留意，便會(huì)發(fā)現(xiàn)一個(gè)非常普遍的吊詭現(xiàn)象：研究者（有意識(shí)或無(wú)意識(shí)地）明明提出了一個(gè)有關(guān)充分/必要條件（或條件組合）的因果框架，卻用KKV的建議來(lái)指導(dǎo)進(jìn)行研究設(shè)計(jì)。[5]

那么，一項(xiàng)旨在探索充分/必要條件的研究，應(yīng)當(dāng)如何進(jìn)行少案例比較的研究設(shè)計(jì)呢？本文認(rèn)為，充分/必要性與統(tǒng)計(jì)相關(guān)性在因果關(guān)系的本體問(wèn)題上存在本質(zhì)差異：前者視因果關(guān)系為“邏輯因果”關(guān)系，遵循布爾代數(shù)法則，而后者視因果關(guān)系為“量化相關(guān)”關(guān)系，遵循線性代數(shù)法則。更重要卻常被忽視的是，這一本體上的不同帶來(lái)了兩個(gè)更具體的差異：第一，在布爾代數(shù)中，只有不同類(lèi)型的因果關(guān)系，而沒(méi)有不同程度的因果效應(yīng)；第二，在布爾代數(shù)中，不同類(lèi)型的條件（或條件組合）對(duì)結(jié)果產(chǎn)生的是“完全影響”，而在線性代數(shù)中，不同原因?qū)Y(jié)果產(chǎn)生的都是“部分效應(yīng)”（partial effect），它們可以通過(guò)簡(jiǎn)單相加來(lái)計(jì)算對(duì)結(jié)果的線性累積效應(yīng)。這兩點(diǎn)具體的差異給研究設(shè)計(jì)帶來(lái)的影響是：在案例分類(lèi)方式與案例選擇策略方面，尋找充分/必要性的研究與尋找統(tǒng)計(jì)相關(guān)性的研究各有不同。因此，本文的核心貢獻(xiàn)是，在深人挖掘量化相關(guān)與邏輯因果差異的基礎(chǔ)上，針對(duì)邏輯因果下的少案例比較方法，提出了關(guān)于案例分類(lèi)與案例選擇的具體操作方案，并對(duì)密爾求同法、求異法，馬洪尼與格爾茨“兩種傳承”中關(guān)于變量控制的要求以及他們提出的“可能性原則”進(jìn)行了挑戰(zhàn)。

下文主要包括五個(gè)部分：首先，文獻(xiàn)綜述部分圍繞“如何用少案例比較法進(jìn)行邏輯因果推斷”這一問(wèn)題展開(kāi)；為了能夠使后文更清晰地展示邏輯因果與量化相關(guān)對(duì)少案例研究設(shè)計(jì)產(chǎn)生的影響，文章的第二部分對(duì)這兩種思維傳統(tǒng)中的基本內(nèi)容進(jìn)行簡(jiǎn)要的介紹；第三與第四部分分別從案例分類(lèi)與案例選擇兩個(gè)方面展示，在不同思維傳統(tǒng)下少案例研究設(shè)計(jì)的差異；第五部分總結(jié)了文章的核心內(nèi)容。

在社會(huì)科學(xué)的研究設(shè)計(jì)中，如何通過(guò)少案例比較來(lái)進(jìn)行邏輯因果推斷，探索影響結(jié)果的充分/必要條件呢？這一看似普通的問(wèn)題，在先行研究中卻很難找到答案。KKV與他們的追隨者雖然為案例比較研究擬定了一整套指導(dǎo)方案，然而從統(tǒng)計(jì)量化思維出發(fā)的基本立場(chǎng)，從根本上就決定了他們的方案最多僅能夠用來(lái)檢驗(yàn)一項(xiàng)關(guān)于“量化相關(guān)”的假說(shuō)，而并不適用于挖掘條件的充分/必要性。[6]對(duì)于從集合理論出發(fā)的方法研究者來(lái)說(shuō)，他們雖然沒(méi)有這種“手段”與“目的”的錯(cuò)位問(wèn)題，但是他們從一開(kāi)始就將目光聚焦在具有中等規(guī)模案例數(shù)量的問(wèn)題上[7]，因此也沒(méi)有為少案例的研究設(shè)計(jì)提供任何處方。直到蓋瑞·格爾茨（Gary Goertz）與詹姆斯·馬洪尼（James Mahoney）試圖用集合理論統(tǒng)一定性研究邏輯的時(shí)候，關(guān)于案例選擇、變量控制等研究設(shè)計(jì)中的核心問(wèn)題才得到了關(guān)注。

在很長(zhǎng)一段時(shí)間里，少案例比較研究常常受到量化研究者的批評(píng)。這種批評(píng)主要集中于兩個(gè)方面：第一，按照因變量選擇案例，從而產(chǎn)生“選擇性偏誤”（selection bias）的問(wèn)題；[8]第二，案例選擇受到研究者各種主觀因素的影響，違背了隨機(jī)性原則，很難具有代表性。[9]然而，格爾茨與馬洪尼指出，這些批評(píng)都是從統(tǒng)計(jì)量化思維出發(fā)，針對(duì)量化相關(guān)型假說(shuō)而提出的。[10]然而，如果一項(xiàng)研究提出的假說(shuō)，從內(nèi)容上屬于邏輯因果而非量化相關(guān)，那么在案例選擇上的策略便會(huì)完全不同。首先，在檢驗(yàn)邏輯因果假說(shuō)時(shí)，研究者有時(shí)必須要按照因變量選擇案例。例如，某研究需要檢驗(yàn)“X是Y的必要條件”這一邏輯因果的假說(shuō)，那么，根據(jù)必要條件的概念可知，X與Y應(yīng)當(dāng)滿足如下情況：當(dāng)Y＝1時(shí)，X＝1。因此，在進(jìn)行案例選擇的過(guò)程中，研究者就需要將“因變量的取值是否等于1”作為案例篩選的標(biāo)準(zhǔn)，而這一過(guò)程顯然正是按照因變量而非自變量選擇案例的過(guò)程。[11]其次，研究者需要根據(jù)不同案例的“影響力”（leverage）進(jìn)行非隨機(jī)的案例選擇。同樣以檢驗(yàn)必要條件為例，那些“Y＝1，X＝0”的案例非常重要，因?yàn)檫@些案例直接與必要條件的定義相悖，具有顯著的證偽效用，因此應(yīng)當(dāng)被重點(diǎn)考察。[12]

格爾茨與馬洪尼的論述清晰地向讀者揭示了因果本體上的差異帶來(lái)的研究設(shè)計(jì)策略上的不同。然而，他們提供的方案是不完整的。其中最大的不足在于，他們沒(méi)有提供關(guān)于“變量控制”的方法，甚至令人費(fèi)解地指出：“在集合理論指導(dǎo)下的定性研究不必進(jìn)行變量控制”[13]。他們給出的理由是：“如果在總體（population）層面，所有集合A屬于集合B，那么同樣的結(jié)論在總體中的所有子集中同樣成立。一個(gè)在總體里的完美預(yù)測(cè)項(xiàng)（perfect predictor），同樣是總體不同子集中的完美預(yù)測(cè)項(xiàng)?！盵14]誠(chéng)然，對(duì)于那些在總體意義上通過(guò)定性比較分析法（QCA）或模糊集法（fuzzy set）來(lái)探索邏輯因果的研究來(lái)說(shuō)，格爾茨與馬洪尼的這一辯解是令人信服的。然而，在現(xiàn)實(shí)中，研究者遇到的更普遍的狀況是，限于成本或數(shù)據(jù)可得性等因素，研究只能通過(guò)少案例比較的方式進(jìn)行，而無(wú)法將研究對(duì)象總體全部納人考量。事實(shí)上，如果不能提供一個(gè)關(guān)于少案例比較的具體研究設(shè)計(jì)方案，而要求所有關(guān)于案例的定性研究都要在總體意義上進(jìn)行考察，那么格爾茨與馬洪尼所努力區(qū)分的“兩種文化”，僅僅是統(tǒng)計(jì)法與QCA和模糊集方法的“兩種文化”，而非定量研究與定性研究的“兩種文化”。這樣一來(lái)，他們?cè)诜椒ㄉ系呢暙I(xiàn)將會(huì)大大削弱，他們關(guān)于統(tǒng)計(jì)與QCA和模糊集的區(qū)分，也僅僅是在査爾斯·里金的基本框架上進(jìn)行了一些細(xì)枝末節(jié)的補(bǔ)充工作。

那么，我們應(yīng)當(dāng)如何通過(guò)少案例比較的方式檢驗(yàn)一個(gè)關(guān)于充分/必要條件的邏輯因果假說(shuō)呢？為什么現(xiàn)有的從量化相關(guān)邏輯出發(fā)的比較方案是不適用的？下文將指出，量化相關(guān)與邏輯因果是關(guān)于因果關(guān)系的兩種不同闡釋?zhuān)╥nterpretation）。這種差異性要求針對(duì)不同類(lèi)型的理論假說(shuō)，要有相應(yīng)不同的案例分類(lèi)方式與案例選擇策略?，F(xiàn)有的比較方案大多受KKV的影響，是根據(jù)統(tǒng)計(jì)量化的思維進(jìn)行建構(gòu)的，因此無(wú)法有效檢驗(yàn)有關(guān)邏輯因果的理論假說(shuō)。

在社會(huì)科學(xué)方法論的研究中，有兩種常見(jiàn)的對(duì)于因果關(guān)系的闡釋?zhuān)阂环N是量化相關(guān)，一種是邏輯因果。“量化相關(guān)”的闡釋將因果問(wèn)題轉(zhuǎn)化為數(shù)量問(wèn)題，遵循線性代數(shù)的法則；“邏輯因果”的闡釋將因果問(wèn)題轉(zhuǎn)化為充分/必要性的問(wèn)題，遵循布爾代數(shù)的法則。關(guān)于這兩種闡釋的差異，有不少先行研究均已進(jìn)行了較為詳細(xì)的比較，在這里無(wú)須贅述。這一部分僅對(duì)這兩種闡釋的一些基本概念與基本思想進(jìn)行簡(jiǎn)要的介紹，從而為后文的深入論證作以鋪墊。

（一）量化相關(guān)

簡(jiǎn)單來(lái)說(shuō)，量化相關(guān)將因果性簡(jiǎn)化為數(shù)量問(wèn)題，具體關(guān)注的是自變量（實(shí)驗(yàn)干預(yù)）Ti對(duì)于因變量（實(shí)驗(yàn)結(jié)果）Yi的效應(yīng)大小。為簡(jiǎn)化討論，假設(shè)Ti是一個(gè)二元變量，凡接受實(shí)驗(yàn)干預(yù)的狀態(tài)賦值為1，而未接受干預(yù)的狀態(tài)賦值為0，即Ti∈{0,1}。根據(jù)魯濱（Rubin）提出的潛在結(jié)果框架（potential outcome framework）[15]，對(duì)于單位個(gè)體i的干預(yù)效應(yīng)可以定義為：

△ii＝Y(jié)i1－Yi0

其中，Yi0是未接受干預(yù)的結(jié)果（Ti＝0），Yi1是接受干預(yù)的結(jié)果（Ti＝1）。

然而問(wèn)題在于，研究者永遠(yuǎn)無(wú)法在同一個(gè)單位個(gè)體上同時(shí)觀察到Y(jié)i0與Yi1。[16]一個(gè)單位體不可能同時(shí)既受到實(shí)驗(yàn)干預(yù)，又不受到干預(yù)，因此在個(gè)體水平意義上的干預(yù)效應(yīng)是無(wú)法被觀測(cè)到的。針對(duì)這一問(wèn)題，霍蘭德提出，要從統(tǒng)計(jì)學(xué)的角度，從總體水平而非個(gè)體水平上來(lái)尋找因果（干預(yù)）效應(yīng)。[17]因此，對(duì)于量化研究者來(lái)說(shuō)，因果效應(yīng)本質(zhì)上是在“平均”意義上存在的，即平均干預(yù)效應(yīng)（ATE）：

ATE＝E[Yi（1）-Yi（0）]＝E[Yi（1）]-E[Yi（0）]

在一項(xiàng)實(shí)驗(yàn)中，通過(guò)對(duì)實(shí)驗(yàn)組與控制組的結(jié)果平均值求差，可以無(wú)偏誤地計(jì)算獲得ATE。而在觀測(cè)數(shù)據(jù)當(dāng)中，在恒定累加單位干預(yù)效應(yīng)的假設(shè)下（constant Additive unit treatment），通常將回歸系數(shù)認(rèn)為是對(duì)于ATE的無(wú)偏估計(jì)。

這一潛在結(jié)果框架對(duì)于研究者來(lái)說(shuō)并不陌生，然而，當(dāng)把這一邏輯應(yīng)用到少案例比較分析時(shí)，這一框架中的三個(gè)重要特征值得髙度重視。第一，ATE是在群體水平而非個(gè)體層面進(jìn)行定義的。這也就是為什么從這一邏輯出發(fā)來(lái)看，因果推斷是無(wú)法在個(gè)案當(dāng)中進(jìn)行的。第二，在這一框架的背后是對(duì)因果關(guān)系的概然性假定。例如，在一個(gè)關(guān)于新藥的試驗(yàn)中，研究發(fā)現(xiàn)，服用該藥的患者比服用安慰劑的患者從平均結(jié)果來(lái)看更有可能改善病情。這一結(jié)論只能在概然的意義上進(jìn)行解讀，而不能理解為服用該藥物是促使某位患者病情改善的必要/充分條件。在現(xiàn)實(shí)中，完全存在這樣的可能：某位患者因?yàn)榉迷撍幬锊∏楦訍夯?，而另一位患者因?yàn)榉冒参縿┎∏榈玫搅烁纳?。正如KKV所說(shuō)，當(dāng)我們?cè)诟怕噬侠斫庖蚬P(guān)系時(shí)，必要條件與充分條件之間的差異基本就已經(jīng)消失了。[18]事實(shí)上，采用概然因果的研究者通常很少提及充分/必要性這樣的用語(yǔ)，這主要是因?yàn)?，?dāng)因果性在概率意義上進(jìn)行理解時(shí)，對(duì)于結(jié)果的任一具體取值，沒(méi)有什么原因是充分的或必要的。第三，ATE本質(zhì)上是一種平均的部分效應(yīng)（Average partial effect）。當(dāng)多元因果存在時(shí)，每一個(gè)原因都有其自身對(duì)于結(jié)果的部分效應(yīng)。通過(guò)線性回歸的矩陣模型，可以輔助我們理解這一部分效應(yīng)：

Y＝Xβ＋u

其中，Y和u都是n*1的向量，X是一個(gè)n*k的矩陣），β是一個(gè)k*1的向量，通過(guò)矩陣將上述回歸方程書(shū)寫(xiě)如下：

在這一回歸模型中，有1個(gè)因變量，k個(gè)自變量以及n個(gè)樣本。在向量β中，每一個(gè)元素被記為β1，β2，…，βk，分別代表著它們對(duì)應(yīng)自變量χ1，χ2，…，χk的部分效應(yīng)。

（二）邏輯因果

與量化相關(guān)的闡釋不同，邏輯因果將因果關(guān)系闡釋為不同類(lèi)型的條件與結(jié)果之間的關(guān)系。在科學(xué)哲學(xué)領(lǐng)域，經(jīng)過(guò)休謨、密爾與麥基等人的發(fā)展，[19]對(duì)結(jié)果產(chǎn)生影響的條件分為五個(gè)主要類(lèi)型：充分條件、必要條件、充要條件、充分（非必要）條件的必要（非充分）部分（INUS）與必要（非充分）條件的充分（非必要）部分（SUNI）。在社會(huì)科學(xué)研究領(lǐng)域，充要條件極為罕見(jiàn)，因此，研究者主要對(duì)其他四種類(lèi)型的條件進(jìn)行探索。其中，如果條件A發(fā)生，總能引起結(jié)果Y發(fā)生，那么A就是Y的充分條件；如果結(jié)果Y的發(fā)生，總能發(fā)現(xiàn)條件A的存在，或者當(dāng)條件A不存在時(shí)，結(jié)果Y總是不能發(fā)生，那么條件A就是結(jié)果Y的必要條件；如果條件A與條件B的組合總是能夠引起結(jié)果Y發(fā)生，那么條件組合AB就是結(jié)果的充分條件組合，而A與B則均是結(jié)果B的INUS條件；如果條件A是結(jié)果Y發(fā)生的必要條件，條件B是產(chǎn)生條件A的充分條件，那么條件B就是結(jié)果Y的SUNI條件。[20]

有關(guān)邏輯的充分/必要性，可以用集合或布爾代數(shù)的形式進(jìn)行表達(dá)。從集合的角度來(lái)看，充分性與必要性可以這樣理解：如果A是Y的必要條件，那么Y是A的一個(gè)子集（見(jiàn)圖1）；如果A是Y的充分條件，那么A是Y的一個(gè)子集（見(jiàn)圖2）。這兩種邏輯關(guān)系可以用集合的文氏圖表示如下：

從布爾代數(shù)的角度來(lái)看，如果條件A是結(jié)果Y的一個(gè)充分條件，則表示為

Y＝A＋…

如果A是結(jié)果Y的必要條件，則可以表示為

Y＝AB＋…

其中AB組合表示產(chǎn)生結(jié)果Y的充分性條件組合。不難看出，布爾代數(shù)中不同條件的取值僅有兩種情況“1”或“0”。需要注意的是，在這里數(shù)字的“1”或“0”并不能表示數(shù)量上的大小關(guān)系，而表示的是邏輯上的“真”與“假”。相應(yīng)的，布爾代數(shù)中的運(yùn)算符號(hào)與線性代數(shù)中的運(yùn)算符號(hào)所表達(dá)的含義也不相同。在布爾代數(shù)中，“＋”表示邏輯上“或”的關(guān)系，“*”表示邏輯上“且”的關(guān)系。因此，布爾代數(shù)具有以下與線性代數(shù)不盡相同的定理：

A＋1＝1

A*0＝0

通過(guò)上文的簡(jiǎn)要介紹，可以看出，量化相關(guān)和邏輯因果是關(guān)于因果關(guān)系的兩種不同的闡釋。那么，從這兩種闡釋出發(fā)進(jìn)行少案例比較的研究設(shè)計(jì)又有什么不同呢？下文將從案例分類(lèi)與案例選擇兩個(gè)方面對(duì)這一差異進(jìn)行論述。

如何界定相關(guān)與不相關(guān)案例，并進(jìn)而對(duì)案例進(jìn)行分類(lèi)，是兩種不同闡釋對(duì)研究設(shè)計(jì)影響的首要方面。這種差異產(chǎn)生的主要原因在于：從“量化相關(guān)”的傳統(tǒng)出發(fā)，確定“因果效應(yīng)”是檢驗(yàn)因果關(guān)系的一個(gè)重要方面，而在“邏輯因果”的傳統(tǒng)中，原因?qū)τ诮Y(jié)果的影響沒(méi)有效應(yīng)程度的差別，只有類(lèi)型特征的不同。

（一）因果效應(yīng)與案例分類(lèi)

正如上文所述，從量化相關(guān)的角度出發(fā)，因果推斷的過(guò)程就是確定自變量對(duì)因變量的平均因果效應(yīng)的過(guò)程。在計(jì)算因果效應(yīng)的過(guò)程中，符合研究問(wèn)題的研究對(duì)象都是相關(guān)案例，沒(méi)有哪一種是不相關(guān)的。

在案例的分類(lèi)上，馬洪尼和格爾茨曾嘗試提出一種不同的分類(lèi)方式。他們認(rèn)為，對(duì)于那些結(jié)果不可能發(fā)生的案例，都屬于無(wú)關(guān)案例。[21]假設(shè)自變量X是取值為1或0的二分變量，因變量Y也同樣如此。那么，根據(jù)變量的取值變化，可以得到一個(gè)簡(jiǎn)易的矩陣如下（見(jiàn)表1）：

根據(jù)馬洪尼和格爾茨的排除法則，方格4中的案例屬于無(wú)關(guān)案例，因?yàn)椤耙粋€(gè)排除性的自變量（an eliminatory independent variable）（X＝0）預(yù)著結(jié)果不會(huì)發(fā)生（Y＝0）（nonoccurrence of the outcome）＂[22]。事實(shí)上，如果我們從因果推斷確認(rèn)平均因果效應(yīng)的邏輯出發(fā)，就會(huì)發(fā)現(xiàn)，馬洪尼和格爾茨提出的這種“可能性原則”（possibility principle）是有重大問(wèn)題的。原因很簡(jiǎn)單，方格4中的案例是基準(zhǔn)組（baseline group）的重要組成部分，如果將這些案例排除，很可能會(huì)在估計(jì)平均因果效應(yīng)時(shí)發(fā)生偏誤。

再回到上文提出的藥物實(shí)驗(yàn)的例子。X＝1表示干預(yù)組，其中每一個(gè)患者都服用了真實(shí)的藥物；X＝0表示控制組（基準(zhǔn)組），其中每一個(gè)患者都服用安慰劑。同時(shí)，令Y＝1表示患者健康狀況得到改善，而Y＝0表示患者健康得到改善以外的情況（通常來(lái)說(shuō)，醫(yī)學(xué)上記錄三種情況：健康狀況未發(fā)生任何改變；健康狀況惡化；死亡）。在這個(gè)例子中，方格4中的案例正是那些服用安慰劑并且身體健康沒(méi)有得到改善的其他情況。不難看到的是，如果將這部分樣本剔除之后，在估計(jì)平均因果效應(yīng)時(shí)就會(huì)產(chǎn)生負(fù)面的偏誤，從而低估藥物對(duì)于疾病治療的效應(yīng)。[23]

總之，從潛在結(jié)果框架出發(fā)，與問(wèn)題相關(guān)的所有案例都是相關(guān)案例。如果我們?cè)诟湃坏囊饬x上思考因果關(guān)系的問(wèn)題，沒(méi)有什么是事實(shí)上完全不可能的。進(jìn)一步來(lái)說(shuō)，關(guān)注群體層面的平均效應(yīng)框架并沒(méi)有假設(shè)干預(yù)效應(yīng)在個(gè)體層次上具有單位同質(zhì)性。因此，正如藥物實(shí)驗(yàn)這個(gè)例子展示的那樣，對(duì)于任何一個(gè)自變量的取值，因變量所有取值都是可能的，并且這種變化將在不同的個(gè)體上存在。因此，也就沒(méi)有什么真正的“無(wú)關(guān)案例”。

（二）因果類(lèi)型與案例分類(lèi)

與量化相關(guān)的傳統(tǒng)不同，從邏輯因果出發(fā)的理論假說(shuō)，旨在挖掘條件對(duì)結(jié)果影響的充分/必要性，而在不同的條件之間，只有類(lèi)型的差異，而沒(méi)有因果效應(yīng)程度的差別。因此，在針對(duì)邏輯因果的假說(shuō)檢驗(yàn)過(guò)程中，如何確定相關(guān)案例，以及如何對(duì)案例進(jìn)行分類(lèi)，都與量化相關(guān)的傳統(tǒng)有所不同。在本文的第二部分，已經(jīng)介紹了關(guān)于因果類(lèi)型的五種情況。其中，必要性與充分性是構(gòu)成這五種不同情況的基本要素。因此，這里分別對(duì)必要條件與充分條件進(jìn)行討論，從而展示在邏輯因果傳統(tǒng)下案例分類(lèi)的基本方式。

1．必要性

假設(shè)條件（或條件組合）A（存在/不存在）是結(jié)果Y（發(fā)生/不發(fā)生）的必要條件，那么A與Y的必要性關(guān)系可以通過(guò)兩種方式進(jìn)行定義：①如果Y發(fā)生，則A一定存在；②如果A不存在，則Y必不發(fā)生。[24]

對(duì)于第一種定義，可以通過(guò)一個(gè)2*2的矩陣表示如下（見(jiàn)表2）：

根據(jù)第一種定義，在矩陣的四個(gè)方格里，方格1與方格2中的案例都是與檢驗(yàn)不直接相關(guān)的案例，而在方格3中，案例的數(shù)量應(yīng)當(dāng)為0，或基本接近于0，否則假說(shuō)就將直接被證偽，而無(wú)須再進(jìn)行其他深人的檢驗(yàn)。全部案例或者接近全部的案例都應(yīng)當(dāng)落人方格4中，并成為支持必要條件假說(shuō)的案例。

類(lèi)似的，對(duì)于第二種定義，同樣可以通過(guò)一個(gè)2*2的矩陣表示如下（見(jiàn)表3）：

在這個(gè)矩陣中，由定義可知，方格2與方格4是與檢驗(yàn)不直接相關(guān)的案例，而在方格3中，案例數(shù)量應(yīng)當(dāng)為0，或基本接近于0。而全部或接近全部的案例應(yīng)當(dāng)落入方格1中，作為支持必要條件假說(shuō)的案例。

綜合以上兩種定義以及相關(guān)案例歸類(lèi)情況，可以得出一個(gè)新的2*2的矩陣如下（見(jiàn)表4）：

由此可知，當(dāng)檢驗(yàn)一個(gè)關(guān)于必要條件（或組合）的理論假說(shuō)時(shí)，落人方格2中的案例，即“當(dāng)A存在，Y不發(fā)生”的案例是與假說(shuō)檢驗(yàn)無(wú)關(guān)的案例，因?yàn)閺谋匾缘倪壿嫸x出發(fā)，這一類(lèi)案例既不能提供支持也無(wú)法進(jìn)行證偽。研究者需要在方格1與方格4中尋找案例以滿足必要性的邏輯定義。方格3中的情況對(duì)于必要性假說(shuō)具有很強(qiáng)的證偽功能，因此，如果當(dāng)大量案例落人方格3中，研究者需要審慎地從數(shù)據(jù)與理論兩個(gè)方面加以反思：第一，證偽型案例大量存在，是否因?yàn)榇嬖诟拍罱缍?、測(cè)量上的誤差（measurement error）；第二，是否因?yàn)榇嬖谝环N新的因果邏輯。[25]

2．充分性

與必要性相比，關(guān)于充分性的定義顯得更加簡(jiǎn)單。假設(shè)條件（或條件組合）A（存在/不存在）是結(jié)果Y（發(fā)生/不發(fā)生）的充分條件，那么意味著：如果A存在，則Y—定會(huì)發(fā)生。根據(jù)這一定義，可以得到一個(gè)2*2的矩陣（見(jiàn)表5）：

在這個(gè)矩陣中，方格1與3是與檢驗(yàn)充分性不相關(guān)的案例，因?yàn)楫?dāng)充分條件A不存在時(shí)，無(wú)論Y是發(fā)生還是不發(fā)生，都既不能證實(shí)也無(wú)法證偽條件A的充分性。方格4中的案例是支持充分性假說(shuō)的案例，而方格2中的案例對(duì)充分性假說(shuō)有高度的證偽性，因此，這部分的案例數(shù)應(yīng)當(dāng)為0或幾乎接近于0。[26]同樣的，當(dāng)有大量案例落入方格2中時(shí)，研究者亦應(yīng)從數(shù)據(jù)與理論兩方面人手進(jìn)行反思與調(diào)整。

（三）《國(guó)家與社會(huì)革命》中的案例與分類(lèi)

本節(jié)以斯考切波的名作《國(guó)家與社會(huì)革命》中的案例為例，將以上關(guān)于因果類(lèi)型與案例分類(lèi)的內(nèi)容進(jìn)行簡(jiǎn)要的展示。在解釋革命為什么會(huì)爆發(fā)這一問(wèn)題時(shí)，斯考切波提出兩個(gè)重要的因素，一個(gè)是來(lái)自上層的政治危機(jī)（A），另一個(gè)是來(lái)自下層的農(nóng)民起義（B）。[27]這兩個(gè)因素的共同作用，最終引起一國(guó)社會(huì)革命的爆發(fā)（Y）。不難看出，在這一理論中，條件A與B分別是結(jié)果Y的必要條件，而AB的組合是導(dǎo)致革命產(chǎn)生的一個(gè)充分性條件組合。在檢驗(yàn)這一理論時(shí)，斯考切波前后使用了六個(gè)案例。在這六個(gè)案例中，條件A、B與結(jié)果Y的對(duì)應(yīng)情況如下（見(jiàn)表6）。

由上文關(guān)于必要條件的案例分類(lèi)可知，在必要條件的第一種定義下，俄國(guó)、法國(guó)、中國(guó)都是支持型案例；在必要條件的第二種定義下，日本、英國(guó)與普魯士（德國(guó)）也是支持型案例。如果歷史中能夠找到A、B不存在，然而Y卻發(fā)生的案例，那么這些案例則是對(duì)于政治危機(jī)與農(nóng)民起義作為社會(huì)革命必要條件的證偽型案例。在關(guān)于充分條件的唯一定義下，俄國(guó)、法國(guó)與中國(guó)均是支持型案例。如果存在政治危機(jī)與農(nóng)民起義發(fā)生，而社會(huì)革命不發(fā)生的案例，那么則是對(duì)斯考切波理論的證偽型案例。將這些理論上所有可能的案例歸類(lèi)如下（見(jiàn)表7）。

由此可見(jiàn)，從必要條件與充分條件的定義出發(fā)，政治危機(jī)、農(nóng)民起義與社會(huì)革命二分取值的所有組合對(duì)應(yīng)的案例都是相關(guān)案例，從理論上說(shuō)并沒(méi)有哪一種是馬洪尼和格爾茨所謂的真正無(wú)關(guān)的案例。

綜上所述，量化相關(guān)與邏輯因果在對(duì)案例進(jìn)行分類(lèi)的問(wèn)題上存在顯著的不同。這種不同主要源于二者對(duì)于因果性本體論的認(rèn)知差異：量化相關(guān)將確認(rèn)因果關(guān)系的問(wèn)題轉(zhuǎn)化為確認(rèn)平均因果效應(yīng)的問(wèn)題，而邏輯因果則將因果關(guān)系轉(zhuǎn)化成不同類(lèi)型的條件與結(jié)果之間的關(guān)系問(wèn)題。因此，在進(jìn)行一項(xiàng)少案例研究的設(shè)計(jì)過(guò)程中，究竟如何界定案例、區(qū)分案例類(lèi)別，首先取決于研究者試圖建立一種怎樣的因果關(guān)系。

上文已經(jīng)闡明，從量化相關(guān)與邏輯因果的不同闡釋路徑出發(fā)，相關(guān)案例與不相關(guān)案例的劃分情況也是不同的。那么，接下來(lái)的問(wèn)題便是，如何在相關(guān)的案例中進(jìn)行案例選擇呢？對(duì)這一問(wèn)題，兩種闡釋所提供的思路也是大相徑庭的。下文將指出，由于在量化相關(guān)的闡釋中，不同原因?qū)Y(jié)果產(chǎn)生的都是“部分效應(yīng)”，它們可以通過(guò)簡(jiǎn)單相加來(lái)計(jì)算對(duì)結(jié)果的線性累積效應(yīng)，因此，在案例選擇時(shí)，從這一闡釋出發(fā)的方法（如密爾、KKV）的一個(gè)共性建議是：選擇那些除自變量以外，其他控制變量的“取值”都相等或都不等的案例，即“量化可比”的策略。然而，在邏輯因果的闡釋中，不同類(lèi)型的條件對(duì)結(jié)果產(chǎn)生的是非線性相加的“完全影響”，因此，在案例選擇時(shí)，僅僅要求其他條件“取值”相似/不同是完全不夠的，還必須要將不同條件的不同類(lèi)型納人考量，本文將此定義為“邏輯可比”的策略。當(dāng)下主流的案例選擇方法均屬于“量化可比”的策略，因此并不適用于檢驗(yàn)“邏輯因果”的理論假說(shuō)。

（一）部分效應(yīng)下的“量化可比”

正如本文之前部分介紹的那樣，每一個(gè)自變量對(duì)于因變量的作用都是以“部分效應(yīng)”存在的。因此，為了能夠?qū)⒛骋蛔宰兞康男?yīng)識(shí)別出來(lái)，研究者就需要對(duì)其他自變量進(jìn)行有效的控制。也就是說(shuō)，要在“其他因素不變”（ceteris parabus）、“其他條件都相同”（other things being equal）的情況下來(lái)計(jì)算目標(biāo)自變量對(duì)因變量的影響。本文將這一控制策略概括為部分效應(yīng)下的“量化可比”策略。在實(shí)驗(yàn)設(shè)計(jì)中，這一“控制”主要通過(guò)對(duì)干預(yù)進(jìn)行隨機(jī)分配得以實(shí)現(xiàn)。通過(guò)隨機(jī)分配的過(guò)程，實(shí)驗(yàn)組與控制組在“平均”的意義上得以彼此相似，而干預(yù)之后的組間平均差異，也正是干預(yù)導(dǎo)致的結(jié)果。

那么，對(duì)于少案例比較的研究來(lái)說(shuō)，又是如何進(jìn)行案例選擇的呢？從研究設(shè)計(jì)的角度來(lái)看，目前主流的少案例比較研究，與實(shí)驗(yàn)設(shè)計(jì)的邏輯基本相同。密爾提出的“求異法”[28]，普熱沃斯基和休恩提出的“最大相似系統(tǒng)設(shè)計(jì)”（most similar system design）[29]，以及亞歷山大與貝奈特提出的“控制性比較”（controlled comparison）[30]就是三個(gè)典型的例子。它們的基本主張可以簡(jiǎn)單地概括為：研究者需要有意識(shí)地選擇那些除了自變量以外，其他變量都相似的案例進(jìn)行比較。相反，在比較的過(guò)程中，如果不能控制其他變量不變，那么在估計(jì)自變量的部分效應(yīng)時(shí)，就很容易產(chǎn)生遺漏變量偏差（omitted variable bias）[31]，從而對(duì)目標(biāo)自變量對(duì)因變量產(chǎn)生的部分因果效應(yīng)造成誤判。

然而，需要特別注意的是，KKV進(jìn)一步指出，忽略了兩類(lèi)特殊的變量并不會(huì)導(dǎo)致遺漏變量偏差。第一類(lèi)變量被他們稱為“無(wú)關(guān)遺漏變量”，也就是那些對(duì)于因變量不會(huì)產(chǎn)生影響的變量。例如，如果研究者試圖通過(guò)比較德國(guó)與英國(guó)來(lái)考察為什么兩國(guó)對(duì)于區(qū)域一體化有著不同的偏好，那么在假說(shuō)檢驗(yàn)的過(guò)程中，即使研究者忽視了兩國(guó)不同語(yǔ)言的影響，大致也是沒(méi)有問(wèn)題的。這是因?yàn)?，至少在歐洲的背景下，目前似乎并沒(méi)有證據(jù)表明使用不同的語(yǔ)言與該國(guó)對(duì)歐盟一體化的偏好有顯著相關(guān)性。第二類(lèi)變量是那些即使對(duì)因變量會(huì)產(chǎn)生巨大影響，但是與其他自變量不存在相關(guān)性的變量。例如，如果孩子的身高是因變量，父親的身高是自變量，那么孩子的戶外運(yùn)動(dòng)情況就可以看作是KKV所說(shuō)的第二類(lèi)變量。因?yàn)?，孩子的戶外運(yùn)動(dòng)情況雖然與其身髙有相關(guān)性，但是這一變量似乎與自變量“父親的身高”并無(wú)相關(guān)性。

KKV的建議看似合理，然而，不幸的是，在社會(huì)科學(xué)研究的現(xiàn)實(shí)中，我們很難令人信服地對(duì)第二類(lèi)變量加以確認(rèn)。也就是說(shuō)，我們很難保證一個(gè)會(huì)對(duì)因變量產(chǎn)生影響的自變量，同時(shí)卻與模型中包含的所有其他變量都不相關(guān)。通常更有可能存在的情況是，一個(gè)與因變量緊密相關(guān)的自變量，往往與其他自變量也存在一定的相關(guān)性。在上文列舉的有關(guān)孩子身高的例子中，雖然戶外運(yùn)動(dòng)情況與父親的身高這一自變量并無(wú)相關(guān)性，但是總是可能會(huì)與其他的某些重要因素相關(guān)，例如身體對(duì)鈣質(zhì)的吸收情況。因此，在實(shí)際的操作過(guò)程中，更可行、更嚴(yán)謹(jǐn)?shù)霓k法是：將所有對(duì)因變量產(chǎn)生影響的自變量進(jìn)行控制。

總之，部分效應(yīng)下的“量化可比”策略，為研究者提供了一整套較為詳細(xì)的案例比較方案。然而，問(wèn)題恰恰在于，對(duì)于絕大多數(shù)案例比較研究來(lái)說(shuō)，研究者提出的理論框架，根本就不是一個(gè)從“量化相關(guān)”出發(fā)尋找因果效應(yīng)的解釋框架，而卻是一個(gè)從“邏輯因果”出發(fā)尋找充分（或必要）條件（或組合）的理論體系。[32]那么，為什么“量化可比”的策略不能直接用于檢驗(yàn)一個(gè)關(guān)于充分性/必要性的因果關(guān)系呢？如果要對(duì)“邏輯因果”進(jìn)行檢驗(yàn)，又當(dāng)如何進(jìn)行控制性的比較呢？

（二）完全彩響下的“邏輯可比”

1．邏輯因果的非線性“完全影響”

與量化相關(guān)中自變量對(duì)因變量的部分效應(yīng)不同，在邏輯因果的闡釋中，不同類(lèi)型的條件對(duì)于結(jié)果的影響是完全性的，并且不同條件之間不存在線性累加的關(guān)系。這種特殊性可以通過(guò)布爾代數(shù)的基本定理加以理解。

假設(shè)條件A與條件B分別是結(jié)果Y的充分條件，那么根據(jù)本文第二部分對(duì)布爾代數(shù)的基本運(yùn)算法則的介紹可知，A、B與Y之間的關(guān)系可以表示如下：

A+B＝Y(jié)

又因?yàn)椴紶柎鷶?shù)滿足定理：

A+1=1

因此可知，無(wú)論充分條件A取何值，只要B為1，結(jié)果Y始終為1。其含義為，只要有一個(gè)充分條件存在，結(jié)果一定會(huì)發(fā)生。

當(dāng)條件A與條件B分別是結(jié)果Y的必要條件時(shí)，那么根據(jù)本文第二部分對(duì)布爾代數(shù)的基本運(yùn)算法則的介紹可知，A、B與Y之間的關(guān)系可以表示如下：

A*B＝Y(jié)

又因?yàn)椴紶柎鷶?shù)滿足定理：

A*0＝0

由此可知，無(wú)論必要條件A為何值，只要B為0，結(jié)果Y始終為0。其含義為，只要有一個(gè)必要條件不存在，結(jié)果必不發(fā)生。

那么，在這種非線性的完全影響下，為什么傳統(tǒng)的“量化可比”策略是無(wú)效的？如果無(wú)效，那又應(yīng)當(dāng)怎樣進(jìn)行案例挑選？下文將對(duì)此進(jìn)行簡(jiǎn)要分析。

2．與“量化可比”不同的“邏輯可比”

誠(chéng)如上文所言，無(wú)論是密爾的求同法、求異法、普熱沃斯基和休恩提出的“最大相似系統(tǒng)設(shè)計(jì)”，還是延續(xù)KKV思想的其他案例選擇法，它們都要求質(zhì)性研究者通過(guò)控制“取值”（相同或相異）來(lái)實(shí)現(xiàn)控制的比較（controlled comparison），從而剝離出自變量對(duì)因變量的獨(dú)立影響。然而遺憾的是，許多質(zhì)性研究者提出的是關(guān)于充分/必要條件（組合）的理論假說(shuō)，因此“量化可比”的策略是無(wú)效的。當(dāng)考慮到邏輯因果關(guān)系的不同類(lèi)型時(shí)，研究者需要采取的是“邏輯可比”而非“量化可比”的策略。這一策略的基本要求是：令需要被控制的“其他”充分條件取值為0，必要條件取值為1。這一論點(diǎn)可以通過(guò)對(duì)密爾的求同法與求異法的分析得以論證。

（1）原則1：“其他”充分條件取值為0。通過(guò)求同法進(jìn)行因果推斷的基本邏輯是：假設(shè)X是原因，在兩個(gè)案例中，除X以外的所有其他因素（A、B）都不同，那么這些案例所共有的結(jié)果Y，就是原因X導(dǎo)致的結(jié)果。這種推斷邏輯可簡(jiǎn)要表示如下（見(jiàn)表8）：

在表格中，“其他因素”A與B在兩個(gè)案例中取值各不相同，滿足了關(guān)于案例比較的“量化可比”要求。然而，當(dāng)我們將邏輯因果中不同類(lèi)型的條件這一因素考慮進(jìn)去時(shí)，這種簡(jiǎn)單的量化可比思維就存在重要的問(wèn)題。例如，當(dāng)條件A與條件B均為影響結(jié)果Y的充分條件時(shí)，那么在這一比較中，我們就無(wú)法了解到底Y為“1”是由于X的影響，還是由于A、B的影響。通過(guò)布爾代數(shù)的方式論證如下：

已知Y＝X＋A＋B，

當(dāng)B＝0時(shí)（即案例1的情況），Y＝X＋A，

當(dāng)A＝0時(shí)（即案例2的情況），Y＝X＋B，

因?yàn)椋紶柎鷶?shù)滿足定理：A＋1＝1

所以，當(dāng)1＝X＋A時(shí)，有X＝1或A＝1

當(dāng)1＝X＋B時(shí)，有X＝1或B＝1

綜上，在兩個(gè)案例中，當(dāng)Y＝1時(shí)有三種情況，X＝1或A＝1或B＝1。

由此可見(jiàn)，從邏輯因果的闡釋出發(fā)，僅僅根據(jù)“量化可比”的要求，令所有控制變量“取值”不同并不能完成有效的因果推斷。當(dāng)“其他”條件是影響結(jié)果的充分條件時(shí)，需要令其值為0，才能進(jìn)一步在案例中推斷條件X對(duì)結(jié)果的可能影響。

（2）原則2：“其他”必要條件取值為1。通過(guò)求異法進(jìn)行因果推斷的基本邏輯是：假設(shè)X是原因，在兩個(gè)案例中，如果所有其他因素都相同，僅有X分別存在于一個(gè)而不存在于另一個(gè)，并且結(jié)果Y的發(fā)生情況在兩個(gè)案例中也有相同的對(duì)應(yīng)關(guān)系，那么X與Y之間就存在因果關(guān)系。這種推斷邏輯可簡(jiǎn)要表示如下（見(jiàn)表9）：

根據(jù)這一邏輯，若想證偽X與Y之間的相關(guān)性，可通過(guò)尋找兩個(gè)案例，使其滿足如下情況（見(jiàn)表10）：

從實(shí)驗(yàn)的邏輯來(lái)看，通過(guò)案例3與案例4來(lái)證偽X與Y之間的關(guān)系似乎并無(wú)不妥，因?yàn)閺娜≈档慕嵌葋?lái)看，其他相關(guān)的影響變量都得到了有效的控制。然而，當(dāng)我們將不同類(lèi)型的邏輯因果條件納入考量時(shí)，這一“量化可比”的策略便再次令人失望。例如，先行研究顯示，政府干預(yù)（A）是經(jīng)濟(jì)發(fā)展的一個(gè)必要條件，一項(xiàng)新的研究試圖在此基礎(chǔ)上考察勞工壓制（X）是否為經(jīng)濟(jì)發(fā)展（Y）的另一必要條件。那么，基于案例3與案例4的研究設(shè)計(jì)并不能證偽勞工壓制作為必要條件的影響，因?yàn)檠芯空邿o(wú)法排除以下因素：兩個(gè)案例中的經(jīng)濟(jì)停滯現(xiàn)象，均由缺乏政府干預(yù)引起。布爾代數(shù)可以用非常簡(jiǎn)單的過(guò)程將這一問(wèn)題展示出來(lái)：

已知X、A與Y的關(guān)系為Y＝X*A，

因?yàn)?，有定理A*0＝0，

所以，當(dāng)A＝0時(shí)，Y＝X*O＝0

綜上，在案例3與案例4中，結(jié)果Y＝0被A＝0的完全影響所決定，因此X對(duì)Y的影響既無(wú)法得到證實(shí)也無(wú)法得到證偽。因此，若想考察X與Y的關(guān)系，需要在其他必要條件均為1的情況下進(jìn)行比較。

（三）《國(guó)家與社會(huì)革命》中的比較策略

在《國(guó)家與社會(huì)革命》一書(shū)中，有關(guān)案例比較的策略，斯考切波同樣為我們提供了一個(gè)經(jīng)典的范例。本節(jié)以該書(shū)研究設(shè)計(jì)為例，針對(duì)上文邏輯可比的第二原則進(jìn)行簡(jiǎn)要的說(shuō)明。

在該書(shū)中，日本、英國(guó)與普魯士是斯考切波使用的三個(gè)輔助性案例。如果將日本與普魯士，以及英國(guó)與普魯士分別進(jìn)行比較（見(jiàn)表11、表12）：

在不考慮條件的充分性與必要性的特征，而僅從密爾求異法的形式上來(lái)看，日本與普魯士的簡(jiǎn)單比較在“控制”了政治危機(jī)的前提下，似乎剔除了農(nóng)民起義與社會(huì)革命的相關(guān)性；而英國(guó)與普魯士的簡(jiǎn)單比較在“控制”了農(nóng)民起義的前提下，仿佛剔除了政治危機(jī)與社會(huì)革命的相關(guān)性。然而，一旦將因果條件的類(lèi)型（充分/必要性）納入考量，這樣形式上的簡(jiǎn)單比較就無(wú)法為檢驗(yàn)假說(shuō)提供幫助。事實(shí)上，政治危機(jī)與農(nóng)民起義是斯考切波解釋社會(huì)革命產(chǎn)生的兩個(gè)必要條件。根據(jù)上文第二原則的論證過(guò)程可知，在日本與普魯士的比較中，作為必要條件的政治危機(jī)在兩個(gè)案例中均不存在，因此，并不能確認(rèn)農(nóng)民起義與社會(huì)革命的關(guān)系；而在英國(guó)與普魯士的比較中，由于同樣的邏輯，也并不能確認(rèn)政治危機(jī)與社會(huì)革命的關(guān)系。因此，只有在“其他”必要條件取值為1，即該必要條件在比較案例中均存在的情況下，才更有利于研究者考察某一特定必要條件與結(jié)果的關(guān)系。也正因?yàn)槿绱?，斯考切波使用日本與中國(guó)比較、法國(guó)與英國(guó)比較（見(jiàn)表13、表14），在保證“其他”必要條件為1的情況下，分別檢驗(yàn)了政治危機(jī)與農(nóng)民起義作為兩個(gè)必要條件與結(jié)果的關(guān)系。

在研究方法日新月異的今天，少案例比較法依然具有不可替代的重要作用。然而，在多數(shù)研究中，都存在一個(gè)本體論與方法論相互錯(cuò)位的現(xiàn)象。這一現(xiàn)象具體表現(xiàn)為：研究者明明提出的是一個(gè)有關(guān)充分/必要條件（或條件組合）的因果框架，卻用實(shí)驗(yàn)與統(tǒng)計(jì)的思維來(lái)指導(dǎo)案例的選擇以及變量的控制。本文指出，“量化相關(guān)”與“邏輯因果”是對(duì)因果關(guān)系的兩種不同闡釋。前者遵循線性代數(shù)法則，而后者遵循布爾代數(shù)法則。在此基礎(chǔ)上，本文進(jìn)一步指出，這一本體上的根本不同帶來(lái)了兩個(gè)具體的差異：第一，在布爾代數(shù)中，只有不同類(lèi)型的因果關(guān)系，而沒(méi)有不同程度的因果效應(yīng)，因此在不同算數(shù)法則之下，如何對(duì)案例進(jìn)行分類(lèi)也有著不同的邏輯；第二，在布爾代數(shù)中，不同類(lèi)型的條件（或條件組合）對(duì)結(jié)果產(chǎn)生的是“完全影響”，而在線性代數(shù)中，不同原因?qū)Y(jié)果產(chǎn)生的都是“部分效應(yīng)”（partial effect），因此，“邏輯可比”而非“量化可比”的策略更適用于檢驗(yàn)有關(guān)充分/必要性的理論框架。

基于以上結(jié)論，本文的貢獻(xiàn)可以簡(jiǎn)要概括為以下三個(gè)方面：第一，進(jìn)一步挖掘“量化相關(guān)”與“邏輯因果”在因果關(guān)系本體論層面存在的兩個(gè)具體差異；第二，在方法論層面揭示這兩種具體差異如何影響案例的分類(lèi)與選擇；第三，初步提出一種與“量化相關(guān)”傳統(tǒng)相對(duì)應(yīng)的案例研究設(shè)計(jì)策略。這一策略主要包括案例分類(lèi)方式與“邏輯可比”的基本原則兩方面的內(nèi)容。同KKV提出的指導(dǎo)方案相比，這一策略的貢獻(xiàn)在于，它解決了研究者常常出現(xiàn)的因果關(guān)系本體論與方法論相互錯(cuò)位的現(xiàn)象；同馬洪尼與格爾茨在《兩種傳承》中提出的建議相比，本文提出的策略，彌補(bǔ)了他們忽視如何進(jìn)行少案例比較的不足。

顯而易見(jiàn)，強(qiáng)調(diào)因果關(guān)系本體論與檢驗(yàn)因果關(guān)系方法論的一致性是本文的一項(xiàng)基本立場(chǎng)。從這一立場(chǎng)出發(fā)，那些倡導(dǎo)將定量方法與案例比較方法相結(jié)合的混合研究策略，就值得研究者們謹(jǐn)慎考慮。一個(gè)最直接的原因便是，那些看似功能可以互補(bǔ)的方法，實(shí)際上卻扎根于完全不同的本體論土壤。因此，更為有效的混合型研究，應(yīng)當(dāng)是在相同本體論基礎(chǔ)上的不同方法的結(jié)合。而在這一方面，我們還有很長(zhǎng)的路要走。

參考文獻(xiàn)：

[1]Arend Lijphart，“Comparative Politics and the Comparative Method，”The American Politics Science Review，1971（3），pp.682-693.

[2]Gary Goertz and James Mahoney，“Methodological Rorschach Tests：Contrasting Interpretations in Qualitative and Quantitative Research，”Comparative Political Studies，2012（2），pp.236-251；Charles C. Ragin，The Comparative Method：Moving Beyond Quantitative Strategies，Berkeley and Los Angeles：University of California Press，1987.

[3]“案例導(dǎo)向的研究”與“變量導(dǎo)向的研究”是由査爾斯·拉金（Charles Ragin）首先提出?需要說(shuō)明的是，這種區(qū)分與傳統(tǒng)意義上“質(zhì)性”與“量化”的區(qū)分不盡相同?一般來(lái)說(shuō)，質(zhì)性研究包括科學(xué)與人文兩大傳統(tǒng)?前者受實(shí)證主義的深刻影響，以“解釋”（explanation）為目的，尋求具有一定普世性的“規(guī)律”；后者則受后現(xiàn)代主義的影響，以“闡釋”（interpretation）為目的，尋求在一定背景中的“意義”?在拉金那里，“案例導(dǎo)向的研究”指的是科學(xué)傳統(tǒng)下的案例研究，主要包括以建構(gòu)理論為目的的個(gè)案研究?少案例比較研究（small-N comparative methods）與定性比較分析（QCA）?參見(jiàn)Charles C. Ragin，The Comparative Method：Moving Beyond Quantitative Strategies，Berkeley and Los Angeles：University of California Press，1987；朱天越《<社會(huì)科學(xué)中的研究設(shè)計(jì)>與定性研究》，《公共行政評(píng)論》2015年第4期?

[4]Gary Goertz and James Mahoney，A Tale of Two Cultures：Quantitative and Quantitative Research in the Social Sciences，Pinceton，NJ：Princeton University Press，2012.

[5]這樣的研究屢見(jiàn)不鮮，例如Deborah J_ Yashar，Contesting Citizenship in Latin America：The Rise of Indigenous Movements and the Postliberal Challenge，Cambridge：Cambridge University Press，2005；Anna Grzymala-Busse，Rebuilding Leviathan：Party Competition and State Exploitation in Post-communist Democracies，Cambridge：Cambridge University Press，2007；Tuong Vu，Paths to Development in Asia：South Korea，Vietnam，China，and Indonesia，Cambridge：Cambridge University Press，2010；Wen Zha，^Individual Choice and State-led Nationalist Mobilization in China：Self-interested Patriots，Heidelberg：Springer，2015；Qiushi Feng，Variety of Development：Chinese Automakers in Market Reform and Globalization，Singapore ：Palgrave Macmillan，2018；劉瑋：《崛起國(guó)創(chuàng)建國(guó)際制度的策略》，《世界經(jīng)濟(jì)與政治》2017年第9期；李朔嚴(yán)：《政黨統(tǒng)合的力量：黨、政治資本與草根NG0的發(fā)展——基于Z省H市的多案例比較研究》，《社會(huì)》2018年第1期；張曉慧、肖斌：《吉爾吉斯斯坦社會(huì)運(yùn)動(dòng)中的政治力：基于案例的比較分析》，《俄羅斯研究》2017年第3期?

[6]下文將通過(guò)比較兩種不同路徑，詳細(xì)展示為什么從量化相關(guān)邏輯出發(fā)的方法，不能用于挖掘條件的充分性或必要性?

[7]在學(xué)術(shù)界，目前對(duì)于“中等規(guī)?！辈](méi)有一個(gè)精確的規(guī)定，大概指的是多于10個(gè)而少于100個(gè)，即案例數(shù)量在數(shù)十個(gè)左右的案例規(guī)模? [8]Gary Goertz and James Mahoney，A Tale of Two Cultures：Qualitative and Qualitative Research in the Social Sciences，Pinceton，NJ：Princeton University Press，2012，p.178；David Collier and James Mahoney，“Insights and Pitfalls：Selection Bias in Qualitative Research，”World Politics，1996（1），pp.56-81.

[9-14]Gary Goertz and James Mahoney，A Tale of Two Cultures：Qualitative and Qualitative Research in the Social Sciences，Pinceton，NJ：Princeton University Press，2012，p.182；p.179；p.183；p.200.

[15]Donald B. Rubin，“Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies，”Journal of Educational Psychology，1974（5），pp.688-701.

[16]這正是因果推斷的根本難題（The fundamental problem of causal inference）?參見(jiàn)Paul W. Holland，“Statistics and Causal Inference，”Journal of the American Statistical Association，1986（396），pp.945-960.

[17]Paul W. Holland，“Statistics and Causal Inference，” Journal of the American Statistical Association，1986（396），pp.945-960. [18]Cary King，Robert 0. Keohane，and Sidney Verba，Designing Social Inquiry：Scientific Inference in Qualitative Research，Princeton：Princeton University Press，1994，p.87.

[19]相關(guān)討論參見(jiàn)大衛(wèi)·休謨《人類(lèi)理智研究》，呂大吉譯，商務(wù)印書(shū)館，1999；John S. Mill，A System of Logic. Londres：Parker，1843；Leslie John Mackie，The Cement of the Universe；A Study of Causation，Oxford：Oxford University Press，1980?

[20]例如，斯考切波指出，國(guó)家崩潰與農(nóng)民起義的組合共同導(dǎo)致了社會(huì)革命的爆發(fā)，那么國(guó)家崩潰與農(nóng)民起義就是社會(huì)革命嫌發(fā)的INUS條件?在2003年的伊拉克戰(zhàn)爭(zhēng)問(wèn)埋上，戈?duì)柌划?dāng)選總統(tǒng)被認(rèn)為是戰(zhàn)爭(zhēng)爆發(fā)的一個(gè)必要條件，而布什當(dāng)選總統(tǒng)是導(dǎo)致戈?duì)柌划?dāng)選的一個(gè)充分非必要條件，因此，“布什當(dāng)選總統(tǒng)”，就是導(dǎo)致伊拉克戰(zhàn)爭(zhēng)爆發(fā)的SUNI條件（Mahoney & Bairenechea，2017）?參見(jiàn)西達(dá)·斯考切波（國(guó)家與社會(huì)革命——對(duì)法國(guó)、俄國(guó)和中國(guó)的比較分析》，何俊志、王學(xué)東譯，上海人民出版社，2015；James Mahoney and Rodrigo Barrenechea，“The Logic of Counterfactual Analysis in Case-Study Explanation，”The British Journal of Sociology，2017，DOI：10.1111/1468-4446.12340.

[21-22]James Mahoney and Gary Goertz，“The Possibility Principle：Choosing Negative Cases in Comparative Research，”American Political Science Review2004（4），p.653；p.658.

[23]在這一點(diǎn)上，F(xiàn)reedman做了更為細(xì)致的解釋?David A. Freedman，Statistical Models and Causal Inference：A Dialogue with the Social Sciences，Cambridge：Cambridge University Press，2010.

[24]Bear F. Braumoeller and Gary Goertz，“The Methodology of Necessary Conditions，”American Journal of Political Science，2000（4），pp.844-858.

[25]Gary Goertz and James Mahoney，A Tale of Two Cultures：Qualitative and Qualitative Research in the Social Sciences，Pinceton，NJ：Princeton University Press，2012，p.183.

[26]Charles C. Ragin，Redesigning Social Inquiry：Fuzzy Sets and Beyond，Chicago，IL：University of Chicago Press，2008. [27]James Mahoney and Gary Goertz，“The Possibility Principle：Choosing Negative Cases in Comparative Research American Political Science Review，2004（4），pp.653-669.

[28]從這個(gè)角度來(lái)說(shuō)，密爾的求同法、求異法，事實(shí)上與QCA的思想是有本質(zhì)區(qū)別的?關(guān)于二者的區(qū)別Alrik Thiem曾做了更為詳細(xì)的解釋?zhuān)⑶遗u(píng)了馬洪尼、格爾茨、里金等人認(rèn)為QCA的思想與密爾相通的觀點(diǎn)?Alrik Thiem，“Mill’s Methods，Induction and Case Sensitivity in Qualitative Comparative Anal-ysia；A Comment on Hug（2013），”Qualitative & Multi-Method Research，2014（2），pp.19-24；Alrik Thiem，“Michael Baumgartner，and Damien BoL. Still Lost in Translation！A Correction of Three Misunderstandings between Configurational Comparativists and Regressional Analysts，”Comparative Political Studies，2016（6），pp.742-774. 

[29]Adam Przeworski and Henry Teune，The Logic of Comparative in the Social Sciences，New York：Wiley-Interscience，1970.

[30]George Alexander and Andrew Bennett，Case Studies on Theory Development in the Social Sciences，Cambridge：MIT Press，2005. 

[31]Cary King，Robert 0. Keohane，and Sidney Verba，Designing Social Inquiry：Scientific Inference in Qualitative Research，Princeton：Princeton University Press，1994，p.168.

[32]Dan Slater and Daniel Ziblatt，“The Enduring Indispensability of the Controlled Comparison，Comparative Political Studies，2013（10），pp.1301-1327.