下载掌阅APP，畅读海量书库
立即打开
在这一章里，我们会简要地讨论选择性（selectivity）问题。有人认为，“选择性”这个概念之所以重要，是因为必须从数据中“压榨”出某种因果效应估计来——我认为那可能是件徒劳无功的事情。“选择性”这个概念之所以重要，是因为我们可以由它入手，去思考大多数社会科学在使用统计学时面临的一个大难题：在解读估计出来的参数时，必须要考虑“未观察变量”（unobserved variables）的影响。
为什么这是一个大难题呢？因为从统计学的角度来看，模型中未考虑的因素是无穷多的。你如何能够保证，那些既能够预测因变量、又与现有自变量相关的因素已经全部囊括在模型之中？这是做不到的。难道这个难题就无解了吗？不，它是有解的。按照我们在第1章中讨论过的实用主义思路，研究的目标是改善现有的知识，优质的数据能够帮助我们达到这一目标。我们不需要考虑无穷多个可能的混杂因素（confounders），只要考虑那些 有切实可能 （likely）的混杂因素就够了（无论这些因素是否在我们的数据集中）。
我们应该从何处来入手？很好的入手之处就是人们 切实的选择行动 （selection）——他们究竟 实际做了 哪些事情，才妨碍了统计学家获得因果估计的企图？ 我们 都是人，所以可以先问一下自己“我遇到这种事情会怎么做”，然后再想一想“我听说过或见过别人遇到这种事情会怎么做”。如果你只是坐在那儿冥思苦想“所有可能的重要因素有哪些”，那你最后列出来的往往只是一长串不相干的因素。（因为与模型中的自变量不相关的遗漏变量并不会扭曲你的结论。）从切实的选择行动入手，会让我们迅速聚焦于对我们的解读来说最为致命的那些因素。
导览 ：我先简要地介绍对于因果估计的经典理解，以及选择性难题是如何出现的，它又如何阻碍了我们对非实验数据进行因果解读。然后，我会介绍一种与现有教科书上主张的因果建模策略（causal modeling strategy）完全不同的分解（decomposition）思路。这种思路是从人口学中借鉴得来的，我会把它贯穿本书始终。在下一章中，我们会集中讨论“控制”策略的使用。
经典的实验需要有如下四个关键要素：
1. 样本组 ：找到至少两个（通常比两个要多得多）分析单位的实例，我们称其为“样本”。
2. 随机分配 ：从样本中随机抽取一部分分配到“处理”（treatment）组，其余的分配到“对照”（control）组。
3. 实施 ：对处理组的样本施加某种可能有因果效应的因素，对对照组的样本不施加。
4. 观察 ：对处理组和对照组的结果分别进行观察。
一个假想的例子，我们找了一些可爱的小猫，随机给其中一半注射了卸妆水，然后看它们是否会长出肿瘤来。由此我们就能得到如表3.1那样的数据（现在你先看黑体的行标题和列标题）。单元格的观察数表示为
，下标中的0表示案例属于对照组或者没有肿瘤，1表示案例属于处理组或者有肿瘤。
表3.1 经典实验
现在，让我们试着把上述逻辑套用到社会领域当中。研究问题是辍学会不会导致犯罪。变量都只有两个取值：辍学/不辍学，犯罪/不犯罪。数据的形式与前面的小猫实验看起来似乎是一样的，但是有一点不同：我们并没有施加处理，只是观察到了一个
分布（还是表3.1，但现在你要看非黑体的行标题和列标题）。我们会看行与列之间的对称性关系，如果“比率比”（odds ratio）
大于1，就认为两者“极有可能”存在因果关系。由于英文中“casual”和“causal”之间有谐音关系，我喜欢把这种观念称为“草率的因果观”（casual causal idea）（Matin，2015）。
很显然，上述情况与实验模型是不一样的，因为人并不是被随机分配到处理组和对照组当中的。有人因此主张，我们只有在可以设计出随机分配程序时，才能够用“因果”这种说法。我能理解他们的意思，我们可以选择自己在使用某个词汇时的意义是什么，但是我不认为这种主张能解决实际问题。在现实世界中，“原因”就是人们对于某个“为什么”的问题感觉合乎情理的答案。人们谈论因果关系的历史，要比对小猫进行随机实验早太多了。
因此，比抠字眼更重要的事情是，去明白实验模型 为什么 会失效。我们不必因此而沮丧，因为这正是我们对社会生活有深入理解的大好契机。下面，我们先来讨论到底现实世界中的“因果关系”到底有什么特点，然后再来讨论选择性问题。