好研究如何設計？：用量化邏輯做質化研究

出版时间：2012  出版社：群學  作者：Gary King、Robert O. Keohane、 Sidney Verba/著，林宗弘/校訂  译者：盛智明、韓佳  
Tag标签：无  

内容概要

超越量化與質化之爭
尋找「好研究」的共同原理
近二十年來最重要的社會科學方法論經典
哈佛三大重量級學者思辨結晶
◎哈佛、哥倫比亞、華盛頓、普林斯頓等大學「方法論課程」指定教材
在社會科學中，普遍存在兩種截然不同甚至對立的方法論典範：量化研究和質化研究。儘管壁壘分明，但社會科學家一直希望為兩者尋找共通準則。這種嘗試從來沒有間斷，本書是諸多嘗試中，最具影響力的一部作品。
這本由哈佛大學三大學者合著的經典，反駁了質化學者對於量化研究的種種偏見，對質化研究諸多「不科學」之處提出犀利批評，並期盼質化學者運用量化分析的嚴整邏輯，讓研究變得「更科學」。
這種觀點在社會科學界引起極大震撼，激起方法論的大論戰，自出版二十多年來與之論辯的文章與專書不斷，至今對於捍衛質化方法的研究者來說，依然構成重大挑戰。
「好研究」的共同特色
◎ 選擇對現實世界重要的問題來研究
◎ 選用可證偽的理論
◎ 有根據地選擇個案：避免只選擇符合理論假設的個案
◎ 以描述推論與解釋為目的
◎ 公開研究過程：研究者會清楚報告他們收集和分析資料的方法
◎ 報告不確定性：社會科學處理的是高度複雜的社會現象，研究者的推論出自於不完整的資料與測量，很難完美無缺，因此必須報告結論的不確定性有多少
本書特色
涵蓋研究設計的每個步驟
從提出問題、尋找理論、選取個案和觀測值、檢驗理論與資料的正確性、發現因果關係、最後到報告結論，涉及方法論所有面向
詳細討論方法論的重要概念
包括描述推論、因果推論、可觀察意涵、單位同質性、選擇性偏誤、平均因果效應、測量誤差、內生性
清楚的實例說明，拆解經典著作的研究設計
包括《使民主運轉起來》（Robert Putnam）、《抵制保護主義》（Helen Milner）、Stalinist Political Economy（Nina Halpern）、The State and Poverty in India（Atul Kohli）、Hegemony and Culture（David Laitin）
理論與實際操作兼具
本書處於抽象的哲學爭論與研究者實作技術之間的中間地帶，關注所有社會科學研究背後潛藏的基本邏輯。
適用領域
政治學、公共行政、社會學、人類學、歷史學、經濟學和心理學等其他學科，以及法律證據、教育研究和臨床論證等非學科型研究領域。
適用課程
質化研究、研究方法、社會科學方法論、研究設計、比較研究、國際關係研究、因果推論

作者简介

作者簡介
Gary King
哈佛大學政府學系教授、哈佛大學量化社會科學研究所主任。主要研究興趣在於「統計理論的創新與應用」，研究涵蓋政治學方法論的重要主題，例如「遺漏資料」、「區位謬誤」與「貝式統計」等。他是同時代政治學家中，論文被引用率最高的學者，擁有三十多個「最佳」獎項和美譽。
Robert O. Keohane
普林斯頓大學伍德威爾遜學院國際關係學教授，曾擔任過美國政治學學會和美國國際研究學會主席。以「國際關係研究」聞名於世，對全球政治理論和美國對外政策有精闢見解。
Sidney Verba
在哈佛大學政府學系執教三十五年，曾任美國政治學會理事長，以及美國國際研究學會的副理事長。研究主題包括美國的政治參與、政治平等、社會輿論、政治態度與政治行為等重要民主政治議題。
譯者簡介
盛智明
香港科技大學社會科學部博士候選人，主要研究方向：社會運動與集體行動、社區治理、公眾輿論和政治態度，以及衝突解決機制研究
韓佳
香港中文大學政治與行政學系博士。曾任職於香港浸會大學新聞系和香港中文大學政治與行政學系。研究興趣包括東亞發展的政治經濟學、當代中國政治、政治學的量化分析、文化政策以及流行文化的政治學

书籍目录

中文版序
量化的逆襲？—從KKV出版二十年談起（林宗弘）
超越量化與質化研究法之爭（盛智明）
前言
1社會科學中的「科學性」
1.1導論
1.2研究設計的要素
1.3本書主題
2描述推論
2.1一般性知識和特殊事實
2.2推論：資料收集的科學目的
2.3質化研究的形式模型
2.4 資料收集的形式模型
2.5摘要歷史細節
2.6描述推論
2.7判斷描述推論的標準
3 因果律與因果推論
3.1定義因果律
3.2闡明因果律的替代性定義
3.3估計因果效應所須的假設
3.4判斷因果推論的標準
3.5構建因果理論的準則
4選對案例
4.1不明確的研究設計
4.2隨機選擇的侷限
4.3選擇性偏誤
4.4有意識的選擇觀察值
5免於犯錯
5.1測量誤差
5.2不把相關變項包括在內：偏誤
5.3將無關變項納入研究：無效性
5.4內生性
5.5估計解釋變項的值
5.6控制研究環境
5.7結語
6 增加觀察值
6.1為得出因果推論而進行的單一觀察值研究設計
6.2多少觀察值才夠？
6.3從少量觀察值創造更多觀察值
6.4結論