殷杰:统计学能介入社会科学吗

2017-05-03 10:05 来源:中国社会科学网-中国社会科学报 作者:殷杰

  统计学哲学是以统计学为研究对象的哲学分支,是对统计学的理论、方法等进行的哲学反思。统计学作为一门公理化的形式科学,其在逻辑意义上获得的“真”如何与社会科学中由经验所获得的“真”保持一致性,历来是统计学哲学所探讨的核心问题之一,这一问题也是统计学介入社会科学的合法性问题。同时,该问题又可以具体化为信任问题、证据问题、决定问题和预测问题。信任问题是指,统计学所得到的样本数据在介入社会科学之后,我们应该在多大程度上相信它。证据问题指的是,统计学的数据究竟在多大程度上能够为社会科学的相关问题做出合理辩护。决定问题考察的是,获得数据以后,我们应该做什么。预测问题则是,我们所得到的统计学模型在多大程度上能够对社会科学问题做出预测。

  围绕上述四个问题,传统统计学哲学家基于下述四种统计学范式给出了相应的求解方案。具体来看,贝叶斯统计学能够求解信任问题。按照贝叶斯公式,概率越大(小),统计样本的可信度越高(低)。由此,根据条件概率的条件化原则,主体可以依据数据的更新来改变其可信度,使之与社会科学中的偶然性与不确定性相契合。证据问题可以求助于似然统计学。似然统计学是一种关于统计模型参数的函数。似然函数通过对证据的强度和有效性进行量化,融合不同的统计范式之间的分歧,使社会科学研究中的证据更为清晰。古典/误差统计学能够解决决定问题。古典/误差统计学的核心是,对预处理数据与原始数据的挖掘与探讨,从而更好地决定如何处理数据,以保证误差的最小化。因此,古典/误差统计学在做出可靠决定方面发挥着重要作用。AIC(Akaike Information Criterion)框架为预测问题的求解提供了可行路径。AIC是衡量统计模型拟合优良性的一种标准,其建立在熵的概念基础上,旨在权衡所估计模型的复杂度,以及评估此模型拟合数据的优良性。AIC框架可以根据过去的数据预测未来的数据,并且使得预测的精确度最大化。

  传统的统计学哲学通过引入不同的统计学方法和范式,试图解决统计学介入社会科学时所遇到的合法性危机。不过,这些求解方案本质上都是方法论层面的对策,也就是说仅仅解决了统计学如何介入社会科学的问题,而这一问题实质上隐含了一个必须首先澄清的形而上学问题:统计学为什么能介入社会科学。如果这一问题得不到有效解决的话,那么统计学介入社会科学的方法就是无根之木,无源之水。

  从某种角度讲,这一形而上学问题实际上就是休谟问题的当代形式。即便我们已经检查了n-1个样本,也不能保证对第n个样本预测的准确性,也就是说,无论我们进行再准确的抽样,拟合再精确的方程,也无法保证经验世界会像形式科学一样,保持它的统一性。因此,假如我们坚持对逻辑的“真”和经验的“真”之间做出二元区分,认为二者之间存在不可逾越的鸿沟,那么无论我们选择多精确的模型,统计学介入社会科学的合法性都将受到质疑。因此,解决这个形而上学问题,实际上就成为了解决方法论问题的前提。既然坚持逻辑的“真”和经验的“真”的二元划分必定导致彻底的失败,那么我们就应该放弃逻辑的“真”所具有的本体论地位,仅仅将统计学视为一个“虚构的故事”,把数据、样本、模型、方程这些统计学概念的实在性完全消解掉;将统计学介入社会科学看作一种拟合的过程,把统计学的“真”附属于经验的“真”,使二元的“真”重新回归一元。这就需要在统计学哲学的本体论问题上采取虚构主义和自然主义立场。坚持这一立场,就是要将统计学中游离于经验以外的东西彻底从本体论上否决,从而把统计学视为社会科学的一个过程而不是独立的科学。 

  (作者单位:山西大学科学技术哲学研究中心)

 
查看余下全文
(责任编辑:王肖)
更多学术内容,请关注 www.cssn.cn
';?> ';?>