聯合網調實驗：理論與實務（第1版）-FindBook 找書網 ISBN:9786264235419

章節試閱

第一章　因果推論與實驗方法
　　因果關係是個既有趣卻又動輒引發爭議的問題，然而社會科學研究中所有涉及「由因推果」（effects of the cause）的效應評估（impact evaluation）型問題，都無法迴避因果推論。
　　在因果推論的方法上，「比較法」扮演舉足輕重的角色，但運用時卻需謹慎，除非拿來比較的各組原先在各方面都旗鼓相當，否則光憑組間之異同驟下論斷，往往容易誤導。無怪乎統計課本常告誡：相關未必有因果關係（association does not imply causation）。例如在評估政府某個職業訓練方案的成效時，若發現受過訓者的平均薪資，比起沒受過訓者還低，不宜驟下論斷認定該方案成效適得其反，因為很可能當初自己選擇（self-select）去受訓者本來就有工作能力上的困難，因此薪資較低也許只是反映原先能力上的差異，並非職訓造成反效果。換言之，逕行比較有受訓和沒受訓這二群人，太過於直觀，尚不足以斷定職訓方案的效果；唯有確保這二組人在職訓開始之前的工作能力等諸多因素的分布都相當（equivalent），之後受完訓者薪資仍較低，我們才能排除其他可能的干擾原因，推論係職訓方案本身成效不彰。
　第一節　反事實因果模型
　壹導論
　　早在19 世紀，J. S. Mill（2012[1843]）提出的「同中求異法」（method of difference，或譯為「差異法」）就清楚指出：如果比較的對象原先處處相同，唯有我們感興趣的「因」不同，此時「果」的差異就較能合理推斷是由這個「僅此一家，別無分號」的因所造成。
　　若把這個「同中求異法」的邏輯進一步推至極端，那麼最理想的因果推論方式，莫過於：在相同的時空下，同一個人的本尊與自己的分身相比，也就是「本尊—分身對比法」。我們可以想像同一時空內本尊與分身其他條件都相同，但唯有「因」不同，那麼本尊與分身在「果」的差異必來自這個「因」的獨門差異，因果推論就一清二楚、無可爭議了。
　　最早把這種思維用在實驗設計（experimental design）中的，是統計學家Splawa-Neyman（1990[1923]）。他在討論完全隨機分派之農業實驗時，提出「潛在結果」（potential outcomes）的概念：同一塊地，在實驗之前有數種「潛在的產量」（potential yields），但實驗後實際觀察到的產量（observed yield）僅是數種潛在產量之一的實現，而後者與前者的差值，就代表實驗施測（因）產生的效應（果）。Rubin（1974; 1990a; 1990b; 1991; 2005）把這個觀念發揚光大，延伸到所有實驗與非實驗的因果推論，故常被稱為「Neyman-Rubin 因果模型」。
　　然而實際上，同一個人在同一時空，要不然有受到因的影響、要不然就是沒受到因的影響，無法「一人同時分飾兩角」來自己與自己相比，造成Holland（1986, 947）所謂之「因果推論的根本難題」（the fundamental problem of causal inference）。不過這個「自己（本尊）與另一個潛在的自己（分身）相比」的腦力激盪式想像實驗（thought experiment），卻正是近年盛行的「反事實因果模型」（counterfactual model of causality）的思維根源：實際發生並觀察到的是事實（fact），想像該同一個單位若在「因」的其他條件下可能（但觀察不到）的結果就是「反事實」（counter-fact）。要確認X是Y的因，除了建立X和Y聯袂發生的相關規律外，也必須逆向思考：那若X 沒有發生的話，Y會如何？故因果效應的推論，還要進一步比較「實際結果」（事實）和「潛在但未發生的結果」（反事實）兩者之差異。
　　說得白話一些，「反事實因果模型」並無高深莫測的玄奧之處，只是用比較亮麗的詞彙來重申：「由因推果」必涉及至少二種不同條件下的「因」相比較，而比較的對象又必須在一開始的立足點上相等才能比（comparable），也就是「因」之外的各項測前協變數（pre-treatment covariates）要越像越好，「與本尊像到不行」的極致，就是同一個人的本尊與自己的分身相比。但是在法律和道德均不允許複製人的情況下，社會科學做因果推論的最大挑戰，就是發揮創意和巧思，透過嚴謹的研究設計（research designs），為研究標的之本尊（事實），找相同時空下「與本尊像到不行的替身」（反事實）來比較。一旦為原本學理上觀察不到的反事實找到了可實證觀測的替身，因果推論就有所本，可以清楚識別（identify）因對果產生的效應了。
　　「反事實因果模型」的思維在社會科學的實證研究中掀起了一場革命，經濟學者Angrist 與Pischke（2010）回顧1990 年代以來計量經濟學在因果推論的信度上大幅改進，稱之為「可信度革命」（credibility revolution），並將此進展歸功於反事實模型激發出來的嚴謹研究設計，包含隨機分組實驗及準實驗設計（如工具變數、斷點迴歸、雙重差分等）。政治學自不例外於這場革命（Ashworth, Berry, and de Mesquita 2021; Druckman and Gr een 2021; 黃紀等 2007；黃紀 2008；2010；2013；2024），且其發展極為快速。

第一章　因果推論與實驗方法
　　因果關係是個既有趣卻又動輒引發爭議的問題，然而社會科學研究中所有涉及「由因推果」（effects of the cause）的效應評估（impact evaluation）型問題，都無法迴避因果推論。
　　在因果推論的方法上，「比較法」扮演舉足輕重的角色，但運用時卻需謹慎，除非拿來比較的各組原先在各方面都旗鼓相當，否則光憑組間之異同驟下論斷，往往容易誤導。無怪乎統計課本常告誡：相關未必有因果關係（association does not imply causation）。例如在評估政府某個職業訓練方案的成效時，若發現受過訓者的平均薪資，比...

顯示全部內容

作者序

在人工智慧當道、大語言模型爆紅之際，出版這本平實無華的《聯合網調實驗》看似不合潮流。然而社會科學的實證研究講求的是基本功，嚴謹的因果推論尤其如此。傳統的問卷調查與單因子實驗方法已無法完全滿足研究者對於「反事實因果推論」的高標準。正是在這樣的背景下，聯合網調實驗（Web-Based Conjoint Survey Experiments）逐漸成為社會科學、政治學、行為經濟學、行銷學等領域中不可或缺的研究利器。
　　本書《聯合網調實驗：理論與實務》旨在提供一套兼具理論深度與實務操作的研究指南，協助讀者理解此一取徑背後的方法論依據，並掌握如何在實務上正確應用。全書分為十章，從基本的反事實因果推論概念出發，逐步引導讀者了解聯合分析的邏輯、實驗設計的策略、樣本數的估算，以及如何運用Qualtrics進行聯合網調實驗，並運用R及Stata軟體分析資料，亦將Python程式碼列於附錄一。本書所有示範的程式碼與資料檔都儲存於網頁，供讀者下載練習。
　　本書的前半部（第一至第五章）強調理論與設計面的論述，包括因果推論的基本結構、「實驗的內在效度」結合「調查的外在效度」之綜效、聯合分析的核心概念與設計元素，以及如何擬定具因果推論效度的問卷題型。透過這些章節，讀者不僅能建立穩固的理論基礎，也能理解實驗設計背後的邏輯與原則。
　　後半部（第六至第九章）則更聚焦於實作與技術操作，涵蓋聯合調查實驗樣本數的推估、網路平台Qualtrics的應用與操作步驟，以及運用R及Stata軟體進行聯合網調實驗的資料彙整與數據分析、推論、解讀（慣用Python的讀者可參見附錄一）。我們也針對常見的錯誤、平台設計的細節，與資料解讀的重點提出實用建議，讓讀者在學術研究或業界應用中，皆能得心應手、發揮效益。
　　本書適合具備基礎研究方法訓練的碩博士生、學術研究人員、政策分析者與市場研究專業人士閱讀。我們期望透過本書，讓更多人能夠在繁雜的社會現象中，透過嚴謹的實驗設計與網路調查的靈活性，精準地探究人類行為背後的偏好結構與因果邏輯。

黃紀、傅澤民
謹誌
2025年4月10日

在人工智慧當道、大語言模型爆紅之際，出版這本平實無華的《聯合網調實驗》看似不合潮流。然而社會科學的實證研究講求的是基本功，嚴謹的因果推論尤其如此。傳統的問卷調查與單因子實驗方法已無法完全滿足研究者對於「反事實因果推論」的高標準。正是在這樣的背景下，聯合網調實驗（Web-Based Conjoint Survey Experiments）逐漸成為社會科學、政治學、行為經濟學、行銷學等領域中不可或缺的研究利器。
　　本書《聯合網調實驗：理論與實務》旨在提供一套兼具理論深度與實務操作的研究指南，協助讀者理解此一取徑背後的方法論依據，並掌握...

顯示全部內容

序言
作者簡介
英文專有名詞縮寫與公式符號

第一章　因果推論與實驗方法
　第一節　反事實因果模型
　第二節　實驗法在因果推論中的定位
第二章　調查方法與實驗的結合
　第一節　民意調查的類型
　第二節　實驗的類型
　第三節　調查實驗的設計
第三章　聯合調查實驗的學理與基本要素
　第一節　偏好與選擇
　第二節　聯合調查實驗的基本結構與要素
　第三節　聯合調查實驗的基本假定
　第四節　適用聯合調查實驗的研究議題
　第五節　聯合調查實驗在政治學的應用
　第六節　聯合調查實驗設計與執行的流程
第四章　擬定因、果的核心問卷...

顯示全部內容