可理解性不等于因果性：社会学解释及其问题

陈心想 董书昊

[摘 要]社会科学需要对社会现象作出解释，也就是对“人们为什么这样做，而不那样做”作出因果性说明。而社会科学家给出的社会学解释常常以常识的方式出现，容易把“因果性”与“可理解性”混淆。科学的解释应该是符合实际观察的因果性陈述，反之，一个解释不管多么符合常识、多么容易理解，也不能作为其科学性的辩护。邓肯·沃茨的论文《常识与社会学解释》从“可理性化行动”所带来的问题对这一难题从三方面做了分析，即框架问题、不确定性问题和结果问题，进而提出通过预测来检验解释的因果性。通过预测检验，理论中那些正确的命题被保留，那些错误的命题被删除或者被修订，最终将综合权衡后的结论发表出来。这样才能使社会科学家的解释富有科学性而凸显其价值。

[关键词]因果性;可理性化行动;可理解性;常识;社会学解释

[作者简介]陈心想（1975-），男，社会学博士，中央民族大学民族学与社会学学院教授;

董书昊（1996-），男，中央民族大学民族学与社会学学院硕士研究生（北京 100081）。

社會科学需要对社会现象作出解释。通俗来讲，就是对“人们为什么这样做，而不那样做”作出因果性说明。在评价一个解释是否科学可靠时，美国社会学家沃茨认为，有相当一部分研究混淆了“因果性”与“可理解性”两个概念。科学的解释应该是符合实际观察的因果性陈述，与之相反的是，一个解释不管多么符合常识，多么容易理解，也不能作为其科学性的辩护。

Duncan J.Watts，“Common Sense and Sociological Explanations”，American Journal of Sociology，vol.120，no.2（2014），pp.313-351.（后文中引述沃茨的相关观点，若未特别注明，都来自此论文）

提出该观点的邓肯·沃茨（Duncan J.Watts）是一名比较另类的社会学家。之所以说他另类，有三点原因：一是他本科主修物理专业，论文方向是混沌理论，跨界的社会学家有很多，但像他跨度那么大且相当成功的，比较少见;二是他探究的方向比较特殊——社会网络，这个方向与计算机科学的交叉较多;三是他属于技术与理论兼通的学者，发表过“小世界”动力机制那样有趣且影响力广泛的文章，

Duncan J.Watts，“Collective Dynamics of‘Small-worldNetworks”，Nature，vol.393，no.6684（1998），pp.440-442.也能洋洋洒洒写一篇理论论述，让人手不释卷地读下去。

或许由于这种学术背景，沃茨比较容易从自然科学家和社会学家两种视角出发，对社会科学的研究方法进行审视。他批评过自然科学家们过度简化社会问题的研究取向，Duncan J.Watts，Everything is Obvious：Once you Know the Answer，New York：Crown Business，2011，p.xiv.也对社会学传统研究方法有一些自己的观点。本文旨在对其相关观点进行介绍与简要分析，以期与社会科学同仁进行交流与探讨。

一、可理解性不等于因果性

沃茨认为，大多数社会学理论，包括场域理论、理性选择理论等，都源于一种理论倾向，他把这种倾向称为“可理性化行动”（rationalizable action）。该倾向隐含的假设是，无论集体行为还是个人行为，都可以用行动者的意图、信念、情景和机会来解释。在“可理性化行动”的框架下，一种自然而然的研究倾向，就是尝试通过理解行动者的意图、信念、情景和机会，来解释他们的行为，及这些行为所导致的后果。

在自然科学领域，这种研究倾向非常荒谬。例如，我们从未听说过某位物理学家能从电子的视角出发来看待其所处的世界，尝试理解电子的行为。也从未听说过某位生物学家能从蛋白质的角度出发，预测其会如何发生变化。但是，当研究对象不是电子、原子和蛋白质这些事物，而是我们人类自身时，大多数人都会承认，我们确实对他人有着某种“设身处地”的换位思考能力，去回答“如果我在那种情况下，会作出怎样的回应”，诸如此类的问题。

从博弈论的角度看，这种能力是人类社会得以存在的基石。社会个体间的行为是相互依赖的，任何一个人做决策时，不仅要考虑自己有什么选择，还要考虑他人有何选择。张维迎：《博弈与社会》，北京：北京大学出版社，2013年，第2页。合作、分工乃至竞争和冲突，其过程的实现，都离不开对他人会做何选择的思考，而这一思考过程的可能，又在于人们可以通过将自己投射到他人所处的或真实、或假设的情景当中，“成为他人”，对他人行为进行预测。我们既知道他人的哪些行为符合预期，也知道不符合时该去哪些方面找原因来加以解释。

基于这种能力，在研究社会行为时，我们确实可以得到一个“合理”的解释。但问题在于，一个解释能在多大程度上被人们“理解”，或者说显得有多么“合理”，并不能证明它便是一种科学的因果解释。如果一个解释是因果性的，那么它不仅应该能回答为何基于某些要素会产生这样的后果，还要能回答当某些要素改变之后，后果又会怎样的不同。换句话说，科学的因果解释，必须能满足某种预测的目标。可靠的预测不仅是理论得到验证的标志，更是其应用价值的体现。

迈尔斯：《社会心理学》，候玉波等译，北京：人民邮电出版社，2016年，第17-18页。但是沃茨认为，相当一部分的社会科学理论，只能产生看似合理的解释。

站在他人角度看问题的能力，可能是人类所独有的。在社会科学研究中，运用这种能力去获得一些假设，是再正常不过的。但如果在追求科学因果解释的路上止步，必然会产生问题：一方面，我们很难说这些假设是正确的;另一方面，这些假设对过往现象的解释力，并不能说明他们可以外推到其他社会情境之中，在绝大多数甚至所有情境下，也不能证明他们就是这些结果的原因。

二、“可理性化行动”所带来的问题

在表明“可理性化行动”倾向下的解释并不等同于因果解释后，沃茨具体指出了该倾向带来的三大问题。

（一）框架问题

当我们尝试将自己投射到他人所处的特定情境当中时（从某种意义上说，进行解释性理解时），我们的大脑或许会瞬间形成这些情境的主干，但并不会立即给出一系列关于该情境的细节。这些细节很多都是在无意识中被填充的，甚至不为我们主体所控制。

但有时，正是这些看似无关紧要的细节，而不是我们认为的那些主干，决定了人们最后采取的行动——那些被要求用绿色笔写出最喜欢的运动型饮料品牌的受访者，更多会写Gatorade;

Jonah Berger & Gráinne Fitzsimons，“Dogs on the Street，Pumas on Your Feet：How Cues in the Environment Influence Product Evaluation and Choice”，Journal of Marketing Research，vol.45，no.1（2008），pp.1-14.那些在超市播放德国音乐时购物的消费者，更倾向红酒中的德国品牌;Adrian C.North，David J.Hargreaves，& Jennifer McKendrick，“In-store Music Affects Product Choice”，Nature，vol.390，no.6656（1997），p.32.那些拍卖前被要求先想一个较大数字的买家，似乎更愿意在拍卖中叫高价。

Gretchen B Chapman & Eric J.Johnson，“The Limits of Anchoring”，Journal of Behavioral Decision Making，vol.7，no.4（1994），pp.223-42.

当然，在严格的对照实验中，我们可以排除掉无穷多个诸如此类的细节，将注意力集中于解释变量本身。但在现实生活中，这些无穷多相互作用的要素到底发挥着怎样的效果，谁又能在思维“投射”之前就了然于心呢？

对此，沃茨引入了框架难题（frame problem）的概念。该难题的核心在于，无论研究者想要计算（这里指广义的“计算”，包括逻辑推演、方程求解和解释性理解等）什么，你都要先决定，有哪些因素需要纳入这一思考过程当中，思考的本质之一，就是这种“局部”（local）性。也就是说，在思考之前，你已经就哪些因素需要纳入考量，做出了你自己的假设。鉴于宇宙中无穷多的要素都可能与此相关，最后的结果必然是，这些假设的数量会慢慢增长到我们在计算中难以处理的程度。

以理性选择理论为例，沃茨认为，其过去四十余年的发展，本质上就是与框架难题持续不断的遭遇战。首先，研究者们给出一个集合，集合中包含一些假设，阐述了哪些因素与该议题相关，并提供一些定义完善的计算思路，得到一个优雅的理论。但很快，他们发现一些该理论不能解释的社会问题，于是又在集合中填充新的假设。“理性”的意涵随着理性选择理论的“攻城夺地”而飞速膨胀。例如，边沁的功利主义哲学假设人总会追求快乐，逃避痛苦。因此，为了能对人类一切行为进行充分解释，他不得不列举多达十四种类型的快乐。

郑也夫：《信任论》，北京：中国广播电视出版社，2001年，第64页。但某种意义上说，此类的列举过程不存在尽头。

以可理性化倾向为基础，通过精神层面的模拟来理解决策者行为的研究方式，始终面临着逻辑层面的深刻矛盾——既然列举出和行动者眼下情境相关的要素，需要知道眼下情境和哪些情境相似;但不知道哪些要素和眼下情境相关，又如何知道哪些情境和眼下情境相似？看似科学的研究过程，看似非常能被“理解”的优雅理论，实际上掺杂了大量不稳定的主观直觉与潜在谬误。结果就是，由此产生的理论，大多数都可以被“理解”，但极少能预测其他情况下会怎么样。

虽然大胆假设以提出理论，在自然科学中也非很常见，但自然科学理论必须经过预测过程的检验，且预测过程并不能因为解释非常具有“说服力”且非常好“理解”而被跳过。事实上，自然科学的经验是，预测效力不错的理论，往往不那么令人“舒适”。

（二）不确定性问题

基于对个体心理的全面认识，就可以解释所有宏观社会现象。这种朴素的认知可以说来自于还原论。还原论的提倡者笛卡尔相信，了解复杂事物的最好方法就是将其拆分到足以得出最优解的那般细小的程度，随后将认识层次一步步上升，最终可达到对总体的全面认识。

梅拉妮·米歇尔：《复杂》，长沙：湖南科学技术出版社，2011年，第1-2页。

但步入20世纪后，还原论在相当多的自然与社会问题研究上幾乎止步不前。人们渐渐发现，即使对微观单位足够了解，似乎也很难去由此推测它们会聚合出怎样的复杂现象。“整体大于部分之和”的观念开始深入人心。物理学家安德森的话发人深省：“多即是不同”（More is different），系统之内的零散个体，一旦彼此作用时，总会表现出超乎寻常的不确定性和复杂性，难以仅凭个体的性质做出预测。

Philip W.Anderson，“More is Different”，Science，vol.177，no.4047（1972），pp.393-396.事实上，20世纪早期，社会学家齐美尔就强调，是个体间互动过程而非个体本身，在社会学研究主题中处于突出地位：“个人的集合不能成为社会……而且只有当一个个人对其他人有直接或间接影响的时候，个人从只不过是一个空间的集合或者暂时性的过渡转变成为社会的时候，社会才会存在。因此，应当有一门科学，其主旨是社会而不是其他东西，它必须专门研究人们的互动，社会化的类型与形式。”

林顿·C·弗里曼：《社会网络分析发展史：一项科学社会学的研究》，张文宏等译，北京：中国人民大学出版社，2008年，第14页。1978年，经济学家、诺奖得主谢林也指出，当人们的行动和决策取决于别人的行动和决策时，仅用简单的累加或者预设某种趋势不变而外推（extrapolation）的方法，很难对其后果做出预测。

Tomas C.Schelling，Micromotives and Macrobehavior，New York： W·W·NORTON & COMPANY，1978，p.14.

20世纪80年代左右，一门旨在探索这类系统的复杂性的科学逐渐兴起。佩奇指出，复杂系统具有四个特征：1.系统内的个体是多元的;2.不同个体在某一互动框架（比如科层制、非正式网络）之中进行互动;3.个体的行为会相互影响;4.个体具有适应性和学习的能力。

Scott E.Page，“What Sociologists Should Know about Complexity”，Annual Review of Sociology，vol.41，no.1（2015），pp.21-41.当一个系统具有这些特征之时，它就拥有了呈现复杂性的能力，在进行分析时，往往不能将其视作个体性质的简单累加或平均。

一个典型的例子来自社会学家格兰诺维特的门槛模型。在一个给定的群体中，参与暴乱的心理倾向分布发生一点改变，宏观的结果，是群体暴乱还是平静如水，便可能发生翻天覆地的变化。

Mark S.Granovetter，“Threshold Models of Collective Behavior”，American journal of sociology，vol.83，no.6（1978），pp.1420-1443.类似的还有经济学家谢林的隔离模型，不同种族在居住上的空间隔离可能并不是“歧视”的结果，而是没有种族偏见的个体彼此互动而最终“涌现”出的宏观现象。

Thomas C.Schelling，“Dynamic Models of Segregation”，The Journal of Mathematical Sociology，vol.1，no.2（1971），pp.143-186.大规模的互联网实验及多主体建模的成果已经证明了，在类似的系统或情境中，不存在通过对某种代表性个体行为逻辑的理解来推断出最终结果的可能，因为任何特定的个体意图，一旦彼此相互作用，便可能产生难以想象的后果;而任何给定的后果，可能来自多种个体意图的组合。

（三）结果问题

可理性化的倾向告诉我们，意图产生行动，行动导致结果，那么，通过对结果的观察，研究者便可以思考当时行动者的意图、信念、环境和机会结构，从而对这一过程给出一个合理的解释。这种方法在一定程度上是可行的，但同樣面临着风险。因为当我们观察一个“结果”时，尽管这个“结果”对于我们是结果，但对于当时的行动者来说，他们很可能并不知道这个“结果”。

沃茨举例到，如果说“HTML语言的发明是互联网世界诞生的标志”，那么，形成这一观点的前提条件是，我就必须既知道万维网是一个客观的历史事物，也必须知道后续的浏览器、搜索引擎和电子商务的诞生都建立在HTML语言之上。从某种意义上说，一个事件如何被陈述，实际上是关于后续发生了什么事件的函数。这有点像塞翁失马的寓言，在下一次意外到来之前，你永远不知道上一次意外是福还是祸。

事实上，一些我们现在看来有如“惊涛骇浪”的历史大事，中间的参与者，或者说“促成者”，其行动的最初预想，往往不是我们所见证的结果。例如，得益于详细的官方文档记录，孔飞力在《叫魂：1768年中国妖术大恐慌》中梳理了18世纪乾隆盛世中的一场妖术大恐慌。在“叫魂”事件中，无论是无辜的僧侣、受惊的百姓，还是贪婪的皂吏、欺上瞒下的官员以及玩弄权术的帝王，每个角色都没有刻意促成如今这场事件呈现给我们的样子。

孔飞力：《叫魂：1768年中国妖术大恐慌》，陈兼等译，北京：生活·读书·新知三联书店;上海：上海三联书店，2014年。而如果更进一步，跳出该书本身的叙事，一个合理的疑问是，作者自身是否会因为知晓事件的结果，而对当时人物的心理作出错误解读呢？！比如，客观上，乾隆皇帝确实因叫魂事件提升了个人威信，整治了中下层官僚，但这也未必是其行为的初衷。

如果人们无法离开后续事件去评价一个特定事件，那么有理由怀疑，我们对什么造成了这一特定事件的解释，实际上也会受到后续我们所经历的那些事件的影响。一个于现在看来石破天惊的事件，并不意味参与者有多么强的意愿、多么坚定的决心，真正的机制，可能是互动中形成的一系列“匪夷所思”的因果链。那些当时的行动者，本不是现在的我们，他们很可能不知道什么会到来，而是在当时带着各自的目的、甚至无目的地行事。

世界的细节总是无穷无尽，而若要解释某一发生过的现象，就不得不在这无穷多的细节中做出选择。“知晓事件后果”这一现实，是研究中一种不可避免的先入为主，它会潜移默化地影响我们对细节的挑选与编织。在一些极端情况下，甚至会让我们堕入尼采所说的那种先决定相信什么，再去寻找理由的叙事中去。

马克·布坎南：《隐藏的逻辑》，李晰皆译，天津：天津教育出版社，2009年，第36-37页。

三、如何检验解释的因果性

如果从理论而非可操作性出发，实验是验证因果关系的黄金法则。由于条件得以控制，实验处理与无穷多混淆因素正交，因此，结果上的显著差异，大概率是由实验处理引起的。在社会科学中，严格的对照实验其实不在少数，例如探究文化市场上产品成功的影响因素，

Matthew J.Salganik，Peter S.Dodd，& Duncan J.Watts，“Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market”，Science，vol.311，no.5762（2006），pp.854-856.脸书（Facebook）中其他用户的行为对个体投票意愿的影响

Robert M.Bond et al.，“A 61-million-person Experiment in Social Influence and Political Mobilization”，Nature，vol.498（2012），pp.295-298.等。在某些时候，通过巧妙寻找一些变量（例如，地理界限分割、

Cristobal Young et al.，“Millionaire Migration and Taxation of the Elite：Evidence from Administrative Data”，American Sociological Review，

vol.81，no.3（2016），pp.421-446.教会小学注册人数

方颖、赵扬：《寻找制度的工具变量：估计产权保护对中国经济增长的贡献》，《经济研究》2011年第5期。），结合一些统计手段，也可以起到类似的效果。

但是实验方法在社会科学中也面临着很多问题：一是并非所有问题都有进行实验的条件，特别是对于一些重大历史过程，实验法极难将其作为研究对象;

周晓虹：《现代社会心理学的危机与后现代社会心理学的兴起》，《江苏社会科学》1994年第4期。二是由于人的异质性，在一批实验对象上得到的结论，不一定能对不同类型、不同时代的群体进行推广，样本的代表性问题始终存在（显然，在自然科学中，你不必担心这一点）。在这种情况下，沃茨认为，对于我们基于过往数据给出的“解释”，最好的办法是用他们的预测效力进行评估，从而决定其是否可以转化为“因果解释”。虽然不是所有有预测效力的模型都意味着因果关系，但基于因果关系的建模一定有预测效力。

需要澄清的是，沃茨所说的预测，与我们通常理解的精准预测有三处不同：

首先，预测并不意味着完全的确定性，而是概率意义上的确定性，即当我们看到X出现时，我们知道相较X不出现的情况，Y事件发生的概率上升/下降。以进化论为例，其虽然不能预测哪种生物一定会占据优势地位，但知道在哪些条件下，该生物占优势地位的概率更高，即使这仍然是个小概率事件。

第二，预测不等于预言，不一定非得针对未来或未知。这有点像机器学习中的训练集（training set）和测试集（test set），你由训练集得到理论（模型），然后用测试集测试它。显然，无论这个测试集是未来数据还是当下数据，都可以检验之前的理论，

陈云松等（2020）在《社会学研究》上发表了《社会预测：基于机器学习的研究新范式》一文，文中引用了大量沃茨的观点。但是，他们好像将沃茨对“预测”的定义收窄了。例如，他们说，“受到数据和算力限制，多年来社会学定量研究的主要取径是通过统计检验实现关联和因果分析，而无力进行预测”，但个人以为，基于现有数据的统计检验，也属于沃茨所说的预测检验过程，即，研究者秉持一个理论，又基于这一理论预测某份数据中X和Y之间会存在正/负相关。如果不相关的原假设被推翻，同样可以说，理论通过了一次预测的测试（当然，前提条件是模型假设必须发生在检验之前，而不是研究者基于检验结果不停地调整自己的模型假设）。陈云松、吴晓刚、胡安宁、贺光烨、句国栋：《社会预测：基于机器学习的研究新范式》，《社会学研究》2020年第3期。只不过对于未来数据，你需要等未来事情发生了才能采集，而当下数据则是现成的。

第三，理论所作出的预测，不一定非得是可量化的事实，也可以是某种更宽泛的陈述。例如，沃茨等人的小世界机制虽然没有预言某种特定网络会展现什么样的结构，但他明确指出了任何局部集聚的网络一旦存在一定数量的随机链接，都会具有小世界的特点。

Duncan J.Watts，“Collective Dynamics of ‘Small-worldNetworks”，Nature，vol.393，no.6684（1998），pp.440-442.再比如，萨尔加尼克等人对文化产品成功过程的研究，尽管不能预言什么产品未来会取得成功，但却指出了当消费者之间存在彼此影响时，产品成功与否会存在高度的不确定性。

Matthew J.Salganik，Peter S.Dodd，& Duncan J.Watts，“Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market”，

Science，vol.311，no.5762（2006），pp.854-856.

正如哲学家卡尔·波普尔所坚持的，科学的理论若要有价值，就必须是可被证伪的。

马克·布坎南：《隐藏的逻辑》，李晰皆译，第148页。而能否做出可靠的预测，是判断理论成立与否的重要标准。沃茨相信，当我们将预测的意涵延展到这三个更广泛意义上的时候，预测可以成为检验一个解释是否具有因果性的试金石。我们在一些事实上归纳出一种解释，然后怀揣这种解释去预测另一个事件的结果，从而对理论进行不斷的检验。

四、结语

当知道事件的结果后，给出一个解释总不是难事。但无论这个解释与其被解释事件的轨迹多么贴合，听起来多么合理，也不能证明它是因果解释。事实上，统计学的经验是，对事实解释太过完美的模型，往往都存在着过度拟合，或者说过度解释的问题，而这种问题必须依靠新的经验材料才能被发现，从而完成对原有模型的修正。

沃茨此文最突出的贡献，在于澄清了一个关键问题：逻辑上的自洽，只是理论和命题的起点，而不是终点。研究时，我们必须使用对他人的共情能力去生成研究假设，也唯有通过对个体行动时的主观意义进行解读，我们才有可能把握因果关系背后的根本意涵和真谛。但合理的分析只是研究的一部分，合理本身并不能成为对这些假设可靠性做出辩护的证据。让理论走出催生他们的那片经验材料土壤，去崭新的环境与案例中一遍遍接受检验，才是获得科学因果解释最主要的途径。一种研究模式应该被提倡——研究者从某些样本中提炼并归纳出理论，然后预测另一些样本中会出现怎样的情况，理论中那些正确的命题被保留，那些错误的命题被删除或者被修订，最终将综合权衡后的结论发表出来。

尽管沃茨始终在强调预测对理论发展的作用，但笔者认为，有两个问题必须澄清：第一，在理论发展中，没有研究者基于共情能力对“为什么”的回答，没有研究者的逻辑解释，仅作为一种验证方法，预测本身无法支撑起科学的“大厦”。A可以预测B固然是社会事实，“但一堆事实并非就是科学，就如一堆砖头并非一幢房屋”。

迈尔斯：《社会心理学》，候玉波等译，第17页。第二，在应用取向上，如果盲目追求预测的精准性而忽视理论上的解释与阐释，我们也不过是在摆弄一个精巧的“黑箱”，获得的只能是短暂的准确性。“谷歌流感趋势预测”就是一个典型例子。从数据出发，研究者基于用户的谷歌搜索信息对流感患病率进行预测，尽管初期成效显著，但模型的长期预测能力却在不断衰减。在研究者对用户具体行为进行深入分析和解读后，通过方法上的调整，问题才在一定程度上被克服。

马修·萨尔加尼克：《计算社会学》，赵红梅、赵婷译，北京：中信出版社，2019年，第56-58页。

社会科学家有时不得不对一些宏大的现象给出自己的解释。在这些解释之中，并不缺乏敏锐洞见。但无论如何，只有在这些解释经过某些预测过程检验之后，它们才能由主观的叙事转变成科学的解释。因此，对于类似“2008年金融危机为何会发生？”等涉及相当复杂因果链的问题，当前，社会科学家们最好的答复是：我们给不出一个科学的答案，至少现在不行……有太多假设……但目前，无论是理论积累，还是经验材料，都还远远不够……如果非得在令人愉悦但不科学的叙事与令人失望但坦诚的答复间作出选择，我们义无反顾地选择后者。

总之，对于诸多或宏观或微观的社会现象和问题，社会科学家需要给出的是“因果性”的解释，而不是不经检验的或者经不住检验的“常识”，这样才能使社会科学家的社会学解释富有科学性而凸显其价值。