一、“两种传承”的发展与争论

一般认为，社会科学建立于事实、证据而非研究者个人的判断与评论之上。同时，社会科学不满足于对社会现状的描述，而需要进行一般化的因果推论。[1]因此，和自然科学一样，社会科学也是一种科学，必须遵循科学研究的原则与方法，主动与非科学、反科学和伪科学划清界限。[2]科学的研究需要科学的方法，因此对方法论关注与探讨是社会科学研究的重要领域，而定性与定量之争则是不同传统之间的碰撞与交融。

对于如何获取证据进而做出因果推论，即运用什么样的研究方法来分析现实问题，社会科学研究大致可以分为定量和定性两大方法论阵营。前者以统计学和概率论为基础，通过抽象的数据来模拟社会现实，应用计量方法来检验变量间的相互关系；后者则以逻辑学和集合论为基础，着眼于可以直接观察到的历史细节，通过逻辑推理来判定因果机制。长期以来，两大阵营的论争从未停息。一方面，定量阵营普遍怀疑定性研究的科学性，而定性阵营则斥责定量研究脱离现实；另一方面，定量阵营希望为定性研究者提供定量思维与方法以吸纳后者，而定性阵营则坚决捍卫自己的独立性。

鉴于定量阵营在当代社会科学中的支配地位，绝大多数方法论之争的文献都主要从定性研究者的视角来回顾和反思社会科学研究方法。以定量研究中应用最为广泛的线性回归分析为例，研究者往往通过构建如下等式来计算变量间的因果关系：

y = α + β₁x₁ + β₂ x₂ +…+ β_i x_i + ε（式1）

定量研究者认为，该式反映了如下事实：因变量y受到x₁、x₂…x_i等自变量的影响，同时受到不可观测的误差项ε的干扰，而当自变量和误差项都不存在时，因变量则取恒定值α。在不考虑误差项的情况下，式1可以改写为：

Δy =β₁Δx₁ +β₂Δx₂ +…+β_iΔx_i（式2）

根据公式不难看出，自变量每改变一个单位，因变量也随之改变一个单位。因此，对于定量研究者而言，只要有足够的证据表明自变量前的系数β₁、β₂…β_i不为零，就可以确认自变量对因变量有影响，进而完成初步的因果推论。此外，不难发现，如果我们令Δx₂…Δx_i都等于零，即x₂…x_i不发生变化，那么式2就会变成Δy = Δ β₁ x₁。因此，定量研究者认为，回归分析可以模拟实验室实验，在控制其他变量的情况下求出自变量对因变量的精确效应（即其系数）。换言之，某一自变量前系数的符号和大小就反映了这一自变量对因变量影响的方向与强度，而这种效应并不会被其他自变量影响。可见，设计中的回归分析可以同时证明因果关系的存在并测量因果效应的数值。

对于这一研究思路，许多定性研究者对方程式本身提出了批评，主要包括以下几点：首先，社会现实中的事物很少能视为连续变量，更适合用类型学（包括二分法）来研究，因此很多社会科学中的重要议题（如民主）并不能成为回归分析中的因变量[3]；其次，社会现实中的事物很少严格遵循线性关系，因此线性回归对社会现实的拟合方式本身就不可能精确，而其结果也经不住推敲；第三，回归分析中自变量对因变量的影响是同时而且平行发生的，自变量之间的相互影响和多条因果路径间的先后顺序都被回归分析抹去了。然而即便如此，随着统计技术的发展，上述难题被定量研究者一一攻克。例如，逻辑斯蒂回归成功地将二分变量纳入假设检验，而函数变换和模型设定可以很好地处理自变量和因变量上的非线性关系，中介作用和调节作用则有力地刻画了变量间的复杂关系。

相反，定性研究的特点就是通过历史比较、过程追踪、田野调查等方法和手段对社会现象进行细节性的描述和分析，从而展示这些现象特殊的形成原因和过程，因此从整体上更符合人文主义的研究思路，即对事物的个性、复杂性和特殊性更加重视。[4]由于其分析工具的精致程度与复杂性远不如定量研究，因此直至世纪之交，定性研究的方法论阵营才真正对定量研究提出了挑战。查尔斯·拉金（Charles Ragin）等人指出，定量研究的局限并不在于方程模型不够准确（或不够真实），而在于他们对因果关系的理解不够周全。[5]其中，最为重要的是，定量研究认为因果关系是普遍而统一的，即对于统计分析中的任何样本，自变量对因变量的影响在理论上都是相同的。这就导致定量研究者忽视了很多相关性微弱但确实存在因果关系的情况。拉金使用“国家经济发展带来民主”这一经典议题作为案例进行说明。在定量研究的传统下，以世界中的国家为样本，发展与民主的相关关系非常微弱，无法进行因果推论，故而目前有关这一假说仍然争论不休。究其原因，可以发现，虽然发达国家大多是民主的，但很多民主国家的发展表现非常糟糕。然而，这一情况并不能否认上述假说。因为，某国的民主化可能有多种原因，包括国家发展后人民的政治需求，也包括外国的介入甚至民主的移植等其他因素。在这种情况下，只要有足够证据表明发达国家多是民主的，那么国家发展就是民主的一种充分条件。在部分案例中，这种因果效应没有发生，但我们不能据此判定在所有案例中这种因果效应都不存在。从另一个角度来看，这个例子也说明，“经济发展导致民主”（经济发展增加导致民主增加）和“不发展导致不民主”（发展减少导致民主减少）并不是一回事，而主流的定量方法无法处理这种因果关系中的不对称性。

针对此，拉金以“案例导向研究”（case-oriented research）为基础，运用“组态分析”（configurational analysis）的逻辑创立了称之为“定性比较分析”（qualitative comparative analysis，简称QCA）的研究方法。这一革新堪称“方法论革命”，对既有的研究方法均提出了重大挑战。

认识定性比较分析，必须从定性研究的方法论脉络中加以考察。定性阵营的最传统比较法当属密尔五法，尤其是求同法与求异法，斯考切波即通过该方法对法国、俄国和中国的社会革命进行比较研究。[6]然而，求同法和求异法只能排除无法给出确定的因果关系，同时无法建立确定的必要条件以及条件组合，因此在因果推论中单纯的密尔法往往受到了很大的质疑。QCA的出现很好的解决了这一问题，不仅相较于传统的比较案例研究扩大了案例与变量的数量，而且可以通过布尔/模糊集运算的方法提供必要条件和条件组合。

从20世纪80年代末到90年代初，QCA方法被广泛地应用于政治学（比较政治学）和历史社会学（例如对福利国家的研究），并在其中得到发展。[7]与此同时，国内学界也开始接纳和使用这一方法。但稍显遗憾的是，虽然目前已经出现了一定数量的引介式文献[8]以及少数的实证研究[9]，但总体而言，对QCA的应用主要分布于决策管理领域。加之许多政治学的分析议题本身就是小样本规模，因此QCA在时常面临着“英雄无用武之地”的窘地。同时，很少有国内学者在同一议题下同时使用这两种方法，因此国内研究对QCA之于定量方法的特性、优点与适用范围尚不熟悉，甚至对其定位存在某些偏颇。针对两种方法的比较，国外某些研究者已经进行了某些有益的探索。[10]因此，本文以分析欧洲极右翼政党的兴起为基础，同时应用清晰集定性比较分析（csQCA）与逻辑斯蒂回归（Logistic Regression），在解决具体问题的过程中对比两种研究方法的特征与优势。

值得注意是，“两种传承”的背景下各自阵营的“子传承”（subcultures）同样纷繁复杂，例如在以统计学为基础是定量研究的内部就有频次分析与贝叶斯分析之争，而定性范式中也存在强调因果推论以及强调诠释性分析的差异。本研究选取csQCA与逻辑斯蒂回归，则是基于如下原因：首先，这两种方法都能处理二分类变量（0-1变量），从输出的结果中可以明确判断两种方法各自的解释力度，因此两种方法在本文的语境下具有一定的可比性；其次，与最传统的定性方法（如密尔法）和定量方法（如线性回归）不同，QCA与逻辑斯蒂回归是各自阵营出现较晚但影响力与日俱增的研究方法，从方法论角度对它们进行探讨的文献并不丰富，因此本文的比较具有一定的探索意义；最后，虽然形式和过程有一定的相似性，但这两种方法分别蕴含了“集合论与逻辑学”和“概率论与统计学”两种截然不同的研究思维，在本文中，方法论的比较也将最终上升为认知层面的探讨。

三、研究设计：案例与变量选择

在对先关文献进行回顾之后，我们有必要对研究案例和变量/条件进行选择。由于欧洲各国选举日程各不相同，在相同的时间段内观察各国不同政党的力量对比只能借助民意调查等极不精确且争议较大的数据源。而如果试图利用各国选举的真实数据，则必须各国截取不同时段（各国大选年）的情况再进行对比，这样就无法解决各个因素在时间分布上的不均匀性，也无法排除不同时间段不同偶发事件的影响。因此，为了同时满足真实性和共时性的要求，本文选取几乎在欧盟各国同时进行的欧洲议会选举来作为研究对象。本文以2009年和2014年两次欧洲议会选举中的欧盟各国部分国家为样本，以这些国家极右翼政党在两次选举中的得票变化和与之相关的其他因素的变化为观测值。

1. 案例选择

在案例选择上，我们不仅分析极右翼政党崛起的正面案例（positive cases），同样选取那些“可能出现某种结果而没有出现该种结果的案例”作为反面案例（negative cases）进行考察。[31]在本文中，笔者将两次竞选中至少出现一个极右翼政党的议席视为“可能”的门槛，而那些极右翼政党从未取得任何议席的国家则被视作不相关案例（irrelevant cases）。此外，在两次欧洲议会选举之间，德国选举门槛发生了剧烈的变化（从5%到3%到0.6%），根据有关政党理论，这种变化会导致短期内小党迅速涌入议会。由于德国这一情况过于特殊且不具可比性，本文也不将其纳入考察范围。因此，本文初步选择的样本是：法国、英国、意大利、波兰、希腊、瑞典、奥地利、芬兰、丹麦、罗马尼亚、荷兰、比利时、匈牙利、保加利亚、斯洛伐克、立陶宛。

表 2案例分布

2. 解释条件

在定量研究中，研究者通过分析自变量与因变量变化检验因果关系（effect of causes），而在定性研究中，研究者通过寻找不同的条件与机制对结果进行解释（causes of effect）。在社会科学研究设计中用语表述中，定量研究中的“变量”（variable）与定性研究中的“条件”（condition）这两种不同的称谓体现了研究方法背后的认识论上的差异。下面，我们就解释西欧极右翼政党兴起的变量或条件进行选择。

（1）失业率。经济因素在解释政治问题上素来居于重要位置，一方面，欧洲经济危机的蔓延和极右翼政党的发展十分吻合，另一方面，因经济问题而走上极端道路的国家屡见不鲜。在欧洲各国GDP总量普遍增长的情况下，本文选择失业率的增长与否作为衡量经济情况的指标，相关数据可从“世界银行”数据库中获取。

（2）政治信任。如上文所言，极右翼政党的崛起常常被视为反建制主义和民粹主义的胜利。当政府的表现令人不满或传统政党因为趋同而被认为不具有代表性时，人们对于代议制甚至民主本身就会产生怀疑，支持极右翼政党便成为选民发泄不满和警告当局的手段。本文将从政府、政党和民主体制三个层面考察人们的政治信任，相关数据可以从欧洲晴雨表的数据库中获得。

（3）难民危机。难民危机对政治的影响是广泛而深远的：首先，接收和安置难民需要直接耗费政府财政；其次，难民涌入往往会导致治安状况的恶化以及文化冲突；再次，当移民真正融入当地生活后，又会消耗社会福利并竞争工作岗位。这三点都会加剧人们对政府的不满和排外心理，进而为极右翼政党的兴起提供空间。本文将各国的难免总数增长与否作为衡量难民危机的标准，相关数据同样可以从世界银行数据库中获取。

（4）恐怖袭击。如上文所言，不安和恐慌的加剧会促使人们倾向于支持更严格的法律与秩序，乃至从极右翼政党的威权主义政纲中寻求安慰。除去政治和经济情况的影响，恐怖袭击无疑是不安与恐慌的最大诱因。目前尚未出现权威的社会恐慌评价体系，因此本文直接用是否发生严重恐怖袭击（针对公共机构且造成伤亡）作为衡量社会恐慌的标准。该标准需要的数据可以从全球恐怖主义数据库（Global TerrorismDatabase）中直接获得。

（5）总议席。由于里斯本条约的签署，2014年欧洲议会分配给各国的议席发生了少许的变化。虽然变动范围都在个位数，但这对于勉强争取到几个议席的极右翼政党来说则很可能有着决定性的作用。因此本文也将总议席变化情况纳入考察范围，考察结果由笔者根据欧洲议会选举的公开资料整理产生。

根据以上五个解释变量，我们进而针对欧洲极右翼政党的崛起提出五个假设。如表3所示，假设的提出不仅契合了变量选择，同时其背后具有相关理论的支撑。

表3. 假设及依据

四、 “两种传承”的比较与反思

在进行案例与条件甄别之后，我们分别通过两种方法分析欧洲极右翼政党的兴起，并以此两种方法的特性。

1. 清晰集定性比较分析

自1987年查尔斯·拉金出版《比较方法：超越定性定量策略》至今，定性比较分析已经发展成包括以清晰集分析（csQCA）、多值分析（mvQCA）和模糊集分析（fsQCA）为基础的三大传统类型。本文采取的是清晰集分析的研究方法，因此需对结果条件与解释条件进行1-0赋值，赋值标准见表4。

表4.变量判断标准与数据来源

根据案例与条件，我们可以得出原始数据表，如表5：

表5.原始数据矩阵（基于清晰集）

首先，我们对必要条件进行检测。在定性比较分析的运算中，如果存在必要条件，操作者首先需将其暂时排除后再进行布尔化简，对原始数据矩阵进行必要性检测的结果如表6。

表6. 必要条件检测

一般认为，当某一条件的吻合度达到0.9以上，则可以将该条件看作结果的必要条件。^[32]由此可见，我们选取的解释条件中并不存在正面案例的必要条件。但相对其他因素而言，失业率上升（u）、难民危机恶化（m）明显较为接近必要条件。

在原始数据矩阵的基础上，我们可以构建真值表（truth table）如表7。根据排列组合原理，5个条件变量一共可能有32种条件组合，再加上结果变量一共可能有64条因果路径。但从真值表可以发现，仅有12条因果路径是真实存在的，部分国家的路径还出现了重复。

表7. 真值表

对真值表进行布尔运算后，得出最终结果如表8所示。在这里，我们采取基于中等解（intermediate solution）的条件组合形式。定性比较分析软件中可以提供三种解，其中“复杂解”会忠实地反映出每条路径的情况，因此太过繁琐而不易理论化；“极简解”会尽可能地进行逻辑化简从而找出各条路径的共同因素，但其在追求简化的过程中很可能会忽视客观存在的逻辑冲突，因此常常与事实不符；在此基础上“中等解”是研究者在加入了一定的理论期待后的化简结果，一般认为是QCA分析的核心所在。

表8.基于中等解的条件组合

由结果可知，欧洲极右翼政党的崛起可表示为r=t*p*u+s*~t*m*~p+~s*t*m*u+~m*~p*~u，具体来说为一下四条路径：第一条路径体现为难民危机恶化*失业率上升*政治信任下降，覆盖了意大利、希腊、法国、丹麦四个国家；第二条体现为议席未削减*难民危机恶化*未发生恐怖袭击*政治信任未下降，覆盖了瑞典、芬兰、波兰三个国家，第三条体现为议席削减*发生恐怖袭击*难民危机恶化*失业率上升，盖了希腊、法国和奥地利三个国家；第四条路径体现难民危机未恶化*政治信任未下降*失业率未下降，仅覆盖了英国这一个案例。

在稳健性检验上，此结果的每条路径的吻合度（consistency）以及解的吻合度（solution consistency）均为1，说明每条路径均作为其结果的充分条件且两条原因组合作为一个整体同样作为结果的充分条件；在覆盖度方面，总覆盖率（solution coverage）为1，说明给出的条件组合可以解释所有的案例，各初步覆盖度（raw coverage）表示了三条路径所能覆盖的案例，各条路径中净覆盖度（unique coverage）均低于其初步覆盖度，说明存在符合多条因果路径的正面案例。

2. 逻辑斯蒂回归分析

为了便于两种方法的比较，我们继续在接下来的分析中同样采取QCA所使用的二分变量。在定量研究中，线性回归有着非常广泛的应用，然而，二分变量作为因变量，其分布明显已经违反了线性回归的假设，因此不能采取线性回归分析中的最小二乘法进行估算，可以采取逻辑斯蒂回归模型（logisticregression model），并采用最大似然估计方法来对模型参数进行估计。[33]不难发现，逻辑斯蒂回归的处理对象与运算结果在直观上与csQCA十分相似，两者都擅长处理分类变量，而两者的运算过程中都出现了二维矩阵。为了说明两者的异同，下面我们用二元逻辑斯蒂回归对极右翼政党崛起的案例进行处理。

首先，我们将所有的条件变量放入模型，可以得到如下结果：

表9.分类表

如表所示，5个条件变量成功预测了13个样本的结果，而无法解释另外3个样本。这个结果比起QCA给出的路径而言解释力稍弱了一些，但也从某种程度上印证了QCA方法的可信度。

接着，我们考察这个模型的各个参数来判断模型的拟合度与变量的显著性：

表10.模型参数

表11.变量参数

如表所示，该模型的Cox & Snell R²和Nagelkerke R²的数值都较高，这说明用这个5个条件变量来解释极右翼政党的崛起是有说服力的，这与QCA的结果相符。然而，这个5个条件变量在模型中均没有显著性，这说明在统计学意义上，每一个变量自身与结果变量之间很可能是不相关的。这一方面说明回归方法对样本数量有着较高的要求，一方面也表明真正起作用的并不是某个单独的变量，而是具体的条件组合，这也印证了QCA背后的条件组合思想。为了更直观地说明这个问题，我们将5个条件变量分开，分别与结果变量进行Logistic处理，可以得出如下结果。

表12.模型拟合度与变量显著性

如表所示，每个条件变量分别进行逻辑斯蒂回归后得到的模型都非常不理想，相比于将5个变量都放入的模型而言拟合度有明显的滑坡。

3. 方法的比较与反思

进一步对比QCA与逻辑斯蒂回归的运算结果，我们可以很清晰地发现两者之间的不同之处。

在logit模型中，对正面案例的解释就是对负面案例解释的对立面，其运算结果并不区分结果变量的取值，X增加一个单位的对Y概率的影响等同于下降一个单位的影响。换言之，逻辑斯蒂回归告诉了我们自变量对因变量的影响程度，根据此分析结果，我们既可以判断极右翼政党在部分国家的崛起原因，同时也可以判断极右翼政党在其他国家不崛起的原因。具体而言，失业率上升、政治信任下降、难民危机恶化和恐怖袭击发生和议席不被削减促进了极右翼政党的崛起，那么这些因素的缺位就抑制了极右翼政党的崛起。

不同于逻辑斯蒂回归条件变量的影响程度，QCA可以同时识别出结果变量的充分条件（组合）和必要条件（组合）。在前文的运算中，QCA仅给出了用于解释正面案例的因果路径。为了更清楚地说明这个问题，我们在保证条件变量不变的基础上，分别以“r”（即r=1）和“~r”（即r=0）为结果变量，用QCA来计算极右翼政党崛起和不崛起的因果路径，两者的复杂解如表13所示：

表13. 极右翼政党崛起的正面-负面案例的条件组合对比（基于复杂解）

可见，在定性比较分析中，事件的发生（极右翼政党崛起）与不发生（极右翼政党未崛起）的因果路径是完全不同的。这体现定性和定量的一个核心区别，即分析对称或不对称关系的倾向：定量学者自然重点关注有对称性质的关系，定性学者则趋于分析有不对称性质的关系。^[35]以集合论为基础的QCA是围绕必要性和充分性的因果关系建立的。图1表示的必要条件的模型，当X=0时，可以得到一个确信的结果Y=0，但当X=1时，情况就变得复杂，此时Y既可能为存在，也可能不存在，因此只能保守的说P（Y=1/X=1）＞0，因此X不仅可以在Y存在时出现，同样可以在Y不存在时出现。与此类似的，在充分条件的分析中同样可以得出这样的非对称性结论。因此QCA在分析欧洲各国极右翼政党发展的不同水平时可以得出更有价值的结论。

而逻辑斯蒂回归的结果仅仅从总体上显示了用条件变量解释结果变量的成功率，其结果只能说明条件变量的影响程度，无法识别出充分条件与必要条件，也无法判断哪些样本是预测成功的、哪些样本是预测失败的，更无法判断不同的条件变量在不同的样本中是如何分布、如何组合的。也就是说，逻辑斯蒂回归只能对既有的假设进行一定程度上的检验，无法指导我们进一步地深入案例以获得完整的因果机制。反观定性比较分析，其数学原理虽然简单，但其运算结果要比逻辑斯蒂回归更为复杂，可以同时识别出结果变量的必要条件以及条件组合，这在管理科学以及战略研究中更具现实意义。

逻辑斯蒂回归在本研究并没有帮助我们获得足够的有效信息。除了研究旨趣不匹配外，本文中逻辑斯蒂回归在技术层面的“水土不服”也值得关注。一方面，由于本文的案例数受到天然限制，因此逻辑斯蒂回归模型中的自由度也非常小。根据统计学原理，当样本均值和标准误既定的情况下，自由度越小，重要的统计量的临界值就越大而实际值则越小，统计推断也就越不容易显著，从而无法拒绝原假设。相比于线性回归，逻辑斯蒂回归对于样本量的要求则更为严格。（一般认为样本量不能少于变量数的10倍）这就是本文中所有条件变量（自变量）都没有显著性的原因。另一方面，直观可见，本文的各个条件变量之间并不独立，甚至存在高度相关，因此存在严重的多重共线性问题。这就是说，虽然本文中逻辑斯蒂回归得出了较高的拟合度和预测率，但其真实性仍然值得怀疑。可见，统计方法对于样本数量和自变量本身都有着较高的要求，如果这些前提得不到满足，其计算结果对研究者而言就会失去意义。但值得注意的是，在另一些议题下，回归分析反而更为适用，且在大样本研究中尤为如此——随着案例数量的增加，研究者更加倾向与关注平均影响而非对特定结果的关注[36]。例如，如果我们旨在测量某一因素对各国极右翼政党崛起的平均影响，那么传统的回归分析则更为适用。与此同时，相较于回归分析，定性比较分析无法处理时间序列数据和进行面板数据分析，因校准所带来的问题，其在面对连续变量时也谈不上优势[37]

五、结语

作为比较政治研究中的重大事件，本文通过定性比较分析与逻辑斯蒂回归分别分析了欧洲极右翼政党的兴起，以两种方法就不同的侧面揭示了这一现象所出现的根源。然而，二者都只是在“因素”的层面揭示了因果关系，均无法在原因与结果之间搭建“因果机制”（causal mechanism），因此必须进一步对案例进行具体观察。同时且更为重要的是，任何方法的选择均是围绕特定的议题展开，其本质并无优劣之别，好的社会科学研究，需要通过不同方法对真实世界的问题予以回应。本文虽然是立足方法论的比较，但研究关怀却是现实世界中正在上演的重大议题。须知，衡量社会科学成就的最高标准是其对我们身处其中的社会结构的认识有着实质性启示[38]，缺少前提概念与基础理论的实证研究只会使我们离真相越来越远。“任何一种非实验性方法都有自身的缺陷或有一个有效度的问题，这就要求研究者要尽量避免这些缺陷而使自己的研究效用最大化”[39]，因此拘泥于方法论壁垒不仅不会带来学术的繁荣，反而可能阻碍了研究的进一步扩展，这一点在美国政治学界已经初现端倪。中国政治科学研究方兴未艾，许多宏观、中观与微观各个层面的问题需要进一步探索，以方法高低判定研究质量显然是徒劳且无益的。探索真问题，兼收多元方法，是所有政治学研究者必须清醒的“身份”所在。