当意识形态驱动社会科学 - 原稿对照
上个夏天，在本刊上，Mordechai Levy-Eichel和Daniel Scheinerman发现了理查德·简·苏（Richard Jean So）的《文化的红线：种族不平等与战后小说的数据史》中的一个重大缺陷，这使得书中的结论失去了意义。不幸的是，他们发现的问题并非孤立事件。在种族不平等这类复杂领域的研究中，一种教条主义已经盛行，导致了对可靠证据和健全方法论的忽视，使得人们难以探究社会问题的根源。
原：上个夏天，在本刊上，Mordechai Levy-Eichel和Daniel Scheinerman发现了理查德·简·苏（Richard Jean So）的《文化的红线：种族不平等与战后小说的数据史》中的一个重大缺陷，这使得书中的结论失去了意义。不幸的是，他们发现的问题并非孤立事件。在种族不平等这类复杂领域的研究中，一种教条主义已经盛行，导致了对可靠证据和健全方法论的忽视，使得人们难以探究社会问题的根源。
我们讨论的不仅仅是关于研究结果解释上的差异，这是很常见的。我们指的是那些明显的错误，它们应该导致对研究的严肃质疑，甚至完全忽视。大量的研究——我们将重点关注亚裔美国人阶级流动性的研究——为了得出意识形态上更偏爱的结论，而操纵了统计方法。
社会学领域中大部分精密的定量研究涉及多元研究，通常旨在寻找社会问题的原因。这些研究可能会探讨一个特定的自变量（如教育水平）如何“导致”一个结果或因变量（如收入）。或者它可以研究相反的情况：父母的收入如何影响子女的教育？
*注
本刊：https://www.chronicle.com/article/digital-humanists-need-to-learn-how-to-count
《文化的红线：种族不平等与战后小说的数据史》：Redlining Culture: A Data History of Racial Inequality and Postwar Fiction, Columbia University Press, 2020：http://cup.columbia.edu/book/redlining-culture/9780231197731
原：我们讨论的不仅仅是关于研究结果解释上的差异，这是很常见的。我们指的是那些明显的错误，它们应该导致对研究的严肃质疑，甚至完全忽视。大量的研究——我们将重点关注亚裔美国人阶级流动性的研究——为了得出意识形态上更偏爱的结论，而操纵了统计方法。
社会学领域中大部分精密的定量研究涉及多元研究，通常旨在寻找社会问题的原因。这些研究可能会探讨一个特定的自变量（如教育水平）如何“导致”一个结果或因变量（如收入）。或者它可以研究相反的情况：父母的收入如何影响子女的教育？
人类行为过于复杂，不能仅由一个变量来解释，因此社会科学家通常试图同时“控制”各种原因。如果你试图测试一个特定的原因，你需要将该原因与其他所有可能的原因隔离开来，并保持其他原因不变。人们可以使用所谓的多元回归来控制给定的变量，这是一种可以同时分离出几个变量的净效应的统计工具。
-k8t -
人类行为过于复杂，不能仅由一个变量来解释，因此社会科学家通常试图同时“控制”各种原因。如果你试图测试一个特定的原因，你需要将该原因与其他所有可能的原因隔离开来，并保持其他原因不变。人们可以使用所谓的多元回归来控制给定的变量，这是一种可以同时分离出几个变量的净效应的统计工具。
如果您想确定收入是否会带来更好的教育成果，您需要比较来自双亲家庭的每个人，因为家庭状况可能是另一个因果因素。您还需要通过比较具有相似收入的每个人来了解家庭状况的影响。以此类推，其他变量也需要考虑。
问题在于，这可能存在许多变量，而研究人员不可避免地会忽略其中的一些。社会学家通常会校正年龄、性别、种族/族裔、地区和教育等协变量，但其他未测量的协变量（如个人或团体的不同品味或偏好）可能会混淆这种关系。这被称为“控制不足”问题，可能导致遗漏变量偏差。危险之处在于：研究人员可能得出显示某种效果的结论，但无法确定所研究的自变量是否对此负责。
例如，最近一项新研究纠正了早期显示适量饮酒对健康有益的研究，让饮酒者颇感沮丧。事实证明，那些早期研究可能测量的是适量饮酒者的其他习惯，如健康饮食或锻炼。根据新的研究，酒精与这些效果无关。
*注
遗漏变量偏差（Omitted Variable Bias ，OBV） ，指 一个统计模型遗漏了一些变量， 而模型把遗漏变量对响应变量的影响， 算在了已经包含的变量头上。
原：人类行为过于复杂，不能仅由一个变量来解释，因此社会科学家通常试图同时“控制”各种原因。如果你试图测试一个特定的原因，你需要将该原因与其他所有可能的原因隔离开来，并保持其他原因不变。人们可以使用所谓的多元回归来控制给定的变量，这是一种可以同时分离出几个变量的净效应的统计工具。
如果您想确定收入是否会带来更好的教育成果，您需要比较来自双亲家庭的每个人，因为家庭状况可能是另一个因果因素。您还需要通过比较具有相似收入的每个人来了解家庭状况的影响。以此类推，其他变量也需要考虑。
问题在于，这可能存在许多变量，而研究人员不可避免地会忽略其中的一些。社会学家通常会校正年龄、性别、种族/族裔、地区和教育等协变量，但其他未测量的协变量（如个人或团体的不同品味或偏好）可能会混淆这种关系。这被称为“控制不足”问题，可能导致遗漏变量偏差。危险之处在于：研究人员可能得出显示某种效果的结论，但无法确定所研究的自变量是否对此负责。
例如，最近一项新研究纠正了早期显示适量饮酒对健康有益的研究，让饮酒者颇感沮丧。事实证明，那些早期研究可能测量的是适量饮酒者的其他习惯，如健康饮食或锻炼。根据新的研究，酒精与这些效果无关。
- VISUAL SCIENTIST -
假设你想找到导致不平等的原因。教育水平是一个显而易见的因素，但你还希望找到其他因素，如婚姻状况、种族歧视或其他因素。因此，在进行回归分析时，你需要对教育水平进行“控制”——你希望比较具有相同教育水平的人。
然而，即使在控制诸如教育等因素时，你通常也无法获得关于其他重要变量（如个性）的信息。你无法区分出大学毕业生更可能具有的个性特征（更强的动机、更高的抱负、更可靠和守时的行为、更好的社交技能、较少参与偏离行为等），因为这些数据通常不在同一数据集中。这些个性方面与获得大学学位有关，雇主可能实际上更看重这些特点，而不是在大学期间学到的任何特定知识。换句话说，可能并非大学学位本身如此重要，而是那些选择寻求学位的人所具有的个性特征更为重要。
相反的问题出现在研究人员进行过度控制时。有时他们在多元方程中加入了太多控制变量。当研究者试图证明某个感兴趣的变量并不是“真正”重要时，就可能发生这种错误。例如，假设一个社会学家希望从统计上证明，在单亲家庭长大对孩子的教育成就（如成绩）没有影响。社会学家可以控制家庭收入、学习时间、学校缺席以及在学校的行为问题。然而，这些因素可能至少在一定程度上受到起初在单亲家庭长大的影响。通过过度控制，社会学家成功地只生成了单亲家庭结构的一个小的统计效应。与误导性地挑选数据相结合，过度控制和欠控制是造成糟糕、不可靠的社会科学的原因。
原：假设你想找到导致不平等的原因。教育水平是一个显而易见的因素，但你还希望找到其他因素，如婚姻状况、种族歧视或其他因素。因此，在进行回归分析时，你需要对教育水平进行“控制”——你希望比较具有相同教育水平的人。
然而，即使在控制诸如教育等因素时，你通常也无法获得关于其他重要变量（如个性）的信息。你无法区分出大学毕业生更可能具有的个性特征（更强的动机、更高的抱负、更可靠和守时的行为、更好的社交技能、较少参与偏离行为等），因为这些数据通常不在同一数据集中。这些个性方面与获得大学学位有关，雇主可能实际上更看重这些特点，而不是在大学期间学到的任何特定知识。换句话说，可能并非大学学位本身如此重要，而是那些选择寻求学位的人所具有的个性特征更为重要。
相反的问题出现在研究人员进行过度控制时。有时他们在多元方程中加入了太多控制变量。当研究者试图证明某个感兴趣的变量并不是“真正”重要时，就可能发生这种错误。例如，假设一个社会学家希望从统计上证明，在单亲家庭长大对孩子的教育成就（如成绩）没有影响。社会学家可以控制家庭收入、学习时间、学校缺席以及在学校的行为问题。然而，这些因素可能至少在一定程度上受到起初在单亲家庭长大的影响。通过过度控制，社会学家成功地只生成了单亲家庭结构的一个小的统计效应。与误导性地挑选数据相结合，过度控制和欠控制是造成糟糕、不可靠的社会科学的原因。
- Stuart McReath -
在《模范少数族裔的神话》（The Myth of the Model Minority, Routledge, 2008）中，Rosalind S. Chou和Joe R. Feagin断言：“当研究者将日本和其他亚裔美国工人与具有类似工作、教育背景和工作经验的白人工人进行比较时，发现亚裔美国工人的平均薪资较低，晋升为管理职位的可能性也较小。”然而，Chou和Feagin的观点缺乏严肃的实证证据。他们没有直接引用同行评议期刊中的已发表研究，而是基于一本由Tim Wise撰写的书。Tim Wise是一位自称“杰出反种族主义者”的记者，他没有接受过研究生培训，也没有任何评估劳动力市场或社会经济数据的专业经验。
Wise引用了1992年《华盛顿邮报》上发表的一篇旧报纸文章，但他对该文的总结却是错误的。邮报文章夸大了一位人口统计学家对一些探索性的教育水平与种族和收入相关的交叉表格的非正式评论。这样一篇过时且统计方法幼稚的报纸文章成为了Chou和Feagin为他们得出亚裔美国工人薪资不公的唯一证据。同时，Chou和Feagin忽略了许多使用更好的统计方法和更新的数据发表在社会科学期刊上的最近分析，但这些分析并未得出Chou和Feagin所期望的结论。
这种挑选性引用在文献中很常见。另一个例子是历史学家Ellen D. Wu在《成功的颜色》(普林斯顿大学出版社，2015)中提出的观点，她认为显示亚裔美国人高收入的“统计数据”是“误导性的”。她声称，亚裔美国人的家庭收入更高，是因为他们每个家庭有更多的工人，生活在高生活成本地区，但亚裔美国人在受教育方面的回报却较低。作为这些断言的证据，Wu引用了一份提供有关亚裔美国人人口和教育的基本描述性统计数据的报告。报告中没有任何关于收入或收入数据的多元分析。换句话说，Wu引用的证据甚至没有试图对任何因素进行控制。事实上，该报告中几乎没有任何收入统计数据。尽管如此，吴将这项研究视为对亚裔美国人收入的权威分析，据称证明了她的结论，即“统计数据”具有“误导性”。
原：在《模范少数族裔的神话》（The Myth of the Model Minority, Routledge, 2008）中，Rosalind S. Chou和Joe R. Feagin断言：“当研究者将日本和其他亚裔美国工人与具有类似工作、教育背景和工作经验的白人工人进行比较时，发现亚裔美国工人的平均薪资较低，晋升为管理职位的可能性也较小。”然而，Chou和Feagin的观点缺乏严肃的实证证据。他们没有直接引用同行评议期刊中的已发表研究，而是基于一本由Tim Wise撰写的书。Tim Wise是一位自称“杰出反种族主义者”的记者，他没有接受过研究生培训，也没有任何评估劳动力市场或社会经济数据的专业经验。
Wise引用了1992年《华盛顿邮报》上发表的一篇旧报纸文章，但他对该文的总结却是错误的。邮报文章夸大了一位人口统计学家对一些探索性的教育水平与种族和收入相关的交叉表格的非正式评论。这样一篇过时且统计方法幼稚的报纸文章成为了Chou和Feagin为他们得出亚裔美国工人薪资不公的唯一证据。同时，Chou和Feagin忽略了许多使用更好的统计方法和更新的数据发表在社会科学期刊上的最近分析，但这些分析并未得出Chou和Feagin所期望的结论。
这种挑选性引用在文献中很常见。另一个例子是历史学家Ellen D. Wu在《成功的颜色》(普林斯顿大学出版社，2015)中提出的观点，她认为显示亚裔美国人高收入的“统计数据”是“误导性的”。她声称，亚裔美国人的家庭收入更高，是因为他们每个家庭有更多的工人，生活在高生活成本地区，但亚裔美国人在受教育方面的回报却较低。作为这些断言的证据，Wu引用了一份提供有关亚裔美国人人口和教育的基本描述性统计数据的报告。报告中没有任何关于收入或收入数据的多元分析。换句话说，Wu引用的证据甚至没有试图对任何因素进行控制。事实上，该报告中几乎没有任何收入统计数据。尽管如此，吴将这项研究视为对亚裔美国人收入的权威分析，据称证明了她的结论，即“统计数据”具有“误导性”。
-k8t -
这些扭曲和技巧在研究社会经济差距原因的工作中很常见。根据美国社会阶层现在被认为神圣不可侵犯的观点，亚裔美国人因被视为“有色人种”而面临根深蒂固的社会和劳动市场歧视，这是一个旨在维护“白人特权”的社会。在这种观点下，所有关于“模范少数族裔”模型的提及——该模型试图通过亚洲文化效应来解释亚裔美国人的高收入和成就水平——都是错误的，只是一个神话。然而，模范少数族裔观念作为神话的主要信条本身基本上是错误的。
与当今白人相比，亚裔美国人至少在平均水平上表现得相当出色。一项开创性的研究发现，他们显然拥有全球有史以来记录到的最高代际向上收入流动水平。除了一些例外，亚裔美国人辍学、被监禁或陷入贫困的可能性较小。他们更有可能上大学，进入知名大学，拥有更高的职业地位，从事高薪的技术和STEM领域工作，获得更高的平均收入，并与白人相比享有更长的寿命和更好的健康状况。
假设一位研究员想要辩称，拥有亚洲移民父母对青少年是否上大学没有影响，因为研究员认为只有“社会经济因素”才有关系，而非亚洲文化效应。精明的社会学家可以将高中GPA作为控制变量，此后，拥有亚洲移民父母的估计效应将降低。这是过度控制，因为亚洲移民父母产生积极影响的一个途径是通过执行更高的学习和作业时间标准，从而推动他们的孩子获得更高的GPA。但由于将高中GPA纳入为控制变量，这种家庭机制在估算亚裔系数时被有效地排除了。
原：这些扭曲和技巧在研究社会经济差距原因的工作中很常见。根据美国社会阶层现在被认为神圣不可侵犯的观点，亚裔美国人因被视为“有色人种”而面临根深蒂固的社会和劳动市场歧视，这是一个旨在维护“白人特权”的社会。在这种观点下，所有关于“模范少数族裔”模型的提及——该模型试图通过亚洲文化效应来解释亚裔美国人的高收入和成就水平——都是错误的，只是一个神话。然而，模范少数族裔观念作为神话的主要信条本身基本上是错误的。
与当今白人相比，亚裔美国人至少在平均水平上表现得相当出色。一项开创性的研究发现，他们显然拥有全球有史以来记录到的最高代际向上收入流动水平。除了一些例外，亚裔美国人辍学、被监禁或陷入贫困的可能性较小。他们更有可能上大学，进入知名大学，拥有更高的职业地位，从事高薪的技术和STEM领域工作，获得更高的平均收入，并与白人相比享有更长的寿命和更好的健康状况。
假设一位研究员想要辩称，拥有亚洲移民父母对青少年是否上大学没有影响，因为研究员认为只有“社会经济因素”才有关系，而非亚洲文化效应。精明的社会学家可以将高中GPA作为控制变量，此后，拥有亚洲移民父母的估计效应将降低。这是过度控制，因为亚洲移民父母产生积极影响的一个途径是通过执行更高的学习和作业时间标准，从而推动他们的孩子获得更高的GPA。但由于将高中GPA纳入为控制变量，这种家庭机制在估算亚裔系数时被有效地排除了。
- MARINA MUUN -
考虑一下与此相关的说法，哥伦比亚大学著名社会学家Jennifer Lee积极宣传亚裔面临“竹天花板”的观点。Lee曾在《洛杉矶时报》等媒体上发表评论文章，认为根据她的研究，亚裔美国人在就业市场上遭受系统性的种族歧视。然而，她的结论的问题在于她发表的统计数据实际上并未显示出这一点。正如我们其中一人在一篇同行评议的文章中详细论述的，她的研究结果表明，亚裔与白人之间基本持平，只有在华裔美国人的情况下，她的研究结果表明华裔美国人实际上比白人更具优势。当一位政治学家指出了这个统计错误时，Jennifer Lee对她的观点更加坚定了。
关于管理职位，在最近几年，没有足够证据表明在美国土生土长的亚裔美国人相比白人机会更低（尽管有关“竹天花板”的说法不断传出）；事实上，在一些最近的数据中，土生土长的亚裔美国人甚至可能比白人稍有优势。因此，要描绘出亚裔美国人因“白人特权”而在社会经济上处于严重劣势的情况，需要相当多的有缺陷的研究。
Lee及其合作者还提供了一个明显误导性但被广泛引用的统计数据：69%的亚裔美国人支持平权行动。除了这个调查问题措辞含糊不清、令人困惑外，调查样本也不具有随机性或代表性，偏向支持自由派观点的人群。
原：考虑一下与此相关的说法，哥伦比亚大学著名社会学家Jennifer Lee积极宣传亚裔面临“竹天花板”的观点。Lee曾在《洛杉矶时报》等媒体上发表评论文章，认为根据她的研究，亚裔美国人在就业市场上遭受系统性的种族歧视。然而，她的结论的问题在于她发表的统计数据实际上并未显示出这一点。正如我们其中一人在一篇同行评议的文章中详细论述的，她的研究结果表明，亚裔与白人之间基本持平，只有在华裔美国人的情况下，她的研究结果表明华裔美国人实际上比白人更具优势。当一位政治学家指出了这个统计错误时，Jennifer Lee对她的观点更加坚定了。
关于管理职位，在最近几年，没有足够证据表明在美国土生土长的亚裔美国人相比白人机会更低（尽管有关“竹天花板”的说法不断传出）；事实上，在一些最近的数据中，土生土长的亚裔美国人甚至可能比白人稍有优势。因此，要描绘出亚裔美国人因“白人特权”而在社会经济上处于严重劣势的情况，需要相当多的有缺陷的研究。
Lee及其合作者还提供了一个明显误导性但被广泛引用的统计数据：69%的亚裔美国人支持平权行动。除了这个调查问题措辞含糊不清、令人困惑外，调查样本也不具有随机性或代表性，偏向支持自由派观点的人群。
- Giuliano Buttafuoco -
意识形态驱动的统计数据滥用在社会科学领域随处可见。为什么会这样呢？在倾向左翼的学术话语中，有很强的偏向于“结构性”原因，部分原因是学者们面临着避免将社会问题归咎于人们和文化的巨大压力。然而，社会理论必须认识到结构和主体性，以及文化等社会影响的中介力量。
相反，我们通过理论讲述故事。学者们，和普通人一样，喜欢叙事。高等教育的很大一部分致力于通过强调恶意的“结构性”力量来解释不平等。然而，最好的理论必须更全面。总的来说，社会阶层对教育、收入和健康的影响大于种族影响，但在某些背景下，强烈的文化模式已经显现出来——例如在第二代亚裔美国人中——文化压力促使他们采取行为，从而导致高等教育和职业成果。
再次强调，我们讨论的并不是对结果解释的正常差异。我们谈论的是明显的错误，或者至少是非常糟糕的学术成果，本不应通过同行评审。质疑这些结果很容易，因为它们通常不符合直观。在涉及种族差异的敏感领域，应避免简单的单因解释，如“结构”，转而支持涉及结构、文化和个体差异相互影响的多因论证。
原：意识形态驱动的统计数据滥用在社会科学领域随处可见。为什么会这样呢？在倾向左翼的学术话语中，有很强的偏向于“结构性”原因，部分原因是学者们面临着避免将社会问题归咎于人们和文化的巨大压力。然而，社会理论必须认识到结构和主体性，以及文化等社会影响的中介力量。
相反，我们通过理论讲述故事。学者们，和普通人一样，喜欢叙事。高等教育的很大一部分致力于通过强调恶意的“结构性”力量来解释不平等。然而，最好的理论必须更全面。总的来说，社会阶层对教育、收入和健康的影响大于种族影响，但在某些背景下，强烈的文化模式已经显现出来——例如在第二代亚裔美国人中——文化压力促使他们采取行为，从而导致高等教育和职业成果。
再次强调，我们讨论的并不是对结果解释的正常差异。我们谈论的是明显的错误，或者至少是非常糟糕的学术成果，本不应通过同行评审。质疑这些结果很容易，因为它们通常不符合直观。在涉及种族差异的敏感领域，应避免简单的单因解释，如“结构”，转而支持涉及结构、文化和个体差异相互影响的多因论证。
当社会科学家试图确定一个简洁的因果关系模型时，他们往往会忽视人类生活的复杂性和现实。
人们多样且会受到不同原因的驱使，即使在类似的结构环境下。我们中的一位文化人类学家在世界各地都看到了这种多样性，人们受到他们所成长环境中的文化模式影响。这些模式与结构环境高度交织，但又不能相互化约。它们相互作用，结合个体差异的特点，产生多样化的结果。研究不应该受到先验意识形态承诺的指导，而应该遵循证据。往往，这些证据不会导致明确或者确凿的结果。
其中一些文章应该是撤稿的候选，但撤稿是很少见的。尽管列维-艾切尔和谢因曼对战后小说中的种族差异这本书进行了揭露，但并未发表任何更正或撤稿声明。一些学者甚至获得了重要的晋升，可能部分原因是他们的研究结果符合主流观念。相反，违反意识形态信仰的论文，比那些事实错误的论文更容易受到撤销的压力，这种压力往往来自于推特活动家。
原：人们多样且会受到不同原因的驱使，即使在类似的结构环境下。我们中的一位文化人类学家在世界各地都看到了这种多样性，人们受到他们所成长环境中的文化模式影响。这些模式与结构环境高度交织，但又不能相互化约。它们相互作用，结合个体差异的特点，产生多样化的结果。研究不应该受到先验意识形态承诺的指导，而应该遵循证据。往往，这些证据不会导致明确或者确凿的结果。
其中一些文章应该是撤稿的候选，但撤稿是很少见的。尽管列维-艾切尔和谢因曼对战后小说中的种族差异这本书进行了揭露，但并未发表任何更正或撤稿声明。一些学者甚至获得了重要的晋升，可能部分原因是他们的研究结果符合主流观念。相反，违反意识形态信仰的论文，比那些事实错误的论文更容易受到撤销的压力，这种压力往往来自于推特活动家。
-Stuart McReath -
诸多事件并非孤立现象，整个研究、资金、出版和晋升体系都在助长此类现象。如今，学术界对种族歧视的研究成果予以极高的关注与重视，这类研究成果的回报颇丰，人们往往为了赢得这些成果而竭尽全力。
犯错的人们意识到审稿人和编辑很少会在这方面追究他们。这一事实有助于解释为何学术界频频受到右翼的攻击。如今，“进步活动家”虽仅占总人口的8%，但在社会科学和人文领域却占据主导地位。我们应该找到一种方法来审查那些因团体思维而导致研究缺陷的机构，尽管这也存在其风险。活动家们的敌人，即右翼势力，已经控制了许多州立立法机构，并试图像在佛罗里达州那样，通过立法干预高等教育中的言论。这种现象助长了持续的两极分化和冲突，而非寻求真相的途径。
许多学者对统计模型及其弱点了解有限，因此很容易被那些无法证实其所声称的研究所误导。这些研究可以通过各种统计技巧进行操纵，无论是有意还是无意。更为关键的是，模型通常无法反映因果关系的复杂性，因果关系通常涉及反馈回路和滞后效应，这使得因果关系难以确定。一个例子是关于“破窗式”治理的争论，尽管多年来进行了许多统计研究，但人们对于它或其他因素（如社会控制）是否降低了犯罪率仍无共识。
当研究得出主要基于“结构性”原因的差异时，我们需保持怀疑态度，正如面对那些完全以个体层面原因为基础的研究时一样。当社会科学家试图确定一个简洁的因果关系模型时，他们往往会忽视人类生活的复杂性和现实。
原：这些并非孤立事件。整个研究、资金、出版和晋升系统都在助长这种现象。目前，学术界对种族歧视的研究成果给予很高的价值。因此，这类研究成果的回报很高，人们会为了取得这些成果而走极端。
犯这种错误的人们意识到审稿人和编辑不会在这方面追究他们。这种事实有助于解释为何学术界受到了来自右翼的攻击。现在，“进步活动家”虽然只占人口的8%，但在社会科学和人文领域占据了主导地位。应该有一种方法来检查那些由于团体思维而产生有缺陷研究的机构，当然这也有其危险。活动家们在右翼势力的敌人控制了许多州立法机构，并试图像在佛罗里达州那样，通过立法干预高等教育中的言论。这是持续两极分化和冲突的土壤，而不是寻求真相的途径。
由于许多学者对统计模型及其弱点了解有限，很容易被那些无法证实其所声称的研究所误导。这些研究可以通过各种统计技巧进行操纵，无论是有意还是无意。更重要的是，模型通常无法反映因果关系的复杂性，因果关系通常涉及反馈回路和滞后效应，这使得因果关系极其难以确定。一个例子是关于“破窗式”治理的争论，尽管多年来进行了许多统计研究，但人们对于它或其他因素（如社会控制）是否降低了犯罪率仍无共识。
每当一项研究得出主要是基于“结构性”原因的差异时，要保持怀疑态度，就像你对那些完全以个体层面原因为基础的研究保持怀疑一样。当社会科学家试图确定一个简洁的因果关系模型时，他们往往会忽视人类生活的复杂性和现实。
后记
光影：本篇是神经现实举办的“机器翻译”大赛的第01篇，ChatGPT翻译和ChatGPT润色的比对情况。来看看原翻译怎么样吧。
作者：Michael Jindra、Arthur Sakamoto
译者：ChatGPT | 审校：光影 | 编辑：光影
排版：光影 | 封面：VISUAL SCIENTIST
原文：
https://www.chronicle.com/article/when-ideology-drives-social-science
微信又改版了，不是常读或星标的公众号，图文推送不再显示封面啦。为获得更好的体验，以及不错过任何一条精美推送，跪求喜欢我们的小伙伴标一个“星标”，这样才能及时收到我们的优质内容。如有转载需要，可直接快捷转载；或在后台回复“转载”，添加bot微信即可，但暂不支持转载到微信外其他平台哦。