社會科學研究用多種方法是否妥當？

01-03

文獻閱讀量有限，希望得到大牛幫助。
針對一個社會科學研究，由於難於抉擇最合適的方法，使用了多種研究方法（不是定性定量結合的「混合研究方法」），例如工具變數法，傾向匹配法等，這樣做是可行的嗎？
對於我個人來說，這麼做只是因為每個方法都有局限性，難以抉擇哪個更合適。這樣的回答我自己都無法說服自己。想知道，一般學者會採用多種方法來處理同一個研究問題嗎，如果會，一般是出於什麼考慮呢？

謝邀。我的感覺是，多數情況下是不恰當的。

如果你覺著手頭上有很多工具可以用，無外乎有這麼幾種情況：

這些方法沒有本質差別。比如用Probit 和Logit，唯一的差別在於假設的不同，實際上你得到的結果不會差別太大。
這些方法有差別，但是有一個更好的。一個簡單的例子是線性面板數據的隨機效應和OLS，以及固定效應和一階差分，在假設上沒有太大差別，但是在效率上有差別，根據問題，總有一個更好的。
這些方法有本質差別。比如你說的IV和PSM，PSM已經假設了unconfoundness，而IV，比如LATE，則沒有這個假定，所以這兩個按照道理來講應該是不同的，除非unconfoundness成立。而如果這個假設成立，做IV又是多餘的。

計量方法雖然多，但是計量的兵器庫裡面的武器都是有差別的，不是拿著所有的方法都試一遍就好了，一個好的研究設計應該是對應特定的問題，在特定的背景下，選擇最好的工具。即便是做robustness check，也要說清楚為什麼做這個check，以及這個工具為什麼可以check。

另外 @Sean Liu提到的robustness check越多越好，這是當然的。但是需要提醒的是，做robustness check不是拿著各種方法都試一遍，而且在特定的背景下，比如做treatment effect, Heckman提出不同的方法做出來的結果本來就是不一樣的，所以用不同的方法做robustness check，感覺並不是很合適。

見過一篇文章，討論日本過去的貨幣政策是否符合泰勒法則（The Taylor Rule in Japan）。

這篇文章提及了前人的7篇研究，不僅研究方法涉及了GMM，FIML，OLS，MCMC，甚至解釋變數也不甚相同。而作者的目的是為了說明「日本貨幣政策符合泰勒法則」這一結論是stable的。

所以我想，當找不到完美的方法來做研究時，同時用多種方法來證明結論的穩健性應該也是可行的吧。

題主說的這幾種不都是一種嗎…哪裡是多種了…Robustness Check當然越多越好…

如果用多重方法得到一致的結論，說明你這個結論就有比較好的穩健性

既然有人說日本的Taylor Rule，我們就來看一看日本的Philips" Curve.

這個社科研究方法，你們服不服。

最好的辦法是看這個領域的現有文獻中的主流做法，有使用多個方法在一篇文章中的並不能代表大部分學者應該這樣去做，創新性的文章永遠存在，一般是領域內大牛適合做的事情，不是初學者或者普通學者應該經常做的事情。

從多個方法中選擇出最適合的方法就是social scientist 最重要的工作之一。同樣，不好選擇的時候一是需要多了解不同工具的assumptions和functions, 另外是應該多看其他學者在類似研究中使用的哪些工具，已測的reliability怎樣。

社會科學research 需要建立在現有文獻基礎上，speak to the literature. 在研究方法的選擇上也是一樣。

用什麼方法其實都不重要，重要的是知道方法是不是適用啊！！！前段時間看到過有人用多項式擬合的時候居然p=0.4都敢用，你不知道通不過假設檢驗的么。還有用數據量小於變數個數用來做擬合，說結果擬合程度很好的，我表示很無奈。

以上。

特定的實證研究問題+清晰的數據結構=相應的計量方法，但robustness check，針對的是問題和數據，而不是所採用計量方法。

研究方法不就是要針對研究題目來選擇嗎？是不是要給個精準一點的題目

但是說不同方法要是得到不同答案呢？

舉這個例子不知道有沒有關

台灣大學在2014年舉辦了預測當年市長的得票率的演講，邀請三位學者各用自己的方式預測得票率，選前算好彌封選後公布，

A: 傳統統計學+民調方法

柯57% 連41%

B: 貝式統計

柯50.87

C: 期貨方法(市場反應來預測)

柯52.9 連43.17

結果出來柯57% 連41%

A的方法最準確

當針對同一件事不同方法做出來的結果結論不同，理論背後都有依據，人類行為本來就十分精準掌握，我想是看運氣吧