政治实验与自然实验

破除误解#

它要求某种制度规则、边界、抽签或外部冲击产生近似随机的处理分配。仅仅“政策突然变化”并不足以证明因果。把“有前后对比”误当成识别策略，是政治学写作中最常见的混淆之一：变化可以来自同期冲击、选择性采纳或测量本身的改变。方法名称不能代替对分配机制的制度叙述。

潜在结果#

对每个单位，可以想象两个潜在结果：接受处理时的结果，以及不接受处理时的结果。同一个单位不可能同时处于两种状态，这就是因果推断的基本难题。实验用不同单位近似这两个世界。随机化不是保证每个个体完全相同，而是使处理分配不系统依赖潜在结果。在足够样本和正确实施下，组间平均差异具有明确识别基础。

潜在结果框架还提醒我们：效应是相对于特定对照组、特定处理定义和时间窗而言的。换一种对照、换一种剂量或换一个测量时点，同一干预可以呈现不同数值。报告“显著效应”却不说明反事实是什么，等于省略了因果陈述的一半。

随机化单位#

随机化可以发生在个人、家庭、村庄、选区、学校或机构层面。如果干预通过群体实施，仍按个人随机会造成污染。例如向同一村庄部分居民提供政治信息，信息可能在邻里传播。整群随机可以减少污染，却会降低独立单位数量。一百个村庄每村一百人，不等于一万个独立处理单位。统计分析必须反映随机化层级和组内相关。

选择随机化单位时，应同时考虑实施可行性与干扰结构。单位过大，统计效力下降；单位过小，溢出增加。预先画出谁会接触谁、信息如何流动，比事后用稳健标准误“补救”更重要。设计阶段的空间与网络判断，往往决定研究能否被认真解释为因果。

处理、结果与时间#

处理必须可复现地定义。“民主教育”“反腐宣传”“候选人接触”都太宽。研究者要说明内容、媒介、频率、执行者和接触时点。结果也应在研究前界定。如果测量十几个态度，只报告显著的一项，随机误差会被包装成发现。预注册、明确主要结果和多重比较修正可以减少选择性报告。短期态度变化不等于长期政治行为。

立即测量、选举日行为和一年后信任可能给出不同结论。时间维度还涉及衰减与学习：一次接触的瞬时效应，未必能外推到反复动员或竞选周期中的累积效应。把所有结果塞进同一表格而不区分时点，会把异质时间路径伪装成单一发现。

操纵检验#

处理被发送，不代表处理被接收或理解。短信可能没有读，培训可能缺席，信息可能被误解。操纵检验帮助判断干预是否改变了预期认知。但操纵检验也可能受处理影响，不能随意作为控制变量。研究者需要区分“分配到处理”的意向处理效应，与“实际接受处理”的效应。后者通常需要更强假设。

操纵检验失败时，零结果可能表示处理未送达，也可能表示处理送达却无效。二者政策含义完全不同。因此，过程数据——打开率、出席率、访谈记录——与结果估计同样属于识别故事的一部分，不应被当成可有可无的附录。

依从与流失#

政治实验常遇到不依从。被分配上门动员的人可能没有开门，对照组也可能从其他竞选活动获得相似信息。意向处理分析保留随机分配的完整性，估计提供干预的平均效果。样本流失更加危险。如果处理让某类参与者更不愿回答后测，留下的两组就不再可比。研究者应报告各组流失并分析其模式，而不是只分析完成者。

不依从与流失还会与异质性纠缠：最难动员的人，往往恰是政策最想触及的人。若分析只保留依从者，效应可能被高估或低估，且方向事先未知。把依从当成纯粹的“噪声”，会掩盖处理本身如何筛选参与者。

溢出与干扰#

经典实验常假设一个人的处理不影响另一个人的结果。政治世界却高度网络化。选民交谈、政党协调、媒体转发、地方官学习都可能产生溢出。处理一个村庄可能影响邻村，动员一个家庭成员可能改变全家投票。干扰不只是麻烦，也可能是研究对象。设计可以随机化饱和度、网络邻居或空间距离，分别估计直接和间接效应。

若忽略干扰，对照组会被“污染”，处理效应通常被低估；有时对照反而因竞争或模仿出现反向变化。政治动员、谣言与规范扩散几乎必然违反稳定单位处理值假设。因此，网络敏感的设计不是奢侈品，而是许多政治问题的最低要求。

田野实验#

田野实验把随机干预放入真实政治环境。Gerber 与 Green 对约三万名登记选民随机分配上门拜访、邮件和电话动员，是现代政治学田野实验的代表。真实环境提高行为结果的可信度，也降低研究者控制。竞选活动、媒体事件、地方组织和参与者互动都可能改变处理。研究报告需要描述实施偏差，而不是把“田野”当成天然外部效度。

田野实验的另一挑战是合作方激励：政党、NGO 或地方政府可能希望看到“有效”结果，或在实施中调整强度。预写实施协议、独立核查与透明记录偏离，是保护识别的关键步骤。没有实施过程，读者无法判断随机化在纸面之外是否仍然成立。

调查实验#

调查实验在问卷中随机改变信息、框架、候选人属性或政策描述。它成本较低，适合检验心理机制和异质性。缺点是处理常很短，结果多为自报态度，参与者知道自己正在回答问题。一个人说更支持某政策，不代表他会捐款、投票或承受真实成本。调查实验应避免把表达效应直接升级为现实行为结论。

即便如此，调查实验在分解信息内容、群体线索与论证顺序方面仍有独特优势。关键是把结论写在其测量所允许的范围内：它更擅长回答“人们如何回应特定表述”，而不是“真实制度改变后人们会如何行动”。范围写清楚，贡献反而更扎实。

实验室实验#

实验室允许精确控制信息、支付和互动结构。政治心理、谈判、公共品和信任研究常使用实验室游戏。受试者可能主要是大学生，任务也可能简化真实权力。这不自动使研究无效。关键是理论依赖普遍认知机制，还是依赖特定制度经验。外部效度必须由理论和重复研究论证，不能靠一句“仍需进一步研究”带过。

实验室的优势是机制清晰与可重复；代价是情境抽象。当理论声称机制跨情境稳定时，实验室证据更有力；当机制依赖官僚规则、政党标签或地方规范时，实验室最多提供候选机制，仍需田野或制度数据衔接。

自然实验#

自然实验利用研究者未操控的分配过程。抽签服兵役、行政边界、资格阈值、分阶段改革或规则意外变化，都可能制造可比组。研究重点不是事件是否“自然”，而是处理分配是否像随机。研究者应调查制度如何真正执行：官员能否操纵阈值？居民能否迁移？规则是否同时改变其他政策？如果分配机制不可信，再复杂的估计也不能修复设计。

高质量自然实验通常具备可叙述的分配故事、可检验的平衡性，以及对违规操纵的实质性讨论。它不是“找不到随机实验时的退而求其次”，而是一种以制度知识为中心的设计策略。缺少制度细节的自然实验论文，往往只是换了名字的相关回归。

回归不连续#

当处理由明确阈值决定，阈值附近单位可能近似可比。例如得票率刚过某门槛的候选人与刚未过门槛者，可能用于研究当选经验的后续影响。设计依赖几个关键条件：阈值附近不能精确操纵，其他决定因素在阈值处应平滑，结果跳跃应主要来自处理。结论通常只适用于阈值附近。

把局部效应推广到所有单位，需要额外理论。密度检验、安慰剂断点与协变量连续性检查，是说服读者的基本工具。若行为人能精确排序并选择站在阈值哪一侧，局部随机故事便崩塌。断点漂亮，不等于识别自动成立。

工具变量#

工具变量利用一个影响处理、却只通过处理影响结果的外部来源。排除限制是最难证明的部分。一个历史边界可能影响当前制度，也可能通过文化、基础设施或冲突直接影响结果。只要存在其他路径，工具变量解释就会动摇。强相关不是有效工具的充分条件。工具变量研究需要制度知识、机制分析和敏感性检验，而不是只报告第一阶段显著。

弱工具会放大偏差；多个候选工具若相互矛盾，更暴露排除限制不可靠。把“找到一个相关变量”等同于“找到因果”，是方法课程反复警告却仍常见的错误。工具变量的说服力来自对其他路径被阻断的论证，而不是来自软件输出的系数星号。

差分中的差分#

差分中的差分比较处理组与对照组在政策前后的变化差异。它的核心不是有前后数据，而是平行趋势：若没有政策，两组本应沿相似趋势发展。事件研究图可以检查政策前动态，但不能从有限的平稳期证明未来一定平行。同时发生的地区政策、提前反应和处理时间不同，都需要专门处理。

方法名称不能替代制度叙述。交错采纳设计还要求研究者面对异质处理效应与负权重等问题；简单地“加双向固定效应”并不保证得到可解释的平均因果效应。差分法的信誉，建立在对比较组为何可比的具体说明之上。

外部效度#

内部效度回答“这个设计中处理造成了什么”，外部效度回答“结果能推广到哪里”。处理效果可能依赖制度、执行者、受众和时间。一次地方选举的上门动员效果，不能直接推广到威权环境、全国选举或社交媒体动员。重复研究应有理论地改变场景，而不是机械复制。研究者还应报告效应异质性，但不能在大量分组中事后寻找显著差异。

外部效度不是“样本够不够大”的问题，而是范围条件是否被写清楚。说明在何种媒体环境、何种竞争强度、何种信任水平下效应可能改变，比宣称普适规律更有积累价值。科学进步常常来自限定条件，而不是来自过度概括。

机制与平均效应#

实验能识别处理效应，不自动识别机制。政治信息可能通过知识、情绪、身份或社会规范起作用。测量中介变量会引入新的因果问题，因为中介不是随机分配。机制研究可以结合额外随机化、过程资料、行为指标和定性访谈。不要因为某个中介在处理后变化，就断言完整因果链已经证明。

把平均效应拆成机制，需要额外设计，而不是额外形容词。即便中介测量可靠，也无法单靠观测相关恢复完整路径。更稳妥的做法是提出可检验的竞争性含义，并用独立操纵去触碰链条中的不同环节。

权力与伦理#

政治实验可能改变真实选举、公共资源和群体关系。参与者可能不知道自己被干预；政府或组织可能利用实验识别易影响群体；公开结果也可能帮助更有效的操纵。APSA 的人类参与者原则要求研究者考虑同意、欺骗、保密、伤害、影响和补偿，而不仅是是否获得伦理审查豁免。“风险很低”必须从参与者处境判断。

在威权环境中，一条政治短信或一份名单可能产生研究者未承担的风险。伦理评估还应包括第三方：家庭成员、社区组织与未来被类似技术瞄准的人群。数据公开与再识别风险、合作方的政治目的、以及研究结果被用于压制异见的可能性，都属于设计阶段就应面对的问题，而不是论文发表后的补丁。

实施清单#

可靠实验应说明：

1. 处理、结果和分析单位。
2. 随机化或近似随机分配机制。
3. 样本量依据和主要结果。
4. 不依从、流失与溢出处理。
5. 分析是否遵循随机化层级。
6. 多重比较与异质性计划。
7. 外部效度和范围条件。
8. 人类参与者保护及潜在政治影响。
9. 数据、代码与不可公开材料的理由。

识别设计越漂亮，越需要检查它是否对应真实制度。清单不是形式主义：它迫使作者把“我们做了随机化”翻译成可核查的操作细节。缺少这些细节的论文，读者无法判断内部效度，更无法判断结果应被如何用于政策。

跨域连接#

• 可信度革命：政治学与经济学共享同一次转向：从建模型跑回归，转到识别因果。它的代价常被低估——干净的识别通常来自局部、特殊或边缘的分配机制，于是内部效度上升的同时，结论适用的人群在收缩。
• 临床试验：意向处理分析、依从性与失访，政治实验与药物试验遇到的是同一套问题。关键在于退出的方向性：如果处理本身让某类参与者更不愿回答后测，剩下的两组就不再可比，而这类损失无法靠加大样本弥补。
• 预注册与注册报告：如果测量十几个态度却只报告显著的那一项，随机误差就会被包装成发现。预注册的作用不是限制探索，而是把探索与检验分开记账——事后发现仍然有价值，只是不能同时充当自己的验证。
• 实验与准实验：经典设计假设一个人的处理不影响另一个人的结果，而政治世界高度网络化。溢出不只是麻烦，也可以是研究对象：随机化处理饱和度或网络邻居，能把直接效应与间接效应分别估计出来。
• 公共政策：自然实验的门槛不是事件是否"自然"，而是分配是否像随机。必须实地追问制度如何执行——官员能否操纵阈值、居民能否迁移、规则是否同时改变了别的政策。分配机制不可信时，再精巧的估计量也修不回来；断点设计的结论通常也只适用于阈值附近，推广到全体单位需要额外的理论论证，而不是更大的样本。

参考文献#

• Gerber, Alan S. and Donald P. Green. “The Effects of Canvassing, Telephone Calls, and Direct Mail on Voter Turnout.” American Political Science Review 94(3), 2000, 653–663. DOI: 10.2307/2585837.
• Dunning, Thad. Natural Experiments in the Social Sciences: A Design-Based Approach. Cambridge University Press, 2012. DOI: 10.1017/CBO9781139084444.
• Gerber, Alan S. and Donald P. Green. Field Experiments: Design, Analysis, and Interpretation. W. W. Norton, 2012.
• American Political Science Association. Principles and Guidance for Human Subjects Research. APSA Council, 2020.
• Morton, Rebecca B. and Kenneth C. Williams. Experimental Political Science and the Study of Causality. Cambridge University Press, 2010.

延伸阅读#

• Imbens, Guido W. and Donald B. Rubin. Causal Inference for Statistics, Social, and Biomedical Sciences. Cambridge University Press, 2015.
• Blair, Graeme, Alexander Coppock and Macartan Humphreys. Research Design in the Social Sciences. Princeton University Press, 2023.