成为VIP
法律实证分析入门
——北大“刑事一体化”系列讲座之二十
2019年11月13-14日，北京大学刑事法治研究中心“刑事一体化”系列讲座之二十——“法律实证分析入门”在北京大学法学院凯原楼B103教室和三教407教室顺利举行。本次讲座的主讲人是来自西南财经大学法学院的熊谋林副教授，主持人为北京大学法学院江溯副教授。本场讲座由北京大学刑事法治研究中心主办，并受到杨春洗法学教育与研究基金的资助。
图 | 讲座现场
讲座开始，熊老师首先感谢北大在实证法学研究领域的开拓性贡献以及江溯老师的热情邀请。熊老师将这次讲座定位为“从发现问题到描述分析的心得体会”，结合自身近年来从事实证研究的经验和教训，为实证法学研究爱好者分享一些学术研究的捷径。本次讲座前三天，熊老师通过百度网盘分享了讲座资料，并推荐了相关论文和多个分析工具。熊老师在西南财经大学法学院开设了“实证法学导论”课程，他按照课程导言、发现问题、研究方法、收集资料、Stata架构、常用描述统计分析6个方面做了大量的准备工作，讲座时间预计将会长达5个课时。熊老师坦言，这次讲座时间紧，但会从最重要的发现问题开始尽其所能将大纲的内容讲完。他分享了他的理念“一个人的研究叫爱好，一群人的研究叫队伍”，并鼓励大家不要低估自己的潜能，技能永远不会嫌多。
在导言第一部分，熊老师首先回顾了其今年6月在北大讲座（即“如何写作实证法学研究论文”）中所提到的关于实证研究的基础概念。他认为，对实证研究的理解不应过于狭隘，否则可能会因过于强调实证法学的难度，而拔高学习门槛或降低爱好者的预期。一切致力于事实和真相探索的研究，皆可成为实证研究。一切致力于事实和真相探索，证明和解读法律运作机制的立法、司法、执法等皆可为实证法学研究。一切为实证法学研究提供答案的过程和路径，皆可为法律实证分析。实证法学研究之中，最重要的是过程和路径而非结论，所以要清晰地展示研究的论证过程。
在导言第二部分，熊老师表明了本讲座的目标——以学术出版为目的。所以，讲座内容虽然是高要求，但也是高质量所必须，他希望这次分享至少能实现五个小目标：（1）帮助同学们学会从一个问题中剥离出最小的学术话题，围绕一个可论证的、值得研究的真问题展开。（2）学会寻找一个科学的研究方法，为所要研究的学术话题提供灵活有效的帮助。（3）学会使用最可靠的资料，根据所要研究的问题，方便快捷地收集整理资料。（4）了解Stata分析工具，愉快轻松地分析资料。（5）学会用最简单的方式，展示最清晰的结论。熊老师还提醒大家，实证法学适宜团队研究，不宜独立研究。
图 | 熊谋林老师
在导言第三部分，熊老师通过一项课前调查的实际体验，为同学们分享定量研究中的变量知识和定性研究中分析方法。调查内容包括：性别、年龄、专业排名、是否打算从事法律实证研究、困难的地方（单选）、难度打分、课程成绩、课程论文阅读量、给授课老师的建议等题目（见下图）。熊老师通过问卷中设置的各种类型，介绍什么是连续变量、虚拟变量（又称“哑变量”）、类别变量、潜变量、秩序变量和计数变量等。最好的学习就是亲身经历，熊老师建议设计问卷应当尽量使变量多样化，避免单一的选项设计。因为变量不同，分析方法不同，这可适当增加分析灵活性和结果可信度。
图 | 课前调查
之后，进入讲座主体内容，具体分为四个部分，即“如何发现和探索选题”“选择研究方法”“收集和整理资料”和“STATA界面”。
一、如何发现和探索问题
熊老师指出，同学们可能时常认为统计学知识和统计软件是实证研究的关键，这造成初学者因为缺乏一定的统计和分析工具而却步。但实际上统计学知识只是烹饪方法，即便不会复杂的方法也可以简单地创造出美味的饭菜。统计软件也如同“筷子”，不用筷子照样可以用其他方式吃饭。所以，统计软件只是实证研究的工具，统计方法也只有展示论证过程和结论的方式不同而已。世界上不少值得人们记住的结论，通常是用简单的均值和百分比来展示的，这也是多数统计分析的基础。熊老师认为，实证研究中最重要的不是方法和软件，而是发现和探索一个有意义的问题，并围绕这个问题展开任何必要的分析论证。所以，任何有意义的实证研究都与其他研究相似，优质的选题至关重要。为了实现发现和探索问题，熊老师把确定研究问题分成了十个步骤：
第一步，发现问题。熊老师指出，不少同学和同仁在写作和研究上存在困难，真正的原因在于从选题开始就注定很难展开研究。他认为，以下几种问题要及时放弃：“侃大山”的问题、不可发表的问题、大得无边的问题和没有答案的问题等。与此同时，他建议如下几类型的问题不要轻易放弃，要经过探索后再做决定。看似常识问题、重量级学者定调的问题，看似难以测量的问题，看似无意义的问题则不要轻易放弃。在他看来，各大学者在争论，法律政策有迷茫，理论实务“两张皮”，以及社会认知有分歧的法律问题最值得探索。
第二步，探索和剥离出一个小问题。在发现可研究的问题后，需要进一步从问题中思考前因后果，从文献中探索一个更小的问题。问题过大，无疑会四处漏风漏雨，不得不处处设防，最后造成文章失焦。往往问题很小，才容易中心突出，研究进程才能顺利展开。因为限于论文篇幅，面面俱到会导致问题论述不清、重点不明。当然，所谓的“大小”问题，并没有一个固定的概念，这需要大量阅读与问题相关的文献，才能找到真正的小问题。
第三步，要把所研究的小问题转换成可研究的学术话题。非学术问题不要去谈，学者的任务是在学术问题中为其他话题提供参考。转换成小问题的学术话题并不轻松，要认真细致地寻找出小问题的相关研究。在研究初期，要么觉得什么都可写，要么觉得什么都不好写。其实，这一切的根源在于没有阅读相关的文献，因此要从新旧文献的对比中找到学术对话的途径。否则，容易出现没有任何意义的自说自话，完全围绕自己的主观判断来做研究。熊老师尤其建议阅读一些大师写的Review Article，表现为Review……，Recent Development……，……Years，……Theory等。
第四步，要围绕可研究的学术话题，探索各方面研究的价值而形成真问题。熊老师强调这是至关重要的一步，否则可能会碰到过时或者已经经过变迁的问题。当阅读文献后，可能发现大家都在谈这个话题，但事实上没有什么新意。如果你继续开展这样的研究，也仅是毫无意义的重复研究。甚至可能出现的结果是，法律和政策都已经改变，还在大谈云云。与此相反，仔细思考后会发现别人没有提供的证据，或者别人可能认识偏差的地方，这些都需要认真探索各方面的价值后，研究的展开才能有的放矢。
第五步，要在探索可行性的基础上，确定所定题目是能够研究的学术真问题。有些问题很重要，但研究方法和资料都不具有可行性，这样的研究也没有太多意义。正所谓：“巧妇难为无米之炊”，与其把时间放在不可论证的问题上，还不如把时间花在可以有结果的研究中。
第六步，运用反证法或逆推式，做好问题被证伪或证实的补救措施。研究是客观的求证过程，不一定结果就一定朝你预想的方向发展。所以，我们在思考问题时，一定要做好准备——“假如这个问题的答案和我所想的不一样，该怎么办呢？”。想好退路，这样才能经得住考究，有理有据地开展研究，做好任他东西南北风吹不倒的准备。
第七步，确立问题研究的终极目标，即从可研究的问题中寻找或建立起理论。这样做的目的是，往前踏一步，把简单问题的意义放大到理论层面。单纯的问题研究，可能仅是一个小现象。但如果一个小问题有共性或者反映出一种现象，这就是一个理论的发现。大可笔锋犀利、细致地展开，找到创建理论的可能。
第八步，探索可论证的学术真问题发表的可能性，掌握出版现状和途径。这个问题主要出版在哪些地方，有哪些大师在讨论。了解出版期刊后，首先要做的是模仿这些期刊的写作手法，如果是我发表的话该怎么写。当已经清楚和哪些人对话时，要明白对话的问题层次和焦点是什么。正所谓站在巨人的肩膀上，才能比巨人看得更高。如果搜索一圈，没有发现这样的论述，只有三种可能：要么没有人研究，要么是搜索方法有问题，要么是发表有困难的话题。这需要你认真判断，问题出在什么地方。如果是第三者，就建议不要写，因为写了也白写，这是熊老师过去走过的弯路。
第九步，要确定研究领域，按照该领域的方式展开研究。不同领域有不同的研究范式，写作上（尤其是早期）要遵循现有范式。学术研究最忌讳孤芳自赏，你不符合别人的范式，别人也就不会理解你的研究套路。例如，Law Review很注重相关问题的观点阐述和案例评析，犯罪学和社会学的期刊更重视相关问题的归纳。原因很简单，前者篇幅一般很充足，基本不用考虑文章长短。与此相反，后者篇幅很短，8000或10000字是英文期刊常见的限制。
第十步，确定好问题以后三思而后行，不要轻易改变问题。一定要先想好，不要随意变动，否则牵一发而动全身。熊老师分享到，有时候我们写作过程中发现，还有一个问题很重要。此时，一定要管住自己的手和思维，坚定自己所研究问题的信心。否则可能出现跑题，差之一毫，谬以千里，各种问题都得重新回到起点。
对探索问题的具体步骤进行展开后，熊老师谈及了把握问题的窍门：
（1）问题分层次，找准最底层的问题，抽丝剥茧逐层展开。前面问题没有解决，就不用轻易动上层问题，否则很多问题说不清楚。（2）问题要分主次，主要研究核心问题。切勿平行展开多个问题，使得主题不明，论证分散。（3）注意问题结构，分析问题时时刻剖析7个w（what、when、why、which、where、who、whom）。这些小问，常常是推动研究问题展开的动力，甚至不经意间就会有很重要的灵感。（4）关注效率，要优先解决最方便快捷的问题。有时候我们费了很大精力去研究最难的问题，但最方便易得的问题却被忽视了。（5）注意问题范围，不仅要找准问题，还要掌握相关问题。哪些范围的问题在这次研究中展开，哪些问题这次不研究，一定要严格限定。如此才能在论证中做到心中有数，有所为而有所不为。（6）注意问题新旧。研究问题时，要先看最新最全的文献，切勿视野短导致资料不全。有时，我们只关注高引文献，但忽略最近出现的新文献。这恰恰是最应当注意的文献，因为你的问题别人可能已有研究，或者你忽视的人最有可能是你的评审人。（7）问题论述时尽量引用大师的论文。找准学术对话的对象，有利于文章水准的提升。有时候我们经常看到一些同学引用大量水平差不多的低阶文献，这样其实也反映出你的境界和别人差不多。（8）要让问题可视化，学会对阅读的文献进行标记和分类，制作文献树做好笔记，从中决定突破口。当阅读几篇文献时，你可能还能记住。但如果阅读几十乃至上百篇文献时，基本会把前面的文献和问题论述忘得一干二净。（9）找准问题定位，确定解决的问题是普及性还是专业性，是介绍归纳还是证明型等。问题的视角不同，所运用的资料和文献也会有所不同，问题展开的方式也有所不同。（10）确定问题受众，写给法学家和社会学家、犯罪学家看的论文的表达方式肯定不一样。不同受众的文章会有不同的表述方式，并不是所有的期刊都需要把法律条文都写上去。
本节的最后，熊老师介绍了研究问题的6种常见表现形式实证分析，鼓励大家努力去思考和发现问题：
（1）现有研究没有搞清楚真正的问题是什么，各方都在侃山争论。（2）法律的背景、现状、前景还很迷茫，需要认真分析的问题。（3）问题或理论有前人提出了，但证明却非常不足。（4）前人的研究对象、时段、地域、资料很有局限，你又有所不同等。（5）紧跟法律政策风向，但没人研究或研究过少，层次太低。（6）理论与现实、立法与司法、执法与监督等两张皮现象，迫切需要解决各种乱象。在课程导言中，熊老师举了很多他在研究中所见到的例子，以及他自己走过的弯路。他鼓励大家在研究过程中，一定要踊跃和老师们合作，这样才能真地一步步朝熟练方向发展。
二、如何选择研究方法
本部分，熊老师首先谈及了研究方法的来源。熊老师强调，研究方法不能凭空想象，不能像写教科书那样套方法，也并非源于高深的统计学知识。实证研究的方法，是从既有文献之中来的，阶梯式的研究才是学术前进的动力。模仿和创新是相互的，没有模仿就不可能谈创新。同时，研究方法也是从研究者的方法库中来，头脑风暴是建立在研究者的知识储备之上。另外，要根据现实决定方法，论证可能性是永恒的主题，否则可能会事倍功半。
接下来，熊老师对常用研究方法进行了逐一介绍，这些方法都可以生产出高质量的实证研究。大致可以围绕定量研究或质性研究为主，辅以实验性研究、观察研究、田野研究、问卷调查、文本分析和案例分析等方法中寻找最合适的方法。熊老师指出，一篇论文不要选取过多的研究方法，方法混合的前提是论证的必要性。另外要注意，在确定研究方法后不要随意调整，因为方法是后续的重要基础。此外，不同的期刊对研究方法的偏好也有所不同，选取研究方法也要考虑目标期刊的潜在要求。
继而，熊老师就研究方法的探索与选择展开了详细讲述。在选择之前，要先对研究方法展开探索，充分研究相关细节。具体而言，要先通过文献阅读，确定先前研究用的是什么方法，并探究先前研究的这些方法的共性和差异，以及先前研究用某种方法的原因（包括技术、时代、背景等原因）。在此基础上，寻找与主题相关的其他方法，并思考这些方法在背后的理论或应用上与既有方法的关键差异，以及这些研究方法与结论之间的关系。重点要关注既有研究方法的不足和新方法的改进对结论的贡献，确定理论和方法的意义。他分享了关于公民错误态度的文章中，如何发现先前的方法不当，并适当予以纠正。此外，在另一篇论文中，他发现前人的方法较为简单且存在缺陷，因此论文在分析维度和方法选择上都有新的贡献。
在研究方法的选择上，熊老师建议量体裁衣思考下述细节：（1）根据所研究的问题确定需要采用哪一类方法，如定性、定量或是其他研究方法。（2）研究资料如何收集，资料的现实情况也可能决定方法的不同。（3）资料反映的主要结构，如人群、时间、地点。（4）用什么工具进行分析，如STATA、SPSS或EXCEL、NVIVO等。（5）需要设计哪些变量，前人是如何设计和整理数据的。（6）每个变量要如何赋值，如何检测各自变量。（7）分析的具体方法或模型，不同的变量间可能会用不同的分析方法去做。（8）既往模型的优点和缺点，其中重点关注缺点，前人是如何逐步完善的。（9）目标期刊的偏好。这个问题很容易忽略，而期刊的偏好也是方法选择的重要因素。
熊老师认为，虽然没有一层不变的研究方法，但要做到心中有数才能适当创新。只有综合考虑上述因素后，才能找到最适合自己和最适合研究问题的方法。最后，熊老师简要介绍了常用的部分分析工具。在定性研究中常用NVIVO、MAXQDA和ATLAS等，定量研究常用STATA、R、SPSS、SAS和EVIEWS等，运算建模中常用MATLAB和GAUSS，空间数据中常用ArcGIS和GEODA，时间数据常用CATS和GMDH，专业性软件则有AMOS等。熊老师指出，这些软件有不同学科的偏好，根据自己喜好学习一个基本够用。原因在于，一些综合软件的功能相互兼容，有的软件在人文社会科学领域用得不是很多。熊老师坦诚，他用得多的就是STATA，偶尔因为不同的问题和方法才改用其他两种软件。他建议研究者多了解些不同类型的工具，不一定要什么都会，用的时候根据操作手册再学也来的及。总而言之，能够熟练使用其中一个就可以了，视野宽的同时技术要精专。
三、实证资料收集和整理
本部分开始，熊老师认为有些人刻意贴上实证研究的神秘标签，也有些人刻意与实证法学分道扬镳，甚至还有人认为法学不是一门科学。其实，这些都有欠妥之处，法学实证研究可以为理论研究提供新的素材，实证研究也从来没有离开过理论研究，法学研究也可以成为一门科学。因此，熊老师试图纠正一些偏见，并用“非常简单”和“非常轻松”来形容实证研究。熊老师强调，实证研究不等于大数据爬虫，抽样和全样本调查一样是好的研究。他介绍到，西财法学院的夏一巍博士（助理教授）正在写作一篇有关抽样和全样本的结果比较的论文，并做了非常详实的论证。熊老师认为，有用的资料无处不在，法律实证分析不一定依赖于裁判文书，更不一定要通过接触司法机关获取数据才能做实证分析。实证研究也不一定需要巨资的支持，不一定需要大量的精力投入才会完成愚公移山式的研究。不过，熊老师强调，要做好实证研究，良好的外语（最好是英文）能力则是必须的前提。
熊老师认为，实证资料的核心是信息转换。实证研究所起的作用，正是用可信赖的方式将这些转换后的信息归纳和表达出来。熊老师指出，任何资料的本质是一种信息交流，而有效交流的核心是建立一套恰当的信息转换机制，使不同形式的资料之间有效互通。因此，法律实证分析的核心也仅仅是将法律和相关的事实，用另一套信息交流机制转换表达出来而已。他认为，没有理由认为法律实证分析不是法学研究，或者是玩数据和方法的研究，法学理论分析和实证分析在多数情况下有异曲同工之妙。
图 | 信息转换
有鉴于他的理解，熊老师提醒实证研究爱好者要避免陷入难以解脱的收集资料困境，包括但不限于：（1）爬虫型，收集太多数据但不会或压根就不运用；（2）饥饿型，设计过多变量使得研究混乱（建议不超过25个关键变量）；（3）搬运型，收集到资料后不经处理就展开分析；（4）轰炸型，不经筛选就运算出大量结果；（5）骗子型，为了获得理想的结果而歪曲资料，或忽略收集过程；（6）炫耀型，过分强调自己所做的数据收集，而忽视真正的理论论述与研究；（7）盲目型，不管现有文献和研究进展，不关注学术传统；（8）偷懒型，将数据结果寄托于别人的高难度理解；（9）返工型，收集整理时没有明确的思路，导致数据经常打补丁，迟迟不能成型；（10）求全型，没有规划，什么资料都收集，事倍功半。
接下来，熊老师具体介绍了定量数据的收集。首先是学习和设计阶段，要观察前人是如何收集和采集资料的，遵循学术传统。进而根据问题决定文献，重点看文献资料的方法和评论，尤其要关注学者论争中的相互评论。同时，对于与研究相关的法律规定一定要加以关注，其中的要素可以指导资料的收集。在此基础上，要对他人的方法进行弥补，并根据所学，设计一个相似的基本简单问题，把收集方式和转化要素确定下来（编码）。具体收集之中，可以先根据设计进行探索性收集，并基于这些资料做出抽样分析，将结果和先前的文献和法律问题进行对比，判断是否可能有研究价值和大概方向。在判断大致方向后，探索这些相关结果的走向，根据文献反复逆推和完善原有设计。此后进入正式收集阶段，固定资料收集的设计和模式，正式推广，但标准要统一，不要轻易变更。熊老师强调，资料收集要建立在客观独立的标准之上，收集和核查资料的人员应当分开，收集与核查同时进行，并建立冲突解决机制。在资料收集完毕以后，转换成数据库，进行最终核实和分析尝试。大致判断资料是否与事实相符，若相悖则须找准解决原因，直到解决完毕为止。
另外，资料收集中还需要注意以下事项：（1）先用现有的二手资料，不要轻易收集一手数据。因为一手数据会遭受很多评审质疑，如果一定要收集，则需要注意数据的客观和真实性。（2）正式收集之前，一定要把原始资料保存下来。收集过程要建立良好的资料笔记和研究日志，以备后面的分析过程中备查。（3）对资料要尊重原始表达，不要在收集阶段就进行数据整理。否则，容易出现整理后无法掌握数据基本信息，并影响问题的进一步分析。（4）遵循省时省力原则，尽量不要太多变量，多了没用。（5）正式收集前，先把原始资料备齐，再统一转化。（6）如果在抽样时发现某一变量缺损值太多，应及时放弃。（7）收集设计时，编码标准尽量明确、细化，尽量少用模糊性术语。（8）研究设计好后，多与师友讨论，群策群力。（9）资料收集前一定先要对每一个参与人员进行培训，制作资料收集手册，确保尺度统一。（10）及时调整影响资料收集的较大问题，如人员、时间、资料等，切勿一错到底。（11）收集完毕并转换成数据库后，要用STATA常用命令（sum tabmean）初步分析结果。（12）及时记录出现的每一个意外情况，备注各种情况避免后面出现同样问题。
最后，熊老师特别指出了数据整理的必要性，并简单介绍了STATA中的实现方法。任何一项研究的原始收集数据都不宜直接上手分析，必须要进行整理后才能有序展示研究结果。因为这些数据难免会出现这样或那样的问题，数据整理的目的就是让数据更加清晰、简单可信。不经整理的直接分析，一定不能最好地反映出数据的总体情况。数据整理中，首先要实施变量标签化（label variable），即把每一个变量在STATA中记录下来。其次，要进行赋值标签化 （label value），即给每一个变量中的数值标记其本来含义。再者，赋予文字变量的代码（encode），重新编码或合并同类项 （recode），创造新变量（gen），或进行替换（replace）等。此外，还可能需要进行插补缺损值、处理outlier(偏离数)等。查命令找help等操作，遇到不会的事项查找相应解释和手册指南。熊老师强调，不能忽视资料整理的重要性，因为整理数据是指把粗糙的数据变成精良的数据，精良的数据才能产生精良的结果。同时，有些期刊可能要求作者提供原始分析结果，这也对资料整理提出了很高的要求。
图 | 定量研究中的流程
四、STATA界面
本部分内容主要以操作为主。在具体操作之前，熊老师再次强调，STATA只是一种方法，只是为研究服务的工具而已，熟能生巧，不必过分畏难。熊老师首先带大家认识学习了STATA的界面，以及三个文件格式的功能：dta格式保存原始数据、do格式记录分析的程序、log文件则是记录分析进程的日志。之后实证分析，熊老师为大家介绍了STATA的界面和一些基本操作，包括打开几类文件、查找命令、寻找操作手册等，并对操作手册的一些介绍内容进行了充分举例。
此后，熊老师介绍了STATA的功能，即运算、建模、分析和作图，以及STATA的辅助（包括help、查阅文献、Manual例子）手册和操作指引，常用执行程序格式（command…varlist condition…[…,option]）。此外，熊老师以CGSS数据为例，在Command（直接在操作界面分析）和Do（用程序执行分析）两种模式下，进行了初步跑数据的操作，并亲自指导同学们进行实操训练。其中，熊老师重点介绍了常用的STATA命令，包括sum、tab、drop、replace、recode、rename、delete等，并用CGSS数据引导大家进行了有趣的各地离婚率分析。最后，熊老师建议，有志于实证研究的同学应对课堂上学习的内容多进行实操训练，并且在遇到困难时学会使用软件中的help工具，从而进一步完善操作技巧。
讲座的最后，江溯老师对熊谋林老师精彩的报告表示感谢。本次讲座在热烈且和谐的气氛中圆满结束。
图 | 江 溯老师
•end•
文字：李佳馨
摄影：马天成
限时特惠：本站每日持续更新海量设计资源，一年会员只需29.9元，全站资源免费下载
站长微信：ziyuanshu688
htebazile
