非递归因果模型/格致方法定量研究系列

的确，多方程（或者说因果）模型日益被频繁使用于社会科学研究中，产生了丰硕的研究结果。很多社会科学家想必对多方程模型的一个子类即常说的递归因果模型，非常熟悉。在过去二十年中，该模型被社会学家和政治科学家频繁使用（参见Land, 1969; Duncan et al. ，1971）。所谓递归，就是一个模型必须同时满足几个条件，以确保模型中界定的所有因果效应在本质上都是单向的，也即模型中任何两个变量之间都不是互为相关的（reciprocally related），一个变量不影响另一个变量。而且，模型中所有的误差项（或干扰项）都必须假定为两两互不相关。递归模型的一个优点是模型中的系数估计非常方便。所有的递归模型都是“可辨识的”（identified）。“可辨识”一词的确切含义我们要到下一章才会讨论到。我们现在可以指出的是，为了能够确切估计多方程模型中的系数，从而为因果效应的本质提供有意义的信息，该模型首先必须是可辨识的。进一步而言，关于递归模型的假定允许我们使用一般*小二乘法回归分析获得模型系数的无偏估计值4。因此，受过回归分析训练的社会科学家可以轻松地进入递归模型分析。 但是递归模型中的前提假设往往与我们所研究的社会科学过程的本质相矛盾。在诸多情况下，假定模型中没有两个变量互为相关（互为因果）是不现实的。而且，考虑到我们通常在很大程度上忽略了模型中干扰项所代表的因素，要为误差项两两不相关这一假设提供令人信服的证明也常常是不可能的。鉴于这些情况，我们必须放弃递归模型，采用非递归多方程（或同步方程）模型。这类模型允许变量之间存在互为因果关系，而且假定一对或多对误差项之间存在非零的相关。