本文摘要：上期跟大家聊了SSCI定量论文怎么写的话题，言犹未尽，不知道小同伴们有没有受到启发呢?今天我们继续~文献泉源：[美]唐文方：《定量社会科学英文论文审稿条记》，《中国政治学》2020年第3辑，第86-99页。

上期跟大家聊了SSCI定量论文怎么写的话题，言犹未尽，不知道小同伴们有没有受到启发呢?今天我们继续~文献泉源：[美]唐文方：《定量社会科学英文论文审稿条记》，《中国政治学》2020年第3辑，第86-99页。转自：政文观止Poliview四、涵盖文章精髓的内容提要一般我会比力认真地看内容提要，因为写得好的内容提要一般都市包罗文章的英华，例如研究问题，现有文献的主要看法以及待解决的问题，研究假设，数据泉源、主要发现、结论以及研究的意义。别看内容提要这短短的一、两百字，却包罗了一篇论文的所有须要组成部门。其中研究问题和发现尤为重要，例如有一篇文章，研究问题是中国的政治支持度为什么高，最后获得证明的假设是黎民的期望值低。

以我的履历，这篇文章涉及的是一个重要的理论问题，支持度是真的高还是黎民期望值低，差别的结论会涉及到制度自己性质的问题，因此我会仔细阅读文章的证明历程。要想通过我的尺度，证明的历程必须无懈可击。写内容提要应该只管包罗上述要素，有些写的欠好的内容提要，会让读者不知所云。例如我看到过一个内容提要，只写研究问题和文献中的辩说，却居心卖关子不写发现和结论，这样会让审稿人不爽，因为还要去翻许多页，不知道在那里才气找到作者的发现和结论。

五、可靠的数据泉源接下来我会看的是数据泉源，一般来说数据泉源会有几种，第一种比力普遍的是现有的观察数据，包罗World Values Survey（世界价值观观察）, Asian Barometer Survey（亚洲民主动态观察）, Chinese General Social Survey（中国综合社会观察）, China Labor-force Dynamics Survey（中国劳动力动态观察）, Chinese Family Panel Studies（中国家庭追踪观察），以及其他现有的大规模全国以致世界规模的公然数据。由于对这些数据比力熟悉，我一般不会太追究这些数据收集历程的问题。

有时候也有作者用自己的观察数据的，这种情况我会看的比力仔细。记得有一篇文章声称要研究都会“低端人口“，可是自己做的观察中有一半以上是高收入的白领，说明这个观察的样本有很大问题。另有一篇文章的作者声称做了一个全国问卷观察，但样本只有60小我私家，不懂专业的人也不会相信这60小我私家能有代表性。本人建议只管用已有的数据，这些都是花了大钱由很是专业的团队收集的，小我私家无论从资源还是专业知识方面都是无法企及的。

第二类数据泉源是大数据，例如网络大数据、媒体大数据、执法案例大数据等等。这些数据虽然规模弘大，但不太容易做出有意思的发现来。例如有一篇文章用中国向导人历年讲话的大数据，发现中国老黎民对法治的明白与向导人对法治的解读有直接关系，另一篇文章用微博的大数据发现，中国的网民只要不宣扬暴力，就会有很大的品评政府政策的空间。这些结论可能不做大数据分析的一般人都能知道，我看到的比力乐成使用大数据的稿子，通常是和观察数据联合起来使用的。

第三类数据泉源是越来越多的网络民调。由于网络民调无法保证样本的代表性，我对这样的研究比力持怀疑态度，例如有人用网络民调证明中国的黎民不支持中国政府与日本的反抗，但网络民调的样本大多数是受过高等教育的白领年轻人，无法代表中国人口的平均水平。

可是有一种情况下我会接受网调的效果，那就是实验数据。做实验不需要样本的代表性，只需要实验组和控制组随机离开就可以了。

第四种数据泉源是实验数据。实验数据正在成为一股热潮，正在被越来越多的文章使用。一个重要的原因是低成本，实验可以在少则几十多则几百小我私家中、并在一个牢固的所在甚至网上举行，比全国性的抽样问卷观察省钱的多。

实验的另一个利益是比问卷观察更能够准确地确立因果关系，例如在问卷观察中可以问受访人是否经常使用媒体，然后再问受访人对时事的兴趣。虽然研究者认为媒体使用会增加对时事的兴趣，可是问卷观察的两个问题并没有直接的因果关系。而在实验中，受访者可以寓目一段媒体报道，如果之后对时事的兴趣提高，就说明媒体和时事兴趣有因果关系。

虽然实验有上述优势，但它的样本往往有限，不具代表性。现在越来越多的做法是将抽样观察和实验联合起来，既制止了两者的不足，又包罗了两者的优点。固然，这种做法要有足够研究经费的保证。从现在数据使用的生长趋势来看，越来越多的作者在一篇文章或一本书中会同时使用多种类型的数据，包罗动辄几十万、几百万，甚至上千万的大数据，另有面访的问卷观察数据、实验数据和深入访谈的数据，如果你的研究包罗了所有这些数据类型，而且运用了比力新的统计方法，编辑和审稿人都市对你另眼相看，哪怕研究的创意并不是那么显着。

六、最好别说“别人没做过”老实说，我在看稿子时对文献部门花的时间并不多，并不是说这一部门不重要，而是由于我从事这方面的研究时间比力长了，对现有文献中讨论的问题比力熟悉，况且经常到场学术集会，也知道什么人在用什么数据做什么题目并有什么新发现。有时候我看看参考文献，就或许知道作者是否找到、并讨论了应该讨论的问题了，或者作者基础就不熟悉本事域的研究现状。在文献讨论中，除非你很是有掌握，建议最好不要说“我做的研究还没人做过”，这样比力容易冒犯审稿人。

在审稿人眼中，你做的工具他或别人都想过或者做过，你说没人做过是在打审稿人的脸。比力有效的文献讨论是在很好阅读和领会了现有研究的基础上提出新的问题，好比说现有文献无法解释的现象，或者是现有文献中存在对立的看法，或者说现有理论中还没有用数据证明的看法。

另外，在文献引用时一定要制止不加引号地引用原文，最好的方法是paraphrase（意译），也就是用自己的话把文献中的看法说出来，否则会被人指责你是在剽窃。然，要做到意译，首先要求作者对英文文献有准确的明白，这对有些海内的学者来说可能并不容易做到。

有的时候我从参考文献中能看出来这个稿子是否是海内学者写的，因为海内学者一般对海内的文献引的会比力多，英文会比力少，中文的文献相对比力新，英文的比力旧。这种情况会让审稿人以为作者对当前英文语境下的研究现状不熟悉。有时候我和海内学者谈天时，经常有人问我在某一个题目上有什么经典文献。在现在的网络时代，这个问题其实可以在网上回覆，如果你能上Google Scholar（谷歌学术），就可以搜索关键词，然后再检察各个搜索效果的引用量，这比任何人告诉你的“经典”文献都更准，因为经典难免有主观性。

另一个快速掌握英文文献的措施，就是找几本或几篇关于某个你感兴趣的题目最新出书的专著或文章，最好是好一点的出书社或杂志出的，从参考文献入手，但一定要比力新的作品。七、理论与履历的对话量化研究通常是先有数据（履历）然后再思量做什么题目，而在分析数据的历程中，很容易陷进去拔不出来，忘了这些数据后面代表的理论问题，从而犯了见树不见林的错误。这是一个比力常见的问题，也是比力致命的。

记得看过一篇稿子，所用的观察数据中有受访人对医保政策已往的满足度和未来对该政策满足度的预期，作者用这两个问题之间的差异做了一个新变量，叫做满足度差，差异越大该变量的值就越大，但却不分到底是已往满足度大于未来满足度，还是未来满足度大于已往满足度，然后用此来预计民众对政府的信任度。这个做法外貌上看挺智慧，但作者却没有说明这个新变量到底代表了什么意思，让读者无法明白这个研究的意义到底在那里。这个问题的实质是履历与理论的脱节。还看过一篇文章，通过数据分析得出结论，电视会增强年轻人对中央政府的信任并促进选举到场，使用微博会增强他们对地方政府的不信任并导致非选举到场，仅此而已，让人看完了很不外瘾。

虽然作者把当下时髦的观点都牵扯进来了，诸如政治流传、政治到场、政治信任等等，但更重要的问题没谈：这对媒体的生长有什么意义？选举到场与非选举到场的区别有什么意义？差别媒体和差别到场形式对政治支持度和政权稳定性又有什么意义？至于说这个研究如何与理论研究对话，只好留给读者自己去琢磨了，这是履历与理论脱节的另一种体现形式。类似的例子另有许多，举不胜举。例如我还看过一篇讲政治信任与人际信任关系的文章，通过一套高深庞大的统计分析，得出了一个耐人寻味的结论：当人际信任从信任自己人扩展到信任生疏人时，政治信任会从信任中央政府下降到信任地方政府。这是一个不大不小看似很有内在的结论，可是它却缺乏与理论和制度层面的毗连。

让人看完了不禁会问：然后呢？这对差别政治制度的比力有什么意义？对中国政治制度的生长又会有什么意义？对西方的民主制度又意味着什么？只有回覆了这些理论层面的问题，才气让读者感受有所收获，以及量化研究对理论的孝敬。另有一类文章，通过大量的数据分析，得出很简朴的结论。

例如没有事情宁静感的人更容易到场团体抗争行为，海内经济欠好了政府就会在外交上越发强硬以引发民众的爱国主义情绪从而增强对政府的支持，民众对法治的认知和政府对法治的解读高度相关等等，这些显然都是一般人都懂的知识，如果作者不资助读者在理论上升华，读者就会以为这种研究好没有意思，秀了一大堆技术肌肉，得出一个知识性结论，难免让人以为四肢蓬勃头脑简朴，这是一个定量研究中比力典型的问题，也是那些对定量研究不屑的人经常用来敲盘算量研究的捏词。这是履历与理论脱节的又一种体现形式。那么如何区分什么是知识性结论、什么不是呢？有些人会说：我还没看够那么多的书，所以我不知道文献中哪些是大家都认可的“知识”。

我小我私家倒是以为，所谓知识，就是你没看那么多书就可以想到的事情，否则就不叫知识了，例如生活水平提高了人们会更支持政府，香港人看到周围的人去游行所以自己也想去凑热闹，法治增强了犯罪率就下降了等，这些结论真的不需要几多学问就能明白。可是如果你说生活好了支持率反而下降，知作别人去游行反而我不想去了，法制增强了犯罪率反而上升了，这就有些反知识了，读者会更好奇你为什么会得出这些反知识的结论。但如果要能“反知识”，首先应该有知识感。

八、数据分析：四肢蓬勃头脑不能简朴数据分析是定量研究的焦点部门，也是我看稿子最关注的部门。数据分析的软件包现在用的比力多的是STATA，另有人仍然在用SPSS, SAS，这些都是付费的，最近几年比力盛行的免费软件是R，许多年轻人比力喜欢用R，除了不要钱，他们以为很酷，因为是新的，而且用户可以自己写法式（其实STATA也可以）。记恰当初我在匹兹堡大学（University of Pittsburgh）事情时，别人都在用其时更盛行的SPSS，我们全系只有我一小我私家会用STATA，学生问我为什么不教他们SPSS，我说是因为STATA更酷。

这么多年已往了，R开始盛行，我已经落伍了，不知道20年之后现在这些以为R很酷的人会怎么想。其实每个软件包的功效都是大同小异，而且也都在不停地自我完善，软件包就像工具一样，用熟了都市越用越好用。不仅仅是数据分析的软件包在不停更新完善，数据分析的方法在已往的几十年中也发生了庞大的变化。

我记得以前在爱荷华大学（The University of Iowa）事情时有一个同事，他是60年月伊利诺伊大学香槟分校（University of Illinois at Urbana-Champaign）博士结业的，很快被爱荷华大学招聘，是因为他掌握了其时最前沿的统计分析方法：用盘算器手算相关系数！时过境迁，别说用手算，哪怕使用盘算机，现在的论文如果只有相关系数而没有回归分析，基本没有揭晓的可能了。近几年看的稿子中，数据分析方法较之前也有了不少革新，以下是几个例子：（1）以前的回归模型中的自变量是不太容易区分看待小我私家变量和单元变量的（如社区、学校、地域等），现在可以用多条理回归模型对差别变量划分处置惩罚（multilevel analysis）。

（2）以前做完回归模型就可以了，现在比力时髦的做法是还要加上一个磨练的步骤——稳健性磨练（robustness check），例如使用工具变量对模型中变量之间的因果关系的检测，以证明回归分析效果的可靠性。（3）回归分析的效果以前用一个表格就可以了，但现在时髦的做法是用95%置信区间（confidence interval）图来表现；（4）以前的回归分析只要把自变量放入模型中就可以了，现在比力时髦的做法是要进一步检查自变量之间的交互作用（interaction effect）；（5）以前为了不损失样本量，对缺失值的处置惩罚是将其编为均值，现在的新方法是使用数据中其他变量的已知信息去预计另一个变量中的缺失值——多重插补（multiple imputation）；（6）以前的回归模型中的变量只能是自变量或因变量，可是新的方法可以在同一个模型中将一个变量同时作为自变量和因变量——结构方程模型（structural equation model）。固然，另有其他许多新的方法在不停地涌现，这里只是想举一些比力常见的例子，不行能全面。

现在越来越多的作者正在用新的统计软件和新的统计分析方法，但有些人在写论文时经常会忽略最基本的注意事项，其中最常泛起的问题是不提供回归模型中所使用的变量的统计特征——形貌性统计（summary statistics），即每个变量的样本量，均值，尺度误差，最小值与最大值。我所看到的稿子中或许有80%都忽略了这一步，殊不知这些信息对解释文章的回归分析效果有着至关重要的作用，例如如果回归模型的样本量有缺失，变量的统计特征就会显示是哪个变量造成的。更重要的是，只有知道每个变量的最大值和最小值，才气解释其回归系数及其在回归模型中的相对重要性。

数据分析的另一个常见的问题是图表的标识不清楚，例如在一个回归分析表格中，只标有“模型1”，“模型2”，“模型3”等，但却看不出因变量是什么，另有的图表没有标出数据泉源。有的时候其实作者应该在图表下面加一些注释，以便读者明白息争释图表中的效果。固然，作者会说，你要的这些信息我在文章中都提供了，但问题是有些读者（包罗我）经常是首先就奔着表格去了，如果你的图表不能一目了然，还要翻页去找谜底，会增加读者的负面心理。

九、写作气势派头：尊重你的读者一般的刊物和出书社都市要求审稿人对稿子的写作气势派头提出意见，这说明晰写作水平的重要性，而写作水平说白了，就是两点，一个是能不能吸引人，除了要有新意，吸引力还要求文章的语言要流通、诙谐，每一句话和每个段落之间有逻辑的衔接，文章结构要有完整性。另一个更重要的写作要求，也是最基本的，是能不能让人家看懂，这一点对于定量分析的文章尤为重要。有些作者，特别是在研究生阶段或者是研究生刚刚结业的（包罗我自己），学了一大堆统计方法，都倾注到文章中了，却不会用一般人能听懂的语言来解释其中的机理。记得有一次看过一篇稿子，作者用了一个高深的“施耐德-马力诺托夫”模型，得出了一个统计意义显著的系数，于是就声称自己的假设被证明晰。

我在审稿意见中问作者什么是“施耐德-马力诺托夫”模型，作者回了两页纸的数学推理，我只好再次问作者是否能把这两页纸的数学推理放到附录中去，在文章中用通俗易懂的语言解释一下这个模型的基本原理是什么，为什么要用这个模型而不是其它的方法。如果秀了一大堆技术肌肉再得出一个大家都知道的结论，就更显得你四肢蓬勃头脑简朴，让读者越发反感，以为你是在忽悠人家。另有一个小的建议，可以增加文章的易读性，对于定量分析的文章，有的时候不要怕重复，例如你在开头说了爱国主义的四个界说，隔了五六页之后，在数据分析这一节中用到爱国主义时，可以再提醒作者一次开头的那四个界说。再好比，在数据分析中虽然你已经说到了却果，但在文章的结论中不妨再提醒读者你数据分析中的主要发现是什么，因为有时候读者会直接去看你的结论，从中找不到你的主要发现，还要反到前面去，容易让读者发生不耐心。

总之，写学术文章时应该从读者的角度思量，应该让读者看起来容易明白而且有意思，而不是艰涩难明，应该怀着尊重和感谢写，应该对读者说：我懂的并纷歧定比你多，谢谢你抽时间看我的文章。有时候会听到作者诉苦说审稿人基础就没有看懂TA的文章，我的直觉反映是作者应该从自身找问题，人家看不懂可能不是人家的错儿，是你自己没写清楚。十、学术审稿的主客观性：三七开英文学术文章和专著的匿名审稿制度向来存在很大的争议，支持的人认为匿名可以最大限度的消除审稿人的主观偏见，阻挡的人则认为匿名制度存在较大的随机性，无法使自己的稿件获得越发专业的评价。以本人有限的视察，这个制度有客观的一面，但仍然有主观的因素，但客观性为主，可以占到60-70%，剩下的主观性或许占到30-40%，而在主观性中，又包罗一定水平的随机性（例如送给谁审稿）。

客观性是指文章的质量，包罗看法是否新颖，证明是否严谨，是否吸收了前人的结果，研究的问题是否有理论孝敬和文章的写作是否流通易懂等。主观性体现在几个方面，一个是文章的时间性，如果当下美国媒体的时髦话题是中美商业战或者是新冠肺炎疫情，那么这方面的文章说不定会越发引起主编和审稿人的兴趣。另一个主观因素是政治正确性，如果美国媒体都在“反华”，那么说中国好的文章就会被审查得越发严格，另有，你的文章正好是审稿人喜欢的类型或结论，或你引用了审稿人的文章，这样你过关的可能性也会增加。

主观性的另一种体现形式是主编不把你的稿子送出去审（desk rejection），这是因为你的稿子不适合TA的刊物或出书社，作者对这种拒稿完全没有须要灰心，因为这种做法与稿子的质量完全没有关系，转身把稿子寄给其他编辑部就可以了。主客观性有时还体现在刊物的组织和治理上，现在越来越多的英文期刊接纳轮换主体例度，有些期刊甚至还接纳团队制度，例如现在的《美国政治学评论》（American Political Science Review, APSR）就有若干个团队，包罗美国政治团队、国际关系团队、比力政治学团队、政治学理论团队等等，每个团队成员的任期是有限制的。这样的利益是没有人会积累过多的权力，有利于客观性和时机平等，但问题是过多的人到场和太过频繁的轮替会导致刊物质量的不稳定。

另一些刊物是由一个主编恒久独霸，这种形式可以制止轮换制带来的不稳定因素，使刊物的特点越发突出，质量更稳定，但问题是主编在做决议时难免会受到任人唯亲的主观因素的滋扰，从而影响了刊物的客观性。例如，主编可以决议找什么样的人审稿更容易通过，主编还可以决议一篇稿子是“枪毙”还是让作者继续修改，这内里的主观因素会起很大的作用。十一、学术专著依然是驻足之本接下来想说一说学术专著的揭晓和审稿。现在在美国的政治学界有一种说法，文章比书重要，越来越多的博士生只要写三篇文章就能结业（不用揭晓），不用像以前那样要写书一样长的博士论文。

这个现象简直存在，可是有原因的，和钱有关系。美国大学近年来一直面临经费紧缩的压力，都希望用有限的资源造就更多的博士结业生，如果必须有博士论文才气结业，就会卡住许多人。我见到的用三、五年才气写完论文的人不在少数，因为博士论文是一本书，而写一本书要求作者有更深入的研究和思考，而写三篇独立的文章会容易得多，可以在一两年内完成。只管如此，许多学校在比力政治学这个领域还是更看重书而不是文章，特别是在好的学校评终身职时，书还是不能少的。

出书的法式是这样的，作者先和出书社联系，寄去一个简短的说明，如果出书社感兴趣，就会要求作者把书稿寄给出书社。同时，出书社有时候会要求作者提供几位审稿人的姓名，出书社会在此名单中选一两个，然后再凭据自己的名单选一两个。

审稿人在审阅稿件时，会知道作者是谁，但作者并不知道审稿人是谁。与文章差别，书稿可以一稿多投，只要你在投的时候告诉出书社就可以。审书稿时，出书社一般都市给你两三百美元的代金券，让你在他们出书社买书用。在比力政治学领域，评职称一般需要两本书，第一本是用来评终职并提副教授的，第二本是用来评正教授的。

出书社一般要求是大学出书社，商业出书社对评职称用处不如学术出书社大，特别是比力注重研究的大学。固然，如前所述，现在许多人没有书也能评上职称。

无论是书还是文章，在顶级期刊或出书社揭晓和评职称这种比力功利的思量之外，最重要的还是看它是否有利于知识的积累和理论的生长。十二、学术刊物的排名很重要，可是权宜之计现在学术论文的揭晓越来越讲求排名了，首先是要看期刊是否在社会科学引文索引之列（Social Science Citation Index），然后还要看每个期刊的引用量，因为现在各个大学在考核和评职称时越来越用此作为指标，海内似乎尤为看重。

在什么期刊揭晓虽然重要，但本人以为文章的质量更重要，好种子插在牛粪里也能着花，有些影响很大的文章并不是在排名很高的杂志和出书社出的，例如亨廷顿（Samuel Huntington）的文章和书、福山(Francis Fukuyama)的文章和书，都是在排名不高甚至连匿名审稿都不是的刊物和出书社出的，可是厥后都有广泛的读者和很大的影响力。学术刊物的排名与刊物文章的引用量有很大关系，而引用量又是一个不太靠谱的指标。一篇文章的作者越多，引用量就会越大，因为每个作者都市宣传自己的作品，形成弥散效应，同样是一篇文章，三个作者的引用量说不定是另一篇单一作者的三倍。

另外另有一种情况也会影响到引用量，在美国，研究美国政治的学者远比研究中国的人数多，所以一篇讲美国政治的文章的引用量就会高于讲中国的文章。总之，起码在这两种情况下，引用量都和文章的质量关系不大。一个措施是对引用量加权，用作者人数来除引用量，这样可以制止由于作者人数而发生的通胀效应。

起码到现在为止，在美国的研究型大学中，期刊排名和文章引用量并不是评职称的硬性指标，只能用来参考，同领域的同行匿名外审仍然是最重要的因素。十三、总结总之，我喜欢的文章是简朴明晰，技术过硬（包罗数据和分析方法），效果新颖，吸取前人的研究，涉及到重大理论问题。换一种说法，如果我以为一篇文章有揭晓的可能，它的结论应当有理论孝敬，数据或者方法比别人更好更新，而且/或者证明历程无懈可击。记得以前在芝加哥大学念书时，我的导师亚当·舍沃斯基（Adam Przeworski）曾经说过，一篇好文章或一本好书必须要满足两个条件：性感 ＋暴力。

性感的意思就是我前文所说的吸引眼球和激起读者好奇心的能力，这个相对比力容易做到，但要到达暴力的境界就不太容易，因为暴力意味着破旧立新，而 “旧”的意思是现有的普遍接受的看法及其所连带的既得利益。如果太暴力，会遭到包罗大咖在内的学者们群起而攻之，因此风险比力大，对文献、理论、数据、方法、写作水平等要求会更高，而一旦乐成，影响力也就不言而喻。最后，我想勉励海内的学者多在英文刊物和出书社揭晓自己的作品。

近些年来有不少海内的学者已经开始在一些英文刊物上发文章了，我也经常能看出来有些匿名稿件是海内学者写的（从写作气势派头和参考文献上有时候能猜出来），这说明中国的学术界正在走向世界。固然用英文写作在语言上和参考文献上会是挑战，但近年来越来越多在外洋读过书的学者回到了海内，动员了海内学者与国际学术界的对话，同时也促进了海内学者英文水平和英文文献掌握水平的提高。

海内学者的利益是对中国的情况更相识，说话更有讲话权，而且经常有更好的数据。更重要的是，英文的匿名审稿制度不管你来自哪个国家、是哪个学校结业的，也不管你是研究生还是有终身职的教授，人人都有平等的时机来展示自己的研究结果，并获得相对公正的反馈意见。

写出高质量的论文，离不开对文献的积累和阅读，推荐一个下载外文文献的网站——爱学术，5亿+海量文献任性查！https://www.ixueshu.com/?ws_toutiao_wenzhang关注我，相识更多论文那些事~。

本文来源：jn体育平台-www.eatuntilhealthy.com