方法多样性与统一性的重要性

由于研究者与当事人所占有的信息和知识毕竟有所不同，以及当事人会采用另类算法等原因，对当事人思想活动的推测将是有限度的；也就是说，演绎方法不一定总能奏效。在此情况下，如同当事人对另类算法的使用一样，研究者也必须使用归纳的、经验的、统计的、历史的、实验的以及其他种种非演绎的方法。通过综合运用所有已知的方法，一般来说，研究者们仍然只能对他们的研究对象获得某种程度的了解，而不可能是完美的了解。证明种种非演绎方法的必要性，也就是证明另类算法的必要性，可以分为两个步骤：1.基于种种常见的思维形式（也即指令，或人工的指令清单），我们可以合理地陈述或组合出每种另类算法的进行过程（参阅《算法》第4.3节）；2.给定有限计算速度，则得出演绎法不可能“独步天下”，那么这些另类算法将有机会与演绎法相结合，从而发挥特定的作用。

不同研究方法之间的综合就是这样实现的。一旦我们理解了对象世界的状况，则这里就没有什么奇特之处，我们也就无须再做重复的说明。至于科学方法论学者们所强调的诸多方法论准则，这时也就大多只具有技术性的意义，而不具有根本的重要性。例如，“价值中立”是一条普遍接受的准则，可是，有了算法的视角之后，我们就会知道价值与倾向性广泛地渗透在一切思维过程之中，要想把它完全“离析”出来，将是难以想象的；因此，“价值中立”也就是相对的，而不是绝对的，它只能在一定程度上实现。特定的“论证过程”的可接受性取决于受众对于相关前提和规则的接受程度。又如，理论要能够解释一些现象，也即所谓的“证实原则”，实际上这是当事人在日常辩论中也要遵守的原则（难道普通人就可以撇开证据胡说八道吗？）。但是，在我们引入了计算时间、从而使得经济与社会理论普遍具有了时间维度以后，生活在特定时空环境中的研究者，无论如何也无法完全证实一个命题的普遍性和有效性；任何关于对象世界的具体命题，其效力也就总是有疑问的。“证伪原则”也是如此，它只不过反映了结构化世界中不同计算作业（包括对命题的“证明”）的边际效率是不同的，是起伏不定的。不能轻易证实的，也许可以容易地证伪，证伪原则于是就会运用起来。反之亦然。命题的意义要尽可能明确，这样便于对其进行分析、比较和评估。同时，学术研究要注重横向的兼容性和历史的连续性（因而“同行的评议”在许多情况下都被作为标准程序加以采用），这样就可以把不同研究者的不同计算作业组织起来，形成一个连续的、递进的作业过程，而不是相互抵触，以致彼此难以利用对方的成果。这种“思维经济学”的解释实际上也就是方法论学者们对于科学发展的解释。然而，这绝不表明含义模糊的命题就没有意义，也绝不表明科学工作可以缺少概括性和想象力。所以，我们很难将科学的特性固定化；我们只能说，由于那么多人专职从事研究工作，花费了那么大的代价和精力，他们的工作成果一定会与普通人有所不同吧！(www.xing528.com)

在这里还需要对定量分析与定性分析之间的关系略做说明。如同各种研究方法各有其独立性、同时又必须相互协作一样，定量分析与定性分析之间也是如此。理解这一点，关键在于跳出新古典主义的心理暗示，即所有不同的性质最终都可以转化为一种性质，因而所有定性关系最终都将为数量关系所概括，从而，定性关系只是一种从属的、中间性的和过程性的关系。只要我们认识到这种观念的偏狭，认识到它不过是决定论和绝对真理观的一种表现形式，那么问题就迎刃而解了。对此可以举例说明如下：一个物体，有颜色、形状、大小、硬度、温度、重量等各种性质，我们能否只用一个指标（比如重量）就概括所有其他的性质呢？是否我们只需要研究这个指标，而不需要对其他方面（比如颜色）进行研究了呢？诚然，硬度比较高的物体，尺寸比较大的物体，其重量往往也会比较重；但是，事情并不尽然。所以，即使硬度和尺寸也不能全部反映在重量上。只要去除了这种不必要的臆想，我们也就回到了一种“基本正确”的态度，各种研究方法和议题也就可以获得各自应有的地位。