社会现象的时间分析及其方法与验证

在社会科学研究中，时间的影响无所不在。在常用的实证研究中，时间往往直接作为自变量引入到模型中，从而考察事物发展的时间趋势。因为随着时间的流逝，事物总是在发生着某种变化。从时间视角对于社会事物的研究，可以挖掘事物背后的规律，进而对于事物未来发展趋势进行有效的预测和干预。在对社会现象进行时间分析的过程中，根据不同的情形有不同的实证模型，比如时间滞后模型、时间序列模型，等等。在分析过程中，还会遇到随机游走情形以及单位根检验。这些方法从一个方面表明了时间与社会之间存在着复杂的关系，而要刻画和分析这些复杂的关系，就需要对应的实证方法和模型。当然。在对社会现象进行时间分析的过程中，面临的一个很重要的挑战就是预测。所有的时间分析，都是依据已经发生的现象和数据来对于还未发生的社会现象进行预测。但是，影响事物在未来发生的特征的因素中，可能还会有新的因素，而这类新因素并未在之前的时间序列模型中进行分析，结果导致预测的低效甚至是无效。比如在科技预测方面，会出现所谓的“黑天鹅”现象，导致之前所采用的结构性预测方法无效。

时间和社会的交互，往往通过时间变量与社会变量的交互作用来进行检验。引入交互作用变量，可以检验时间因素和社会因素对于特定社会现象的影响。但是，这种方法也存在一定的局限性，比如很难在多个因素之间的交互作用进行综合检验。在社会系统中，时间因素往往会同时和多个社会变量存在着交互作用，而且，这种交互作用彼此交织在一起，因此，很难分成两两一组的交互作用。若强行分成时间与某个社会变量的两两一组的交互作用，那相当于把社会现象进行人为地肢解了，容易造成以偏概全的错误。当然，这类问题也是有应对办法的。克里斯托弗·西姆斯（Christopher Sims）曾对这个问题进行过深入研究，提出了向量自回归模型（Vector Autoregression）模型，即VAR模型，用来分析多个变量同时存在着时间滞后效应的情形（Christiano 2012）。VAR模型是用模型中所有当期变量对所有变量的若干时间滞后变量进行回归，即同时考虑时间因素对多个变量的影响效应。VAR模型是在不带有任何事先约束条件的情况下，用来估计联合内生变量的动态关系，这种内生性动态关系，就是时间与社会变量的交互作用的一种体现。

在社会现象的发展演变过程中，往往存在着某种随机性，这为预测社会现象的发展带来了挑战。在实证研究中，有个术语就是共积过程（integrated processes），指的就是社会现象发展演变过程中的随机过程。比如常见的随机游走（random walk）过程，其实就是共积过程中的一种。分析社会现象的时间趋势，必然会遇到这些问题。从社会研究的角度，这就是社会随机性问题。因为有社会随机性问题的存在，所以，对于社会现象未来发展趋势的预测和分析，就需要考虑到随机作用的可能影响。现在对于社会现象的时间序列分析的实证方法，大多集中在解决这个问题上。这从一个侧面也体现了社会系统预测的复杂性和挑战性，也表明社会系统自身运行过程中的复杂性。在时间序列上，特定社会现象呈现出一定的趋势，但是，导致这种趋势产生的因素是复杂的，而且因素之间都会有交互关系，作用过程中都是交织在一起，共同影响了社会现象在时间上的呈现结果。这就要求在开展社会科学研究过程中，时间、空间和社会因素都能够纳入实证研究的范畴，并从中找出规律来，提高对于社会现象的解释和预测能力，从而为改善社会提供重要的理论支持。(https://www.xing528.com)

时间和社会的互动，形成了一个新的名词，就是社会时间（social time）。社会时间是与物理时间相对应的一个概念，强调了时间的社会性，这种时间是社会建构的时间（Olma 2006）。在开展时空社会科学研究的过程中，不同的学者对于社会时间的界定往往会有所不同，社会时间往往被赋予了不同的社会隐喻（social metaphors），代表着不同社会意涵（Torre 2007）。无论采用何种社会隐喻的社会时间概念，都需要解释时间和社会的交互，才能有效解读社会时间的各种隐喻，才能揭示其社会含义。时间和社会的交互，归根到底是统一于社会实践，时间本身就是社会实践（Moran 2015）。尽管，从时间和社会交互的角度提出了多种社会时间的概念及其界定，但是，目前的这些研究大多属于思辨性质的，这些概念如何才能通过实证检验，还需要大量的研究工作。