当我们在谈论因果机制的时候，我们在谈论什么？
然而直到现在，学界对因果机制的定义依然众说纷纭。早在十余年前，James Mahoney已经总结出了24种定义。这篇文章的题目叫做Beyond Correlational Analysis: Recent Innovation in Theory and Method。不难看出，因果机制的提出，正是对以寻求“相关性”为核心的定量研究的一种超越——诚然，十余年来量化大家庭不断推陈出新日益增大，而定性研究在方法论上的进展却屈指可数。
根据新进的方法论著作（Bennett and Checkel, 2014），学者对因果机制进行了如下定义：
We thus define casual mechanism as ultimately unobservable physical, social, or psychological processes through which agents with causal capacities operate, but only in specific contexts or conditions, to transfer energy, information, or matter to other entities. In doing so, the causal agent changes the affected entities' characteristics, capacities, or propensities in ways that persist until subsequent causal mechanisms act upon them. If we are able to measure changes in the entity being acted upon after the intervention of the causal mechanism and in temporal or spatial isolation from other mechanisms, then the causal mechanism may be said to have generated the observed change in the entity.
在这个全面却略显冗长的定义中，我们认为因果机制存在如下特征：
第一，因果机制虽然可能未被观测，但却是真实存在的“实体”：一个由于具有某种不变的特征而有能力改变其环境的实体（Waldner, 2010）；通过可能无法观察或重复的过程产生即时影响的实体（Sil and Katzenstein，2010）；引起某种变化的实体及其活动（Craver, 2001）
第二，机制可以推动/阻碍因果变化：因果机制是未被发现的实体，当其被驱动时会产生特定的结果（Mahoney, 2001）；在一个具体的系统中引起或是阻止某种变化的过程（Bunge, 2004）
第三，机制具有普遍性：“可移植性”（portability）是因果机制的一个显著特征，使其可以从一个过程穿梭到另一个过程（Falleti, 2010）；链接因果机制的每个环节都需要被一般规律（general law）予以解释（Elster, 1989）
除此之外还有一个问题很重要，那就因果机制与变量/因素/条件的关系。唐世平、叶成城对现代化研究的系列成果提供了一种“因素”+“机制”的分析视野：因素通过机制得以串联，也就是说如果没有机制，因素本身是不会产生结果；进一步说，能够同时解释正反案例的机制更为可靠。
根据这些定义，我们接下来看一下因果机制不是什么：
第一，机制不是中介变量。将机制看作中介变量是KKV的典型观点，而早期的机制研究者也认为因果机制是“因变量产生影响的过程或中介变量”（Bennett and George , 1997）——当然二者的观点在之后产生了改变。如果将机制看作中介变量其实依旧是定量研究的视角，它无法区分一个变量是自变量还是作为因果机制的中介变量。所以Falleti认为因果机制不同于中介变量之处在于它可以解释原因在特定的背景下如何产生结果。
第二，机制不仅仅是事件过程或对历史的叙述。在对机制的定义中，许多学者强调“因果机制是一个由原因导致结果的过程”（Koslowski, 1996），Tilly等人就认为机制是“能够在较大范围内对客观环境产生即时性影响的事件”，这样的认识在后人研究看来是存在偏颇的。原因与结果之间通过事件或序列链接，这是表象，而其背后的逻辑则是因果机制，因此机制由过程或序列变现出来，但前者与后者并不能等同。在这种意义上说，Skocpol在《国家与社会革命》的案例内分析时所使用的方法只能称之为因果叙述（casual narrative），而并不算以识别机制为目的的过程追踪。Matthew Lange在他的方法论著作中区分了casual narrative与process tracing的区别，后者较于前者更关注因果之间的机制探索。虽然Mahoney（1999）将Skocpol关于法国大革命爆发的叙述分解成了37个因素相互连接的步骤，但其初衷主要是为了回应Buroway（1989）等学者有关比较历史研究中“冻结历史”（frezzing history）的批评。许多学者尤其是在国内学者引介的过程中错误的理解的作者观点（认为Skocpol也使用了过程追踪法），一定程度上造成了方法论使用上的混乱。
第三，机制不是广义理论或一般性理论（general theory），虽然许多广义理论中存在对机制的探索。况且对于许多“一般理论”，笔者对此保持谨慎的态度，毕竟社会科学本身就是对特定时空场域下的现象予以研究。当然，机制更不是结构—功能主义中那些僵化、呆板且偏离现实的政治过程——如果结构功能主义是真的揭示了事物发展的因果机制，那该理论也在四十多年前被彻底抛弃。
那么，机制是如何应用的呢？过程追踪（process tracing）是揭示因果机制的重要方法——“在社会科学研究中，过程追踪的比较优势在于能够发现过程中由连接构成事件的因果机制”（Falleti, 2016）。在《资本主义发展与民主》一书中，Rueschemeyer等人提供了一种打开“黑箱”的解释。基于对Moore理论的反思中，作者认为因资本主义发展而导致民主这一过程中最关键的因素是工人阶级的兴起，具体体现为：资本主义发展与工业化的推进削弱地主阶级实力，并加强了工人阶级及其他下层阶级的力量，他们在城市或工厂形成组织，与此同时，交通通讯等技术进步使得工人阶级出现了全国性组织，他们更加有能力和意愿要求政治参与，这进而导致了民主化（当然Rueschemeyer等人强调民主化在于选举权的扩大而非仅仅是政党竞争）。
然而，David Wladner（2015）认为Rueschemeyer等人基于“阶级权力”、“国家权力”与“跨国权力”的三个“集合”太过复杂以至于无法理清它们在因果关系中到底是如何组合的。Waldner认为，好的过程追踪应该是因果图（casual graph）与事件-历史图（event-history map）的结合——然而在笔者看来，Waldner的第一部著作《国家构建与后发展》虽然使用了“因果机制”的说法，但依旧算不上好的过程追踪研究，至少在比较案例研究中将“精英冲突”、“国家类型”和“发展程度”分别看作“自变量”、“中介变量”以及“因变量”这样的表述是不合时宜的。由此不难看出，通过过程追踪识别因果机制也需要相当的功底。Mahoney（2015）认为，高质量的过程追踪需要研究者具备如下三种特质：熟悉掌握分析对象的相关历史；对先前的理论和假设具有很好的了解；通过案例事实与一般知识的结合，进行合理的逻辑推理。
Mahoney（2010）对15个西属拉美国家殖民主义与后殖民发展的研究可以体现出“事件—历史图”与“因果图”的结合以及二者的不同（即历史叙述与因果机制的差异）：以危地马拉为例，前殖民时期位于古代文明中心的危地马拉如今处于较低的发展水平，在历史层面其原因在于该地区先后经历了哈布斯堡王朝时期的殖民中心以及波旁王朝时期的殖民边缘，而在因果机制的层面则是因为该地复杂程度较高的前殖民社会→有利于劳动力压榨→较高的殖民主义水平→强大的地主阶级→阻碍发展。Mahoney的导师David Collier在定性研究方法中同样贡献颇丰，他在Understand Process Tracing以及Teaching Process Tracing: Examples and Exercise等文章对研究者如何使用过程追踪这一方法起到了很好的“指南”作用。Collier认为通过对“因果过程观察”（causal-process observations）的关注，定性研究者可以获得比定量研究者更大的优势。
正如前文所言，因果机制的作用在于支撑或质疑因果推断，因此过程追踪的两大作用即建立或检验理论。Stephen Van Evera在《政治学研究方法指南》中根据假设的明确性和独特性的不同强弱组合，提出了四种检验：环式检验（hoop test）、冒烟手枪式检验（smoking-gun test）、双重决定式检验（double-decisive test）与风中稻草式检验（straw-in-wind test），尤其是前两种在过程追踪的相关研究中广泛提及，Collier、Mahoney等学者也专门写过文章予以论述。但是在笔者看来，无论是hoop test还是smoking-gun test的相关方法论研究均有云山雾绕之感（非常欢迎有独特理解的读者在文末留言）——在笔者看来，关键是将流行的观念放回到历史情境中予以验证，利用详实的资料进行证实或证伪，这或许也是Bennett提出将过程追踪与贝叶斯分析结合的原因。
社会科学的知识积累过程中出现了很多“常识”“定律”，这些“常识”可能来自定量统计，也可能来自案例发现，甚至可能来自凭空臆造。因此，许多对经典的“质疑”反而促进了学科发展。例如Luebbert（1991）对Moore- Gerschenkron观点（法西斯政权产生的根源是压迫型劳动的土地精英）的反思，正是基于对德国历史的细致考察，他发现有证据表明，可以获得大量选民支持的土地精英通常也不支持法西斯主义；与之类似的是，Slater（2014）等学者对Acemoglu有关“经济高度不平等的国家容易发生政变”这一观点提出了质疑，他们通过案例研究表明军队几乎不会成为经济精英的同盟，反而发展中国家的政变往往源于国家能力的羸弱。值得注意的是，通过过程追踪的方法对流行理论进行反思，在国内这一点虽然尚未体现出鲜明的方法论指向，但已经有不少学者沿此方法做出了不菲成绩，这对构建自主性中国社会科学具有重大意义。杨光斌在《几个流行的民主化命题的证伪》一文中以埃及、泰国和乌克兰为例分别对“公民社会是民主政治的前提和基础”、“中产阶级带来民主”以及“民主有利于民族和解”进行了批评性反思，进而提出了“民主的同质化条件”这一重要条件；黄琪轩在其著作《巴西“经济奇迹”为何中断》中，通过巴西发展史的分析质疑了North等学者强调的产权之于经济增长的正面作用，通过对巴西经济发展的波折历程表明“在一个分化的社会，过早实施保护产权的法令与制度，会致使制度早熟。早熟的制度不仅不能维持长久的经济增长，相反，这样的经济激励结构反而阻碍了经济的长远发展”。
在《社会科学的研究设计》中文版的序言中，现在执教于普林斯顿大学的著名统计学家和社会学家谢宇教授在开篇写道：
政治学用科学研究方法研究政治现象比社会学起步的晚。直到1986年，旨在推动定量化研究的政治学方法分会（Society of Political Methodology）才成立。但其后，政治学在对其方法的运用上突飞猛进，良作辈出，其运用科学方法的深度和广度已超过了社会学。如今，比较政治学、定性与多元方法研究、政治学方法已成为美国政治学会（American Political Science Association）中成员规模最大的三个分会。政治学对研究方法的重视由此可见一斑。
暑期将至，北大、南大、上海交大等高校纷纷开办起社会科学方法论的讲习班，量化研究已经蔚然成风，从经典的小数据分析突破种种阻碍在国内政治学研究中生根发芽到新兴的大数据分析、实验方法逐渐进入人们的视野。小编有时也会感叹，不知何时，定性与多元（混合）方法的学术共同体，也可以在中国政治学界开花结果。