1 定义与学科定位
1.1 计量史学的核心概念
计量史学是以数学、统计学和计算机技术为工具，对历史资料进行系统量化分析的研究范式。其核心在于将历史现象中可观测、可计量的元素提取出来，通过模型构建与数据分析，检验历史假说、识别长期趋势或推断因果关系。与传统史学依赖文本叙事不同，计量史学强调证据的精确性与结论的可重复性，要求研究者在处理数据时明确操作化定义与抽样逻辑。典型做法包括对人口普查记录进行编码、对经济指标进行时间序列回归、或通过反事实推理评估某一历史事件的“净效果”。
1.2 与其他史学流派的关系
1.2.1 与传统叙事史学的对比
传统叙事史学倚重文献考证与修辞铺陈，追求对历史事件的“理解性重现”；计量史学则以数字为锚点，追求对历史进程的“解释性测量”。前者常以帝王将相或重大事件为中心，后者更关注那些被文本遮蔽的普通人群——如佃农、工匠、妇女——通过纳税记录、户籍册、遗嘱清单等“沉默数据”还原其生存图景。二者并非非此即彼，计量史学家往往需借助叙事史学的背景知识来设定研究问题、解释异常数据。
1.2.2 与社会史、文化史的交融
20世纪下半叶，社会史与文化史的兴起推动了计量研究从经济领域向更宽领域的拓展。社会史学家对阶级、人口、移民的量化研究直接滋养了计量人口学；文化史学家则尝试使用文本挖掘技术分析图书流通、报刊用语或宗教裁判所档案，将“量化”应用于心态史与观念史。这种交融使计量史学不再被简单等同于“经济史的附庸”，而是成为跨学科对话中的方法论桥梁。
1.3 计量史学的学科边界
计量史学并非“万能的统计机器”，其适用边界由数据可得性与问题性质共同划定。当历史记录残缺、样本偏误严重或研究问题涉及不可量化的象征意义时，计量方法便可能力不从心。此外，计量史学不追求对历史“全貌”的数字化复制，而是旨在建立可证伪的理论模型——这与案卷考据、口述史、图像分析等方法形成互补关系，而非替代关系。
2 发展简史
2.1 萌芽期：19世纪末至20世纪初的量化尝试
19世纪后期，欧洲统计学家与历史学家开始将人口普查、经济普查数据纳入历史分析。比利时统计学家阿道夫·凯特勒（Adolphe Quetelet）提出的“社会物理学”概念，为用概率论研究社会规律提供了思想基础。与此同时，德国历史学派经济学家如古斯塔夫·施穆勒（Gustav Schmoller）虽主张历史归纳，但已系统使用物价与工资数据。
2.1.1 早期人口统计与历史年鉴学派
法国历史年鉴学派（Annales School）的奠基人如吕西安·费弗尔（Lucien Febvre）和马克·布洛赫（Marc Bloch）虽未直接致力于计量，但倡导“长时段”研究，鼓励使用气候、物价、人口等可量化的系列数据。二战后，年鉴学派第二代学者费尔南·布罗代尔（Fernand Braudel）在《地中海与菲利普二世时代的地中海世界》中大量使用航运吨位、谷物价格等数据，为计量史学在西欧的成长铺平了土壤。
2.2 形成期：20世纪50至60年代的新经济史革命
20世纪中叶，美国经济学家结合克利欧与计量（metrics），创造了“Cliometrics”一词。这一阶段的核心推动力来自经济学界——新古典经济学理论渗透进历史研究，强调用形式化模型解释经济变迁。
2.2.1 福格尔与里贝特的铁路辩论
罗伯特·福格尔于1964年出版了《铁路与美国经济增长》，运用反事实推理法模拟“如果没有铁路，美国在1890年的经济总量会降低多少”。其结论——铁路对美国GNP的贡献仅约5%——挑战了“铁路是工业化引擎”的传统认知。斯坦利·里贝特（Stanley Reiter）则从统计方法上对这一辩论作了补充。这场辩论不仅在经济史领域引发轰动，也向整个史学界展示了“假说检验—数学模型—计量证据”的研究路径，被公认为新经济史诞生的标志性事件。
2.2.2 新经济史协会的成立
1960年，美国经济史协会设立了计量史学分会；1968年，正式成立了“新经济史协会”（Cliometric Society）。该协会定期举办学术会议并出版《经济史探索》等期刊，为量化历史研究提供了制度化平台。此后，计量方法论迅速推广至欧洲、日本和拉美。
2.3 成熟期：20世纪70至90年代的方法论扩散
这一时期，计量史学从经济史孤岛向政治史、人口史、社会史等场域蔓延，方法工具也从简单描述性统计升级为多元回归、面板数据分析、事件史模型。
2.3.1 计量政治史与选举研究
美国历史学家开始系统分析19世纪的选举数据，利用县一级的投票统计、人口构成与土地保有条件建立模型，解释政党支持率的空间分异。例如，选民党派归属与宗教团体、族裔来源、经济阶层的关联被逐一量化。英国学者则使用投票记录分析19世纪末议会法案中的利益集团投票模式。
2.3.2 历史人口学与家庭重构
以路易·亨利（Louis Henry）为代表的历史人口学家发展出“家庭重构法”（family reconstitution），通过对教区登记册中的出生、结婚、死亡记录进行配对，重建17—19世纪欧洲农村的生育率、死亡率与婚姻模式。这一方法后来结合生命表技术，揭示了工业革命前后的人口转型机制。
2.4 当代发展：大数据与计算历史学
21世纪初，海量数字化的历史档案与高性能计算设备使量化分析的尺度从数千条记录跃升至百万级乃至亿级。
2.4.1 数字人文对计量史学的推进
数字人文（Digital Humanities）运动为计量史学提供了图像识别、文本挖掘、网络分析等新工具。例如，对18世纪书籍出版数据的全量分析可重构思想传播的“知识网络”；对版画、地图的色彩指数分析可捕捉视觉文化变迁。计量史学从“数字变成表格”演进为“数字生成模式”。
2.4.2 机器学习的应用争议
近年来，随机森林、神经网络、自然语言处理等机器学习方法被尝试用于历史文本的分类与因果推断。支持者认为这些算法能发现人类研究者不易察觉的隐结构；批评者则指出历史语境的“噪音”与数据的稀疏性容易导致“过拟合”和“无意义的关联”。如何在保持追溯逻辑的前提下使用“黑箱”算法，成为当前争议的焦点。
3 研究方法与工具
3.1 数据收集与整理
3.1.1 历史档案的量化编码
原始历史资料（如税册、遗嘱、法庭记录）通常以手写或印刷文本存在，研究者需要制定编码手册，将文字信息转换为变量。例如，将职业名称按社会经济等级系统归类，将死亡原因按国际疾病分类标准编码。数字化浪潮中，光学字符识别技术（OCR）可部分自动实现档案文本的转录，但手写材料的识别仍需要大量人工校订。
3.1.2 数据库构建与抽样技术
由于完整人口记录往往体积庞大且保存不均，计量史学家常采用系统抽样或分层抽样来降低工作量。关系型数据库（如MySQL、SPSS的Data View）被广泛用于存储多源数据，并通过关键字段（如个人ID、家庭ID）进行联接。当代学术项目如“全球历史数据库”（Global History Data Base）尝试将分散的欧洲、亚洲、非洲的统计资料收入统一的元数据标准。
3.2 统计分析模型
3.2.1 回归分析与时间序列
线性回归与logistic回归是最基本的工具，用于检验两个或多个变量之间的相关关系。如考察“识字率”对“工业就业比例”的影响。时间序列分析（ARIMA、协整检验）则重点揭示变量在百年尺度上的周期性波动与趋势断裂。例如，经济学家利用自回归模型分析中世纪英国的货币供应量与物价指数之间的关系。
3.2.2 反事实推理与博弈论
反事实推理是计量史学最具特征性的方法。研究者通过构建一个“历史未发生”的虚拟场景，比较现实世界与假定世界的差异。此方法要求对模型参数有高度依赖的理论支持。博弈论则被用于分析历史中的谈判、战争与制度选择，如对19世纪关税谈判过程中各利益集团策略的模型化模拟。
3.3 计算技术
3.3.1 统计软件（SPSS、R、Stata）的运用
20世纪80年代以来，SPSS以高度图形化界面降低了计量史学的入门门槛；R与Stata则因其开源性质和丰富的计量经济学/社会学程序包，成为高端研究的主流选择。研究者将历史数据导入这些软件，分别执行描述统计、假设检验、敏感性分析等程序。
3.3.2 GIS在历史空间分析中的应用
地理信息系统（GIS）赋予计量史学空间维度。通过将历史上的地契、庄园图、邮驿路线与现代卫星图叠加，研究者可以可视化过去的人口密度、土地利用演变、贸易路线，并运用空间回归模型测度相邻区域的溢出效应。例如，“中国历史地理信息系统”（CHGIS）项目即服务于对帝国时期城乡结构的量化解析。
4 主要研究领域
4.1 经济史
当前经济史板块依然是计量史学的核心试验区。
4.1.1 长期经济增长与制度变迁
计量史学家构建了跨越数百年的GDP、工资、利率等“宏观经济序列”，试图测量技术进步、产权制度、殖民扩张等因素对人均收入的长期贡献。例如，太平洋沿岸经济表现的“大分流”争论即大量依赖计量证据。
4.1.2 奴隶制、贸易与工业化
美国南部奴隶制经济是否比自由劳动体系更有效率？跨大西洋奴隶贸易对非洲本土经济体系的破坏程度如何？这些问题通过种植园账簿、商船航程数据库、贸易关税数据得到了比以往更为精确的估算。工业革命时期的棉花进口量与纺纱机数量也被作为因果链中的关键节点被量化研究。
4.2 人口与社会史
4.2.1 人口转型与死亡率趋势
历史生命表数据揭示了高死亡率社会向低死亡率社会转变的“人口转型”模式。计量分析显示，19世纪的卫生设施改善而非医疗进步是死亡率下降的主要因素。此外，对黑死病时期欧洲人口数据的再分析修正了“死亡率愈低，对社会冲击愈少”的传统看法。
4.2.2 社会流动性与职业结构
基于人口普查数据的职业代际流动分析，考察社会阶级“天花板”随时代的升降。例如，对美国19—20世纪的职业数据序列进行分析，发现工业化初期流动性较高，20世纪中期后因教育门槛提升而略有下降。类似的“职业声望”指数也被用于比较不同时期间的不平等结构。
4.3 政治史
4.3.1 选举行为与议会投票分析
通过统计历史选举记录中的投票分布的“空间相关”，研究者可识别选区划分中的政治操纵（gerrymandering）历史。议会投票记录的分析则可用于提炼政党纪律程度、利益集团联盟、以及议会体制的制度稳定性。
4.3.2 战争、革命与政治不稳定性的量化研究
计量政治史学家试图用“冲突强度指数”“政变频率”等变量解释20世纪前的战争循环。例如，对19世纪拉丁美洲政治动荡的研究，利用国家财政支出结构与叛乱数据之间的时间序列关系，检验了“财政危机导致革命”的假说。
5 争议与批评
5.1 方法论层面的争议
5.1.1 数据的可靠性问题
历史数据本身带有偏见：税收记录可能隐藏真实资产；人口普查可能遗漏边缘群体；转录过程中的错误也会积累。计量史学家必须在报告中公开“数据质量评估”，如置信区间或缺失数据插补方法，但批评者仍认为“垃圾进，垃圾出”是内在风险。
5.1.2 模型简化与历史复杂性
过度简化的线性模型难以捕捉非线性的历史因果机制——如战争导致的制度崩溃、偶然事件引发的路径依赖。计量模型常假设独立同分布的观测值，但历史事件往往存在依赖性和时间自相关。处理这种复杂性需要更高级的非参数或贝叶斯方法，但同时也使结果更难以被传统史学家理解。
5.2 意识形态与伦理批评
5.2.1 “计量拜物教”与人文精神的对立
部分批评者认为，计量史学将人本体验简化为数字，丧失了历史研究的“温度”与“同情性理解”。这一批评常被称为“计量拜物教”（metric idolatry），认为量化研究者往往更热衷于炫耀模型技术，而非真正理解历史中人性的挣扎与选择。
5.2.2 数据滥用与历史解释的偏见
当研究者选择特定数据集或操控模型参数时，结果可能无意中强化某种政治叙事或种族偏见。例如，对美国奴隶制经济效率的计量研究曾被指责为“贬低奴隶制本质上的不道德性”。同时，当代的学术伦理要求研究者在处理敏感数据（如历史上的种族、性别记录）时格外谨慎，避免进行历史主体的二次伤害。
5.3 当代回应：从批评到融合
5.3.1 混合方法（混合研究范式）的兴起
越来越多的学者采用“混合方法”——在同一研究中联合使用质性分析与量化检验。例如，先通过档案考据确认关键变量的历史含义，再建立模型进行概率推断；或将多案例的量化模式回归到具体的叙事场景中解释。这种范式试图保留计量的严格性，同时恢复对历史语境的敏感。
5.3.2 计量史学在公众史学中的传播
计量成果通过“可视化历史”（如动画地图、互动数据库）进入了公众视野。例如“死亡地图（Death Map）”项目以时间滑块展示19世纪疫情的空间扩散，既吸引了普通读者，也促进了公众对量化分析背后假设的讨论。
6 重要学者与代表作
6.1 罗伯特·福格尔（Robert Fogel）
6.1.1 《铁路与美国经济增长》
该书是新经济史的奠基之作，1964年出版。福格尔利用反事实模型，假设美国从未兴建铁路，转而计算其他运输方式（运河、公路）的成本与容量，发现铁路对国民总产出的贡献仅约5%。这一挑战性结论引发广泛讨论，却也因此确立了计量方法在历史研究中的合法性。
6.2 道格拉斯·诺斯（Douglass North）
6.2.1 《经济史上的结构与变迁》
诺斯在1981年出版的著作中，将制度分析方法与量化历史结合，考察产权结构如何塑造长期经济绩效。他运用跨世纪的土地、人口与贸易数据，论证了“有效率产权”的出现是西方世界崛起的关键因素。该研究路径后来启发了一系列新制度经济史研究。
6.3 弗朗索瓦·西米昂（François Simiand）
西米昂是法国历史计量学派的早期先驱，生于19世纪后期。他系统地运用价格与工资数据研究19世纪法国的经济周期，提出“长波运动”（mouvements longs）概念，影响后来布罗代尔对“长时段”的阐释。他的著作在20世纪中叶被重新发现，成为计量史学的法国传统代表。
6.4 埃马纽埃尔·勒华拉杜里（Emmanuel Le Roy Ladurie）
6.4.1 《蒙塔尤》中的计量尝试
勒华拉杜里以《朗格多克地区的农民》与《蒙塔尤》闻名。尽管《蒙塔尤》主要是一部微观社会史著作，但其研究过程大量引用了天主教异端审判记录中的人口与职业结构数据。在《朗格多克地区的农民》中，他利用百年尺度的酒产量、价格与人口数据，构建了所谓“不动的历史”的计量框架，体现了年鉴学派第三代的量化追求。
7 相关学科与未来展望
7.1 交叉学科
7.1.1 计量经济学
计量经济学是计量史学的“方法论母体”，其回归分析、时间序列、工具变量、差异—差分等技术直接移植至历史语境。二者在理论框架上高度重叠，区别在于历史数据的时间尺度和不可控性更高。
7.1.2 历史社会学
历史社会学中的比较历史方法（如查尔斯·蒂利的国家形成研究）与计量史学的定量传统相互交叉。历史社会学家常使用“过程追溯”（process tracing）结合统计分析，形成“混合型分析”。二者共同关注的核心议题包括革命、国家能力、阶级动员等。
7.1.3 数字人文
数字人文提供了一个更加开放的跨学科平台，其文本分析、网络可视化、地理信息系统等工具丰富了计量史学的工具箱。与此同时，数字人文对“数据批判性”与“人文价值”的关注也时常批评计量史学中的实证主义倾向，推动了方法论反思。
7.2 未来趋势
7.2.1 大规模历史数据库的全球协作
随着国际性大型数据库（如“全球历史经济数据库”“亚洲历史人口数据库”）的快速扩展，未来计量史学的基础设施将更加完善。学者们可以跨时间、跨地域调用互操作的数据集，进行更大规模的比较研究。但这也要求统一数据标准、术语兼容性与跨文化数据伦理协议。
7.2.2 因果推断方法在历史研究中的深化
工具变量、断点回归、合成控制法等曾经仅用于当代社会科学的方法，开始被引入历史研究中以处理因果识别问题。例如，利用历史边界或突发性气候事件作为“自然实验”，更精确地推断制度对经济增长的“原因”而非“相关”。这一发展趋势将进一步提升计量史学的科学说服力。
7.2.3 人工智能辅助的历史解释
大语言模型与生成式AI可能在未来协助历史学家做两个层面的工作：一是加速文献综述与数据匹配，自动提出关于历史文本的潜在关联假说；二是生成可供检验的反事实模型或模拟历史系统。然而，AI“解释”的可理解性与语境共情能力仍然是重大挑战。计量史学需守住人类史学家的“最终判断权”，确保人工智能服务于而非僭越历史理解的核心。