所谓“社会学本位的定量研究路径”，就是基于数据资料与统计程序，同时又与社会研究对象最为贴合的研究方式。社会学的定量研究方法固然要使用数据资料，遵循统计检验的基本逻辑，但是在使用统计程序来研究“社会”这一独特的对象时，会遇到什么独特的难题？我们又能提出什么独特的解决方案？如果不回答这些问题，定量研究就不过是统计学的社会应用而已，谈不上是一种自成一体的方法路数。

　　我们的工具取自于统计学，但是使用这种工具来透视社会世界背后的机制原理的手艺是社会学独有的。阿肯（Christopher H. Achen）在《回归的解释与应用》中讲道：“社会科学家对于传统学术信条的违抗有着更为严肃的原因。居于这些原因之首的是他们的工作逻辑。社会科学的理解方式既不同于自然科学，也不同于人文学科。它追求的既不是文艺美学，也不是既定的科学哲学，而是忠实于自己的目的。”社会学定量研究方法的基础一定不是统计学或科学哲学，而是社会学本身。定量方法教材也不是简明统计学，更不是加入实例的软件操作手册，而应该是用社会学的语言和逻辑来对数据分析过程进行思考和剖析。

　　定量研究的三种过程

　　要正确地利用数据来理解社会，必然涉及三种不同的过程：统计的数学逻辑过程、数据本身的生成过程、真正的社会行动过程。统计的数学逻辑过程是重要的，但并非全部。社会学的核心技艺在于以整体性的视角，把这三种不同的过程贯穿起来，最终服务于理解社会实体、社会行动、社会过程这一目标。

　　定量研究用变量方式来思考问题，而变量只是测量对象的某种属性，它其实并不与社会现象的决定因素（社会实体或根本原因）完全对应。统计学家能够告诉我们，模型确定后如何进行参数估计，如何进行统计推断，却不能够告诉我们模型本身和实际的社会过程之间是如何勾连的。在社会学中，统计模型与实际社会过程之间不是简单对应的，它们之间的关系是通过社会学家的推理构建出来的。变量背后的社会实体或社会过程才是社会学家最应该关注的部分，并且也是社会学研究的初衷。这种研究和计量经济学、心理测量学是非常不同的，因为它有社会学的视角贯穿其中。社会学定量研究的核心，是要透过数字真正地关心和思考背后的社会实体到底是什么，实在的社会过程究竟是怎么发生的，而不是停留在变量层面来理解社会问题。我们不能只抽象地理解统计学上的“选择性”难题，更要落实到行为层面的“选择行为”；不能只抽象地理解数据中的“时间”，更要落实到事件层面的“时序”；不能只是抽象地理解数据中的“空间”，更要落实到场景层面的“地点”。面对数据时，我们必须时时记住实在的社会世界才是最终思考的立足点。缺失了对实质性社会过程的观照，研究就可能变成构建空中楼阁，或者为事先的成见作佐证，沦为观念的奴隶。

　　借助数据分析把理论展开

　　长久以来存在一种未经证实的偏见，认为定量研究只是用来检验既有解释而无法从中产生新的解释或对解释进行扩展，定性研究则负责生成新的解释或对解释进行扩展而无需对它进行检验。事实上，完整自洽的定性研究与定量研究都应该同时包括生成解释与检验解释这两个方面。阿伯特（Andrew Abbott）在《发现之道》（Methods of Discovery）中说：“好多人把社会科学当成了独角戏，而非二重奏。他们眼里，社会科学就是自己的一番长篇大论之后，再抛出一个刻板的问题，现实则像旧小说里的矫情淑女，只是点头或摇头。真正的研究者不一样。他们知道，现实才不那么老实，它有层出不穷的花招，来戏弄和挑逗研究者，直觉和方法之间在不断进行交锋。社会科学实践并不是旧小说，而是现代言情剧。”那种单纯以系数的统计显著性为指引、以理论检验为目标的定量研究方式，看起来确实很像阿伯特所戏谑的“旧小说”，有时候甚至现实世界这位“淑女”的点头与摇头回应的可能根本不是研究者所提出的那个问题。

　　我们得到统计参数显著的结果而验证了自己的预设时，研究并没有结束，甚至这只是研究的开始。费舍尔（Ronald Fisher）在被问及如何在观察研究中从相关中推出因果时回应说：“把你的理论充分展开”（Make your theories elaborate），也就是说“在构建因果假设时，研究者要尽可能充分地展现这个道理的各种不同后果，然后再用观察研究来发现每个后果是否都能立得住”。在社会学研究中，这意味着我们需要从变量关系的表述回到对社会情境与社会主体的理解上：是谁推动了这样一种统计结果得以呈现？如何推动？它又出现在何种社会情境中？数据的细节与上述理解相符吗？由此从单一的经验假设中推衍出丰富的经验细节，然后到数据中再进行验证。当然，不可能所有的细节都能被完美地验证，但是这个过程中蕴含了对社会世界产生新洞见的可能性。研究不再是线性的假设验证过程，而成为在经验数据与解释逻辑之间循环往复不断逼近事实真相的过程。在这里，我们重视的不仅是一次检验的统计显著性，而是用不同方式得到同一发现的稳健性，是对不同发现的解释可以彼此印证的内部效度。

　　推敲数据生成的社会过程

　　此外，我们必须把数据生成本身视为一个“社会过程”来认真推敲。任何数据都是通过人为手段经过一定程序在某一“社会”空间和“社会”时间中得来的，因此有必要对数据收集方式可能带来的后果进行思考。如果不能深入数据本身，不对数据生成过程进行推敲，忽视细节核对与分组分析，即便使用再“高级”的统计模型与技巧，定量研究也仍然会衍生出大量缺少稳健性的结论。在社会学研究的“可复制性”问题已经引起诸多研究者重视的当下，这一点尤其需要强调。

　　社会不仅有自己的组织原则（如结构、时序、空间、网络、互动、主观意义等），而且必然基于这些组织原则来生成与输出数据，这正是社会数据的独特之处。从传统统计学的角度来看，操控实验是方法的黄金规则，“纯净的”操控实验数据才是进行因果推断的理想资料。结构、时序、空间、网络使得数据不再满足传统统计学要求的诸多假定，因此必须进行各种模型修正和调整，使其变得“纯净”。在这里，数据生成过程中的社会要素被视作需要去除的障碍。但是，以社会研究者的立场来看，那些所谓的“障碍”恰恰在为我们揭示社会本身最重要的构成原则和运作原则，其中蕴含了理论发现的宝贵机会和线索。因此，我们的任务并不是简单地套用某些统计模型来估计出“纯净的”因果效应，而是在那些“不纯净”之处进行细致的辨析和还原，去理解数据生成过程背后的社会组织原则。在统计学看作是干扰因素的地方，在社会学看来正是机会所在。

　　最后还需要强调的是，社会学的定量研究既要不断向前看，以追踪最新的技术进展，同时也有必要回头看，在新的问题意识下重新理解和反思定量研究的一些经典作品。刘世定在对布劳（Peter M. Blau）等著《美国的职业结构》的评析中说：“一部已经成为‘历史’的名著之所以值得认真读，不是使自己知道后来流行的著名论点是从哪里起源的——这只需要翻阅就可以了——而是去体会作者是如何艰难地得到结论的，有哪些困惑的东西被后来的跟进者忽视或屏蔽了，在其论述中事实上隐含了怎样的假定，甚至是处理不当的。”我们尤其需要关注这些经典作品中“数据资料统计”与“真实社会过程”的接口之处，那里往往包括了某些被忽略的重要创见，也可能蕴含了不易察觉的误导和含混。要探索社会学本位的定量研究路径，这一严肃的批判工作是开展研究的必要前提。

　　（作者系中国政法大学社会学院教授）