内容提要：社会学定量研究长期以来过度倚重基于个体样本的调查数据，在视野、方法和理论观照等方面逐渐形成“微观旨趣”，削弱了其对学科发展和社会治理的贡献能力。基于整体主义的宏观定量分析，在社会学中具有坚实的方法论基础、数据条件和多维度价值。从“微观旨趣”向“宏观观照”的转向，业已形成基于饱和数据的时空覆盖研究和基于大数据的“宏观定量社会学”两种模式。后者涵盖海量文本结构发现、网络复杂性研究、宏观假说检验和多层机制探索等具体研究取径。当代中国“宏观定量社会学”的发展走在这一转向的前列，对拓展学科疆域和构建中国特色社会学话语体系具有重要意义。

　　 关 键 词：宏观定量社会学  微观旨趣  宏观观照  定量研究  大数据

　　 数十年来，社会学定量研究一直处于方法革新和快速发展之中，在整个学科中的地位也越来越重要。但社会学定量分析的主导模式，却始终依赖于个体层面的调查数据和统计回归。这种分析模式的稳定性，为定量研究的科学积累奠定了扎实基础，但也促成了一种暗中的停滞：定量社会学的研究视野日渐锚定于个体微观层次，研究旨趣日渐集中于模型细微之处的打磨，并在不知不觉中失去了聚焦宏观现象、发现和检验宏观理论的问题意识。我们将这种当代社会学定量研究的困境称之为“微观旨趣”的路径依赖。随着时间的推移，这种路径依赖已开始逐渐削弱社会学定量研究在检验大理论和服务“国之大者”方面的能力。不过，计算社会科学的发展为摆脱这一陷阱提供了重要的时代条件。特别是，大数据的应运而生以及机器学习等计算方法的普及，初步催生了聚焦宏观理论和复杂社会现象的“宏观定量社会学”，在重拾“宏观观照”的过程中实现当代定量社会学的“宏观转向”。

　　 本文将首先从现状特征、历史渊源和当代危机等方面剖析“微观旨趣”在定量社会学研究中的渊薮与源流，然后从本体论、方法论、应用价值和实现条件等角度探讨基于整体主义的宏观社会研究何以可能。在此基础上，对新数据和新方法何以助推定量研究的宏观转向进行阐述和文献回顾，总结研究取径。最后，本文进一步梳理当代中国宏观定量社会学所呈现出的本土化自觉和多重使命担当。

　　 一、社会学定量研究的“微观旨趣”

　　 (一)微观旨趣的呈现

　　 社会学定量研究是否真正过度沉溺于“微观旨趣”？我们对中美两国社会学权威期刊约30年来的全部论文进行检视，并把样本是自然人或法人的研究定义为代表“微观旨趣”的“个体研究”，把以县、郡、市、州或国家等行政区划为样本的分析定义为代表“宏观观照”的“群体研究”。从1986年到2020年，《社会学研究》发表定量论文586篇，其中“群体研究”仅17篇(见图1a)。类似地，《美国社会学杂志》(AJS)和《美国社会学评论》(ASR)自1992年到2019年发表的1282篇定量论文中，“群体研究”也仅157篇(见图1b)。实际上，在整个社会学学科中，微观研究特别是微观理论从20世纪70年代起就开始大行其道。

　　 图1 《社会学研究》(a)、AJS和ASR(b)发表论文的类型和样本层次

　　 如果参照著名的“科尔曼之舟”(Coleman's Boat)对社会学定量研究进行分类，①那么按因变量Y和自变量X所在的层级，可把研究划分为(1)“宏观—微观”分析(X在群体层次，Y在个体层次)；(2)“微观—微观”分析(X和Y都在个体层次)；(3)“微观—宏观”跃迁分析(X在个体层次，Y在群体层次)；(4)“宏观—宏观”分析(X和Y都在群体层次)。前两种层次的分析是传统定量研究的“微观旨趣”主导模式：对个体层次样本拟合单层或多层回归模型。第三种层次关注的实际是跃迁、涌现等复杂过程，可通过仿真建模的人工社会方式来进行。第四种，也即宏观层次的关联(回归)研究，发展则明显滞后。此外，宏观层面社会主体的复杂系统呈现、集体结果的潜在结构特征发现，也在社会学研究中屈指可数(见图2)。重要的是，这三种宏观研究的理论对象，既不同于社会哲学、现象学等具有形而上学色彩的理论，也不同于帕森斯结构功能主义的抽象宏大、无所不包的解释体系，同时也异于默顿“中层理论”中诠释日常生活细节或微观实证机制分析。这种宏观社会分析，在理论生成三部曲(经验研究、中层理论、一般理论)中也毫无疑问处于中层理论位置。只是在社会学实践中，理论和质性研究对中层理论的聚焦，要比定量研究多得多。而一般理论则就是前文提及的包罗一切、自成体系的系统理论学说，也即默顿所谓的“大一统理论”(unified theory)或者我们常说的“大理论”。

　　 图2 “科尔曼之舟”中的社会学研究层次与路径

　　 “微观旨趣”的个体研究和“宏观观照”的群体研究差异有三：

　　 (1)数据对象。个体研究聚焦自然人或家庭、厂商等，使用个体属性数据；群体研究则聚焦区域或集体，以其个体平均或群体指标数据来分析整个社会系统的行为。例如，检验假设A(朋友数量是否有利于个人求职)是典型的个体研究；检验假设B(城市的社会组织发展能否提升就业率)是典型的群体研究。(2)理论对象。个体行动或过程的微观理论、行动理论是个体研究的检验对象。而宏观理论特别是治理理论，则往往是群体研究的检验对象。例如，林南的社会资源理论是典型的个体微观理论，帕特南的社会资本理论则是典型的宏观社会理论。宏观理论往往以一个或多个微观理论为基础。例如帕特南的社会资本理论，是林南的社会资源理论、格兰诺维特的弱关系理论、边燕杰的强关系理论等微观理论的群体表征。(3)问题对象。个体研究要解决的是个体社会结果的最优化问题：个人的期望、行动、机会和结果之间的关系，以及宏观结构因素如何影响个体结果。群体研究则把个体的理性(或非理性)行动及限定因素作为既定前提，研究区域层面的治理结果的最优化过程，要解决的是社会福利的最大化。

　　 这三个对象的差异，归根结底是逻辑前提的不同。个体研究的逻辑前提是，社会由随机分布的个体形成总体，抽样样本中体现出的个体属性间的关联，可以推广到总体。在这个隐含前提下，社会由个体加总而成，而不是由空间、时间和行政结构所定义的单元组成。而群体研究的逻辑前提是，社会不是简单地由个体加总而成，而是由个体加总成的单元群体进一步组合而成。以群体为抽样样本或总体样本进行研究，可以更为准确地描摹人类社会的真实构成和治理结构。

　　 (二)微观旨趣的历史渊源

　　 1.方法论源流：方法论个体主义。方法论个体主义是一种还原到个体的理解社会过程的研究视角。也即，社会学解释的因果机制路径，必须建立在个体层面。马克斯·韦伯的新教伦理与资本主义研究就是典型：资本主义体制作为宏观社会结构的兴起，其底层要素乃是驱动个体行动的价值观念。激进的微观社会学倡导者甚至认为宏观概念只有转为微观事件的集聚才具有实证研究意义。和这种方法论针锋相对的是“方法论整体主义”。该视角认为社会事件固然由个体行动组成，但这从逻辑上无法直接推导出社会结果就必须从个体行动的基础去解释。因此，社会科学应该通过对集体组织、社会力量的研究来产生。如涂尔干对自杀的研究就是典型。

　　 2.学科发展烙印：时间框架的当代聚焦。韦伯、涂尔干、马克思、托克维尔等大家均曾赋予历史资料在社会学研究中的重要地位。但随着学科的建制化，古典社会学时代的人文主义历史旨趣逐渐褪色。与历史学、政治学和古典社会学相比，当代社会学研究在分析对象上明显地“厚今薄古”：连吉登斯也不得不承认，社会学家“较少关注对过去的再现，而更多地聚焦过往对现在的影响”。②定量社会学的“当代聚焦”，和发展方兴未艾的量化历史、量化经济史和政治史研究形成了强烈对照。

　　 3.区群谬误警示：分析对象的层次固化。社会科学研究中的变量关系，在宏观群体层次和个体微观层次不一定相同。罗宾逊以美国的墨西哥移民为例进行了展示：在宏观层面，移民比例高的州文盲率较低；而在个体层面，文盲者的移民概率更大。③就此塞尔文正式提出“区群谬误”(Ecological Fallacy)的概念，其批评直指涂尔干的经典自杀研究。④20世纪50年代开始，社会学家纷纷转向基于个体或家庭数据的微观研究。问题在于，对区群谬误的过度警惕甚至矫枉过正，使得20世纪末以来的定量研究被小心翼翼地固化在个体层次。

　　 4.数据可得性限制：宏观指标的稀缺。和经济学相比，社会学宏观数据获取较难。经济学家拥有从乡镇到国家等各级行政区划的宏观统计指标——如GDP、居民可支配收入、通货膨胀率、失业率以及城镇化率、土地空间指标、人口特征属性等数据。而社会学家关心的社会分层流动、社会网络乃至于幸福感、信任度等指标往往具有非显性的特征。群体层面特别是历时性数据资料的稀缺，在很大程度上导致定量社会学家对宏观研究“巧妇难为无米之炊”。

　　 (三)微观旨趣的当代学科危机

　　 微观旨趣的路径依赖，给定量社会学发展带来三个方面的危机。

　　 1.学科视野的窄化。第一，时间跨度不足。既然研究是基于个体调查的，那么数据的跨度必然受到调查时间和成本等限制。相比之下，田野访谈可以通过反复和深度交流积累起更大跨度的生命史、生活史资料，而理论思考本身可以究天人之际、通古今之变。第二，空间粒度过细。传统定量社会学的观测粒度是独立分布的个体，但社会运行和决策的主体，往往不是独立的个体。这导致了一个有趣的对比：质性研究者认为个案研究能够以其“事件化”特征激活社会，强调从个案中能展现宏观图景，⑤而定量研究者虽坐拥千百样本却对宏观图景不敢轻易置喙。

　　 2.研究方法的固化。传统定量研究的主导方法是调查问卷数据描述和拟合模型进行回归分析，但它不能解决如下研究问题：第一，重要社会指标的大时空描述。例如，美国建国以来的种族歧视，新中国成立以来公众幸福感、信任度、国家认同的世代演变。第二，非显性社会指标的准确测量。例如，性少数群体的人口比例、家庭暴力行为的发生比例等指标，虽事关社会治理，但因其敏感性导致问卷调查数据并不准确。第三，复杂系统形成和海量数据的特征发现。对海量数据特别是社会学关心的文本、图像，在大数据普及之前，学界普遍缺乏有效的解读工具。