關係社會資本新論（社會學文庫；“十二五”國家重點圖書出版規劃項目）

做定量研究的過程中，幾乎所有人都會時常陷入這樣一種困惑：一方面，我們強調定量研究的重點是事先從理論和文獻出發，找到一個可以探討的點，再進行數據的收集和處理。另一方面，在實際操作層面，我們往往是從數據出發，從已有變量列表中產生聯想並做迴歸分析檢驗，再更進一步將其包裝上理論。這兩種思路時而獨立發生，時而交織在一起，但前者似乎佔有着傳統上更爲學界接受的思維模式，後者卻總容易承受缺乏理論關懷、數據驅動的責難，以至於我們要在論文中加以倒置和掩飾。...面對社會學界對 “數據驅動”的傳統芥蒂，我並沒有一開始在數據層面做過多測試，而是轉而思考如何論證這一基本思路在社會學領域運用的價值基礎、邏輯基礎與條件基礎。也即，我必須首先在兩個問題上讓讀者清清楚楚：一是科學哲學層面的問題，爲什麼量化研究形成了假設驗證的理論範式，而歸納邏輯與量化資料結合的合理性和可能性在哪裏；二是方法層面的問題，計量（迴歸）模型和機器學習（算法）模型的根本區別到底是什麼，機器學習能爲計量分析提供哪些補充。帶着這兩個問題，我開始閱讀和整理相關文獻並試圖在理論層面理解這一思路在社會學領域的適用性。一方面，我以實證主義方法論爲基礎，試圖從學科發展的歷史背景中理解假設檢驗方法的必要性和歷史合理性。從大理論的思辨時代到大規模社會調查，從理論和經驗的分離到它們重新結合的中層理論，從拒絕理論的形而上強調數據驗證到反對驗證追求從經驗材料中總結髮展理論，社會科學的方法在歷史的車輪中不斷循環，一次又一次地被反思、批判、校正和規範化。在這個過程中，我也從方法發展的蛛絲馬跡中看到了歸納法的數據驅動合理性。另一方面，通過對機器學習方法和可解釋性機器學習技術的進一步瞭解，我接觸到了一系列可以拆解算法黑盒的方法，如特徵重要性置換、部分依賴圖、累計局部效應分析、特徵交互、全局代理和沙普利值等。這些方法讓我像打開潘多拉寶盒一樣，看到了計算紮根的各種可能性，摩拳擦掌興致沖沖地想要一探究竟。—陳茁 南京大學社會學博士生（導師爲陳雲松教授）

常讀常新，不愧是我主持讀書會推薦的書hhh。陳雲松老師是少見能把定量文章做有趣、寫好玩的學者；和邊老師還不一樣，邊老師是以文風曉暢見長，背後是對理論把握到位、邏輯簡明、思力超羣，陳老師厲害在於文史功底和定量邏輯結合得堪稱完美，我讀起來甚至有點史學文章的味道（史學字均信息含量遠超社科，也包括理論文章，社科太多口水話了），這種感覺不是指案例中用“年羹堯之死”這類歷史公案，而是指其文風綿密，且時不時call back，有種對話體的文風，堪稱一氣呵成、氣吞萬里如虎。閱讀中，總感覺思路被他牽着走，密不透風，着着能想到讀者前頭。可怖的思維力！這大概就是周曉虹老師說的南大/社會學多少年難見的一個奇才。說個細節，我們新手寫文章喜歡學邊老師，喜歡用設問句引入、轉合，打造一種“僞對話”的感覺，但是邊文的？放在那就很合適，他不放我們也得問，而很多模仿文章相當部分是爲問而問，學其形不得其神。陳文則是當你有？時，他也不設問，也不直接把這個疑問表露出來，但是後面的文字會給你徐徐釋惑了，你要是不覺得這裏邏輯間的榫卯不夠圓渾，當成兩句不相干的句子去讀也沒問題。這樣在閱讀中當你get到他的這點小心思時，難免有種暗喜，他真是很懂讀者，不免說一句讀這樣的文章纔是思想層面的對話。當然，陳老師也說了他入學界晚，可見如今的石破天驚是多少年我們沒看到的積累、打磨纔有現在文字的渾然天成；入門者，學邊易、學陳難；咱們還是老老實實磨自己的文風趴。

一本關於關係社會學、網絡社會學的著作，重點看了理論篇，瞭解了學界在using contacts, used social capital, accessed social capital等方面的研究思路和成果；在內生性問題上的討論，以及在因果、大數據和社會計算方法三大前沿的介紹。在研究方法上，由於涉及到LCA、FD模型、OProbit模型等高級計量社會學的研究方法，本人小白不是很看得懂（慚愧，，）。另外，陳雲松老師很有魅力，寫得很好，層層推進，邏輯非常清晰，前面關於年羹堯的歷史案例分析很吸引人（但是文中後半部分的論文年代有點太久遠了）。