关系社会资本新论（社会学文库；“十二五”国家重点图书出版规划项目）

做定量研究的过程中，几乎所有人都会时常陷入这样一种困惑：一方面，我们强调定量研究的重点是事先从理论和文献出发，找到一个可以探讨的点，再进行数据的收集和处理。另一方面，在实际操作层面，我们往往是从数据出发，从已有变量列表中产生联想并做回归分析检验，再更进一步将其包装上理论。这两种思路时而独立发生，时而交织在一起，但前者似乎占有着传统上更为学界接受的思维模式，后者却总容易承受缺乏理论关怀、数据驱动的责难，以至于我们要在论文中加以倒置和掩饰。...面对社会学界对 “数据驱动”的传统芥蒂，我并没有一开始在数据层面做过多测试，而是转而思考如何论证这一基本思路在社会学领域运用的价值基础、逻辑基础与条件基础。也即，我必须首先在两个问题上让读者清清楚楚：一是科学哲学层面的问题，为什么量化研究形成了假设验证的理论范式，而归纳逻辑与量化资料结合的合理性和可能性在哪里；二是方法层面的问题，计量（回归）模型和机器学习（算法）模型的根本区别到底是什么，机器学习能为计量分析提供哪些补充。带着这两个问题，我开始阅读和整理相关文献并试图在理论层面理解这一思路在社会学领域的适用性。一方面，我以实证主义方法论为基础，试图从学科发展的历史背景中理解假设检验方法的必要性和历史合理性。从大理论的思辨时代到大规模社会调查，从理论和经验的分离到它们重新结合的中层理论，从拒绝理论的形而上强调数据验证到反对验证追求从经验材料中总结发展理论，社会科学的方法在历史的车轮中不断循环，一次又一次地被反思、批判、校正和规范化。在这个过程中，我也从方法发展的蛛丝马迹中看到了归纳法的数据驱动合理性。另一方面，通过对机器学习方法和可解释性机器学习技术的进一步了解，我接触到了一系列可以拆解算法黑盒的方法，如特征重要性置换、部分依赖图、累计局部效应分析、特征交互、全局代理和沙普利值等。这些方法让我像打开潘多拉宝盒一样，看到了计算扎根的各种可能性，摩拳擦掌兴致冲冲地想要一探究竟。—陈茁 南京大学社会学博士生（导师为陈云松教授）

常读常新，不愧是我主持读书会推荐的书hhh。陈云松老师是少见能把定量文章做有趣、写好玩的学者；和边老师还不一样，边老师是以文风晓畅见长，背后是对理论把握到位、逻辑简明、思力超群，陈老师厉害在于文史功底和定量逻辑结合得堪称完美，我读起来甚至有点史学文章的味道（史学字均信息含量远超社科，也包括理论文章，社科太多口水话了），这种感觉不是指案例中用“年羹尧之死”这类历史公案，而是指其文风绵密，且时不时call back，有种对话体的文风，堪称一气呵成、气吞万里如虎。阅读中，总感觉思路被他牵着走，密不透风，着着能想到读者前头。可怖的思维力！这大概就是周晓虹老师说的南大/社会学多少年难见的一个奇才。说个细节，我们新手写文章喜欢学边老师，喜欢用设问句引入、转合，打造一种“伪对话”的感觉，但是边文的？放在那就很合适，他不放我们也得问，而很多模仿文章相当部分是为问而问，学其形不得其神。陈文则是当你有？时，他也不设问，也不直接把这个疑问表露出来，但是后面的文字会给你徐徐释惑了，你要是不觉得这里逻辑间的榫卯不够圆浑，当成两句不相干的句子去读也没问题。这样在阅读中当你get到他的这点小心思时，难免有种暗喜，他真是很懂读者，不免说一句读这样的文章才是思想层面的对话。当然，陈老师也说了他入学界晚，可见如今的石破天惊是多少年我们没看到的积累、打磨才有现在文字的浑然天成；入门者，学边易、学陈难；咱们还是老老实实磨自己的文风趴。

一本关于关系社会学、网络社会学的著作，重点看了理论篇，了解了学界在using contacts, used social capital, accessed social capital等方面的研究思路和成果；在内生性问题上的讨论，以及在因果、大数据和社会计算方法三大前沿的介绍。在研究方法上，由于涉及到LCA、FD模型、OProbit模型等高级计量社会学的研究方法，本人小白不是很看得懂（惭愧，，）。另外，陈云松老师很有魅力，写得很好，层层推进，逻辑非常清晰，前面关于年羹尧的历史案例分析很吸引人（但是文中后半部分的论文年代有点太久远了）。