分析社会学：寻求连接微观与宏观的机制性解释，本文主要内容关键词为：微观论文,社会学论文,机制论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
引言：分析社会学的提出
社会学分析对象之复杂，一方面使它的研究广涉度颇为宽泛，另一方面也使其面临多元分析层次的巨大挑战。例如，经济学中有宏观经济学和微观经济学之分，而社会学非但无法暂时分割宏观与微观，相反必须建立起沟通微观与宏观的理论，才能达到分析、解释社会现象的学科宗旨。正如Weber(1949)所强调的，我们不能把群聚的相关(aggregate correlation)作为解释，除非它被分解为可理解的个人行为。即使我们只分析宏观层次的社会现象之间的关联，我们也必须把这个解释的过程分解为两步：其一，社会现象A如何影响个体行动；其二，被影响了的个体行动产生什么样的社会现象B。这样，解释社会现象最基本的因果主体(causal agent)是个体行动者而不是其他。因此，社会学强调跨层次分析的学科特征，在一定程度上增加了理论构建的难度，这也正是Coleman(1986)认为解释微观到宏观的跃迁(micro-macro)是社会学理论化的一个重要障碍的原因。
从当代社会学分析的实践来看，主要的理论化方法大致可以分为描述(description)、分类(typology)、解释(explanation)三类(Hedstr
m,2005)。诚然“描述”和“分类”对于社会学分析具有相当重要的意义(Goldthorpe，2000)，但是它们均不能帮助我们理解特定的社会现象何以产生（此处提及的描述和分类不涉及对因果关系进行描述和分类）。更为重要的是，随着定量、定性分析技术水平的进一步提高，尽管社会学家可以用更强有力和更精密的分析方法来描述变量之间的关联，但探求因果关系的理论解释力并没有因此增强。正如S
rensen(1990)指出的，社会学家心目中的理论，往往就是研究哪一些变量应该纳入模型，以及这些变量之间的联系，而不是什么样的机制产生了这些被观察、记录到的变量。
早在70年代，以Coleman、Merton、Boudon和Elster为代表的社会学家对帕森斯式大理论的滥觞深感忧虑，纷纷呼吁建立起社会学解释的微观基础，其中以前述的Coleman的微观宏观连接以及Merton所倡导的中层理论(Middle-Ranged-Theory)最具代表性。1998年，瑞典社会学家Hedstrm和Swedberg编著了《社会机制：社会理论的分析方法》(Social Mechanism:An Analytical Approach to Social Theory)一书，旨在强调基于个人行动的机制性解释(Mechanism-based Explanation)对于社会学分析的重要意义。撰文者中包括了诺贝尔经济学奖获得者Schelling等一批社会科学领域的顶尖学者。Hedstrm更在2005年出版了新著《解析社会：分析社会学原理》①(Dissecting the Social:on the principles of analytical sociology)，被认为是倡导机制性解释的分析社会学(Analytical Sociology)正式登堂入室的“宣言”(Sawyer，2007；Pickel，2006)。这里的分析社会学，也就是用中层理论的方法，以个体行动为基础，旨在建立对社会现象的机制性解释。用Hedstrm(2005:98)的话说，分析社会学就是要研究“在过去的行动所导致的社会条件下，不断和他人互动的个体行动如何产生大规模的社会现象”。本文拟从分析社会学的目标、解释起点、理论框架和工具方法等几个方面，对这一当代社会学的新领域做一个简介。
机制性解释：分析社会学的目标
Hedstrm和Swedberg(1998)以及Hedstrm(2005)把社会学中的解释性理论分为三类，并着重强调了机制性解释对于社会学分析的重要意义。
第一类：覆盖律解释(Covering-law explanation)。亦可称为涵盖率解释。这种解释模型较早由Popper(1935)和德国逻辑学家Hempell(1942)提出。其基本方法就是用一系列条件和经验定律来演绎、推导出某种结果。Blau(1970)的组织分化研究就是一个例子。比如，Blau提出两个命题来解释组织规模的扩大：1.扩大组织规模会在不同维度上产生逐渐趋于平稳的组织内部结构分化。2.组织内的结构分化扩大了管理部门。但在Hedstrm看来，这种解释是一种“暗箱”解释(black-box explanation)，它恰恰把得以生成这种过程的社会实体——人际互动，排除在解释之外。因此从逻辑的角度出发，Blau提出的一整套用于解释的理论虽然是内部自洽的，但其本身的演绎起点就需要一个外部的解释。实际上，Blau式的覆盖率解释，其积极意义在于清楚地指出“社会结构具有其底层的特征所无法解释的涌现出的特征”(Blau，1986:ix)，这一点是和当代复杂系统研究中“涌现”的概念不谋而合的，也是分析社会学所兼容的一种理念。但是，Blau(1970:203)仅仅因为这种系统的复杂性，进而认为研究社会结构可以“忽视影响个人行为的心理动力”，就让覆盖律解释走得太远了。这种对方法论个人主义(Methodological Individualism)的拒绝，使得覆盖律解释能够自成一家之言。但是一旦批评的角度指向逻辑的起点，则往往无力反驳。
第二类：统计性解释(Statistical explanation)。它也可以叫做基于变量的解释(Variable based explanation)。和覆盖率解释相比，统计性解释侧重归纳而非演绎。随着社会学数据的不断补充完善，以及统计知识在社会学的普及，定量分析成为社会学分析最为重要的一个手段。但是，单纯的统计分析对于社会学理论有一个先天不足：统计分析不能为我们提供最终意义上的因果解释。Boudon(1976:117)就不无忧虑地指出，“我们必须超越统计描述进而挖掘那些它们所依赖的生产性机制”。当然，有些统计性解释（例如面板数据分析）能够有效地给社会学家提供一个越来越逼近因果的“方向”(causality direction)。而且，很多时候这个因果方向的浮现，对社会学家而言已经足够——特别是当特定的研究主旨聚焦于社会政策检讨和社会工程之时，变量之间稳定的相关关系已经足以指导对政策的修正。②在这种情况下，社会学家即使对隐藏在现象背后的最终社会机制感兴趣，也会出于研究效率、成本的考虑，直接使用现有的理论来为变量分析提供大致的导向。
但此时，使用什么样的理论来指导变量分析，成为一个新的问题。特别是当一种理论用宏观社会结构来解释宏观社会现象时，同样会面临一个因果关系解释的缺失。Hedstrm和Swedberg(1998)用阶级理论为例来说明这类理论的尴尬。他们指出，90年代有大量的实证研究把个人的阶级属性作为解释个人收入、健康等等变量的一个重要因素甚至决定变量。但是，因为阶级只是一个被人为建构起来的职业位置群体的概念，③所以把它作为因果分析的主体是没有意义的。统计分析可以告诉我们某个阶级的人具有更高的收入，更长的寿命，但是并没有告诉我们为什么如此。这样，仅仅靠回归方程中阶级地位的偏系数，是无助于我们理解收入差异的本质的。相反，这个偏系数恰恰需要解释。
这里笔者再以集体层次的社会资本概念来做一个解释。Putnam(1995)提出的集体层次的社会资本概念，之所以被Portes(1998)批评不如个体层次的社会资本具有分析价值，在一定程度上就是因为当时基于“集体社会资本”的分析，基本上满足于统计性解释。④这就使得“集体社会资本”和“阶级”一样，可以为我们提供一个系数的结果，却不能提供因果关系。以意大利南部北部社会治理的差异为例，作为社会学家而不是社会统计学家，我们感兴趣的是三个问题：其一，什么样的微观—宏观机制使得意大利人出现信任水平上的南北分化？正如Gambetta(2005)所说，既然北部和南部的意大利人具有同样的理性和智力水平，那么为什么会出现地区差异？其二，已经存在的信任水平差异如何通过宏观—微观机制影响每一代、每一个意大利人和政府运作相关的行为。其三，和政府运作相关的个体行为，如参与选举、社区活动等等，通过什么样的微观—宏观机制影响政府绩效。总之，社会学家不能满足于用构建概念或者贴标签的方式来理解社会现象，因为标签本身总是基于宏观的。社会学家所要做的应该是透过这些标签，理解从微观到宏观的社会发生机制(generative mechanism)。这恰恰是机制性解释最终被提上当代社会学分析议程的重要原因。
第三类：机制性解释(Mechanism-based explanation)。如果说覆盖率解释代表社会学的过去，统计性解释代表当代的主流社会学，那么机制性解释有可能代表着社会学未来发展的一个重要方向。机制性解释的本质在于提供一个社会过程的个体行动逻辑。Gambetta(1998)给出的定义非常清晰：机制就是使得个人行为具有意义的因果假设模型。其基本形式就是：在给定条件K下，一个行为主体会因为机制M而以P的概率进行 X的行动。Hedstrm(2005)的定义则是一组实体和行动的能够规则性地产生特定结果的组合。显然，机制性解释的是基于方法论个人主义的。当然，正如Hedstrm(2005)所说，这里指涉的方法论个人主义，首先反对Dahrendorf(1968)那种过度社会化的、被社会完全决定了的行动理论，其次也不忽视社会历史、制度环境对于个人行为的塑造，而只是强调社会学解释不能脱离个体行动的有意识和无意识的后果。
在笔者看来，机制性解释实际上就是一种可以被统计性解释证明的基于个人行动的覆盖率解释，或者说，是二者的有机结合。从理论特征上看，机制性解释和覆盖率解释一样，都是一种决定论式的推导，只不过覆盖率解释本质上是从宏观到宏观的演绎，而机制性解释则是从微观到宏观的演绎。同时，机制性解释兼收并蓄了统计性解释的统计学武器——变量分析可以用来验证提出的解释机制。这样，社会学家通过对现存理论的梳理，可以提出一系列微观—宏观机制。然后，用统计性解释来验证这些提出的机制。接着，社会学家可以用这些被验证过的社会机制来指导新的统计性解释并生成新的理论。
在前文我们提及统计性解释可以通过选择指导理论来“逼近”因果关系。我们也知道选择一个从宏观到宏观的理论（阶级、集体社会资本）往往是无法寻求最深层的因果关系的。那么，以微观—宏观理论为指导的统计性解释能否取代机制性解释呢？我们说不尽然如此。这是因为：同一种社会现象，可能有各种各样的甚至是重复、冗余的微观—宏观理论提供解释。例如，关于社会扩散和濡染(social diffusion and contagion)现象，我们就有Merton(1948)以银行挤兑为例的Self-fulfilling prophecies理论，Coleman等人(1957)的关于药品领域采纳革新的Normative pressure理论，Schelling(1972)的以住宅区种族隔离演化为例的Tipping point模型，Granovetter(1978)以人们选择饭店为例的Threshold theory，Burt(1987)强调人际竞争的Competitive concern理论，其他的还包括理性模仿(rational imitation)、信号理论(Signaling theory)等等不一而足。这些理论，都可以用来指导变量分析，进而生成新的理论或者进一步被证明。但仔细分析这些理论，尽管着眼点有所不同，其中仍有不少是基于同样的假设、同样的行为逻辑和同样的分析层次——比如Schelling和Granovetter都着眼于行动者数量的“转折点”的效应，而Coleman和Burt都强调组织内的压力机制。因此，如果基于变量分析的社会学家选择理论前提仅仅出于个人偏好和文献掌握程度，就会导致理论的碎片化，不利于社会学的学科整合和社会学家之间的对话。⑤因此，对用以指导变量分析的理论，社会学家有必要进行整合和简化。
归根结底，机制性解释的意义可以被概括为两个方面：其一，它把社会学家的理论演绎能力和实证变量分析的统计归纳能力结合起来。机制性解释的前提就是：宏观社会现象有着其内在的微观发生逻辑，可以被统计量来证明，但不靠统计量来发现和解释。也就是说，分析社会学既需要社会学家所独具的现象解读能力，也需要强有力的数学工具。其二，它是对现存理论家族的一种简化和统一。作为理论的机制性解释，应该是一种简化了的普适(general)解释理论而不是特定(adhoc)的解释。
DBO理论和微观—宏观联系：分析社会学的起点和框架
前文我们提及，社会现象的机制性解释是基于方法论个人主义的。这样，个体的行动决策，必然成为解释性理论的起点。而这种理论，应该具有三个特点：其一，在心理学和社会学角度让人信服；其二，尽可能地简洁明了；其三，行动具有目的性。就此，Hedstrm(2005)提出了基于理想型行动者的DBO理论。
顾名思义，D表示Desire期望，B表示Belief信念，O表示Opportunity机会（不同的可选择的行动）。Hedstrm认为，个人行动的原因，就是这三者的结合。乍看起来，这和经济学、社会学分析中普遍应用的理性行动假设、经济人假设很接近。但是，Hedstrm(2005:61)强调：“DBO理论不假设理性行为，而是仅仅假设行动者根据自身的意图进行行动”。或者说，理性行动只是DBO模型中的一个特例。这里的区别在于，理性行动或者经济人假设，仍然强调一个“选优”问题，或者“最大化效用”问题。而DBO则不强调这个过程，只承认行动的“想”去“选优”，而不承认行动者能够有“选优”——比如，有时候人会面临两个很难取舍的选择，此时的理性选择，就失之偏颇。从这个角度出发，DBO理论可以更好地和学习理论、试错行为(try-and-error)、认知偏差(cognitive bias)、有限理性(limited rationality)相兼容。因此， DBO理论作为分析社会学的起点，既克服了理性行动假设的局限性，又捍卫了简化、抽象、理想型等科学建模的原则。
在DBO理论的基础上，Hedstrm把宏观层次与微观层次的社会机制纳入三种类型。我用下图做个说明。
A 微观层次：个人行动的原因
B 微观层次：个人行动
C 宏观层次：个人行动的社会结果
D 宏观层次：他人行动和外部环境
（引自，Hedstrm 2005，本文稍做调整）
从A至B的过程是分析社会学的起点：也即DBO理论。这在本质上是个体的社会心理过程。
从B至C的过程被Hedstrm归纳为转换型机制(Transformational mechanisms)。这其中主要是是个人的行动对他人产生影响的机制。典型的例子包括信念更新(belief updating)、学习过程(learning process)、信息转移(information transfer)等等。一些经典的理论包括前文提及的Merton(1948)的Self-fulfilling prophecies理论和Burt(1987)的Competitive concern理论。前者指个人预期对结果产生影响，后者强调组织中具有相似、系统地位特征的人倾向于效仿对方的革新。
从C到D是宏观层次的社会环境定型或者结构化。
从D到A的过程，Hedstrm称之为情景型机制(Situational mechanisms)。一些典型的相关理论包括：Coleman等人(1957)的Normative pressure理论，强调社会网内其他人采纳一项革新时，没有采纳的行动者会感受到来自同伴的压力；Schelling(1972)的Tipping point模型和Granovetter(1978)的Threshold theory，说明革新采纳的人数达到一定标准后会出现滚雪球的效应。再如，有些行动的效益会随着行动者人数的增加而提高，呈现出所谓的网络性能效应(Network Performance effects)——比如手机的使用、点对点(P2P)网络传播技术等等，使用者越多，效果越明显（见Van den Bulle and Lilien 2001；Katz and Shapiro 1994等）。
实际上，我们也可以把D～A和B～C都可以看做是社会扩散机制的一部分。B～C可以被理解为扩散、传播的早期，个体革新者如何向社会网络传播革新行为；D～A则是扩散的相对后期，革新采纳者群体如何提高扩散的速度。
有了DBO理论作为出发点，分析社会学所要做的就是：提出并检验一系列可被变量分析所验证的社会机制模型，然后运用这些机制模型，检测新的数据，发现新的问题，再提出新的假说（新的机制模型）。这样，理论的形成就呈现出层层递进、步步为营的过程。
如何提出一个机制性解释？在实践中我们首先应该对现有的文献进行归纳、整理，在此基础上对特定的理论群落进行提炼，以此生成一些基本的机制性解释假说并进行检验。在理论提炼的过程中，我们主要可以从两个方面着手引入细化的模型：第一，个人行动决策类的机制，比如期望效益方程、贝叶斯学习模型等等。第二，个体互动类的机制，比如多主体的重复博弈(Multi-player repeated game)等等。有了模型，传统的变量分析和数据，一方面可以用来估算模型中个人行为的参数，另外一方面可以对模型进行证伪，而不必致力于“对各种宏观层次的社会指标进行试探性的关联”(Hedstrm，2005:113)。Gambetta两年前在牛津大学Nuffield社会学讲座上引申了以赛亚伯林关于刺猬和狐狸的比方（狐狸什么都懂，刺猬只懂一件大事），回顾自己的分析社会学研究生涯，可谓是对分析社会学研究模式的一个生动描述。他说，当我们有了一个机制性解释——一个好的理论的时候，我们可以用它来分析各式各样的不同社会现象的数据。此时，是狐狸依靠刺猬；而当某个数据分析中出现了现存的机制性解释所不能理解的问题时，我们必须提出并验证新的机制。此时，是刺猬依靠狐狸。当然，作为分析社会学家，他们乐于让自己显得更像刺猬。
正式模型、仿真、网络和实证校准：分析社会学的新工具
分析社会学的一个重要特征就是跨学科的分析工具。除了传统的变量分析工具之外，我把分析社会学文献中常用理论工具总结如下。
第一，用以表达社会机制的正式模型(Formal model)。即用数学语言来构建社会机制的模型。Barbera(2006)就把分析社会学区别于其他社会学分析方法的特点概括为理论模型的严格推导——模型虽然高度简化，但是能够捕捉社会现象的生成性力量，并能够被实证数据所检验。从某种意义上讲，尽管对数学、统计知识的要求不同，但分析社会学正在逐步汲取经济学的方法和经验。钱颖一(2002)把数学模型的理论优势和实证研究优势分别概括为三个方面，笔者认为在一定程度上对于分析社会学也同样适用。三个理论优势就是：1)清晰的前提假定。2)严密精确的逻辑推理。3)可以应用已有的数学模型或数学定理推导新的结果，得到仅凭直觉无法或不易得出的结论。三个实证优势就是：1)以数学模型为基础发展出可用于定性和定量分析的计量模型。2)证据的数量化使得实证研究具有一般性和系统性。3)使用精致复杂的统计方法让研究者从已有的数据中最大程度地汲取有用的信息。从文献来看，正式模型尽管使用得并不多，但在关系强度和求职研究(Montgomery，1992)，理性选择模型(Breen and Goldthorpe，1997)，社会扩散模型(
berg，2000)等研究中都得到了应用。饶有意味的是，Lawson(2005)认为数学演绎方法基于原子化个体的假设，因此不能描述社会经济活动。但如果用数学语言来定义社会机制本身，这个悖论可能会得到解决。
第二，多主体建模和计算机仿真(Agentbased Modeling and Simulation)。所谓多主体建模和仿真，就是把社会系统看作一个由多个主体相互作用组成的复杂适应系统，在建立数学模型的基础上，用SWARM、Netlogo、Matlab等工具进行计算机仿真。⑥基于DBO理论，分析社会学者可以将个体层面的社会机制用正式模型的形式来表达，以此进行基于时间序列的多主体仿真。实际上，这就是在建立一个虚拟的社会学实验室，观察社会系统中从微观到宏观的过程。Macy和Wiler(2002)为Annual Review of Sociology撰写了一篇题为《从因素到主体：计算社会学和基于主体建模》的评论，回顾了多主体建模近年来在社会学分析中的应用（共18篇1998～2002年五年间发表在顶级社会学期刊上的相关论文），并指出了该方法将对微观—宏观解释起到举足轻重的作用。他们总结了社会学分析中多主体建模中行动者(agent)的四大特征：自治(autonomous)，互动(interdependent)，简单规则(follow simple rules)和回顾适应性(adaptive and backward-looking)。笔者认为，多主体建模和计算机仿真对于社会学解释最重要的意义在于两个方面：第一，传统社会学分析自上而下(top-down)地把社会生命理解为一个由制度、机构、规范所塑造的个体组成的层级体系。而基于主体建模则采取自下而上(bottom-up)的视角，对行动者间的简单互动进行建模。第二，由于系统的复杂性，非线性，路径依赖和自组织，多主体建模能够用“涌现”(emergence)的概念来帮助我们理解从微观到宏观的飞跃。也就是说，宏观层次上的社会模式，并非微观层次的个体属性的总和。伴随着集聚效应、滚雪球效应，社会系统中可以通过“涌现”而产生出很多和直觉相违背的社会现象。一个简单的类比就是：单独的飞鸟或者蚂蚁，并没有关于整个鸟群、蚁群行进、居住的总体规划或者智力思维，而仅仅有简单的追随、模仿等等个体间的互动反应。但是正是这种简单的规则，涌现出非常复杂的群体现象。比如，飞鸟在群体迁徙过程中组成非常规则的图案；蚂蚁社会的等级和秩序异常森严等等。
第三，社会网分析(Social network analysis)。由于分析社会学强调微观—宏观之间的联系，因此人际互动和网络分析必然成为分析社会学的应有之义。实际上社会网分析也正在日益成为社会学中的“显学”。国内在这方面已有不少较为全面的介绍，⑦笔者不再赘述。不过，当前社会网分析已经由通过分析软件计算给定网络的密度(density)、中心度(centrality)、欧几里德距离(Euclidean distance)等网络指标，发展到为社会网络建立概率模型。其中，最前沿也是最热门的是荷兰统计学家Tom Snijders等人建立起的“指数随机图”ERG模型(Exponential Random Graph Models)，也叫做P-Star模型（见Snijders2002; Snijders,Pattison,Robins,and Handcock 2005等等）。ERG和传统的社会网分析方法的区别在于，ERG的假设是网络属性是网络得以形成的一个驱动力，因此建模的目的在于对网络内部动力进行统计学分析(Robins，Pattison，Kalish and lsher 2005:6-8)。Nicholas(2007)用一个例子来说明这两者的区别。比如，传统（标准）网络分析方法可以测量出网络的“平均最短连线”(Mean Geodesic)，这样我们可以获得一个可以和其他网络进行比较的指标，也可以用这个指标来分析这个网络是不是“小世界”网络。而ERG则测量的是“传递性”(Transitivity)的统计量。也就是说，ERG测量的是一个三角迷你图（互相连接的三个nodes）在给定的网络中得以形成的概率。这个统计量的表达形式是一个参数值和相关的标准差。如果该参数为正且显著，我们就可以认为和同一个人相连接的另外两个人能够发生关联的机会很大。简言之，就是朋友的朋友容易成为朋友。
第四，实证校准(Empirically calibrating)。分析社会学强调机制性解释必须得到实证数据的支持或证伪。除了一般性的运用调查数据对机制性解释进行验证之外，在建立模型和计算机仿真的时候，还可以运用实证校准的方法。所谓实证校准(Empirically calibrating)就是把定量数据分析和多主体建模结合起来，把从调查数据中抽取出来的实证结果作为模型的参数纳入到多主体仿真之中去。典型的如berg和Hedstrm(2005)对90年代斯德哥尔摩地区的青年失业情况的研究。他们首先使用离散时间逻辑斯蒂事件史模型(discrete-time logistic event history model)对纵向数据进行分析，得出获得工作的概率和邻居中同类人的失业水平相关的初步结果。然后他们把这个结果纳入到正式模型中去。这种实证校准多主体仿真的优势在于：仿真中的主体在一定程度上成为现实求职者的虚拟复制(virtualized replicas)，因此能够保留很多真实的社会和人口学特征。
结语
分析社会学的提出，从理论源流上看，是当代社会学对韦伯与涂尔干之争的一次回应。分析社会学重归韦伯的社会学解释传统，拒绝把社会当作外在的客观结构来看待。同时，分析社会学也不是个体还原论的倡导者，因之不认为社会现象只是个人行动的简单叠加。这一点，通过它对互动、嵌入性、系统复杂性和“涌现”(emergence)等等概念的推重可见一斑。从方法论上看，分析社会学既继承了大理论(grand theory)的决定论思路，又提倡通过数学模型、多主体计算机模拟和实证检验等方法来探求因果和机制性解释，这一点将使得数学和计算机工具在社会学领域内的运用得到新的提升，社会学也得以和经济学、心理学甚至自然科学学科进一步融会贯通、相互促进。例如，作为社会学家的Hedstrm(2006)和berg(2001)夫妇，分别在《自然》和《科学》杂志发表了有关实验宏观社会学和社会网络的论文。以“Small world”小世界理论成名的Watts、以社会网分析成名的Snijders等等物理学、统计学出身的社会学家，在社会学领域都取得了重要的成就。
当前，分析社会学和其独特的机制性解释正在吸引越来越多的社会学家加入这一阵营。根据Barbera(2006)的回顾，在关于社会学分析方法的争论之中，主张机制性解释的当代社会学名家来自诸多流派。例如，理论社会学家Elster、Boudon、Lindenburg，定量研究的权威人物Goldthorpe和Blossfield，方法论个人主义的倡导者Gambetta和Hedstrm，结构主义学派的Srensen，数学社会学领域的Alber，以及计算机模拟领域的Macy等等。英国的牛津大学Nuffield学院、瑞典的斯德哥尔摩大学、美国的康奈尔大学、法国的巴黎索邦大学以及荷兰的格罗宁根大学，都逐渐成为分析社会学的重要基地。
尽管分析社会学初现雏形，但是面临的任务仍然艰巨。Fehr和Gintis(2007)指出，虽然Coleman,Hedstrm和Macy等人为分析社会学作出了贡献，但是社会学理论迄今仍然未建立起一个连贯的、广为接受的分析框架，能够以个人偏好、信念和社会经济条件等等来解释涌现出的社会模式。作为经济学家的Gintis(2007)认为基于BPC方法(Beliefs,Preferences,and Constraints approach)的模型，可以把个人行为作为一个服从于个人信念和机会空间的最大化目标方程来表达，因而能够担当起统一行为科学的框架的功能。不过，这种由下而上的追寻理论大一统的努力，是不是本身也是另一种帕森斯式的醉心于大理论的偏执呢？当然，起码在现在，没有哪个社会学家宣称他们想要用机制模型来统一社会学理论甚至行为科学——即便Hedstrm的DBO理论和Gintis的BPS模型貌离神合，前者也只是谨慎地表示DBO理论只是社会学分析的一个起点而非方法。这或许是因为社会学家们对数学工具的掌握还不够有力，抑或是因为他们对分析社会学始于批判帕森斯、却可能走向与帕森斯殊途同归而感到一丝尴尬吧。不过，这种学术上的谨慎，对于社会学本身来说并不是坏事。因为无论是经济学还是社会学，达到一个理论目标，比宣称一个理论目标，都要艰难无数倍。
注释：
①目前此书已有英文、意大利语版，中文版正在翻译之中。
②关于稳定的变量关系对于社会工程的意义以及变量分析的指导理论，主要得益于邹旻的指正。
③这里主要指韦伯主义和新韦伯主义的阶级概念，强调雇佣关系或者市场地位。这与马克思主义的阶级分析强调阶级地位以及新马克思主义强调产权制度有所区别。
④当然我们也可能发问，既然集体层次的社会资本可以被理解为信任、合作等等社会规范，根据奥姆卡剃刀，再用社会资本来命名它们是否具有解释意义。
⑤笔者个人不是完全认同Rizter关于社会学是一门多范式学科的看法，因为多范式可能只是当前社会学分析缺乏统一的理论起点和方法框架的表现。
⑥这项技术在宏观经济学和金融学领域内已有不少应用，有关介绍性中文著作可参见方美琪、张树人的《复杂系统建模与仿真》，陈禹和钟佳桂合著的《系统科学与方法概论》。英文著作可参考Gilbert与Troitzsch合著的Simulation for the social science第二版；Luna和Perrone主编的Agent-Based Mtheods in Ecomomics and Finance:Simulations in SWARM; Anderson著的Business Economics and Finance with Matlab,GIS and Simulation Models等等。
⑦社会网分析中文著作可参考罗家德的《社会网分析讲义》、刘军的《社会网分析导论》等等。英文文献基本概念部分可参考Nooy,Mrvar,Batagel合著的Exploratory Social Network Analysis with Pajek; Wasserman和Faust的Social Network Analysis:Methods and Application。较新的包括Carrington，Scott和Wasserman合编的Models and Methods in Social Network Analysis等等。牛津大学Nuffield学院新近建立了NNNR，旨在结合经济学、社会学和政治学等多学科力量来推进社会网分析。网址：http://www.nuffield.ox.ac.uk/nnnr。