規(guī)律與因果：大數(shù)據(jù)對社會科學研究沖擊之反思

劉林平　蔣和超　李瀟曉

摘要：在社會科學中，大數(shù)據(jù)研究還剛剛起步，但也取得了一定成果。大數(shù)據(jù)為社會學和社會科學重新發(fā)現(xiàn)社會歷史發(fā)展規(guī)律提供了可能性：它提供了認知宏觀社會、檢驗社會現(xiàn)象的“異質(zhì)性假設(shè)”和“結(jié)果穩(wěn)定假設(shè)”的數(shù)據(jù)基礎(chǔ)；它以實時記錄的特點較大程度上排除了獲取數(shù)據(jù)時的人為干擾；它將抽樣數(shù)據(jù)中被排斥的極端值重新納入統(tǒng)計分析。在因果關(guān)系上，大數(shù)據(jù)有助于從根本上克服由于抽樣偏頗所引起的樣本選擇性偏誤；匹配數(shù)據(jù)可以克服或緩解變量遺漏問題；作為面板數(shù)據(jù)和分層數(shù)據(jù)，大數(shù)據(jù)對確定因果效應(yīng)、檢驗因果關(guān)系比抽樣數(shù)據(jù)更為有利、穩(wěn)健和可靠。大數(shù)據(jù)也許可以重構(gòu)社會學和社會科學的研究目標。

關(guān)鍵詞：大數(shù)據(jù)；規(guī)律；因果關(guān)系；沖擊；反思

中圖分類號：C91-03

文獻標識碼：A

文章編號：0257-5833（2016）0943067-14

作者簡介：劉林平，南京大學社會學院教授、博士生導師；蔣和超，南京大學社會學院博士研究生；李瀟曉，南京大學社會學院博士研究生

（江蘇

南京210023）

一、大數(shù)據(jù)特征與社會學相關(guān)研究

“數(shù)據(jù)”是系統(tǒng)收集到的關(guān)于世界的信息要素?！按髷?shù)據(jù)（Big data或Megadata），或稱巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無法通過人工，在合理時間內(nèi)達到截取、管理、處理、并整理成為人類所能解讀的形式的信息。”由于互聯(lián)網(wǎng)的普及和相關(guān)設(shè)備的廣泛使用，人類活動的痕跡幾乎都可以轉(zhuǎn)化為可以儲存的數(shù)據(jù)，如日常起居、運動、購物、旅行、休閑、人際交往、寫作（發(fā)表意見、評論和文章等）等等莫不如此。在社會和國家的層面，經(jīng)濟、政治、軍事、科學、教育、社會和文化活動，及人類對自然界的影響，都會留下可儲存的海量數(shù)據(jù)。這些數(shù)據(jù)可以用來分析人類活動的特點和規(guī)律。因而，大數(shù)據(jù)必然會對傳統(tǒng)社會科學的研究方式產(chǎn)生巨大沖擊、挑戰(zhàn)并提供新的機遇。本文從社會學和社會科學研究的基本目標人手來進行反思。

大數(shù)據(jù)不同于傳統(tǒng)數(shù)據(jù)之處在于：它不是通過抽樣調(diào)查所獲取的樣本數(shù)據(jù)，而是人類活動的實時記錄，并大都可以通過互聯(lián)網(wǎng)存儲、獲取、交換和分析。大數(shù)據(jù)是“由科學儀器、傳感設(shè)備、互聯(lián)網(wǎng)交易、電子郵件、音視頻軟件、網(wǎng)絡(luò)點擊流等多種數(shù)據(jù)源生成的大規(guī)模、多元化、復(fù)雜、長期的分布式數(shù)據(jù)集”。大數(shù)據(jù)有多方面的來源，一般而言可以分作五類：企業(yè)公司數(shù)據(jù)，指來自公司企業(yè)的銷售、交易等數(shù)據(jù)，比如阿里巴巴的銷售數(shù)據(jù)、證券公司的交易數(shù)據(jù)等；網(wǎng)絡(luò)數(shù)據(jù)，主要是指來自互聯(lián)網(wǎng)、社交媒介的數(shù)據(jù)，比如Facebook、Twitter、新浪微博等；期刊圖書數(shù)據(jù)庫，是指取自某一個具體的數(shù)據(jù)庫的數(shù)據(jù)，比如CNKI期刊數(shù)據(jù)庫、Web of Science、Google圖書等；政府數(shù)據(jù)，是指源自政府的總體數(shù)據(jù)，比如人口普查數(shù)據(jù)、全國用水用電數(shù)據(jù)等；其他，是指除上述四類數(shù)據(jù)之外的其他數(shù)據(jù)，但不包含抽樣調(diào)查數(shù)據(jù)。有關(guān)大數(shù)據(jù)的基本特征，我們可以在與傳統(tǒng)數(shù)據(jù)的比較中進行描述和分析。

1.樣本與總體

和以往抽樣調(diào)查獲得的數(shù)據(jù)不同，大數(shù)據(jù)不是抽樣數(shù)據(jù)而是一個總體數(shù)據(jù)。但是，這個總體是一定范圍里的總體，而不是絕對總體。比如，人們通過京東商城購物，所有的購物過程都可以轉(zhuǎn)化為數(shù)據(jù)，所得到的總體就是在京東商城發(fā)生購物行為的總體。這個總體不是所有網(wǎng)上購物者的總體，更不是包括線下購物者的全部購物者的總體。不過，有一些數(shù)據(jù)的總體，就是一個完整的總體。比如，美國國防氣象衛(wèi)星計劃（Defense Meteorological Satellite Program）的夜間燈光圖像數(shù)據(jù)，就是每天對地球進行掃描的數(shù)據(jù)，其平均燈光強度可以作為代表區(qū)域社會經(jīng)濟發(fā)展的指標，現(xiàn)有研究表明這一指標與GDP的相關(guān)度非常高。這個數(shù)據(jù)的總體，就是整個地球。因而，我們不能籠統(tǒng)地說總體，而要具體看該數(shù)據(jù)所代表的總體是什么樣的總體。這樣所得結(jié)論的界限就比較明確。

作為總體的大數(shù)據(jù)，在統(tǒng)計上至少有兩個意義：其一，它可以給抽樣數(shù)據(jù)提供參照，糾正其偏差。抽樣調(diào)查采用抽樣數(shù)據(jù)推斷總體，實際上，很大程度上對總體認識不清，并不知道推論的實際效果，只是根據(jù)統(tǒng)計的顯著性來進行檢驗。大數(shù)據(jù)的出現(xiàn)為抽樣數(shù)據(jù)提供了總體的基本特征，抽樣數(shù)據(jù)可以與大數(shù)據(jù)進行比較，看到底有沒有偏差，偏差有多大。所以，大數(shù)據(jù)給小數(shù)據(jù)（抽樣數(shù)據(jù)）提供了一個標桿和判斷的標準。其二，運用大數(shù)據(jù)進行統(tǒng)計時，顯著性檢驗可能就是不必要的了，實際數(shù)據(jù)差異是多少就是多少，因為它就是總體。

2.結(jié)構(gòu)化與非結(jié)構(gòu)化

與人們的一般想象不同，大數(shù)據(jù)其實主要不是結(jié)構(gòu)化的數(shù)據(jù)，而是非結(jié)構(gòu)化（含半結(jié)構(gòu)化）的數(shù)據(jù)?！皳?jù)統(tǒng)計，只有5%的數(shù)據(jù)是結(jié)構(gòu)化的且能適用于傳統(tǒng)數(shù)據(jù)庫?！狈墙Y(jié)構(gòu)化的數(shù)據(jù)對社會科學研究提出了如下問題：其一，它對數(shù)據(jù)的分類、整理提出超越以往任何時候的技術(shù)要求和理念更新。其二，精確性與模糊性并存?！按髷?shù)據(jù)要求我們有所改變，我們必須能夠接受混亂和不確定性?！贝髷?shù)據(jù)是精確性與模糊性并存的數(shù)據(jù)，可能精確的更精確，而模糊也是能夠接受的。

3.單一與匹配

一般說來，大數(shù)據(jù)的數(shù)據(jù)比較單一，它僅包含有限的變量。比如家庭和企業(yè)的用電、用水記錄，通訊公司的手機消費記錄，等等。但是，這些數(shù)據(jù)是可以匹配起來的。比如，通過通訊公司的手機（或座機）記錄、網(wǎng)上購物記錄和快遞公司的送貨記錄，我們可以分析手機用戶的網(wǎng)絡(luò)消費情況，進一步也可以將其人際交往情況匹配起來，等等。如果匹配是可能的，那么將有可能改變大數(shù)據(jù)目前變量較少的狀況。這種匹配，在技術(shù)上是可行的。問題在于不同數(shù)據(jù)的產(chǎn)權(quán)可能歸屬于不同的公司或部門，怎么解決數(shù)據(jù)交換的問題，就是一個市場交易的問題，是一個經(jīng)濟學和法學的問題。

在個體的層次上，將數(shù)據(jù)匹配起來，牽涉到個體的權(quán)利、隱私等問題。在組織（如企業(yè)、公司、學校、科研機構(gòu)、政府組織和非政府組織等等）層次上、地區(qū)（如社區(qū)、城市、行政區(qū)劃等）層次上，也同樣存在上述問題。不過，非個體層次對隱私的要求沒有那么嚴格，在現(xiàn)有條件下，數(shù)據(jù)的獲得、使用主要受限于信息的不公開。

4.容量、記錄與面板

數(shù)據(jù)容量巨大也是大數(shù)據(jù)的基本特征。當前，大數(shù)據(jù)是指容量超過1TB或1PB的數(shù)據(jù)集，容量的界定是相對的，它會隨著時間和數(shù)據(jù)類型有所不同，隨著存儲能力的提高，大數(shù)據(jù)容量的閾值也會提高，對大數(shù)據(jù)容量給出一個確切的閾值是不切實際的。

大數(shù)據(jù)是人類活動的實時記錄，與抽樣數(shù)據(jù)如問卷調(diào)查數(shù)據(jù)相比較，它往往不是回顧性的，基本不受到人的記憶的干擾，所以，在這個意義上，它比問卷調(diào)查數(shù)據(jù)更準確。由于大數(shù)據(jù)是實時記錄，所以它又具有時效性。由于大數(shù)據(jù)源源不斷地產(chǎn)生，它又是面板數(shù)據(jù)，而且是間隔時間非常短暫的面板數(shù)據(jù)，這是抽樣調(diào)查數(shù)據(jù)，哪怕是其中的面板數(shù)據(jù)所難以比擬的。

總而言之，作為人類活動實時記錄的大數(shù)據(jù)是一個總體數(shù)據(jù)，它包含結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，一般容量較大，現(xiàn)實中單一的數(shù)據(jù)變量較少但可以進行匹配，許多大數(shù)據(jù)是源源不斷涌現(xiàn)的面板數(shù)據(jù)。這些特征使得它區(qū)別于傳統(tǒng)數(shù)據(jù)，并對人類活動和科學研究產(chǎn)生了難以估量的影響。2008年，在《自然》雜志出版的?？按髷?shù)據(jù)（Big Data）”中，費利斯·弗蘭克爾（Felice Frankel）和羅莎琳德·里德（Rosalind Reid）指出，巨大的數(shù)據(jù)流埋藏著對新科學的啟示，但是，我們需要發(fā)現(xiàn)的工具，比如透鏡。當然，大數(shù)據(jù)對科學的啟示或沖擊是從自然科學領(lǐng)域里開始的，但這種影響必然延伸到社會科學。

我們在收錄了SSCI期刊的WOS（Web of Science）數(shù)據(jù)庫中，對社科類文獻中涉及大數(shù)據(jù)的社會科學（包含社會學）文章進行檢索，結(jié)果發(fā)現(xiàn)：在社會科學研究中，涉及大數(shù)據(jù)的研究還很少，2010年至2015年12月以標題檢索的總計僅為249篇，采用大數(shù)據(jù)進行實證研究的則更少，僅為43篇。這說明大數(shù)據(jù)研究剛剛起步，涉及大數(shù)據(jù)的文章80%以上還在討論概念、特征和研究框架等初步問題。

在社會學學科中，共有30篇有關(guān)大數(shù)據(jù)的論文發(fā)表，其中2011年到2014年有9篇，2015年則有2l篇。其中實證研究僅有2篇，所用數(shù)據(jù)來自網(wǎng)絡(luò)中的Twitter，研究方法采用時間序列分析，所用軟件為R。這說明，在英文文獻中，社會學的大數(shù)據(jù)研究也是剛剛起步。盡管大數(shù)據(jù)的研究并不多，但還是取得了一定的成果。根據(jù)斯科特·戈爾德（ScoR A.Golder）和邁克爾·梅西（Michael w.Macy）的歸納，西方學界對大數(shù)據(jù)中的網(wǎng)絡(luò)數(shù)據(jù)的研究（主要涉及傳播學、心理學、社會學和政治學等學科）在三個方面有所進展。

一是社會網(wǎng)絡(luò)與傳播研究。借助Facebook、Twitter、郵件、電話通訊等數(shù)據(jù)提供的豐富的人口學特征和社會網(wǎng)，學者們驗證了格蘭諾維特（Mark Granovetter）“弱關(guān)系假設(shè)”和博特（Ronald Butt）“結(jié)構(gòu)洞”理論。伊格爾（Eagle N.）等對6500萬電話用戶的通訊記錄的研究表明，社區(qū)成員社交網(wǎng)絡(luò)的多樣性與其經(jīng)濟發(fā)展呈正相關(guān)，證實了社會網(wǎng)絡(luò)理論。烏干達（Ugander J.）等使用Facebook的社交網(wǎng)絡(luò)數(shù)據(jù)發(fā)現(xiàn)，隨著用戶社交網(wǎng)絡(luò)規(guī)模的不斷擴大，用戶之間的分割由2008年的5.3步下降到了2011年的4.7步，驗證了“六度分隔理論”。巴克什（Bakshy E.）等對2.5億Facebook回帖數(shù)據(jù)的研究表明，新信息的傳播主要通過弱關(guān)系。相反，奧涅拉（Onnela J-P）等對460萬手機用戶的通訊記錄的研究發(fā)現(xiàn)，盡管弱關(guān)系使社交網(wǎng)絡(luò)聯(lián)系了起來，但是大多數(shù)信息的傳播都是通過中等強度的聯(lián)結(jié)實現(xiàn)。

二是社會交換、合作與信任的研究。巴克斯卓（Backstrom L.）和克萊因伯格（KleinbergJ.）隨機抽取了130萬成年Facebook用戶來測試戀愛關(guān)系建立和維持過程中社交網(wǎng)絡(luò)的“嵌入效應(yīng)”。令人驚奇的是，他們發(fā)現(xiàn)“離散”（較少的重疊）而不是“嵌入”更容易產(chǎn)生戀愛關(guān)系，這與“嵌入關(guān)系理論”相悖，但卻與博特的“結(jié)構(gòu)洞”理論相一致，即那些能夠填補結(jié)構(gòu)洞的人更能吸引同伴。

三是集體行動與社會運動研究。用戶的網(wǎng)絡(luò)互動數(shù)據(jù)為研究者檢驗集體行動理論、公共物品和博弈論的相關(guān)假設(shè)提供了良好的機會，并受到政府機構(gòu)的極大重視。比如，岡薩雷斯（Gonzalez-Bailon S.）等使用Twitter和Facebook提供的數(shù)碼痕跡來追蹤“阿拉伯之春”中的抗議信息和公眾輿論，因為通過追蹤用戶發(fā)布內(nèi)容的轉(zhuǎn)變可以用來衡量抗議動員的速度和程度。迪格瑞齊亞（Digrazia J.）等關(guān)于地方選舉的研究表明，當?shù)毓埠忘h的選票與Twitter用戶消息中出現(xiàn)“共和黨”名稱的次數(shù)呈正相關(guān)關(guān)系，社交網(wǎng)絡(luò)數(shù)據(jù)為傳統(tǒng)輿論調(diào)查提供了一個重要的補充。

在國內(nèi)的研究中，大數(shù)據(jù)研究相關(guān)文獻并不太多。我們采用同樣標準對CNKI數(shù)據(jù)庫中收錄在CSSCI中的文獻進行搜索，結(jié)果發(fā)現(xiàn)：中文文獻中大數(shù)據(jù)（共1359篇）相關(guān)的文章遠遠超出英文文獻，但實證研究僅為30篇，少于英文文獻。這說明，中文文獻更是處于介紹、討論基本概念、特征等初步階段上。在中文文獻中，社會學有54篇，但實證研究僅有4篇。王程轔使用CNKI數(shù)據(jù)庫搜索“大數(shù)據(jù)”關(guān)鍵詞，進行反事實分析，認為暫不能判斷“大數(shù)據(jù)”是否能引領(lǐng)新科學范式的“大趨勢”。陳云松等人使用谷歌圖書和社交媒體Twitter的數(shù)據(jù)，研究了中國城市的知名度和社會學百年來的發(fā)展情況。這些研究具有一定的價值，但研究方法還比較簡單。

總體來說，在中英文文獻中，大數(shù)據(jù)的研究剛剛起步，多數(shù)文章還在描述大數(shù)據(jù)的特征，確定研究大數(shù)據(jù)的基本框架。實證研究非常少，也比較簡單，不過也取得一定的成果。

當然，大數(shù)據(jù)對社會科學及其社會學的影響并不是表現(xiàn)為剛剛開始發(fā)表的少量論文，更為根本之處在于：它沖擊或挑戰(zhàn)了社會學和社會科學的基本理念、研究邏輯、研究方法與技術(shù)，或者說，大數(shù)據(jù)對以往社會學及社會科學的研究范式形成很大挑戰(zhàn)。

二、找回規(guī)律：古典社會學是否可以重生？

自17世紀牛頓力學和19世紀達爾文進化論以來，近代和現(xiàn)代自然科學逐漸成型并給社會科學帶來深刻影響。如同自然科學家發(fā)現(xiàn)自然界的規(guī)律一樣，社會科學家也力圖發(fā)現(xiàn)人類社會歷史發(fā)展規(guī)律。恩格斯在《在馬克思墓前的講話》一文中宣稱：“正象達爾文發(fā)現(xiàn)了有機界的發(fā)展規(guī)律一樣，馬克思發(fā)現(xiàn)了人類歷史的發(fā)展規(guī)律。……馬克思還發(fā)現(xiàn)了現(xiàn)代資本主義生產(chǎn)方式和它所產(chǎn)生的資產(chǎn)階級社會的特殊的運動規(guī)律?！?/p>

經(jīng)濟學家亞當·斯密、大衛(wèi)·李嘉圖和哲學家康德、黑格爾等人都在某種程度上認為經(jīng)濟學和哲學的基本目標或使命就是發(fā)現(xiàn)人類社會歷史發(fā)展規(guī)律。亞當·斯密將功利主義視為“永劫不移的……原理”。李嘉圖“相信經(jīng)濟學的某些結(jié)論與‘萬有引力原理同樣確定”?？档孪嘈?，“大自然即使在混沌中也只能有規(guī)則有秩序地進行活動”。而心中的道德律使他認識到“處于普遍必然的聯(lián)結(jié)中”。黑格爾認為，“‘理性是世界的主宰，世界歷史因此是一種合理的過程”。“‘景象萬千，事態(tài)紛紜的世界歷史，是‘精神的發(fā)展和實現(xiàn)的過程?！?/p>

社會學家也是規(guī)律的探尋者?？椎抡J為：“作為我們智慧成熟標志的根本革命，主要在于處處以單純的規(guī)律探求（即研究被觀察現(xiàn)象之間存在的恒定關(guān)系）來代替無法認識的本義的起因。”迪爾凱姆認為：“社會學研究方法的最基本規(guī)則是，要將社會現(xiàn)象當做客觀事物來看待?！鄙鐣F(xiàn)象又可以分為“規(guī)則現(xiàn)象”和“不規(guī)則或病態(tài)現(xiàn)象”，其中內(nèi)涵著規(guī)律。馬克斯·韋伯的看法有所不同，他認為，“社會學……應(yīng)該被稱之為一門想解釋性地理解社會行為、并且通過這種辦法在社會行為的過程和影響上說明其原因的科學”。但韋伯并不否認規(guī)律，他認為，如果統(tǒng)計結(jié)論能證明，那么“將來的科學研究也能……發(fā)現(xiàn)……規(guī)律性”。

這種尋求社會歷史發(fā)展規(guī)律的努力后來遭到許多學者的質(zhì)疑，其主要理由在于質(zhì)疑者提出，社會現(xiàn)象具有與自然現(xiàn)象不同的特征。

其一，整體性。波普爾認為，社會科學尋求宏觀社會歷史發(fā)展規(guī)律的企圖，受到社會整體的困擾，“‘整體絕不能成為科學研究的對象”。“如果我們要研究一個事物。我們就不得不選擇它的某些方面。我們不可能觀察或描述整個世界?！闭w的理論或假設(shè)沒有辦法進行檢驗，“如果沒有檢驗的可能性，那么，聲稱采取了任何一種科學方法，都是白說的。整體主義方法與真正的科學態(tài)度是不相容的”。社會科學只能通過局部去研究整體，通過對個人的了解去研究社會。與整體主義方法論相反，波普爾認為，“社會理論的任務(wù)是要……依據(jù)每個人以及他們的態(tài)度、期望、關(guān)系等情況來建立和分析我們的社會學模式——這個設(shè)定可以稱為‘方法論個人主義”。

其二，異質(zhì)性。歐內(nèi)斯特·內(nèi)格爾（Emest Nagel）指出，社會文化是相對的。社會現(xiàn)象具有“‘受歷史約束的或‘文化上決定的特征”。受此影響，社會科學理論具有嚴格有限的應(yīng)用范圍，對一個社會的樣本資料研究所得出的結(jié)論可能不適合另一個社會。“人類社會的差異性與特質(zhì)性造成了社會科學具有情境性（contextual）和相對性的特征?！薄扒榫巢町惡蜕鐣冞w在所有社會科學學科中都是兩個重要的參量。這兩個參量都反對雄心勃勃的范式性的概化?！?/p>

其三，能動性或意向性。社會生活中的人不是物體，他具有主體性或能動性，并具有特定的階級立場和利益。波普爾認為，社會科學的客觀性受到人的因素的干擾。“社會科學涉及社會偏見、階級偏見和個人利益，所以在社會科學里，缺乏科學的客觀性就至關(guān)重大了。”“在絕大多數(shù)的，或者在全部的建構(gòu)社會理論中，人的因素將仍然是一個非理性的成分?！眱?nèi)格爾認為，“人類由于獲得了對他們所參與的事件，或?qū)λ麄冏鳛槠涑蓡T的社會的新知識，因而經(jīng)常更改他們習慣的社會行為方式”。由于人的能動性，社會科學的預(yù)言可能改變?nèi)说男袨椋夯蛘吲c之作對，或者有所加強；由于人的能動性，在進行實驗、回答問題時，可能依情境而發(fā)生變化，這會影響到社會科學“應(yīng)用數(shù)量方法的特殊困難，尤其是測量方法”。克勞斯·邁因策爾（KlausMainzer）指出：“在社會科學中，人們通常在生物學進化和人類社會歷史之間作出嚴格的區(qū)分。原因在于，國家的、市場的和文化的發(fā)展被假定是由人的意向性行為所指引的，即人的決策是以意向性和價值為基礎(chǔ)的?！?/p>

因而，以波普爾為代表的一些學者，將馬克思等人尋找社會歷史規(guī)律的追求稱之為“歷史決定論”：這“是探討社會科學的一種方法，它假定歷史預(yù)測是社會科學的主要目的，并且假定可以通過發(fā)現(xiàn)隱藏在歷史演變下面的‘節(jié)律或‘模式、‘規(guī)律或‘傾向來達到這個目的”。波普爾認為，歷史決定論根本行不通。他的觀點產(chǎn)生了廣泛而深遠的影響。

在社會科學中重要的一門分支學科——社會學中，一些學者認為應(yīng)該拋棄發(fā)現(xiàn)普遍規(guī)律的企圖，尤其是與包羅萬象的“帕森斯主義”決裂，回到墨頓的“中層理論”，關(guān)注具體的“因果機制”。就如埃爾斯特（Jon Elster）所說，“社會科學的重點將會有一個從理論推定到機制的重要轉(zhuǎn)變……對所發(fā)生事情的描述會進人中觀或微觀層次?！睓C制性解釋的核心理念是，“不通過提出放之四海而皆準的社會規(guī)律或者尋求統(tǒng)計相關(guān)的因素來解釋社會現(xiàn)象，而是通過探求那些可以展示出社會現(xiàn)象如何產(chǎn)生的機制來進行解釋”。

那么，大數(shù)據(jù)對社會學及社會科學尋求規(guī)律的研究宗旨或目標會帶來什么樣的影響呢？我們認為，波普爾對社會科學中的整體主義方法論的批評是有問題的：姑且不論是否存在整體主義方法論（他在這里可能對馬克思主義存在誤解），以人們只能認知局部而不能認知整體來推論不能得到關(guān)于社會歷史規(guī)律的邏輯是錯誤的，因為自然科學也存在同樣的問題，人類社會是一個整體，但作為自然界的地球、太陽系乃至宇宙也是一個整體，自然科學能，為什么社會科學就不能？

千百年來，尤其是近現(xiàn)代社會科學發(fā)展成型以來，人類對于社會的認知，從經(jīng)驗事實的角度來說，首先來自于個體生活經(jīng)驗，其次來源于有限個案（質(zhì)性研究），第三來源于抽樣調(diào)查，第四來源于普查（例如人口普查）。但在互聯(lián)網(wǎng)及相關(guān)設(shè)備發(fā)展普及之前，關(guān)于社會總體的數(shù)據(jù)少之又少。巧婦難為無米之炊，要從有限的經(jīng)驗事實或數(shù)據(jù)中得到關(guān)于宏觀社會的總體認識，的確是盲人摸象，難之又難。以抽樣數(shù)據(jù)推斷總體的做法，總是難以避免偏差。因此而放棄對社會歷史發(fā)展規(guī)律的探求而關(guān)注較為微觀和具體的因果機制，也是可以理解的?；ヂ?lián)網(wǎng)及相關(guān)設(shè)備（如傳感器和微處理器等）的發(fā)展，對人類活動進行實時記錄并儲存起來，形成大數(shù)據(jù)，提供了認知總體社會的數(shù)據(jù)基礎(chǔ)。在波普爾時代，從總體上來認知社會的確不可能，但現(xiàn)在具有了可能性，這是因為我們有了總體的大數(shù)據(jù)——“樣本”=“總體”。

以社會現(xiàn)象異質(zhì)性較強而自然現(xiàn)象同質(zhì)性較強來否定對社會歷史發(fā)展規(guī)律的追求，也是建立在有限經(jīng)驗事實基礎(chǔ)上的。自然界豐富多彩，人類社會也具有同質(zhì)性。“復(fù)雜性和非線性是物質(zhì)、生命和人類社會進化中的顯著特征。”異質(zhì)性和同質(zhì)性都是較為抽象的概念，籠統(tǒng)地說異質(zhì)性（如文化異質(zhì)性）并沒有扎實的基礎(chǔ)。應(yīng)該將社會現(xiàn)象的異質(zhì)性作為一個假設(shè)而不是一個前提，并通過對人類社會生活、歷史發(fā)展和文化異同的大量經(jīng)驗事實的分析來檢驗這一假設(shè)。社會現(xiàn)象的異質(zhì)性或同質(zhì)性，絕對不是有限個案可以確證的。而大數(shù)據(jù)提供了檢驗這一假設(shè)的可能性。

人的確具有能動性、意向性、情境性和逆反心理，這是產(chǎn)生質(zhì)性研究、抽樣調(diào)查以及人口普查所得數(shù)據(jù)之誤差的重要來源之一。但大數(shù)據(jù)恰好在這方面具有一定的優(yōu)勢或長處。“隨著大數(shù)據(jù)分析取代了樣本分析……當記錄下來的是人們的平常狀態(tài)，也就不用擔心在做研究和調(diào)查問卷時存在的偏見了?！贝髷?shù)據(jù)是人類活動的實時記錄，和通過訪談等方式得到的數(shù)據(jù)不同，它更能排除獲取數(shù)據(jù)時人的不誠實、記憶誤差及環(huán)境干擾等因素導致的誤差。

關(guān)于人的能動性和意向性對社會歷史規(guī)律的影響，恩格斯早有論述。他認為，在社會歷史領(lǐng)域內(nèi)進行活動的人具有意識、激情，經(jīng)過思慮、追求目的。但是，歷史進程受內(nèi)在規(guī)律支配。“無數(shù)的個別愿望和個別行動的沖突，在歷史領(lǐng)域內(nèi)造成了一種同沒有意識的自然界中占統(tǒng)治地位的狀況完全相似的狀況。行動的目的是預(yù)期的，但是行動實際產(chǎn)生的結(jié)果并不是預(yù)期的，或者這種結(jié)果起初似乎還和預(yù)期的目的相符合，而到了最后卻完全不是預(yù)期的結(jié)果。這樣，歷史事件似乎總的說來同樣是由偶然性支配著的。但是……這種偶然性始終是受內(nèi)部隱藏著的規(guī)律支配的，而問題只是在于發(fā)現(xiàn)這些規(guī)律。”

恩格斯的論述可以概括為“結(jié)果穩(wěn)定假設(shè)”。如前所述，迪爾凱姆也十分強調(diào)社會現(xiàn)象外在于個人的客觀性。現(xiàn)代社會學和社會科學的眾多研究證明，個人的意向性只是增強了社會現(xiàn)象的隨機性、偶然性，而并不是沒有規(guī)律可循。比如，人的遷移行為（國際移民，如中國人移民美國建立唐人街；國內(nèi)移民，如農(nóng)民外出打工）是有意向性的，單個人的遷移也可能是偶然的，但大規(guī)模的遷移行為則是有規(guī)律的?！皣业暮蛧H的遷移效應(yīng)不可能用單個人的自由意志來解釋?！碑斎?，恩格斯的“結(jié)果穩(wěn)定假設(shè)”還需要證明或證偽。如果有足夠的經(jīng)驗材料，比如大數(shù)據(jù)，這個假設(shè)就會得到進一步的檢驗。

大數(shù)據(jù)對于探討人類行為和社會歷史規(guī)律并且更為準確地進行預(yù)測還有一個非常有利的方面，那就是：在抽樣數(shù)據(jù)中往往被刪節(jié)的少量極端值在大數(shù)據(jù)中成為可以分析的個案或變量。帕特里克·塔克爾（Patrick Tucker）指出，“大數(shù)據(jù)可以幫你實現(xiàn)的，是找到擁有特定的行為模式和性格的人，而在小樣本中你很難遇到——或許永遠不會遇到，因為周圍噪音太多了”?！爱斈愕臄?shù)據(jù)中有了足夠的點，即便異常事件也可能顯示出某種特征?！痹谛》秶锏男「怕适录谝粋€大范圍里可能就不是小概率事件，或者至少有較多的個案可以進行統(tǒng)計分析。這樣，大數(shù)據(jù)就超越了小數(shù)據(jù)，將在小數(shù)據(jù)里被排斥的個案重新納人分析框架之中。

總而言之，作為總體、實時記錄和面板的大數(shù)據(jù)為重新發(fā)現(xiàn)宏觀社會歷史發(fā)展規(guī)律提供了以往所不具備的數(shù)據(jù)基礎(chǔ)和可能性，在這個意義上，大數(shù)據(jù)可以重構(gòu)社會學和社會科學的研究目標：它使得社會學、經(jīng)濟學和其他社會科學研究者至少可以發(fā)現(xiàn)或?qū)ふ胰祟惢顒拥男袨橐?guī)律，并在此基礎(chǔ)上發(fā)現(xiàn)社會歷史的發(fā)展規(guī)律。

需要進一步澄清的是，承認社會歷史發(fā)展具有規(guī)律并以此作為社會學或社會科學的研究目標，并不必然導致決定論。波普爾等人對古典社會科學的決定論性質(zhì)的批評并非毫無道理。受限于當時的科學理念與發(fā)展水平，大多數(shù)古典哲學家、經(jīng)濟學家、社會學家及其他社會科學家將人類活動與社會歷史規(guī)律看作是必然的，這當然具有決定論的特征。區(qū)別決定論或非決定論，關(guān)鍵在于將規(guī)律理解為是必然的還是概率性的，而不是是否具有規(guī)律。人類行為、社會現(xiàn)象、歷史進程的變化是有規(guī)律的，但不是決定論意義上的必然性，而是概率論意義上的可能性。

在大數(shù)據(jù)的研究中，一些學者指出了人類行為的可預(yù)測性、規(guī)律性。帕特里克·塔克爾指出：“人類行為的可預(yù)測性比任何人想象中的都要強?！卑匾焕孤濉ぐ屠臀鳎ˋlbert-Laszle Barab6si）同樣認為：“人類行為遵循著一套簡單并可重復(fù)的模型，而這些模型則受制于更加廣泛的規(guī)律?！?/p>

三、大數(shù)據(jù)要放棄對因果關(guān)系的追求嗎？

任何科學都要追求因果關(guān)系解釋，缺乏因果關(guān)系解釋就沒有規(guī)律。反過來，追求發(fā)現(xiàn)規(guī)律就必然要追求因果關(guān)系。休謨認為，因果關(guān)系“是我們從經(jīng)驗中得來的關(guān)系”。發(fā)現(xiàn)因果關(guān)系的必要條件是：第一，“凡被認為原因或結(jié)果的那些對象總是接近的”；第二，“在時間上因先于果”；第三，原因和結(jié)果之間的“恒常結(jié)合”之“必然聯(lián)系”。休謨奠定了科學對于因果關(guān)系的基本理解。休謨所謂的“恒常結(jié)合”就是事物之間統(tǒng)計上的強相關(guān)關(guān)系。此后，經(jīng)過密爾等人的發(fā)展，關(guān)于確立事物之間因果關(guān)系的標準就基本穩(wěn)定了：“兩個變量間存在因果關(guān)系，即一個變量導致另一個變量，如果（1）在時序上，因先于果。（2）兩者間有實證的相關(guān)性，而且（3）因果關(guān)系不是第三個變量的結(jié)果。完全符合上述三個條件的關(guān)系，就是因果關(guān)系?！?/p>

上述標準中的第3條，實際上就是要排除其他因素的干擾，確認就是原因?qū)Y(jié)果的影響而不是其他因素的影響?！把芯刻囟ㄔ虻睦硐霠顟B(tài)是什么？那就是所有其他的‘干擾，因素都消失的狀態(tài)?！斔械钠渌母蓴_都不復(fù)存在的時候，原因就在它的行為中清楚地展示它的力量?！睂τ诘?條的理解，也可以從反事實的角度進行：當有原因A時，會導致結(jié)果B；當沒有原因A時，則不會導致結(jié)果B。因而，“因果關(guān)系問題實際上是一個反事實問題一。

當然，社會科學通常是在概率的意義上來理解因果關(guān)系的?！敖y(tǒng)計學對因果關(guān)系表述為：在相等條件下，如果A發(fā)生，則B發(fā)生的概率提高，或者x變化導致Y平均值的變化。因果關(guān)系的必然性不表述為個體事件，而表述為群體概率或平均值和隨機組試驗的可重復(fù)性?！?/p>

基于第3條標準，實驗法成為確立因果關(guān)系最成熟的方法和手段。因為實驗可以將實驗對象隨機分配到控制組和實驗組，并排除外界其他因素的干擾?？墒?，社會科學的研究對象是人，造成了“進行實驗的特殊困難”?！霸谏鐣芯款}材上進行受控實驗的可能性極為狹小?！币蚨鐣茖W主要采用統(tǒng)計方法并結(jié)合其他手段來探尋因果關(guān)系。

從統(tǒng)計的意義上來探討因果關(guān)系，就不是兩個變量（一個因變量，一個自變量）之間的關(guān)系那么簡單的事情，因為社會生活中幾乎不存在單因單果的現(xiàn)象。統(tǒng)計控制就是要將可能對因變量（被解釋變量）和自變量（關(guān)鍵解釋變量）有影響的變量納入模型。從統(tǒng)計的角度來說，因果關(guān)系的問題就轉(zhuǎn)變成了因果效應(yīng)?！爱斀忉屪兞勘毁x予兩個不同的值時，因果效應(yīng)就是這些值對應(yīng)的觀察值中系統(tǒng)部分間的差異?！痹诮y(tǒng)計模型中準確估計因果效應(yīng)主要受制于三個因素：

其一，樣本選擇性偏誤。樣本選擇性偏誤是由于缺乏科學的研究設(shè)計、非隨機抽樣、客觀條件限制等因素引起的。這既可能是由于研究者的主觀選擇所導致（比如力圖證明某一假設(shè)而只選取有利證據(jù)），也可能是由于客觀條件限制（如沒有好的抽樣框?qū)е氯狈﹄S機抽樣的基本條件），還可能是盡管有一個好的研究設(shè)計，但由于操作過程中的失誤所致。樣本選擇性偏誤有兩種基本的形式：其一，缺乏參照組或?qū)φ战M，不能進行反事實分析。其二，只看到有限樣本，而且是一個非隨機樣本⑨。就缺乏參照組來說，當下的許多大數(shù)據(jù)也是如此。比如，由京東商城購物者行為所形成的大數(shù)據(jù)，就是一個線上購物者的數(shù)據(jù)，且不說還有其他的線上購物（如亞馬遜），如果要完整研究消費者的購物行為，那就缺少線下購物者這一參照組，即使只研究線上購物，也可能由于缺乏線下購物的對比而導致認識偏差。顯然，大數(shù)據(jù)只對由于抽樣引起的有限樣本的選擇性偏誤具有一定的糾正作用。因為大數(shù)據(jù)就是一定范圍里的總體，在理論上可以“收集所有的數(shù)據(jù)，即‘樣本=‘總體”。因此，它也糾正了對于這一總體抽樣所導致的偏差。

統(tǒng)計學家們想出種種方法來解決樣本選擇性偏誤，但最根本的解決方案之一是不需要抽樣，換句話說，就是具有一個總體樣本。而這恰好是大數(shù)據(jù)的優(yōu)勢所在。大數(shù)據(jù)如果是總體或全部樣本的數(shù)據(jù)，那就從根本上解決了由于抽樣偏頗所引起的樣本選擇性偏誤。

其二，變量遺漏。現(xiàn)實生活中的大數(shù)據(jù)往往只有幾個簡單的變量，其中一些數(shù)據(jù)只有客觀變量（缺乏態(tài)度或評價性的主觀變量），如果采用單一數(shù)據(jù)，變量遺漏問題會非常嚴重，甚至遠遠不如精心設(shè)計的抽樣數(shù)據(jù)。不過，如果將不同的數(shù)據(jù)匹配起來，那么這一問題將在一定程度上得到緩解。匹配大數(shù)據(jù)在技術(shù)上是可以解決的，現(xiàn)實的問題主要在于數(shù)據(jù)的產(chǎn)權(quán)交換和數(shù)據(jù)使用的倫理，經(jīng)過充分的討論，這些問題是可以解決的。某一大數(shù)據(jù)變量簡單或較少的問題，是測量標準、技術(shù)和設(shè)計的問題，這些問題是可以逐步改進的?，F(xiàn)有測量，社會科學很少介入，在一定程度上導致社會關(guān)系指標或變量較少。假以時日，由于社會科學的進步和公眾對此的認可，一些社會性的變量被列人、重視和普及，也是很有可能的。

其三，內(nèi)生性問題。內(nèi)生性問題涉及對于因果關(guān)系的基本理解。所謂內(nèi)生性問題，是指“在一些情況下出現(xiàn)反向因果問題：解釋變量受到被解釋變量影響，而不是我們假設(shè)的影響被解釋變量”。我們認為，在簡單、封閉、穩(wěn)定和局部的系統(tǒng)，因果關(guān)系較易確定；在復(fù)雜、開放、動態(tài)和龐大的系統(tǒng)中，因果關(guān)系難以確定。因果關(guān)系之所以難以確定，主要是互為因果或因果關(guān)系相互糾纏的問題，也就是“內(nèi)生性”問題?！霸S多社會變量具有相互作用的效果，因而因果關(guān)系通常是不能簡單累加的?！薄邦A(yù)期的作用會導致因果關(guān)系難以在許多人類互動中定位?！捎谌藗儠鶕?jù)對他者如何行動的預(yù)期以及對自己行動結(jié)果的信念來調(diào)整自己的行為，因此經(jīng)驗性調(diào)查乃至因果概念的界定都變得非常困難?！?/p>

所以，在復(fù)雜、開放、動態(tài)和龐大的系統(tǒng)中，因果關(guān)系的內(nèi)生性問題較難解決，而在簡單、封閉、穩(wěn)定和局部的系統(tǒng)中，在統(tǒng)計模型中可以盡量避免內(nèi)生性問題。過去和現(xiàn)在的社會科學研究模型，就是將納入模型的有限變量視為與其環(huán)境相對隔離或獨立的因素。由這樣的模型所得出的因果關(guān)系，如果將其放入或回歸社會環(huán)境中，很有可能發(fā)生變化。這也是社會科學研究預(yù)測難以準確的基本道理。進一步說：由有限數(shù)據(jù)得出的因果關(guān)系要接受大數(shù)據(jù)的檢驗。以往的研究缺乏大數(shù)據(jù)，所以檢驗就要多次重復(fù)地進行。

盡管在復(fù)雜、開放、動態(tài)和龐大的系統(tǒng)中，因果關(guān)系的內(nèi)生性問題較難解決，但并不是說就一定不能解決，復(fù)雜與簡單、開放與封閉、動態(tài)與靜態(tài)、龐大與狹小、全局與局部，都是相對而言的。避免在抽樣數(shù)據(jù)中所設(shè)置模型的內(nèi)生性問題的原則與技術(shù)，也可能在大數(shù)據(jù)中能夠得到應(yīng)用，或者有所改進。而在大數(shù)據(jù)中能確立的因果關(guān)系，其穩(wěn)定性應(yīng)該遠超于抽樣數(shù)據(jù)的結(jié)果。

大數(shù)據(jù)對確定因果效應(yīng)的有利之處還在于：大數(shù)據(jù)中的多數(shù)數(shù)據(jù)是面板數(shù)據(jù)，并且具有層次性，可以進行分層處理。

基于上述分析，我們不能同意所謂大數(shù)據(jù)不需探求因果關(guān)系而只是追求相關(guān)關(guān)系的說法。如維克托·邁爾-舍恩伯格（Viktor Mayer-Schonberger）和肯尼斯·庫克耶（Kenneth Cukier）認為的，不是因果關(guān)系，而是相關(guān)關(guān)系。

我們認為，相關(guān)關(guān)系和因果關(guān)系不是對立的，相關(guān)關(guān)系是因果關(guān)系的必要條件，因果關(guān)系是表明事物間作用之方向性的一種特殊的相關(guān)關(guān)系。事物間具有較強的相關(guān)關(guān)系，其中必然蘊含著因果關(guān)系，只是誰是因、誰是果，需要甄別，并要弄清楚因果關(guān)系的作用機制。當然，我們同意“相關(guān)關(guān)系分析本身意義重大，同時它也為研究因果關(guān)系奠定了基礎(chǔ)”。

實際上，使用大數(shù)據(jù)是可以探討因果關(guān)系的。約翰·格林（John Gerring）等人曾收集了一個覆蓋國家、地域和區(qū)縣的多層次的選舉檔案（the Multi-Level Election Archive，MLEA）來研究政體大小與民主的因果關(guān)系。該文檔記錄了從18世紀到2013年間，88個國家、2344次選舉、79658個選區(qū)、超過400000場競選活動的數(shù)據(jù)，是典型的大數(shù)據(jù)。通過普通最小二乘法（OLS）對樣本總體進行的一系列檢驗表明，在多黨競選的地區(qū)，較大的選區(qū)能在更大程度上鼓勵民主選舉，選民規(guī)模對各政黨的競選力有正向的顯著影響。這一發(fā)現(xiàn)與傳統(tǒng)觀點——政體大小與民主呈負相關(guān)關(guān)系相矛盾，為了證明作者的研究結(jié)論，文章對可能影響選舉競爭力的其他因素，比如選民對反對黨的偏好、競選者的供給、選區(qū)的文化多樣性以及候選人與選民的關(guān)系等因素進行了干預(yù)，在排除干預(yù)效應(yīng)的模型里，選民規(guī)模仍然對政黨的競選力有正向的顯著影響。隨后，作者又用部分國家的議會選舉數(shù)據(jù)和投票權(quán)改革數(shù)據(jù)驗證了這一結(jié)論。網(wǎng)絡(luò)數(shù)據(jù)同樣可以用來探求因果關(guān)系，拉塞爾紐曼（w.Russell Neuman）等人在2014年曾根據(jù)美國國家選舉研究網(wǎng)站中涉及的29個議題，從傳統(tǒng)媒體與社交媒介中獲取了美國2012年全年各個議題的數(shù)據(jù)資料，這29個議題包含經(jīng)濟、外交事務(wù)、政治、公共秩序、社會問題和環(huán)境六大方面，其中，平均每天有13362條社交媒介的評論數(shù)據(jù)和4573條傳統(tǒng)媒體的新聞報道。作者運用格蘭杰因果關(guān)系檢驗了傳統(tǒng)媒體、社交媒介與公共議題之間的因果關(guān)系，研究發(fā)現(xiàn)，社交媒介是社會問題和公共秩序議題的動力，而在經(jīng)濟、外交事務(wù)、政治和環(huán)境議題方面沒有一種媒體主導這些公共議題，社交媒介和傳統(tǒng)媒體呈現(xiàn)出復(fù)雜的、動態(tài)的領(lǐng)先與滯后模式。此外，約翰尼斯.本德勒（JohannesBendler）等人對Twitter用戶數(shù)據(jù)的研究發(fā)現(xiàn)，某一興趣點（Point of Interest，POI）（比如餐廳、酒吧、銀行、博物館等）與用戶在該興趣點發(fā)布的Twitter消息之間存在著因果關(guān)系。

四、結(jié)論與討論

基于上述描述和分析，我們可以得出如下結(jié)論：

（1）和以往抽樣調(diào)查所得到的數(shù)據(jù)不同，作為人類活動實時記錄的大數(shù)據(jù)基本不受人類記憶、偏好和情感干擾；大數(shù)據(jù)是一個總體數(shù)據(jù)，但大部分數(shù)據(jù)不是全球或全國范圍里的完整總體，而是一定范圍里的總體；大數(shù)據(jù)包含結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)；現(xiàn)實中單一的大數(shù)據(jù)變量較少但可以與其他數(shù)據(jù)進行匹配，匹配的困難主要不在于技術(shù)，而是產(chǎn)權(quán)和倫理問題；大數(shù)據(jù)具有時效性，大數(shù)據(jù)大多是面板數(shù)據(jù)。

（2）中英文文獻檢索結(jié)果表明，大數(shù)據(jù)的研究并不多，但還是取得了一定的成果。比如，西方學界對大數(shù)據(jù)中的網(wǎng)絡(luò)數(shù)據(jù)的研究就有所進展。有的研究驗證并支持了社會網(wǎng)絡(luò)理論中格蘭諾維特的“弱關(guān)系假設(shè)”和博特的“結(jié)構(gòu)洞假設(shè)”，有的研究驗證了“六度分隔理論”，有的研究則提出了新的理論假設(shè)。

（3）古典社會學和社會科學理論力圖發(fā)現(xiàn)人類社會歷史規(guī)律。后來的學者基于人類社會活動的整體性、異質(zhì)性、能動性或意向性對此提出質(zhì)疑。在社會學領(lǐng)域，主流觀點認為應(yīng)該拋棄發(fā)現(xiàn)普遍規(guī)律的企圖，回到中層理論，關(guān)注具體的“因果機制”。

大數(shù)據(jù)為社會學和社會科學重新發(fā)現(xiàn)宏觀社會歷史發(fā)展規(guī)律提供了可能性：它以“總體”數(shù)據(jù)提供了認知宏觀社會的數(shù)據(jù)基礎(chǔ)；它為社會現(xiàn)象的“異質(zhì)性假設(shè)”檢驗提供了較為全面的數(shù)據(jù)；它以實時記錄的特點排除了獲取數(shù)據(jù)時的人為干擾；它也為恩格斯的“結(jié)果穩(wěn)定假設(shè)”提供了檢驗所用的充分的經(jīng)驗材料；它超越抽樣調(diào)查的小數(shù)據(jù)，將小數(shù)據(jù)中被視為極端值并且往往被刪節(jié)的個案或變量重新納入統(tǒng)計分析。

作為總體、實時記錄和面板的大數(shù)據(jù)也許可以重構(gòu)社會學和社會科學的研究目標：它使得社會學、經(jīng)濟學和其他社會科學研究者至少可以發(fā)現(xiàn)或?qū)ふ胰祟惢顒拥男袨橐?guī)律，并在此基礎(chǔ)上進而發(fā)現(xiàn)社會歷史的發(fā)展規(guī)律。但這種重構(gòu)不是回到歷史決定論，不是對規(guī)律作決定論的理解，而是概率論的理解。

（4）追求因果關(guān)系解釋是科學包括社會科學的必然目標。由于作為社會科學研究對象的人的特殊性，社會學和社會科學很少采用實驗法而主要采用統(tǒng)計方法并結(jié)合其他手段來探尋社會現(xiàn)象之間的因果關(guān)系。在統(tǒng)計模型中準確估計因果效應(yīng)主要受制于三個因素：樣本選擇性偏誤、變量遺漏和內(nèi)生性問題。

大數(shù)據(jù)作為總體或全部樣本的數(shù)據(jù)，有助于從根本上克服由于抽樣偏頗所引起的樣本選擇性偏誤。單一大數(shù)據(jù)變量較少，如采用單一數(shù)據(jù)，變量遺漏問題會非常嚴重；如果將不同的數(shù)據(jù)匹配起來，可以克服或緩解變量遺漏問題；盡管在復(fù)雜、開放、動態(tài)和龐大的系統(tǒng)中，因果關(guān)系的內(nèi)生性問題較難解決，但大數(shù)據(jù)對因果關(guān)系的檢驗比有限樣本的抽樣數(shù)據(jù)更為穩(wěn)健和可靠，避免在抽樣數(shù)據(jù)中設(shè)置模型的內(nèi)生性問題的原則與技術(shù)，在大數(shù)據(jù)中也能應(yīng)用，甚至有所改進；大數(shù)據(jù)作為面板數(shù)據(jù)和分層數(shù)據(jù)，對于確定因果效應(yīng)極為有利。因而，我們不能同意大數(shù)據(jù)不需探求因果關(guān)系而只是追求相關(guān)關(guān)系的說法。大數(shù)據(jù)對于社會學和社會科學追求因果關(guān)系的努力比抽樣數(shù)據(jù)更為有利。

總體來說，我們認為，大數(shù)據(jù)是可以用來重構(gòu)社會學和社會科學的研究宗旨和目標的。不僅如此，大數(shù)據(jù)對社會學和社會科學的研究邏輯、方法和技術(shù)、研究的組織方式及人員素質(zhì)等都會產(chǎn)生深遠影響。對此，我們略加討論。

其一，研究邏輯。一般說來，傳統(tǒng)社會學和社會科學定量研究的基本套路是假設(shè)檢驗，即提出假設(shè)，然后用數(shù)據(jù)去檢驗，這種邏輯被視為演繹邏輯。從抽樣數(shù)據(jù)推論總體的角度看，也有人認為是歸納邏輯。在邏輯實證主義看來，真正使用演繹邏輯的是數(shù)學和邏輯學本身，得出的是先驗知識；其他從經(jīng)驗事實中得出結(jié)論的都是歸納邏輯，科學就是這樣，得出的是經(jīng)驗知識。

我們認為，關(guān)于歸納還是演繹的爭論并不是特別有意義，對于大數(shù)據(jù)來說，事先不提假設(shè)，直接從數(shù)據(jù)得出結(jié)論，是完全可以的；提出假設(shè)，比如從抽樣調(diào)查的數(shù)據(jù)或理論演繹提出假設(shè)，再用大數(shù)據(jù)去檢驗，也是可以的，前文所述用大數(shù)據(jù)驗證了“六度分隔理論”就是一例。

不管是歸納還是演繹，只要遵循科學的推理過程，都是可以的，在大數(shù)據(jù)研究中都可以使用。當單一大數(shù)據(jù)的變量較少，主要使用描述統(tǒng)計時，就主要是歸納邏輯；當某一大數(shù)據(jù)可以使用模型進行統(tǒng)計分析時，演繹邏輯可能就更為重要。

從演繹邏輯出發(fā)，使用大數(shù)據(jù)進行檢驗，可以稱之為“理論驅(qū)動”；從歸納邏輯出發(fā)，使用大數(shù)據(jù)進行描述和分析，可以稱之為“數(shù)據(jù)驅(qū)動”。兩種邏輯并存，理論驅(qū)動和數(shù)據(jù)驅(qū)動并存，可能是使用大數(shù)據(jù)進行研究的一個特點。以往的抽樣數(shù)據(jù)研究，主要是理論驅(qū)動和演繹邏輯；而質(zhì)性研究，主要是數(shù)據(jù)驅(qū)動和歸納邏輯。大數(shù)據(jù)將兩種邏輯結(jié)合起來，可能是其優(yōu)勢所在。

其二，研究方法和技術(shù)。大數(shù)據(jù)對定量研究方法的挑戰(zhàn)目前可能主要是對當下定量研究所使用的工具（比如軟件）形成沖擊。主要用于抽樣數(shù)據(jù)的傳統(tǒng)軟件不足以容納這么大的數(shù)據(jù)量，難以進行計算，更難直接獲取或抓取數(shù)據(jù)。所以，大數(shù)據(jù)對統(tǒng)計分析技術(shù)會有很大的沖擊和促進，對計算機及其軟件的發(fā)展有要求。

社會科學發(fā)展一個重要的推動力就是技術(shù)手段的進步。從技術(shù)的角度，對大數(shù)據(jù)的獲取、存儲、交換、匹配、分析、建模，大數(shù)據(jù)分析對統(tǒng)計理念、技術(shù)和軟件的要求，都會形成沖擊。

需要指出的是，大數(shù)據(jù)對質(zhì)性研究方法挑戰(zhàn)可能更為尖銳：一是，大數(shù)據(jù)給質(zhì)性研究提供了源源不竭的數(shù)據(jù)，對以往質(zhì)性研究限于有限個案的做法影響極大，至少不比對定量研究的影響小，只不過質(zhì)性研究者對此往往認識不足。二是，傳統(tǒng)的質(zhì)性研究之所以有一席之地，原因之一是可以研究統(tǒng)計中的極端值。在抽樣數(shù)據(jù)中，極端值個案數(shù)太少，難以單獨進行統(tǒng)計分析，給質(zhì)性研究留下空間。大數(shù)據(jù)可以提供大量極端值的個案數(shù)，因而可以進行統(tǒng)計分析。在這個意義上，大數(shù)據(jù)又可能壓縮了質(zhì)性研究的空間。三是，大數(shù)據(jù)中絕大部分是非結(jié)構(gòu)性數(shù)據(jù)，也就是質(zhì)性研究的基本材料，怎么對這些數(shù)據(jù)進行分類、處理，既是定量研究的難題，也可求助于質(zhì)性研究深入、細致的分析；四是，大數(shù)據(jù)提供了總體的基本特征，對于質(zhì)性研究將個案類型化、進而選擇個案（抽樣）提供了很大的幫助；五是，大數(shù)據(jù)的非結(jié)構(gòu)化特征迫使人們從簡單的二值邏輯走向多值邏輯，走向人工智能，大數(shù)據(jù)為人工智能的訓練提供了數(shù)據(jù)基礎(chǔ)。

其三，社會條件。當人類進入大數(shù)據(jù)時代，使用大數(shù)據(jù)進行社會科學研究時，也對其組織方式、管理方式、文化條件提出了新的要求。

我們不想抽象地談?wù)撨@些問題，而是結(jié)合中國國情進行討論。我們認為，在大數(shù)據(jù)時代，中國具有一些有利條件，有助于使用大數(shù)據(jù)進行社會科學研究。這些條件是：（1）中國歷史悠久，留下了豐富的史籍和其他文獻。（2）中國是一個人口大國，互聯(lián)網(wǎng)發(fā)展較快，網(wǎng)民眾多，網(wǎng)絡(luò)數(shù)據(jù)異常豐富。（3）中國社會變遷劇烈，人口流動迅速，變遷軌跡會產(chǎn)生很多新的數(shù)據(jù)。比如一個農(nóng)民一輩子待在家里，就缺乏移動的軌跡，但是一旦外出務(wù)工，就會流動，并產(chǎn)生數(shù)據(jù)。（4）中國的市場經(jīng)濟已經(jīng)激活了一批民營企業(yè)，他們對數(shù)據(jù)比較敏感，對于數(shù)據(jù)的獲取、儲存、分析產(chǎn)生了巨大的市場需求。但是，中國也有一些不利于使用大數(shù)據(jù)進行社會科學研究的條件。這些條件是：（1）中國傳統(tǒng)哲學和文化觀念不重視數(shù)據(jù)，坐而論道，以圣人之言為評判言論對錯的標準，往往進行注釋式的討論，不重視實證研究。（2）中國從普通人群到專業(yè)人員大多以個人經(jīng)驗去做判斷，從數(shù)據(jù)視角觀察、分析和處理問題的人還比較少。（3）中國的社會科學更強調(diào)與自然科學的區(qū)別，較少強調(diào)要向自然科學學習，對科學理念、研究方法和技術(shù)的學習都不夠。在社會科學領(lǐng)域沒有形成定量研究傳統(tǒng)。（4）中國的大學、科研機構(gòu)的層級組織機構(gòu)。不利于建立扁平、橫向、跨學科的大數(shù)據(jù)研究組織形式。因而，大數(shù)據(jù)時代對中國的科研體制、人的素質(zhì)和文化觀念都提出了新的要求并產(chǎn)生巨大沖擊。

當下，大數(shù)據(jù)在商業(yè)、社會管理和科學研究等眾多領(lǐng)域里蓬勃發(fā)展、方興未艾，深刻地改變了我們的時代。這種發(fā)展還是初步的，卻在科學研究領(lǐng)域構(gòu)造了近乎無限的想象空間：它可能根本上顛覆千百年來人類從個體經(jīng)驗逐漸歸納進而認知宏觀社會和自然界的思維邏輯，而以總體特征作為我們認知和思維的出發(fā)點；它以源源不斷的實時記錄給我們留下了人類活動的巨量數(shù)據(jù)，這些數(shù)據(jù)具有類似于實驗數(shù)據(jù)的特征；它滲透到社會生活的各個領(lǐng)域，從而使得人們不能視而不見，聽而不聞，而對經(jīng)院哲學的純思辨模式提出根本性質(zhì)疑；它對傳統(tǒng)的學科分類、學科版圖形成巨大沖擊，并要求科學研究，尤其是社會科學研究必須與數(shù)據(jù)科學相結(jié)合，并創(chuàng)造新的研究和學習的組織形式；它對科學研究的定量化和工具化提出了不斷發(fā)展的客觀需求，并強力推動研究人員重新學習、終身學習；它將過去一切似乎是定論的東西重新變成假設(shè)，并且要接受其檢驗，由此可能顛覆以往的真理或常識，并生產(chǎn)出新的知識。

如果中國的社會科學還亦步亦趨跟隨西方社會科學走的話，那就難以發(fā)展。直接進入大數(shù)據(jù)時代，是中國社會科學跳躍式發(fā)展的機遇。在大數(shù)據(jù)時代，中國社會科學和西方社會科學幾乎在同一起點上起步，關(guān)鍵在于，更新理念、努力學習、改造和革新社會科學研究的組織方式。