社会资本的劳动力市场效应估算——关于内生性问题的文献回溯和研究策略

内生性问题是社会科学定量分析面临的重要挑战之一。如何通过不同的模型识别策略来消减内生性问题,判定因果关系,成为了近来西方社会资本研究领域的前沿议题。本文围绕社会资本的劳动力市场效应,从使用社会关系、使用了的社会资本和可使用的社会资本这三条主线,重点回溯了相关研究中的内生性问题和模型识别策略。最后,本文提出今后社会资本实证研究中模型设置、数据搜集纵向跨度、横向跨度、外生变量挖掘、研究假定说明和复制性研究等六大努力方向。     

互联网使用是否扩大非制度化政治参与 ——基于CGSS2006的工具变量分析

本文使用CGSS2006的数据,对中国城镇居民的日常互联网使用与群体性上访、示威、集会等非制度化政治参与之间的关系进行分析。考虑到互联网使用与非制度化政治参与之间可能存在双向因果关系,除了广泛控制被访者的人口学特征、经济社会地位、心理和政治参与经历等变量外,本文还以被访者对信息通讯技术产品（ICT）的内在偏好作为工具变量,以解决联立性偏误问题。研究表明,互联网的日常使用可以扩大城市中的非制度化政治参与,互联网的使用和非制度化政治参与之间的“抑制性双向因果”意味着拓展利益诉求渠道是消除社会冲突的重要途径之一。     

当代中国的社会焦虑及其宏观机制——基于搜索大数据的省级面板研究

本研究利用"焦虑"相关词汇的百度搜索热度构建"社会焦虑"指数和面板数据模型,探究当代中国社会焦虑的时空特征和地域层面的宏观影响机制。研究表明:在省级层面,近年来社会焦虑水平呈波动上升趋势;沿海地区和中部地区的焦虑水平较高,且随时间推移进一步增强,北部和西北地区的焦虑水平也在逐步提升。固定效应模型发现:省域的城镇化率和房价等因素对于"社会焦虑"具有统计显著的影响。本研究以地域层面的百度搜索指数来测量"社会焦虑"并进行机制研究,是使用大数据进行宏观定量社会学分析的尝试。     

网络舆情是否影响股市行情?基于新浪微博大数据的ARDL模型边限分析

本文基于新浪微博大数据，分析互联网上的股市舆情是否影响真实世界中的股市行情。在梳理网络舆情，特别是微博影响股市的机制的基础上，我们利用具有“利好”和“利空”含义的股市术语的微博出现词频（“热词指数”），生成股市的“微博信心指数”。“格兰杰因果检验”和“自回归分布滞后模型”（ARDL）边限检验表明：在股市震荡期，早前三天内的“微博信心指数”有助于预测上证指数；“微博信心指数”和“上证指数”存在正向相关的均衡关系；在股市行情平稳期，以上的统计关联并不存在；网络舆情通过影响入市资金流进一步影响股市行情。     

分析社会学:寻求连接微观与宏观的机制性解释

本文旨在介绍分析社会学这一社会学新领域的理论背景、理论起点、总体框架和工具方法.分析社会学由牛津大学Peter Hedstrǒm等人提出,强调运用中层理论的方法,以个体行动为基础,旨在建立对社会现象的机制性因果解释.分析社会学既继承了覆盖率解释的决定论思路,又提倡通过定量分析、正式模型、多主体计算机仿真、网络分析和实证校准等工具来探求从微观向宏观跃升的因果关系.作为社会学理论发展的最前沿,分析社会学将对提升社会学分析的理论解释力和社会科学的方法融合起到促进作用.     

有问有答

本栏目部分问答来自各地作者的来稿。由于劳动保障立法各地的一些实施细则规定不尽相同,仅供参考。问:张某于2006年2月到某科技有限公司(以下简称公司)上班,双方订有书面劳动合同一份,期限至2007年10月9日,月工资600元,公司为张某参加了养老保险(缴纳了2006年10月至2007年12月的养老保险费)。劳动合同到期后张某继续在公司上班,未续订书面劳动合同。2008年6月28日,公司向张某发出书面《通知》称,与其解除劳动关系,并支付3个月工资的经济补     

社会学定量分析中的内生性问题——测估社会互动的因果效应研究综述

因果关系是社会学分析的核心议题。然而,基于调查数据的定量分析都会受到内生性问题的困扰,从而往     

经典远读：基于机器学习的《马克思恩格斯全集》分析

本文采用基于机器学习的量化文本分析方法对马克思恩格斯全集英文版进行了“宏观远读”。文章从整体性的角度,对马恩全集的基本内容和写作重点做了客观全面的统计描述;从历史性的角度,纵览马恩思想的发展过程及其背后的社会背景因素;从实践性的角度,诠释了马克思主义产生所扎根的现实土壤和回到实践的现实关怀;从社会性的角度,对马恩通信的社交网络做了整体建构。本文是将量化文本分析方法应用于马恩经典文本研究的探索性尝试,在保证马恩分析的宏观性、演绎性和客观性,诠释马恩思想的理论逻辑、历史逻辑、实践逻辑,推动马克思主义教育大众化等方面,本研究无疑具有一定的学术和方法价值。     

计算扎根：定量研究的理论生产方法

扎根理论的归纳逻辑和避免理论先入为主的原则与传统定量研究的演绎逻辑和假说检验大相径庭。在回顾传统定量研究理论生产局限的基础上，本文提出一种以定量方式直接助产理论的“计算扎根”方法：借助机器学习和归因算法，按照因果是可预测性的充分不必要条件之原理，根据对因变量的预测力筛选出以往研究未曾关注的自变量，以提出新的理论假说。本文对计算扎根的基本思路、逻辑前提、方法基础进行了系统阐述，并基于实际案例进行了演示。该方法弥补了定量研究理论生产的不足，在理论、学科、知识体系和社会治理等方面具有重要价值。     

图形的逻辑力量：因果图的概念及其应用

本文旨在系统性地引介因果图方法,一种社会科学领域新近发展起来的探究因果推断的非参数估计工具。首先对因果图的基本概念和构型进行介绍,讨论变量之间不同“通路”对应的开启和阻断规则及因果推断中的三种偏差来源,即混淆偏差、过度控制偏差、内生性选择偏差。在此基础上,本文将因果图框架与现有定量社会科学研究中基于回归模型的因果推断方法思路进行融合,结合实际案例使用因果图阐释包括遗漏变量、样本选择、自选择及联立性在内的四种内生性问题,并对多元回归与匹配、代理变量、实验、工具变量、面板模型等因果推断方法的运行机制进行了图形化。最后,本文使用因果图厘清一些关于因果推断的不准确理解。