广义线性模型背后的广义线性实在（Abbott1988）
荐读：
Abbott, Andrew. 1988. ‘Transcending General Linear Reality’. Sociological Theory, 169–186.
———. 1992. ‘From Causes to Events: Notes on Narrative Positivism :Notes on Narrative Positivism’. Sociological Methods & Research 20 (4): 428–55.
———. 1998. ‘The Causal Devolution The Causal Devolution’. Sociological Methods & Research 27 (2): 148–81.
试想：一百年后，后世的社会学家如何写他们看到的，20世纪60年代以来至今的社会学研究？
也许后人这样总结今日的社会学风格：
那些自命为社会学家的人呀，相信society之所以为society，是因为有social forces and properties did things to other social forces and properties. 有的时候，这些“迫力”与“属性”是个人的特征，比如race, gender，有时候却是social properties，像人口密度。
——社会学家称这些forces and properties = variables。
——关于这些variables之间影响的假设验证，是causal analysis，之间影响的relations 叫称model
——之所以当年的社会学家们信之为科学，正是找到这些causal relations。
这就是近五十年的社会学。
一百年的社会学家，究竟是如何得出上述的结论呢？他们看的档案，应是这五十年来的期刊论文，满眼的是这样的公式：
Y= X *b + u
这个公式，又可以被转换为：
Xt = Xt-1 * B + U
t= 时间点
当第一个公式，转变成第二个公式的时候，就已经预设了causal time, causality，也就预设了最上面所说的force + properties（而不是narrative of social actions）的结论了。
Andrew Abbott，称这个model所预设的social reality，叫作general linear reality
从这样的公式出发，看到社会世界是什么样的呢？Abbott提出了五点（第6点，脉络的独立性，在后来被抛弃了）：
预设一：设定的事体及其属性
demobraphic assumption: Fixed entities with attributes
事体是不变的，但属性可以改变。比如，像职业社会学研究中，有时会用职业能力来预测在一个单位里工作稳定了下来的情况。这时候要设定职业能力指的是什么样的属性，在每隔多少年测一次。
预设二：单调的因果流动
什么是的variable能做为因，什么能作为果？
在广义线性实在中，causality flow<只有from big to small, from the contextual to the specific，或者两个相等的size，而不能反过来。
为什么可以预设呢？因为它进一步是隐含了constant relevance，所以才会有只要固定下context看下面的specific就行了，这相当于所有发生的事情都是在the same period。在这种time horizon的情况下，无法想象的是：gradually increasing这样的速率问题，也无法想象punctuate这种发生上的断裂性问题。
例如，Booth et al. 1984研究就是这样：妻子工作——夫妻关系的影响。他最后画出了一个path diagram，认为夫妻关系质量会受到妻子工作情况而削弱， 这种结论就没有考虑到速率、断裂的“跨时段的质的差异”问题，也只不过是即使有flunctuation，也是over equivalent time periods。
预设三：单一的意义（Univocal Meaning）
广义线性实在是给变量的属性加了些限制。什么是wealth，什么是Health，在Y = X * b + u里面，不得不先设好才能跑model。
预设四：缺乏序列效应（sequence effects）
The order of things，会影响model最后的结果呢？在GLR（general linear reality）里是不会的。
Abbott特别指出，在Blau and Duncan 1967的经典文章中，他俩已经注意到需要考虑这个方面，但后来的学者却往往这一点。
预设五：个案间独立（casewise independence）/重视主效应（main effect）
在广义线性model中，个案A发生的事情，不会影响到个案B发展的事情。也就是说，主效应比互动，更重要；属性之间相互决定的关系，是独立的，而不是汇聚的。
其实上面这些要点，也是一般会批判量化学者所常用的说法，像叶启政老师作品中也会谈到这些。
但究竟量化学者有没有再被批判，再发展新的model，来更新他们眼中的reality呢？当然有呀！
下面是Abbott举出的三种暂时性措施：组织生态学分析、序列分析、网络分析
比如第1个假设，就被批判无法考虑到merger and division，于是组织生态学者就把这方面纳入进来考虑，用event history的方法，但它们还是把social life看成是continuation了，只能看到organizational death，但更复杂的像transformation还是看不到。
比如第2、4个预设，也被 sequential model挑战，但在一个序列中，如何measurement of events，还是头疼的问题。
比如第5个假设，也被network analysis批判了，因为它们当然关注interaction了，但他们还是站在fixed entities的角度，也没法把sequence问题纳入进来。
（Sociological理论大缸第221期）
链接：
“相关关系=因果关系”在社会学学科中的半世纪秘史（Abbott1998)
时间、因果性与社会学的想象力：与成伯清商榷（孙宇凡，2017）