理论与数据双驱动的社会分层研究

摘要

以往社会分层研究的理论和方法可以归纳为理论和数据驱动两种范式,通过回顾和比较发现其都存在不可避免的局限性,为此提出一种结合二者优势的理论与数据双驱动的社会分层研究框架。该框架将社会阶层看作由类别和等级参数所构成的高维社会空间中聚集的子群体,基于分层理论所提出的阶层测量指标建构“社会阶层空间”,并使用机器学习算法识别出空间中的不同群体,从而进行阶层划分。使用这一框架对中国综合社会调查2017年的数据进行阶层划分,发现其既能区分出地位一致性高的、边界清晰的阶层,也能对地位不一致的、还未形成阶层的利益群体进行准确识别。此外还发现:(1)将当前中国社会划分为三个阶层是最好的划分方式,三个社会阶层在经济、声望、文化等维度上的特征分布都存在高、中、低的等级差异;(2)分层的指标并不是越多越好,对中国当前社会阶层划分和对个体阶层测量最有意义的指标是单位类型,其次是职业社会经济地位。