Šaurā nozīmē kvantitatīvās metodes socioloģijā aptver pētījumam nepieciešamo datu ieguves procedūras izvēli un pamatojumu; plašā nozīmē – arī izlases noteikšanu un aprēķināšanu un iegūto datu analīzi. Kvantitatīvās metodes socioloģijā iekļaujas pozitīvisma paradigmā. Pozitīvismā tiek uzskatīts, ka realitāte pastāv neatkarīgi no cilvēka apziņas, un tiek akcentēts realitātes objektīvas, no vērtējuma spriedumiem brīvas izpētes svarīgums. Socioloģijai un citām sociālajām zinātnēm ir kopīgas metodes, taču tās lieto dažādi. Metožu lietojumu nosaka attiecīgās zinātnes izpētes objekts un vajadzības. Piemēram, psiholoģijā izplatītāks ir eksperiments, bet socioloģijā – aptaujas.

Kvantitatīvo metožu lietojums paredz, ka datiem jābūt saskaitāmiem, izmērāmiem vai vismaz skaitliski kodējamiem, lai tos varētu ievākt par pietiekami lielu novēroto gadījumu (piemēram, indivīdu) skaitu. Šis nosacījums ir spēkā arī iegūto datu apkopošanai, analīzei un secinājumiem. Datu vienība, kas atbilst pētāmā objekta vienībai (piemēram, indivīdam), ir gadījums, bet datu vienība, kas atbilst kādai gadījuma izzināmai, mērāmai pazīmei (dzimums, vecums u. c.), ir mainīgais. Svarīgākais mainīgā raksturlielums ir tā mērīšanas skala – kritērijs, kuru 1946. gadā izveidoja amerikāņu psihologs Stenlijs Smits-Stīvenss (Stanley Smith Stevens). Nominālā skala ir mainīgajiem, kas atbilst kādai kvalitatīvai, neranžējamai pazīmei, piemēram, dzimumam, tautībai vai partejiskai piederībai. Ordinālā (arī – rangu, kārtas) skala ir mainīgajiem, kuru vērtības ir ranžējamas no mazākās uz lielāko, taču neļauj tām noteikt matemātisku starpību. Rangu skalas mainīgā klasisks piemērs ir respondenta atbilde uz jautājumu par piekrišanu kādam apgalvojumam (“pilnīgi piekrītu”, “drīzāk piekrītu”, “drīzāk nepiekrītu” un “pilnīgi nepiekrītu”). Intervāla skalas mainīgie ļauj noteikt un salīdzināt mainīgā vērtības, brīvi izvēloties mērvienību un atskaites punktu. Šādas skalas piemērs ir respondenta vecums pilnos gados. Attiecību skala no intervāla skalas atšķiras ar objektīvi nosakāmu atskaites punktu jeb nullpunktu un iespējām izrēķināt attiecības starp dažādām mainīgā vērtībām, nosakot, cik reizes viena vērtība ir lielāka vai mazāka par otru; attiecību skalā varētu mērīt tādus mainīgos kā indivīda ikmēneša ienākumi. Socioloģijā izplatītākie ir nominālās un rangu skalas mainīgie.

Kvantitatīvās metodes socioloģijā piemērotas šādos gadījumos: lai atbildētu uz jautājumiem, kuriem ir tiešs kvantitatīvs raksturs (piemēram, kāds ir augstāko izglītību ieguvušo parlamenta deputātu īpatsvars); lai izzinātu sociālo parādību dinamiku jeb izmaiņas laika gaitā (piemēram, pētnieki vairāku gadu garumā var sekot socioloģijas bakalaura studiju programmas studentu sekmēm un aprakstīt tendences – sekmes uzlabojas vai pasliktinās); lai noteiktu vairāku parādību kopsakarību vai cēloņsakarību (piemēram, vai līdz ar kopējo apmierinātību ar veikala preču sortimentu pieaug arī veikala peļņa); lai pārbaudītu hipotēzes un konkrētus zinātniskus pieņēmumus, prognozes (piemēram, hipotēzi, ka vīriešiem ir lielāka varbūtība iesaistīties politiskos protestos nekā sievietēm).

Kvantitatīvo metožu izmantošana ir arī nosacījums iegūstamo datu vispārināšanai no salīdzinoši nelielas izlases uz visu ģenerālo kopu (piemēram, aptaujājot 1000 galvaspilsētā dzīvojošos respondentus, tiek secināts par visu galvaspilsētā dzīvojošo viedokli).

Lietišķa rakstura mērīšana kā parādību kvantitatīva raksturošana radusies vēl pirms institucionalizētās zinātnes, lai nodrošinātu risinājumus sabiedrības lietišķā rakstura uzdevumiem un problēmām. Viens no zināmākajiem piemēriem ir balsošana, ko plaši izmantoja Atēnās un citās sengrieķu pilsētvalstīs, lai izzinātu vairākuma viedokli. Vairākuma viedoklis bija par pamatu politisku un administratīvu lēmumu pieņemšanai.

Pirmoreiz izvērstu teorētisku pamatojumu kvantitatīvo datu un metožu izmantošanai sociālos pētījumos sniedza Emils Dirkems (Émile Durkheim). Savā darbā “Socioloģijas metodes likumi” (Les Règles de la méthode sociologique, 1894) viņš definēja socioloģiju kā zinātni par sociāliem faktiem – t. i., par sabiedrībā pieņemtajiem domāšanas, rīcības un uztveres veidiem, kuri pastāv neatkarīgi no atsevišķa indivīda un liek viņam tos ievērot. Daži sociālo faktu piemēri ir juridiskās un tikumiskās normas, valoda un naudas sistēma. Kā norāda E. Dirkems, piemērots līdzeklis sociālo faktu pētīšanai ir statistika. Piemēram, ja kādā sabiedrībā un laikmetā dominējošās vērtības vai noskaņa veicina laulību izjukšanu, pašnāvību skaita pieaugumu un noziedzību, tad ar statistikas palīdzību var noteikt šo parādību izplatību, biežumu un citus aprakstošus rādītājus, kā arī izzināt šādu rīcību veicinošus faktorus. Klasisks piemērs kvantitatīvo metožu izmantošanai socioloģijā ir E. Dirkema pētnieciskais darbs “Pašnāvība” (Le Suicide, 1897).

20. gs. pirmajā pusē amerikāņu sociologs Džordžs Landbergs (George Lundberg) minējis mērīšanu kā līdzekli ne tikai sociālu parādību analīzei, bet arī to definēšanai. Pēc viņa domām, jebkura socioloģiska parādība (piemēram, reliģiozitāte) ir tas, ko mēra attiecīgais mērīšanas instruments (piemēram, reliģiozitātes pakāpes noteikšanas skala). Skaitliskie jēdzieni ir plaši sastopami gan zinātnē, gan ikdienā, pat ja tos formulē nevis ar skaitļiem, bet ar vārdiskiem apzīmējumiem, kā “daudz” vai “maz”, kas padara skaitļu izmantošanu sociālo parādību aprakstīšanai un analīzei par dabisku un neizbēgamu.

20. gs. 50.–70. gados pieauga publikāciju skaits, kas sekmēja kvantitatīvo metožu attīstību. Īpaši izceļami darbi, kas aprakstīja kvantitatīvā socioloģiskā pētījuma pamatus, loģiku un posmus (piemēram, Hansa Zeterberga (Hans Zetterberg) darbs “Par teoriju un verifikāciju socioloģijā”, On Theory and Verification in Sociology, 1965), matemātiskās modelēšanas principus sociālajās zinātnēs (piemēram, Pola Lazarsfelda (Paul Lazarsfeld) darbs “Matemātiskā domāšana sociālajās zinātnēs”, Mathematical Thinking in the Social Sciences, 1954) un konkrētās datu analīzes metodes (piemēram, Keneta Beilija (Kenneth Bailey) raksts “Klasteru analīze”, Cluster Analysis, 1974).

Kvantitatīvās metodes socioloģijā iedala trīs lielās metožu grupās, kuras atbilst kvantitatīva socioloģiska pētījuma pamatposmiem: datu iegūšanas procedūras izvēlei un izstrādei; izlases noteikšanai un tās apjoma aprēķinam; iegūto datu statistiskai analīzei.

Socioloģijā ir četras galvenās datu iegūšanas metodes: aptauja, eksperiments, novērošana un nereaktīvās metodes.

Aptauja ir visbiežāk izmantotā kvantitatīvā metode socioloģijā. Tā ir radusies no tautas skaitīšanas, kuru dažādas valstis veic kopš senākajiem laikiem (piemēram, Senajā Romā un Izraēlā). Aptaujas būtība ir indivīdu viedokļu izzināšana ar aptaujas anketas palīdzību. Indivīdu, kas atbild uz anketas jautājumiem, sauc par respondentu.

Atkarībā no pētnieku (intervētāju) un respondentu mijiedarbības aptaujas gaitā izdala anketēšanu, kad respondents pats iepazīstas ar anketas jautājumiem un sniedz uz tiem atbildes, ierakstot tās pats, un intervēšanu, kad intervētājs nolasa respondentam jautājumus un fiksē respondenta mutiskās atbildes. Anketēšana var notikt intervētāja un respondenta klātbūtnē vai attālināti – piemēram, nosūtot anketu un saņemot atbildes pa pastu, elektronisko pastu vai aizpildot anketu elektroniskā vidē. Intervēšanu var veikt intervētāja un respondenta klātbūtnē, telefoniski vai ar citu audiovizuālo sakaru līdzekļu (piemēram, Skype) palīdzību.

Aptaujai nepieciešama aptaujas anketa, kuras jautājumu objekts var būt respondenta uzvedība (reālā vai potenciālā), attieksmes, viedokļi, vērtējumi, zināšanas un citi. Ir arī filtra jautājumi (tādējādi tiek nodrošināts, lai konkrētam respondentam neatbilstošie jautājumi netiktu uzdoti – piemēram, jautājums vīrietim par pašsajūtu grūtniecības laikā) un demogrāfiskie jautājumi (dzimuma, vecuma, izglītības, dzīvesvietas un citas svarīgās informācijas iegūšanai). Pēc atbildes formām jautājumus iedala atvērtos (respondents sniedz paša brīvi formulētu atbildi), slēgtos (respondents izvēlas vienu no anketā piedāvātajiem atbilžu variantiem) un daļēji slēgtos, kas ietver gan atbilžu variantus, gan iespēju respondentam sniegt pašam savu atbildi.

Eksperimentālās metodes (piemēram, īstais eksperiments, kvazieksperiments u. c.) izmanto tādu hipotēžu pārbaudei, kuras prognozē cēloņu un seku sakarību starp diviem vai vairākiem notikumiem (A tiešā veidā izraisa B). Par zinātniskā eksperimenta metožu pamatlicējiem uzskatāmi sengrieķu filozofs Aristotelis (Ἀριστοτέλης), angļu zinātnes filozofs un valstsvīrs Frānsiss Bēkons (Francis Bacon) un itāļu fiziķis Galileo Galilejs (Galileo Galilei).

Eksperimentā cēloņus sauc par neatkarīgajiem mainīgajiem, bet sekas jeb rezultātus – par atkarīgajiem mainīgajiem. Eksperimenta mērķis ir ne tikai pārbaudīt sakarības esamību starp diviem vai vairākiem notikumiem, bet arī pārliecināties, vai rezultātam nav kādu citu alternatīvu skaidrojumu. Lai to veiktu, jāievēro trīs nosacījumi – manipulēšana, salīdzināšana un randomizācija (jeb nejaušināšana).

Manipulēšana attiecas uz cēloņiem, kuri hipotētiski izraisa noteiktas sekas. Lai pierādītu cēloņsakarību starp neatkarīgo un atkarīgo mainīgo, pētniekam jābūt iespējai mākslīgi radīt hipotētisko cēloni (neatkarīgo mainīgo) pirms rezultāta iestāšanās (piemēram, jaunradīta medikamenta pasniegšana pacientiem noteiktās devās). Salīdzināšanas gaitā pētnieks pārbauda, vai sekas nerodas arī apstākļos, kad hipotētiskais cēlonis netiek radīts (piemēram, vai slimība nepāriet pati, bez izmēģināmā medikamenta lietošanas). Visbiežāk seku iestāšanos salīdzina eksperimenta dalībnieku izpētes jeb eksperimentālajā grupā, kurā cēlonis tiek radīts, un kontrolgrupā, kurā tas netiek radīts. Salīdzināšana nodrošina, ka sekas neiestājas dabisku, ar cēloni nesaistītu apstākļu dēļ. Nejaušināšana attiecas uz pētījuma dalībnieku nejaušu iekļaušanu izpētes grupā un kontrolgrupā. Tā nodrošina, ka grupu starpā nav sistemātisku atšķirību, kas var izraisīt vai ietekmēt eksperimenta rezultātu.

Eksperimenti, kuros tiek ievēroti visi trīs alternatīvu skaidrojumu izslēgšanas nosacījumi, ir īstie eksperimenti. Ja kādu iemeslu dēļ kāds no nosacījumiem netiek ievērots, eksperiments kļūst par šķietamo jeb kvazieksperimentu – piemēram, ja izmaiņas neatkarīgajā mainīgajā notiek neatkarīgi no pētnieka un šis mainīgais līdz ar to nav pakļaujams manipulācijai.

Novērojums jeb sistemātiskais novērojums ir kvantitatīva metode, kuru pētnieks izmanto, lai vērotu un reģistrētu indivīdu uzvedību noteiktā vidē un/vai situācijā, neietekmējot pašu vidi vai situācijas gaitu (piemēram, garāmgājēju reakciju uz guļošu cilvēku un viņu rīcību). Lai gan vērošana raksturīga arī aptaujai un eksperimentam, sistemātiskā novērojuma gadījumā pētnieks ir distancēts no pētījuma dalībniekiem un izvairās no kontakta ar viņiem. Tāpat atšķirībā no aptaujas un vairuma eksperimentu novērojums notiek dabiskā vidē un dabiskās situācijās, nevis laboratorijā vai organizētas intervijas gaitā. Ņemot vērā pētnieka neiejaukšanos novērojamajā situācijā, tās uztveri un interpretāciju var ietekmēt paša pētnieka personiskā pieredze, uzskati vai stereotipi, kā arī tendence atcerēties konkrētus notikumus un nepamanīt citus. Šie faktori var apdraudēt savākto datu ticamību. Risks tiek mazināts, vienas un tās pašas situācijas izpētē iesaistot vairākus novērotājus, kā arī sastādot novērojuma protokolu. Novērojuma protokolā parasti norāda novērojuma laiku un vietu, novērojamās vienības (piemēram, cilvēkus) un reģistrējamo uzvedību, kā arī tās parametrus (piem., biežumu, skaitu, ilgumu, uzvedības atsevišķas detaļas un tamlīdzīgi). Novērojums vislabāk izmantojams viennozīmīgi interpretējamiem notikumiem, kuru izskaidrošana minimāli atkarīga no situācijas konteksta.

Nereaktīvās metodes (piemēram, kontentanalīze vai sekundāro datu analīze) pētījuma datu iegūšanā neparedz kontaktēšanos ar pētījuma dalībniekiem un/vai viņu uzvedības tiešu novērošanu. Pētnieks strādā ar cilvēku rīcības aplūkojamiem rezultātiem jeb artefaktiem – tekstiem, vizuāliem objektiem, audioierakstiem, videoierakstiem, kā arī apkopoto oficiālo statistiku un iepriekš veikto pētījumu ietvaros savāktajiem jēldatiem, kuri tiek glabāti datu arhīvos.  Ņemot vērā, ka nereaktīvās metodes tiek izmantotas, strādājot ar jau esošo, iepriekš savākto vai veidoto materiālu, tās, no vienas puses, iekļaujas datu analīzes metožu grupā, taču, ņemot vērā nepieciešamību atrast vajadzīgo materiālu un nereti arī izveidot analizējamo datu izlasi, nereaktīvās metodes tomēr pamatoti pieskaitāmas pie datu iegūšanas metodēm. Tekstus, vizuālos tēlus un ierakstus pēta ar kontentanalīzes metodi, kuru izveidoja un attīstīja tādi zinātnieki kā amerikāņu politologs Harolds Lasvels (Harold Lasswell) un uzvedības zinātnieks Bernards Berelsons (Bernard Berelson). Apkopotajai statistikai un iepriekš savāktajiem datiem pielieto sekundāro datu analīzi.

Izlases veidošana ir kvantitatīva metode, ar kuru var vākt statistisko informāciju un izdarīt secinājumus par visu pētāmo indivīdu populāciju jeb ģenerālo kopu, analizējot datus tikai no šīs ģenerālās kopas maza fragmenta – izlases. Izlases veidošana un izmantošana raksturīga aptaujām; ja izlases vietā tiek aptaujāta vesela ģenerālā kopa, aptauja kļūst par tautas skaitīšanu. Izlases veidošanai un izmantošanai bieži izvirza divus pamatnosacījumus: izlases kopumam pietiekami precīzi jāatbilst ģenerālās kopas sociāldemogrāfiskajam sastāvam; izlases izpētes rezultātiem jābūt vispārināmiem uz visu ģenerālo kopu.

Šo pamatnosacījumu ievērošanu vislabāk nodrošina varbūtīgās izlases. Varbūtīgās izlases tiek veidotas tā, lai katrai ģenerālās kopas vienībai būtu noteiktas, aprēķināmās izredzes nokļūt izlases kopumā. Varbūtīgām izlasēm var aprēķināt precizitātes pakāpi, t. i., risku izdarīt kļūdainus secinājumus no dažāda mēroga izlasēm. Vienkāršākais varbūtīgo izlašu veids ir īsti nejaušā izlase, kura nodrošina visām ģenerālās kopas vienībām vienādas iespējas nokļūt izlases kopumā. Pārējie varbūtīgo izlašu veidi (sistemātiskā jeb mehāniskā, stratificētā nejaušā izlase, klasteru jeb sērijveida, jeb ligzdveida izlase u. c.) tiek veidotas uz īsti nejaušās izlases pamata.

Nevarbūtīgas ir tādas izlases, kurās nav iespējams aprēķināt ģenerālās kopas vienības izredzes nokļūt izlasē un līdz ar to arī izlases precizitāti. Pētījuma rezultāti, kas iegūti no nevarbūtīgām izlasēm, nav vispārināmi uz ģenerālo kopu. Nevarbūtīgas izlases parasti pielieto ierobežoto pētījuma resursu vai datu trūkuma gadījumā. Tās raksturīgas pilotāžas jeb izmēģinājuma pētījumiem, kuru mērķis ir nevis iegūt rezultātus, bet izmēģināt pētījuma procedūras un instrumentus. Nevarbūtīgās izlases izmanto arī tad, ja pētniekam ir interese par kādu konkrētu, specifisku grupu un rezultātu vispārināšana uz kādu lielāku grupu nav paredzēta. Vienkāršākais nevarbūtīgās izlases veids ir ērtuma izlase, kurā nonāk visvieglāk pieejamie pētījuma dalībnieki (piemēram, brīvprātīgie). Citi izplatītākie nevarbūtīgās izlases veidi ir sniega pikas izlase (izlasē iekļautie indivīdi iesaka papildu kandidātus iekļaušanai izlasē), tipisko gadījumu izlase (vadoties pēc paša pētnieka ieskatiem par to, kuri gadījumi vislabāk raksturo pētījuma objektu un ir iekļaujami izlases kopumā) un kvotu izlase (pētnieks iekļauj izlasē, piem., sievietes un vīriešus tādās pašās proporcijās, kādas ir sabiedrībā, taču neievērojot izlases vienību atlases nejaušību).

Datu analīzes jēdziens attiecas uz pētījuma laikā iegūto datu statistisku apstrādi un apkopojumu, lai iegūtu rezultātus, kas sniedz atbildes uz pētījuma jautājumiem. Pēc analīzes mēroga izšķir viendimensionālo analīzi, kas pievēršas vienam mainīgajam, un daudzdimensionālo analīzi, ar kuru iespējams aplūkot sakarības starp diviem vai vairākiem mainīgajiem. Viendimensionālās analīzes piemērs ir politiskās uzticēšanās vidējās vērtības izrēķināšana, daudzdimensionālās analīzes – sakarības noteikšana starp uzticēšanos un respondenta subjektīvās labklājības līmeni, kas ļautu izzināt, vai tie respondenti, kuri savu labklājību vērtē augstāk, vairāk uzticēsies valdībai. Par daudzdimensionālo analīzi uzskatāma arī tāda analīze, kurā pētnieks salīdzina interesējošā mainīgā vērtības dažādām sociālām grupām (vīriešiem un sievietēm, latviešiem un nelatviešiem un tā tālāk). Socioloģijā visbiežāk izmantotās datu analīzes tehnikas ir krustojuma tabulas, korelācijas jeb sakarības koeficientu aprēķināšana, regresijas analīze (lineārā, loģistiskā u. c.), izkliedes jeb dispersijas analīze un faktoranalīze.