如何设计研究方法论
Daniel Ha · 首尔大学 博士生从定量、定性、混合方法中选择适合研究问题的方法，从样本设计到数据收集、分析、效度保障，分6个步骤构建方法论章节。最重要的原则是问题决定方法。
为什么方法论设计很重要？
方法论决定了回答研究问题的方式，也是审查委员评估研究可行性的核心依据。同一主题因方法论不同，会成为完全不同的研究。如果研究"远程办公对生产力的影响"，可以通过问卷调查分析500人的回答，也可以通过10人的深度访谈来探究体验。哪种方法合适，取决于你的问题是"影响有多大？"还是"如何产生影响？"。
审查委员在方法论部分确认三件事——研究问题与方法的契合度、可执行性，以及为何选择该方法的逻辑依据。
应该选择哪种研究方法？
定量研究 (Quantitative)
通过数字测量，使用统计方法分析。适用于"多少？"、"有何关系？"、"是否有差异？"等问题。
| 类型 | 说明 | 示例 |
|---|---|---|
| 实验研究 | 操纵变量并测量效果 | A/B测试、前后测验 |
| 调查研究 | 通过问卷收集大规模数据 | 李克特量表问卷、在线调查 |
| 相关研究 | 统计分析变量间的关系 | 回归分析、结构方程模型 |
| 元分析 | 综合分析既有研究结果 | 效应量综合、系统性文献回顾 |
优点：可推广、客观、可重复。局限：难以捕捉情境与意义。
定性研究 (Qualitative)
通过语言、行为、文本探究意义与情境。适用于"为什么？"、"如何？"、"有何体验？"等问题。
| 类型 | 说明 | 示例 |
|---|---|---|
| 现象学 | 探究经验的本质 | 深度访谈、体验描述 |
| 扎根理论 | 从数据中衍生理论 | 反复编码、理论抽样 |
| 案例研究 | 深入分析特定案例 | 单案例/多案例分析 |
| 民族志 | 在文化情境中理解行为 | 参与观察、田野笔记 |
优点：深入理解、把握情境。局限：难以推广，研究者偏见风险。
混合研究 (Mixed Methods)
同时使用定量和定性方法。适用于单一方法无法回答的复杂问题。
| 设计 | 顺序 | 适用场景 |
|---|---|---|
| 汇聚设计 | 定量+定性同时进行 | 从不同角度验证同一现象 |
| 顺序解释 | 定量→定性 | 用访谈深入解释问卷结果 |
| 顺序探索 | 定性→定量 | 大规模验证探索性发现 |
什么方法论适合我的研究问题？
问"多少"的用定量，问"为什么/如何"的用定性，两者都需要则用混合研究。方法论选择的起点永远是研究问题。
| 研究问题类型 | 适合的方法 | 数据收集 | 分析方法 |
|---|---|---|---|
| "X对Y的影响是什么？" | 定量（实验） | 实验数据、前后测验 | t检验、ANOVA、回归分析 |
| "X与Y的关系是什么？" | 定量（相关） | 结构化问卷 | 相关分析、结构方程 |
| "参与者如何体验X？" | 定性 | 半结构化访谈、观察 | 主题分析、现象学分析 |
| "X现象的过程是什么？" | 定性（扎根） | 访谈、文献分析 | 扎根理论编码 |
| "X的效果如何运作？" | 混合 | 问卷+访谈 | 统计分析+主题分析 |
如果难以判断哪种方法论适合您的研究问题，可以在Nubint AI的方法论推荐智能体中输入研究问题。它会分析类似研究使用的方法论，并比较各方法的优缺点。
数据收集设计
研究对象（样本）
| 决定事项 | 考虑要点 |
|---|---|
| 总体定义 | 研究结果要推广到哪些对象？ |
| 抽样方法 | 概率抽样（随机）vs 非概率抽样（便利、滚雪球、目的性） |
| 样本量 | 定量：通过检验力分析计算。定性：至饱和(saturation)为止 |
| 纳入/排除标准 | 纳入谁、排除谁？需提供明确标准 |
数据收集工具
定量研究应优先使用已验证效度和信度的工具。如需开发新工具，试点测试必不可少。
定性研究应确认访谈指南的问题是否与研究问题直接相关。避免引导性问题，以开放性问题为主。
数据分析计划
在收集数据之前规划好分析方法。"先收集数据再看"的做法会让研究迷失方向。
定量分析
| 研究目的 | 分析方法 | 前提条件 |
|---|---|---|
| 组间差异 | t检验、ANOVA | 正态性、方差齐性 |
| 变量间关系 | 相关分析、回归分析 | 线性、正态性 |
| 结构关系 | 结构方程模型（SEM） | 充足的样本量 |
| 分类数据 | 卡方检验 | 期望频率条件 |
| 中介/调节效应 | 中介分析、调节回归 | 理论依据 |
定性分析
| 分析方法 | 适合的研究设计 | 核心步骤 |
|---|---|---|
| 主题分析 | 大多数定性研究 | 编码→分类→主题提炼 |
| 现象学分析 | 现象学 | 提取意义单元→描述本质结构 |
| 扎根理论编码 | 扎根理论 | 开放编码→轴心编码→选择性编码 |
| 叙事分析 | 叙事研究 | 故事结构分析、时间顺序重构 |
效度与信度
这是保障方法论质量的核心要素。
定量研究
- 内部效度：是否只有自变量影响了因变量？（设置控制变量）
- 外部效度：结果能否推广到其他情境？（样本的代表性）
- 信度：在相同条件下重复是否会得到相同结果？（Cronbach's α ≥ .70）
定性研究
- 可信度(Credibility)：成员检核(member checking)、三角验证(triangulation)
- 可迁移性(Transferability)：深描(thick description)
- 可靠性(Dependability)：审计追踪(audit trail)
- 可确认性(Confirmability)：研究者反思日志
伦理考量
涉及人类受试者的研究必须获得IRB（机构审查委员会）批准。
| 伦理原则 | 实施方法 |
|---|---|
| 自愿同意 | 说明研究目的、程序、风险，取得书面同意书 |
| 保密 | 匿名化/化名处理，数据加密存储 |
| 风险最小化 | 确保参与者不受心理或身体伤害 |
| 数据管理 | 明确说明收集后的保存期限和销毁方法 |
方法论章节的撰写顺序
- 研究设计概述 — 选择了定量/定性/混合中的哪种，以及选择的原因
- 研究对象 — 总体、抽样方法、样本量及其依据
- 数据收集 — 工具、程序、时间
- 数据分析 — 使用的分析方法及其与研究问题的关联
- 效度/信度 — 如何保障研究质量
- 伦理考量 — IRB批准、同意书、数据保护
每个项目务必包含"为何选择该方法？"。参考类似研究使用的方法论可以作为选择依据。使用文献调查智能体分析您研究主题的先行研究，可以了解该领域常用的方法论和最新趋势。
常见错误
| 错误 | 解决方法 |
|---|---|
| 研究问题与方法论不匹配 | 从问题类型反推方法论 |
| 缺乏"为何选择该方法"的依据 | 参考类似研究+比较优缺点 |
| 样本量无依据 | 提供检验力分析（定量）或饱和依据（定性） |
| 数据收集后才决定分析方法 | 在收集前制定分析计划 |
| 未提及效度/信度 | 定量提供信度系数，定性提供三角验证 |
总结
研究方法论按照研究问题→选择方法→数据收集设计→分析计划→效度保障的顺序进行设计。最重要的原则是"问题决定方法"。不要追随流行的方法论或熟悉的工具，而是选择最能回答研究问题的方法。
方法论确定后，请参阅如何撰写研究计划书指南将整体研究计划文档化；如果数据收集需要问卷，可以使用Nubint AI的问卷生成智能体。