[论文解读] Where the Model Frequently Meets the Road: Combining Statistical, Formal, and Case Study Methods

Andrew Bennett, Bear Braumoeller|arXiv (Cornell University)|Feb 16, 2022

Qualitative Comparative Analysis Research被引用 16

一句话总结

本文通过识别并放松不同研究传统中关于未解释方差、异常值、参数值、人类动机、函数形式、时间以及外部效度等常见但常被隐含假设的共通前提，提出了一套整合社会科学研究中统计方法、形式化方法与案例研究方法的框架。该文展示了如何通过结合这些方法来增强理论构建与检验，并通过典型多方法研究的批判性分析，提供实用的方法论指导。

ABSTRACT

This paper analyzes the working or default assumptions researchers in the formal, statistical, and case study traditions typically hold regarding the sources of unexplained variance, the meaning of outliers, parameter values, human motivation, functional forms, time, and external validity. We argue that these working assumptions are often not essential to each method, and that these assumptions can be relaxed in ways that allow multimethod work to proceed. We then analyze the comparative advantages of different combinations of formal, statistical, and case study methods for various theory-building and theory-testing research objectives. We illustrate these advantages and offer methodological advice on how to combine different methods, through analysis and critique of prominent examples of multimethod research.

研究动机与目标

• 识别并分析形式化、统计与案例研究传统的研究者在未解释方差、异常值、参数值、人类动机、函数形式、时间以及外部效度等方面所持有的默认假设。
• 证明这些假设并非任何方法核心功能所必需，从而实现更大的方法论灵活性。
• 评估不同统计、形式化与案例研究方法组合在理论构建与理论检验特定研究目标下的比较优势。
• 通过典型多方法研究的批判性分析，提供有效整合多方法的方法论指导。
• 通过调和通常被视为相互排斥的方法论传统，促进研究的更一致、更严谨与更透明。

提出的方法

• 系统比较形式化、统计与案例研究传统在未解释方差、异常值等关键方法论概念上的工作假设。
• 识别可放松的非本质性假设，以实现方法论整合而不损害有效性。
• 基于各方法在理论发展与检验不同阶段的优势，提出一种方法整合框架。
• 使用多方法研究的示范性案例，展示不同方法组合如何产生互补性见解。
• 批判性分析现有多方法研究，突出方法论整合中的最佳实践与常见陷阱。
• 强调方法论选择应与具体研究目标保持一致，例如理论构建与理论检验。

实验结果

研究问题

• RQ1 形式化、统计与案例研究传统中的研究者在未解释方差方面所持的核心、常被隐含的假设是什么？
• RQ2 关于异常值、参数值与人类动机的假设在不同方法论传统中如何不同？其中哪些是方法论完整性的必要条件？
• RQ3 非本质性假设在何种方式下可被放松，以实现统计、形式化与案例研究方法的有效整合？
• RQ4 不同方法组合在理论构建与理论检验目标下的比较优势是什么？
• RQ5 基于多方法研究的实证案例，研究人员在实践中如何最有效地结合这些方法？

主要发现

• 许多传统上被视为基础的假设——如严格的函数形式或固定的参数值——并非形式化、统计或案例研究方法有效性的必要条件。
• 不同传统对异常值的解释往往不同，但通过方法论透明度与以目的为导向的分析，其处理方式可实现协调。
• 放松非本质性假设可实现更灵活且更具整合性的研究设计，同时不牺牲严谨性。
• 结合多种方法可增强外部效度与理论稳健性，特别是当案例研究用于模型设定，而统计模型用于检验形式化理论时。
• 有效的多方法研究要求方法论选择与研究目标保持一致，例如使用案例研究进行理论生成，使用统计方法进行假设检验。
• 著名多方法研究案例表明，当方法协同使用而非孤立使用时，整合能显著提升洞察力与有效性。