实证研究的基本问题

实证研究是目前科学家比较流行的研究范式，但不是唯一的研究范式。实证研究范式之所以能够在多个研究范式中脱颖而出，在科学研究中占据多半壁江山，在很大程度上是因为其开放性和可重复性。为什么说实证研究是开放的呢？在实证研究中，研究者通过对收集来的数据进行分析，根据数据分析结果来验证所提出的研究假设，研究假设要么被数据支持，这种支持也只是统计意义和质化分析意义上的支持，研究假设要么未被数据支持，被数据支持的假设成为结论，未被支持的假设被舍弃。问题来了，随着人们对某一现象认识的加深和数据收集技术的进步，今天收集不来的数据，明天可能就可以被收集到了。这样一来，现阶段对数据支持的研究假设，有可能不被未来收集到的数据所支持，那么，到了不被支持的那一天，这个研究假设要么被舍弃，要么被修正。由此可见，实证研究的结论只是阶段性结论，并不是确定性的最终结论，而是有待未来的进一步检验。因此，实证研究是开放，并不产生封闭的知识体系。可重复性是实证研究的一个基本特征。任何实证研究必须详细说明研究过程，以保证其他人按照这一过程开展研究，也可以得到相同的结论。如果别人按照相同的过程开展研究却不能得到同样的结论，那么这样的研究结论就是不可靠的，研究过程中可能存在或者主观或者客观的错误。对于这一问题的研究结论需要重新认识。如果别人按照相同的过程开展研究并且得到了相同的结论，这表明这一研究是可靠的，别人可以以此为基础，开展进一步的研究。由此可见，可重复性是实证研究者发现错误和改进研究的基础。任何研究范式背后都有哲学意义上的认识论基础。实证研究范式背后的哲学预设就是：世界是客观存在的，世界的运行存在内在规律，这一规律是可以被认识的。从这个预设上可以看到机械论哲学的影子，但这个哲学预设又不完全同于机械论哲学。机械论哲学认为，整个世界的运行规律都是确定的，只要知道某个时刻宇宙中所有物体的位置、速度等信息，理论上就可以计算出来任何时刻整个宇宙的样子。现代实证研究范式的支持者们否定了如此呆板的机械论主张，承认世界在某种程度上存在不确定性，比如海森堡的不确定原理，但他们认为，这种不确定性也可以通过实证研究来发现。实证研究范式的支持者认为，世界上存在终极真理，但目前人们认识到的规律只是很少一部分，实证研究的过程就是一步一步接近终极真理的过程。哪怕在我们人类存在之日都不能完全掌握终极真理，但我们还是要朝着这个方向努力。实证研究的流程是很明确的：确定研究问题→提出研究假设→收集所需数据→严格分析数据→研究假设检验→结论与讨论。对于每一个环节都有很多事项需要说明，在这里，我只想简单谈谈提出研究假设这个环节。如何提出研究假设呢？综合各个学科的研究情况来看，提出研究假设的主要方法有：逻辑推理，数学推理，类比推理，合理想象。在管理学和社会学中，提出研究假设常用的方法就是逻辑推理。通过回顾相关的研究成果，以现有研究结论为依据，通过逻辑推理，提出研究假设。比如，张三研究发现，A正向影响B；李四研究发现，B负向影响C。而我关注的就是A和C之间的关系，依据张三和李四的研究结果，经过简单的逻辑推理，我就可以提出研究假设：A负向影响C。在经济学中，提出研究假设常用的方法就是数学推理，根据既有的经济模型，或者构建经济模型，通过对模型进行求解，得到求解结论，这个求解得到的结论，就是通过数学推理提出来的假设，到底能不能成立，还有看实际数据的支持情况。在生物学和生态学中，提出研究假设的时候，会用到类比推理。比如，要研究猛犸象的生活习性，世界上已经没有猛犸象了，那么只能根据现在大象的生活习性，再根据一定的证据，进行类别推理。合理想象也是一种提出研究假设的方式，但并不是普通研究者可以驾驭的方式，爱因斯坦曾说，想象比逻辑更重要，想必在提出狭义相对论和广义相对论的过程中，想象起到了很大作用。还有，魏格纳根据地图上大陆的形状，通过想象，提出了“大陆漂移”假说，目前来看，这一假设在不少程度上得到了验证。需要注意的是，假设只可能被数据验证，不可能被证明。“验证”和“证明”是不能划等号的两个概念，“验证”是说，用一件事去衡量另外一件事，比如用数据分析结果去衡量研究假设；“证明”是指确定某个结论是正确无误的。在实证研究中，我们无法使用收集来的数据确定研究假设是正确无误的，因此，我们无法“证明”研究假设。由于数据是不完备的，今天被验证了的假设，明天可能不被数据支持，所以我们只能说“验证”研究假设。实证研究中用到的数据分为量化数据和质化数据。数据就是对所关注对象的客观描述，数据承载着人们所赋予的意义。不承载一定意义的数据是没有存在意义的。量化数据是用数量和单位来描述客观对象的数据，要使用量化数据，必须首先明确其单位，单位不同，意义差别可能很大。没有单位，只有数字，我们就无法确定数字的意义。从统计的角度而言，量化数据分为分类数据、定序数据、定距数据和定比数据。分类数据的例子：第1组、第2组、第3组。这里的“组”的意义在于分类，组别的数字大小并无意义，不能比较，不能进行加减运算，更不能进行乘除运算。定序数据的例子：1年级、2年级、3年级。这里的“年级”的意义不仅在于分类，还可以排序，3年级高于2年级，2年级高于1年级。“年级”的数字大小具有比较意义，可以排序，但不能进行加减运算，也不能进行乘除运算。定距数据在现实中不多见，温度是定距数据的例子。0摄氏度代表了一个特定的温度，并非什么温度都没有，10摄氏度与5摄氏度差了5摄氏度，15摄氏度与10摄氏度也差了5摄氏度，由此可见，加减运算可以用于定距数据，但乘除运算并不能应用于定距数据。我们不能说：10摄氏度的温度是5摄氏度的温度的两倍。定比数据在现实中很常见，比如，身高、体重、学生成绩。加减乘除运算都可以用于定比数据。定比数据与定距数据的区别在于：定比数据有一个代表什么都没有的零点。质化数据包括文本数据、音频数据、图片数据、视频数据等。实证研究中的数据来源有两种:一手数据和二手数据。一手数据是指为了特定的研究而自行收集得来的数据。比如，通过实验得到的数据，通过观察得到的数据，使用调查问卷收集来的数据，通过访谈得到的录音数据等。二手数据是指别人或别的机构为了满足其他目的而收集来的数据，但这些数据通过授权等方式可以被我们在研究中使用。量表是构成问卷的基本部分，至于如何开发量表，请参见链接：https://t.zsxq.com/imqZbuZ。二手数据主要来源于各种统计局网站和各种商业数据库。实证研究中的数据分析方法有很多种，常见的主要有：方差分析、聚类分析、因子分析、回归分析、路径分析、结构方程模型、跨层次分析法等（在未来，我们将对这些方法进行逐一详细介绍）。最后，实证研究的目的在于构建理论。什么是理论呢？理论就是由概念或变量构成的系统，在这一系统中，概念之间通过命题联系起来，变量之间通过假设联系起来。这个定义告诉我们，理论有两个层次：抽象的理论和操作的理论。抽象的理论是由概念构成的，对概念之间关系的描述就是命题。操作的理论是由变量构成的，对变量之间关系的描述就是假设。概念与变量之间是什么关系呢？概念是抽象的，把概念操作化之后就得到了相应的变量，变量是具体的。举个不太恰当但好理解的例子，“快乐”是个抽象的概念，我们无法直接测量它，但可以把“快乐”操作化为“每小时微笑的次数”，这就是一个可以测量的具体的变量了。在实证研究中，如果要用数据验证研究假设，那么构建的肯定是操作层面的理论。被数据支持的研究假设就构成了一个理论模型。也有一类研究姑且可以看作实证研究，研究者们依据大量的现有研究成果，基于逻辑推理、数学推理或类比推理，提出若干个命题，这些命题构成一个新的理论框架。研究到此为止，研究者并不把命题操作化为研究假设，更不收集进行验证，而是等待后来人把全部命题或命题中的一部分操作化为研究假设，并收集数据进行验证。实证研究是一种发现知识的研究范式，固然这种研究范式存在不少问题，但已经在人类知识探索的道路上发挥了不可替代的作用，在可以预见的未来，还将继续发挥作用。

（关于研究方法的更多讨论，可加入星球【社会科学方法论】，扫描或长按识别下方二维码即可加入。付费项目，按需加入。）