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。)

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180906G0UK5300?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券