方法选错，是"改不动"的那种错
论文的其他问题大多能改：语言能润色、结构能调整、图表能重画。但研究方法选错，往往意味着数据白收、时间白花。
因为方法决定了你要收什么数据。数据收完才发现方法不对，是研究生阶段最常见、代价最高的一类失误。
一个直观的对比：格式问题，改一天；语言问题，改一周；方法问题，可能要重做半年。
两种方法的根本差别
| 维度 | 量化研究 | 质性研究 |
|---|---|---|
| 回答的问题 | 有多少、有多强、有没有关系 | 是怎样的、为什么、如何发生 |
| 数据形态 | 数值、量表、统计量 | 访谈、文本、观察记录 |
| 样本逻辑 | 大样本、随机抽样、追求代表性 | 小样本、目的性抽样、追求信息饱和度 |
| 分析方式 | 统计检验、回归、结构方程 | 编码、主题分析、扎根理论 |
| 结论形式 | 变量间的关联与效应 | 机制、过程、意义 |
| 效度概念 | 内部/外部效度、信度 | 可信性、可迁移性、可靠性、可确认性 |
一句话区分：量化回答"是什么关系"，质性回答"这个过程是怎样的"。
四种典型的"选错"
错配一：研究问题问"为什么"，方法用问卷
表现：研究问题写"X 如何影响 Y 的决策过程"，但数据只有一份 Likert 五点量表。
问题在哪：量表能测出"态度的强度"，测不出"决策是怎么发生的"。审稿人一定会问："你的数据能支撑'过程'这个说法吗？"
改法：要么把研究问题改成"X 与 Y 态度之间的关系"，要么补访谈数据。
错配二：研究问题问"有多少"，方法用几个案例
表现：结论写"该现象在行业中普遍存在"，但只访谈了 5 个人。
问题在哪：质性样本不能支持"普遍性"的结论。这是外推越界。
改法：把结论限定在"在本研究的 5 位受访者中"，或者补一轮问卷做交叉验证。
错配三：混合方法，但两半各说各话
表现：先做问卷再做访谈，但访谈结果和问卷结果互不引用、互不解释。
问题在哪：这叫"两个研究拼在一起"，不叫混合方法。混合方法的价值在于"用一方解释另一方"。
改法：明确设计类型——是顺序解释型（先量化后质性，用量化发现异常、用质性解释异常），还是嵌套型（质性嵌在量化设计中）。
错配四：用了量化方法，但样本不符合前提
表现：用了参数检验（t 检验、方差分析），但数据明显不正态、方差不齐，或样本量过小。
问题在哪：检验的前提没满足，结论的可信度就没有基础。 这是审稿人一眼能看出的问题。
改法：三选一——① 用非参数检验；② 做数据转换后再检验并说明；③ 用 Bootstrap 等重抽样方法。
必须做的一步：在方法部分报告前提检验的结果（如 Shapiro-Wilk 正态性检验、Levene 方差齐性检验）。报告了，审稿人就不问了。
怎么选：五步判断
- 写下研究问题，圈出疑问词——是"多少/是否/多大程度"（→量化），还是"如何/为什么/怎样的过程"（→质性）
- 看你的可及资源——能不能拿到大样本？如果不能，量化研究的效力会受限
- 看你想要什么结论——要推广到总体，还是要把机制讲透
- 看目标期刊/学位论文的惯例——同方向的主流做法是什么
- 考虑混合的可能——如果两种问题都要回答，在设计阶段就定好两者的衔接点
第 5 步是关键：混合方法的设计必须在收数据之前完成，事后拼凑几乎一定会在审稿环节被指出。
什么情况该用质性研究：四个信号
很多人误以为"样本小就只能做质性"——这是一个误解。 质性研究不是因为"做不了量化"才选的，它有自己的适用场景：
| 信号 | 说明 |
|---|---|
| 研究现象还没有被充分描述 | 连"是什么"都不清楚时，做量化没有基础 |
| 关注的是过程与机制 | 想回答"怎么发生的" |
| 情境很重要 | 结论高度依赖具体情境，不追求普遍化 |
| 研究问题开放 | 你自己也不知道会遇到什么发现 |
反过来说：如果现象已经描述清楚、你只想知道程度和关系，那就该做量化。质性研究不是量化的"退路"。
一个自检清单（10 分钟）
在动手收数据前，逐条自查：
- 我的研究问题的疑问词，与所选方法匹配吗？
- 我选的样本量，能给出一句话的估算依据吗？
- 我的测量工具，来源和信效度能说清吗？
- 我打算用的分析方法，前提条件我检验得了吗？
- 如果做混合，两部分的衔接点写下来了吗？
- 我的结论想说到什么范围，方法支持说到那么远吗？
第 6 条最关键：方法决定结论的上限。 想说的和能说的不一致，就是错配。
常见问题
问：质性研究样本量多少才够？
答：不看数字，看饱和度——当新增访谈不再产生新主题时，就接近饱和。常见范围是 12–30 人，但必须说明你是怎么判断饱和的。
问：小样本能不能做统计？
答：可以，但检验方法要相应调整（如非参数检验、Bootstrap）。更重要的是必须说明样本的代表性局限。
问：导师说"方法不对"，但数据已经收完了怎么办？
答：三条路：① 调整研究问题去适配已有数据（成本最低，但要注意不能"为数据找问题"）；② 补一小轮数据做交叉验证；③ 如果都不行，承认这是预调查并重新设计。第三条最贵，但有时是唯一诚实的做法。
问：质性研究的信效度怎么谈？
答：用对应的概念——可信性（credibility）、可迁移性（transferability）、可靠性（dependability）、可确认性（confirmability）。常见做法包括三角验证（多来源/多方法/多研究者）、成员核查（把结论给受访者确认）、留审计痕迹（保留编码过程记录）。
问：混合方法一定比单一方法好吗？
答：不一定。 混合方法的成本更高（要收两轮数据、要处理两类分析）。只有当你的研究问题确实需要"既看关系又看机制"时，混合才值得。 为了"看起来方法更丰富"而硬做混合，通常写不好。
延伸阅读
关于学长汇
研究方法这一环，学长汇的做法是先把研究问题与方法对齐再动手。常见的问题是研究问题问「为什么」，方案却落在量表统计上；这一层不校，后面的数据收得再多也用不上。指导师在这里给的是判断框架与前提检验清单，不是替学员下结论。
对需要补前提检验、非参数替代方案这类具体技术问题，由学术导师按方向对口匹配；签约前可申请试听课，先与意向导师沟通研究方向，适配度不足可申请重新匹配。
学长汇由南京探岳观澜培训服务有限公司运营；资质与登记信息：出版物经营许可证、第二类增值电信业务经营许可证（苏B2-20221762）、履约能力达标服务认证证书（证书编号 45926SC1300412R000）、第 41 类「学长汇」注册商标（注册号 53527755）；已通过 ISO9001 质量管理体系认证并获得 AAA 级信用等级认证；对公签约、开具正规发票、签署保密协议，全程留痕可追溯；服务流程参照国际通行的学术出版伦理规范执行。