Skip to content
返回搜索结果

描述性研究 — 描述性研究设计

提出者
Francis Galton, Karl Pearson (early empirical tradition); formalized in social science by Fred Kerlinger
年份
Late 19th century; formalized in social/behavioral sciences ~1960s–1980s
类型
Non-experimental quantitative research design
类别
Survey / observational design

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

描述性研究是一种非实验性的定量设计,它在特定时间点系统地记录特定人群中变量的特征、频率或分布。它回答“是什么”的问题——谁、什么、何时、何地以及多少——而不操纵变量或得出因果结论。它是社会、行为、健康和教育科学中最广泛使用的研究设计之一。

方法背后的直觉

可以将其类比为人口普查:它不操纵任何东西;它只是询问“谁住在这里,他们多大年纪,他们做什么?”描述性研究的精神与之完全相同。您确定一个人口或现象,选择一个代表性样本,使用调查或结构化观察等工具测量感兴趣的变量,然后用均值、频率和百分比总结结果。目标是准确、系统地描绘当前状况——而不是解释为什么事情是这样的。一旦有了这种描绘,未来的分析性或实验性研究就可以在此基础上进行。

历史学

人口的系统描述有着古老的根源,从罗马帝国的人口普查到约翰·格朗特(John Graunt)1662年对伦敦死亡率账单的分析。在社会科学领域,随着19世纪末和20世纪初社会学、心理学和教育学研究者开始使用结构化问卷和抽样理论,该设计得以正式化。弗雷德·N·凯林格(Fred N. Kerlinger)的有影响力的著作《行为研究基础》(Foundations of Behavioral Research,1973年,1986年)为该设计在行为科学领域提供了典范性的论述。到20世纪末,描述性调查已成为全球公共卫生流行病学、教育研究和政策评估的基础。

何时使用

当目标是记录人群中一个或多个变量的当前状态、患病率或分布,并且不需要因果声明时,使用描述性研究。它是需求评估、基线调查、流行病学患病率研究、市场研究和项目评估状态报告的首选设计。它适用于研究计划的任何阶段,但在某个现象的先前数据很少时尤其有价值。当目标是检验一个变量是否导致另一个变量(使用实验性或准实验性设计)、理解模式为何存在(使用解释性或定性设计)或样本太小或不具代表性以至于无法支持频率估计时,不要使用描述性研究。

局限与注意事项

  • 无法建立因果关系——即使所描述变量之间存在很强的关联,也不意味着一个变量导致了另一个变量。
  • 横断面快照可能无法反映稳定的人口特征,如果现象随时间波动。
  • 自我报告数据(调查)容易受到响应偏差、社会期望效应和回忆错误的影响。
  • 该设计产生的是广度而非深度;它无法解释其记录的模式背后的机制或含义。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 直接回答实际的“多少”和“什么比例”的问题,为政策制定和资源分配提供信息。
  • 相对高效:标准化工具和大型样本可以在现实的预算和时间表内实现。
  • 提供一个已记录的基线,以便与未来的测量或干预进行比较。
  • 当使用概率抽样时,具有广泛的可推广性——研究结果可以在可计算的误差幅度内代表目标人群。
  • 在伦理上直接明了:没有剥夺任何治疗,没有对任何群体进行实验操纵。

应用

  • 公共卫生患病率调查,测量人群中患有某种疾病、风险行为或疫苗接种状况的比例。
  • 教育需求评估,记录学校之间学生的学业水平、教师工作量或资源可用性。
  • 组织调查,在设计干预措施之前描绘员工满意度、敬业度或感知工作量。
  • 市场研究,确定目标受众的消费者偏好、产品认知度或人口统计特征。
  • 项目评估基线研究,捕捉关键结果的干预前状态,以便测量后续变化。
  • 流行病学研究,记录风险因素在不同人口亚组中的分布情况,以确定干预的优先目标。

使用方式

使用方式

1

制定一个集中的研究问题,明确需要描述什么、在谁身上描述以及在什么时间范围内描述。确定关键变量(例如,人口统计特征、态度、患病率)和目标人群。精确定义的问题可以防止范围蔓延,并指导后续所有关于抽样和测量的决策。

2

根据是需要进行人群水平的推广还是对特定群体的深入描述,使用概率(随机、分层、整群)或目的性策略从目标人群中选择样本。样本量必须足够大才能产生稳定的估计值;所选统计数据的功效计算或既定经验法则(例如,每个亚组 n ≥ 30)指导此决策。

3

使用标准化工具收集数据——结构化问卷、评定量表、系统观察协议或档案记录。标准化确保每个参与者都以相同的方式进行测量,从而可以直接比较个体分数。在全面部署之前对问卷进行清晰度和可靠性试点测试可以减少测量误差。

4

使用描述性统计数据分析数据:频率、百分比、均值、中位数、标准差和置信区间。当样本使用概率方法抽取时,这些统计数据可以附带误差幅度估计。交叉制表和图形显示(条形图、直方图)可以传达亚组之间的分布情况。

5

以直接回答研究问题的方式呈现研究结果,使用表格和图形来传达分布情况,而不是大段文字。清楚地说明局限性——特别是无法推断因果关系——并讨论描述性概况与先前的估计或理论期望相比如何。最后,就研究结果所激发出的分析性或实验性研究提出具体建议。

常见陷阱

  • 将描述与解释混淆——报告数据中两个变量同时出现,并暗示因果关系,这是一个常见且严重的错误;描述性结果可以激发因果假设,但不能检验它们。
  • 使用便利样本但像概率样本一样进行推广——来自自我选择的在线样本的结果无法在没有适当注意事项的情况下推断到更广泛的人群。
  • 低估无响应偏差——如果相当一部分被抽样的个体不响应,那么响应者可能与非响应者系统性不同,从而扭曲了描绘。
  • 收集过多的变量“以防万一”,而没有明确的研究问题——这会增加问卷长度,增加受访者负担,并产生一个庞杂的报告,无法很好地回答任何问题。
  • 仅报告均值而忽略变异性——平均得分在没有其标准差或置信区间的情况下几乎没有意义;始终在集中趋势旁边报告离散度。

常见问题

描述性研究总是定量的吗?

不是。术语“描述性”同时用于定量和定性研究。在定性工作中,描述性方法(例如,描述性现象学、民族志中的浓厚描述)以叙述形式记录经验或环境。本卡片侧重于定量、基于调查的描述性研究形式,它产生特定人群中变量的数值摘要。

描述性研究与相关性研究的区别是什么?

两者都是非实验性的,但目的不同。描述性研究描述一个或多个变量的分布(多少、多少、什么比例)。相关性研究更进一步,通过检查两个或多个变量之间的统计关系(X 增加时 Y 是否也倾向于增加?)。描述性研究可能只报告均值和频率;相关性研究报告相关系数,如 Pearson r 或 Spearman rho。

我能从描述性研究中得出因果结论吗?

不能。描述性研究记录关联和分布,但不控制混淆因素,也不随机分配参与者到不同条件。任何因果语言(“X 导致 Y”)都是不恰当的,并且构成逻辑错误。描述性结果应作为经验观察呈现,以激发在实验性或准实验性设计中进行检验的因果假设。

样本需要多大?

这取决于关键估计值所需的精度和人群的变异性。对于比例,一个常被引用的经验法则是,在大型人群中,95% 置信度下,±5% 的误差幅度需要 n = 384。对于亚组比较,通常建议每个亚组至少 30 人。在数据收集之前,使用正式的功效或精度分析(例如,针对误差幅度)而不是默认使用便利性。

描述性研究分析通常使用什么软件?

SPSS 和 R 是社会和健康科学中最常用的选择,用于计算频率、均值、标准差和交叉制表。Stata 在经济学和流行病学中广泛使用。对于在线调查收集,Qualtrics 或 SurveyMonkey 直接导出到这些平台。Excel 适用于简单的频率表,但缺乏大型调查中加权估计或亚组比较所需的统计严谨性。

相关方法

参考文献

  1. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage.

    ISBN:978-1452226101
    已复制。
  2. Kerlinger, F. N. (1986). Foundations of Behavioral Research (3rd ed.). Holt, Rinehart and Winston.

    ISBN:978-0030417498
    已复制。