Skip to content
返回搜索结果

事后研究设计 — 事后研究

提出者
Formalized by Fred N. Kerlinger; foundational treatment by Donald T. Campbell and Julian C. Stanley
年份
1960s (systematic codification); concept used in social science from early 20th century
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?

事后研究设计是一种非实验性的定量研究方法,研究者在现象发生后对其进行调查,考察群体之间已存在的差异,以探索潜在的因果关系或关联关系。由于自变量无法被操纵——它发生在过去——该设计依赖于仔细的群体选择、回顾性数据收集和统计控制,以在没有实验干预的情况下近似因果推断。

方法背后的直觉

假设您想研究童年阅读习惯如何影响成年后的读写能力。您无法在过去随机分配儿童到不同的阅读条件。相反,您识别出童年时期广泛阅读的成年人和未广泛阅读的成年人,然后比较他们当前的读写能力得分。这就是事后研究的逻辑:您观察一个已经发生的结果,然后回溯检查其可疑的前因。该设计在研究无法通过实验诱导的现象(如疾病暴露、教育经历或生活事件)方面非常强大,但无法随机化意味着因果关系的主张必须始终谨慎解释。

历史学

“事后”(拉丁语:“事后”)一词最显著地被应用于社会科学研究方法论是在 Fred N. Kerlinger 1964 年的教科书《行为研究基础》中,他将其定义为系统性的实证探究,其中科学家无法直接控制自变量,因为它们的表现已经发生。Donald T. Campbell 和 Julian C. Stanley 1963 年关于实验和准实验设计的专著为评估内部效度威胁提供了框架,这些威胁至今仍指导着事后研究结果的解释。该设计长期以来一直是流行病学和教育研究的核心,因为在这些领域,关键变量的实验操纵是不可能的。

何时使用

当自变量已经发生且无法在伦理上或实践上进行操纵时——例如过去的创伤、疾病暴露、教育程度或人口统计学特征——应使用事后研究设计。当真正的实验控制不可能实现但需要定量群体比较时,这是合适的设计。它适用于教育、健康、社会学和心理学中的回顾性问题。当随机对照试验或准实验设计可行时,不应使用它,因为这些设计能提供更强的因果证据。当回顾性数据来源质量不高或群体无法以合理的精度定义时,应避免使用,因为这些情况会严重限制解释。

局限与注意事项

  • 缺乏随机化意味着混淆变量无法完全排除,使得因果结论具有不确定性。
  • 研究者无法控制自变量,因此群体可能在未测量的特征上存在差异,这些特征解释了结果。
  • 回顾性数据容易受到回忆偏差、记录缺失和随时间推移的测量不一致的影响。
  • 因果关系的方向可能不明确——假定的原因和结果可能颠倒,或者两者都可能由第三个变量驱动。
  • 统计控制(ANCOVA、匹配)可以减少但不能完全消除混淆;任何事后技术都不能替代真正的随机化。

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

  • 能够研究在伦理上或实践上无法操纵的变量,包括过去的经历、健康暴露和人口统计学因素。
  • 使用现有或档案数据,使其具有成本效益,并适用于研究罕见事件或大规模人群。
  • 保持生态效度——自变量反映了真实世界的条件,而不是人造的实验室环境。
  • 产生假设和关联估计,可以为未来前瞻性或实验性研究的设计提供信息。
  • 适用于流行病学、教育和社会政策研究中识别风险因素和保护性条件。

应用

  • 使用学校注册数据,比较了上过学前班的学生和未上过学前班的学生在学业成就上的差异。
  • 在临床人群中,考察童年逆境史是否与成年后的心理健康结果相关。
  • 在社区健康调查中,研究长期吸烟者与从未吸烟者在心血管健康方面的差异。
  • 分析接受过特定职前培训项目的教师是否表现出与未接受培训的教师不同的课堂管理行为。
  • 研究高中课外活动参与度是否能预测大学保留率。
  • 在监管改革前暴露于某化学品与未暴露于该化学品的工人之间,探索职业健康结果的差异。

使用方式

使用方式

1

研究者识别出一个感兴趣的结果(因变量)和一个已在现实世界中发生的可疑前因条件或特征(自变量)。研究问题通常采用以下形式:在过去特征上存在差异的群体,在当前结果上也存在系统性差异吗?

2

参与者根据其在自变量上的自然存在状态被分配到不同的群体——例如,吸烟者与非吸烟者,或大学毕业生与高中毕业生。这种分组是回顾性的:研究者在定义性经历发生后选择或分类参与者。对关键人口统计学变量进行匹配可以提高群体的可比性。

3

收集关于自变量(通常通过记录、自我报告或档案文件评估)和因变量(在研究时测量)的数据。现有数据库、机构记录、队列登记册和回顾性调查是常见的数据来源。回顾性数据的质量是关键的方法学考量。

4

由于缺乏随机化,研究者必须识别并统计控制合理的混淆变量。技术包括协方差分析(ANCOVA)、多元回归、倾向得分匹配和分层分析。没有任何统计程序能完全复制随机分配,但明确的混淆因素控制可以提高可解释性。

5

使用适当的推断统计方法检验结果上的群体差异——独立样本t检验、方差分析(ANOVA)、卡方检验或回归模型,具体取决于变量的测量水平。效应量(Cohen's d、eta-squared、优势比)应与显著性值一起报告。

6

在解释研究结果时,应明确承认该设计的非实验性质。方向性因果关系的主张需要额外的论证——自变量的时间优先性、生物学或理论上的合理性,以及排除其他解释的可能性。研究者应清晰地区分关联与因果。

常见陷阱

  • 从关联中推断因果——事后研究结果表明群体存在差异,而不是一个条件导致了另一个条件;使用诸如“与...相关”或“被...预测”之类的语言,而不是“导致”。
  • 忽略选择偏差——回顾性定义的群体通常在多个特征上存在差异;未能测量和控制这些差异会导致虚假结论。
  • 糟糕的回顾性测量——依赖参与者对多年前事件的记忆会引入系统性误差;尽可能用档案或客观记录进行佐证。
  • 忽视效应量——大样本中统计学上显著的群体差异在实际意义上可能微不足道;始终在p值旁边报告和解释效应量。
  • 将该设计视为等同于准实验——如果没有前瞻性数据收集和在结果出现之前确定的明确定义的比较条件,事后研究设计的因果逻辑比准实验设计更弱。

常见问题

事后研究设计是否等同于因果比较研究?

这两个术语在教育和社会科学文献中经常互换使用。两者都涉及对感兴趣的结果进行已存在群体之间的比较。一些方法学家将因果比较研究视为一个包含事后研究的更广泛类别,而另一些人则将这两个术语视为同义词。关键的共同特征是自变量已经发生且研究者无法操纵。

事后研究结果能否确立因果关系?

不能单独确立。要支持因果关系解释,必须满足三个条件:时间优先性(假定的原因先于结果)、共变(群体在结果上确实存在差异)和排除合理的替代解释(已考虑混淆变量)。如果回顾性数据质量高,事后研究设计可以满足前两个条件,但第三个条件在没有随机化的情况下总是受限。

事后研究设计与回顾性队列研究有何不同?

在回顾性队列研究中,研究者识别出过去暴露于某种条件的特定队列,并利用历史记录向前追踪其结果。事后研究设计在逻辑上相似,但在教育和社会科学背景下更常用,通常没有正式的队列框架。区别主要在于学科领域;有效性考量基本相同。

通常使用哪些统计方法?

群体比较根据测量水平使用t检验、方差分析或卡方检验。在控制协变量时,ANCOVA或多元回归很常见。倾向得分匹配在减少选择偏差方面越来越受欢迎。当结果是二元的时,使用逻辑回归。所有分析都应报告置信区间和效应量。

我应该何时选择纵向设计?

如果您能在自变量发生之前测量参与者,然后在之后再次测量,那么前瞻性纵向设计是更可取的,因为它能更令人信服地确立时间优先性并减少回顾性测量误差。当无法进行前瞻性测量时——因为事件发生在研究开始之前,或者因为它过于罕见或敏感而无法前瞻性地研究——事后研究设计是合适的。

相关方法

参考文献

  1. Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.

    打开出版物文献
    已复制。
  2. Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.

    ISBN:978-0395307878
    已复制。