探索性定量研究
- 提出者
- Earl Babbie; John Creswell (systematic codification in social science methods)
- 年份
- Mid-20th century (codified in social research methods texts c. 1950s–1970s)
- 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
它有什么作用?
探索性定量研究是一种非实验性设计,当一个现象的理解不足以支持正式的假设检验时使用。研究者收集数值数据——通常通过调查、结构化观察或现有记录——来描述分布、检测模式并生成假设,以便后续更具针对性的验证性研究进行检验。它占据了累积性定量研究计划的初始阶段。
方法背后的直觉
将探索性定量研究视为绘制地图前的侦察。当你进入一个未被研究的区域时,你还不知道哪些变量是重要的,或者它们之间如何关联,因此你会广泛测量而非狭窄测量。数字会告诉你地貌的哪些特征最突出——哪些变量变化最大,哪些共同出现,哪些亚群体存在差异——这些观察结果就成为下一项更严谨研究的候选假设。目标是纪律性的发现,而非确认。
历史学
探索性与验证性研究的区别在20世纪50年代起由厄尔·巴比和保罗·拉扎斯菲尔德等方法学家在社会科学中系统化,反映了关于归纳和演绎作用的更广泛的科学哲学对话。约翰·图基1977年关于探索性数据分析的工作在统计学中正式化了探索性推理,影响了定量社会科学家如何构建初步探究。克雷斯韦尔及其同事后来将探索性阶段明确嵌入混合方法和定量研究设计框架中,巩固了其作为公认的、有原则的设计选择的地位。
何时使用
当进入一个真正未被充分研究的领域,当相关的变量及其测量尚未确立,或者当现有理论未能提供足够的指导进行方向性预测时,使用探索性定量研究。它适用于多项研究计划的初始阶段,或在试点新工具时。当已有经过检验的假设时,不要将其作为验证性研究的替代品——将探索性逻辑应用于已知现象会增加错误发现的风险。当目标是因果推断时避免使用它;探索性定量设计不支持因果声明。
局限与注意事项
- 结果是产生假设,而非检验假设;不应将发现视为已确认的效果。
- 没有预注册,对许多变量进行多重比较会大大增加I类错误率。
- 方便或特定抽样限制了描述性统计对定义人群的普遍性。
- 缺乏实验控制意味着观察到的关联不能归因于因果机制。
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
- 在缺乏理论或理论不发达的领域,能有效地生成基于证据的假设。
- 灵活的变量覆盖允许意外模式浮现,而不是过早地限制探究。
- 数值数据允许可复制的描述和跨亚群体的直接比较。
- 一项良好进行的探索性研究的发现可以为明确的验证性后续研究提供动力计算和设计。
应用
- 在设计针对性干预研究之前,绘制新识别的职业群体的态度特征图。
- 筛选一系列学生辍学预测因子,以识别值得纳入结构方程模型的变量。
- 描述新记录的临床人群健康行为的分布及其相关因素。
- 试点一种新颖的心理测量工具,在进行验证性因子分析之前检查项目方差和因子结构。
- 调查新兴行业领域中不存在先前基准的组织实践。
- 生成关于社会现象机制的竞争性假设,后续实验设计将对其进行裁决。
使用方式
使用方式
研究者识别一个研究不足的主题或人群,其基本数值事实未知或存在争议。一个宽泛的研究问题——而非方向性假设——指导着探究。目的是确定要测量哪些变量以及在什么水平上测量,而不是检验预先设定的预测。
开发或改编一个测量工具(问卷、编码方案或观察协议)来捕捉广泛的潜在相关变量。由于该领域尚未充分探索,工具通常包含比聚焦的验证性研究更多的项目,涵盖人口统计学、态度、行为或情境维度(如适用)。
数据从充分代表相关人群的特定选择或方便选择的样本中收集。样本量倾向于中等——足够大以允许可靠的描述性统计并检测粗略模式,但不一定足以进行狭窄效应量估计。横断面调查很常见。
计算描述性统计(频率、均值、标准差、范围)和探索性分析(相关矩阵、聚类分析、因子分析、EDA图)来描述分布并呈现值得注意的关联或群体差异。在此阶段不推断因果关系。
数据中观察到的模式被综合为明确的、可检验的假设或研究问题,供后续验证性研究使用。探索性研究的贡献是认识论的:它缩小了假设空间,并为更具决定性的后续工作提供了设计(变量、测量、样本量)的依据。
常见陷阱
- HARKing(结果已知后提出假设)——将事后模式报告为先验预测会使探索性研究变成误导性的验证性研究,并增加假阳性率。
- 过度解读小关联——在广泛的变量扫描中,一些相关性会因偶然性达到名义显著性;探索性发现需要重复验证才能被认真对待。
- 未能预先注册即使是探索性目标——在注册条目中清楚地标记研究为探索性,表明了适当的推断状态,并防止了无意的HARKing。
- 将探索性研究视为充分的——在没有验证性后续研究的情况下发表探索性发现,会使主张未经证实且易于不重复。
常见问题
探索性定量研究与描述性研究相同吗?
它们有重叠但方向不同。描述性研究旨在准确地描述现象本身——报告频率、均值和分布。探索性定量研究具有前瞻性、产生假设的目的:它通过描述来识别下一步应该研究什么。一项研究可以同时是描述性和探索性的,但纯粹的描述性研究不一定需要产生假设。
我可以在探索性研究中进行显著性检验吗?
可以,但要谨慎。对探索性数据进行的显著性检验最好被视为筛选工具,标记出后续研究的候选对象,而不是作为验证性证据。当同时检验许多变量时,家族错误率会迅速上升。报告效应量、置信区间和多重比较校正(例如,Bonferroni或Benjamini-Hochberg),并透明地说明研究是探索性的,都是重要的保障措施。
我需要多大的样本量?
没有单一规则,但可靠的描述性统计和中等到大效应检测的一个常见基准是,基于调查的探索性研究至少需要100-200名参与者。如果你计划使用因子分析或聚类分析,建议使用更大的样本——通常是300个或更多。关键是样本量要足够大,以使描述性统计数据稳定,即使它没有经过正式的功效分析来获得狭窄的置信区间。
探索性研究需要对照组吗?
不需要。探索性定量研究通常是非实验性和观察性的。它不操纵变量或将参与者分配到不同的条件,因此对照组不属于设计的一部分。如果进行了组间比较,则是基于预先存在的特征(例如,年龄、性别、职业),并且设计更接近于因果比较研究。
我何时应从探索性研究转向验证性研究?
一旦探索性研究确定了一小组合理、理论上连贯的假设——最好不超过两三个——就该计划一项带有预注册、先验功效分析和全新独立样本的验证性研究。在用于探索的同一数据上进行验证是循环的,并会产生夸大的效应量估计。
相关方法
参考文献
Babbie, E. (2021). The Practice of Social Research (15th ed.). Cengage Learning.
ISBN:978-0357360767已复制。Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5th ed.). Sage.
ISBN:978-1506386706已复制。