纵向调查 — 重复测量调查研究
- 提出者
- Established tradition; formalized in social science by Paul Lazarsfeld and colleagues (1940s panel studies)
- 年份
- 1940s (panel survey tradition); longitudinal designs codified mid-20th century
- 类型
- Quantitative / mixed-methods survey design
- 类别
- Data collection
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?
纵向调查从两个或两个以上不同的时间点收集相同个体或单位的结构化问卷数据。通过追踪同一批受访者跨越不同波次的数据,研究人员可以区分真实的改变与稳定的个体差异,建立变量之间的时间顺序,并以单一的横断面快照无法支持的方式模拟态度、行为或结果的轨迹。
方法背后的直觉
想象一下,十年里每年都为同一群人拍照,而不是每年为不同的人群拍照。第一种方法——纵向调查——让你能够看到谁真正改变了,改变了多少,以及改变的方向,而不是从平均值进行猜测。因为每个受访者都充当自己的基线,个体差异自然得到控制,这使得研究人员能够更有信心地说‘在第一年持有X信念的人在第三年更有可能报告Y结果’,这种信心远超任何单一波次设计所能提供的。
历史学
系统性的纵向调查研究在20世纪40年代通过保罗·拉扎斯菲尔德(Paul Lazarsfeld)关于投票行为的面板研究在美国社会科学中兴起,这些研究表明,随时间追踪同一批受访者可以阐明态度变化,而这是在横断面快照中无法检测到的。该方法通过弗雷明汉心脏研究(Framingham Heart Study, 1948)和英国全国儿童发展研究(British National Child Development Study, 1958)等队列研究扩展到流行病学和发展心理学领域。随后出现了大规模的家庭面板研究——收入动态面板研究(Panel Study of Income Dynamics, PSID, 1968)和德国社会经济面板(German Socio-Economic Panel, SOEP, 1984)。邓肯(Duncan, 1975)和梅纳德(Menard, 2002)推进了方法学的规范化。
何时使用
当研究问题明确涉及变化、发展或时间优先性时,使用纵向调查——例如,政策干预是否产生了持久的态度转变,教育成就如何从小学发展到中学,或者哪些早期生活风险因素可以预测后来的健康结果。当横断面数据会将年龄效应与群体或时期效应混淆时,这是适用的设计。当现象稳定(使得重复测量冗余)、资源或时间不足以维持多个波次,或者失访预计会非常严重以至于保留的样本不再代表目标人群时,不要使用纵向调查。对于纯粹的描述性、单一时点问题,横断面调查更快、更便宜。
局限与注意事项
- 失访在各波次累积;非随机失访可能在后续波次引入严重的样本选择偏差。
- 与横断面调查相比,成本高昂且耗时,需要持续的基础设施和受访者重新联系。
- 测试效应:反复接触相同的问题可能会使受访者产生敏感反应,并改变所测量的态度或行为本身。
- 波次之间的历史效应和长期趋势可能混淆个体内部的变化估计。
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
- 建立变量的时间顺序,加强了超越横断面设计所能实现的因果推断。
- 控制稳定的个体差异,因为每个受访者都充当自己的基线。
- 揭示个体内部的变化轨迹——谁改变了,改变了多少,以及改变的速度。
- 支持群体分析,当波次跨越足够长的时间时,区分年龄、时期和群体效应。
- 与混合方法兼容:定性后续访谈可以嵌入在波次之间。
应用
- 追踪选举周期中政治态度、政党认同或投票意向的变化。
- 监测儿童从幼儿期到青少年期的认知和社会情感发展。
- 评估公共卫生干预措施在数月或数年内是否产生持久的行为改变。
- 通过重复的就业和收入调查研究职业轨迹和工资动态。
- 评估生活事件(如失业、丧亲或慢性病发作)的长期心理影响。
- 通过在多个年级测量学生的学业成绩和参与度来评估教育改革。
使用方式
使用方式
研究人员指定测量波次数量、波次之间的间隔(周、月、年)以及在每个波次要测量的构念。小组设计追踪相同的个体;轮换小组在每一波次替换一部分受访者,以限制负担同时保持连续性。问卷核心在各波次保持一致,以便直接比较,任何新项目都会被明确标记为新增项。
在第一波次招募概率样本或目的样本。由于随时间的推移,失访会降低统计功效,因此初始样本量必须大于可比的横断面研究。招募材料会解释多波次承诺,并可能向受访者提供激励措施以维持参与。收集并更新联系信息以方便重新联系。
进行第一(基线)波次的测量——在线、邮寄、电话或面对面。这一波次确立了所有研究变量的起始值,并捕获将用于模拟变化的协变量。在此测量的人口统计学和背景变量被视为后续波次的固定参照点。
在每个后续波次,向同一批受访者重新进行相同的核心问卷测量。研究人员追踪每波次的应答率,并向未应答者发送提醒。波次之间的时间间隔选择得足够长,以便有意义的改变能够发生,但又足够短,以免感兴趣的因果过程被中间事件所掩盖。
失访是核心的方法学挑战。研究人员比较完成者与失访者在第一波次的特征,以评估失访是随机的还是系统的。当失访是非随机的时,会采用多重插补、全信息最大似然(FIML)或逆概率加权等方法来减少偏差。
纵向数据使用为重复测量设计的方法进行分析:增长曲线模型、多层次或混合效应模型、交叉滞后面板模型或双重差分估计。这些技术将个体内部的变化与个体之间差异分开,并允许直接检验时间关系。
常见陷阱
- 低估失访——未能为失访做计划会导致后续波次效力不足;在基线时进行超额抽样,并为追踪和激励措施制定预算。
- 在波次之间更改仪器——改变措辞、反应量表或项目顺序会破坏纵向等价性,并使波次间的比较无效。
- 忽略非随机失访——在未进行检验的情况下假设失访是随机的,可能导致保留的样本系统性地不同于目标人群。
- 选择不当的波次间隔——间隔太短可能不允许有意义的变化累积;间隔太长则有错过动态过程峰值的风险。
- 将横断面分析技术应用于纵向数据——使用普通回归而不考虑重复测量会违反独立性假设。
常见问题
纵向调查需要多少个波次?
至少需要两个波次才能测量变化,但两个波次只能捕捉线性变化,并且无法区分暂时波动与稳定趋势。三个或更多波次允许进行增长曲线建模和非线性轨迹的检测。数量应由预期的变化过程形状以及失访和成本的实际限制决定。
面板研究和队列研究有什么区别?
面板研究追踪相同的样本个体,无论其年龄或进入事件如何,并在固定的日历间隔进行测量。队列研究追踪具有定义性进入经历(出生年份、毕业或疾病诊断)的个体,并从该共同起点进行追踪。许多纵向调查结合了这两种设计的特点。
如何处理因失访造成的缺失数据?
首先检验缺失是随机的(MCAR)、条件于观测变量的随机的(MAR),还是与未观测值系统相关的(MNAR)。如果MAR是合理的,多重插补或全信息最大似然(FIML)估计可以在不删除案例的情况下恢复无偏估计。在纵向工作中,简单删除不完整案例(列表删除)很少是合理的。
我可以在后续波次添加新问题而不破坏纵向设计吗?
可以,但重复的核心问题集在措辞、反应格式和位置上必须保持一致,以保持各波次之间的测量等价性。新问题应与核心题组明确分开,并在研究文档中注明其添加。添加无意中引发受访者对核心问题联想的新问题是一个常见且可避免的错误。
纵向调查适合研究罕见事件吗?
这取决于样本量和事件频率。由于每波次只保留原始样本的一部分,而罕见事件发生的频率很低,因此研究罕见结果需要非常大的初始样本量或对高风险群体的过度抽样。将行政记录与调查数据链接可以增加对波次之间罕见事件的检测。
相关方法
参考文献
Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.
ISBN:978-0761922292已复制。Longitudinal study. Wikipedia.
打开出版物文献已复制。