量化与质性：两种传统怎么配合

一九三六年，美国一本发行量很大的杂志寄出上千万份调查表，收回两百多万份，据此预测兰登会赢得大选。同一年，一家刚成立的调查机构只问了几万人，预测罗斯福会赢。结果出来，杂志错了。样本大，不等于样本有代表性。

同一年代，另有一些人不发问卷。他们搬进街区住下，记下谁在街角站着、谁替谁办事、一件事是怎么被商量出来的。两种做法问的是不同的问题，两边也都容易把自己的问题当成唯一的问题。

问题是什么

量化与质性的分别，常常被讲成两种口味之争，其实它首先是两类问题之别。一类问多少、平均差多少、趋势往哪边走；另一类问这是怎么发生的、当事人怎么理解自己的处境、一个决定如何被做成。第一类问题需要可以比较的数字，第二类问题需要能进入过程的材料。

争论的实质在于两处：哪种证据算证据，以及结论可以走到多远。这两处都是规范问题，不能靠多收集一点数据解决。

量化研究能做什么，不能做什么

量化研究能回答分布、趋势、平均效应与相关结构，前提是有概率抽样和可比的测量。一道题变成变量，要经过操作化（operationalization）：概念变成维度，维度变成指标，指标变成题项，题项变成编码值。问卷里的"满意度 4.2 分"是一次编码结果，不是某种可以触摸的实体。信度（reliability）指重复测量是否给出同一个数，效度（validity）指它是否测了要说的那个东西；两者不是一回事，一个每天都在稳定地测错东西的量表，信度可以很高。

抽样误差与系统偏差也要分开。抽样误差可以计算，前提是概率抽样，它的口径就是置信区间。系统偏差通常无法从数据内部算出来：覆盖偏差（抽样框漏掉了谁）、无应答偏差（谁不愿意回答）、社会期望偏差（受访者按体面的方式回答）、回忆偏差（记不清的事被补成了合理的样子）。一九三六年的那次预测失败主要属于第一类与第二类：能寄回问卷的人本来就更富裕，而他们的偏好与全国并不同。

缺失数据也不是中性的。谁不回答，本身常与要研究的东西相关，例如收入高的人更不愿意报收入。把缺失值简单删掉或补上平均数，都会把这种相关性塞进结论里。

质性研究能做什么，不能做什么

访谈、观察、档案、口述与过程追踪能回答"怎么发生"。一份文件为什么这样写，一个组织里的决定如何被做成，当事人如何理解自己的处境，这些在变量表上看不见。质性材料还能提供一件量化很难提供的东西：顺序，以及那些被省略、被打断、说到一半又改口的地方。

代表性的处理方式不同。个案不做统计概括，而是做分析性概括（analytic generalization）：用案例检验或发展理论。选案例有它的逻辑——典型案例、极端案例、最大差异案例、关键案例，各有各的用途，但选法必须交代。用方便的案例代替有理由的案例，是这一路最常见的失误。

研究者位置的影响是实在的。观察者的身份、进入现场的方式、与受访者的关系，会影响他听到什么、被允许看到什么、记下什么。反身性（reflexivity）不是一段自我表白，而是说明这些影响可能朝哪个方向扭曲材料。此外，访谈里说的话不等于行为，受访者会按自己希望被看待的方式回答，态度与行为不一致是常态。

证据类型的局限也要说清。档案记录的是当时有权力、有条件留下记录的人；口述史受记忆与事后叙述影响；参与观察的在场效应无法完全消除。这些局限不会让质性材料失去价值，但它们决定了结论能说多硬。

混合方法的四种实际做法

第一种是先后互补。先用访谈与观察找出可能的机制与分类，再设计量表或在大样本里检验；或者反过来，先在数据里发现异常，再到现场理解它。前一种次序常叫探索性设计，后一种常叫解释性设计。

第二种是三角验证（triangulation）。同一个结论用不同来源、不同方法各验一次，看它们是否收敛。收敛不证明结论为真，但它提高了可信度；分歧本身是有用的信号，通常指向测量或概念上的问题。

第三种是过程追踪（process tracing）。在少数案例里把因果链条一节一节对出来，检查每一节是否留下可观察的痕迹，再看它与总体趋势是否一致。它和统计推断是互补的：一个给出平均效应，一个检查效应经过了哪些环节。

第四种是预注册与开放材料。把假设、编码本、抽样方案提前固定，减少"看到结果再编故事"的空间；开放数据、代码、访谈提纲与引文来源，让别人能够复核。质性材料的开放有伦理边界：受访者同意的是被研究，不一定是被公开。

一条朴素的准则

任何一项研究，都应该能让别人从材料走到结论：数据在哪里、怎么编码、访谈如何抽样、案例为何选中、反例怎么处理。做不到这一点，方法标签——量化或者质性——都帮不上忙。

具体可以问五件事：这份材料是谁留下的、为什么留下；编码规则能不能复现；有没有主动找过反例；结论的表述有没有超出材料允许的范围；换一个人拿到同样的材料，会不会走到同一个结论。

常见误读

第一，以为数字天然客观。数字是被造出来的：分类口径、指标替换、缺失值处理、加权方式，每一步都是选择，也都可以被选择得偏向某个结论。

第二，以为质性就是讲故事、不可检验。好的质性研究有取样逻辑、比较策略和反例检验，只是它的检验方式不是统计显著，而是看材料能否支撑那条解释、以及别的解释能否被排除。

第三，以为混合方法就是把两种方法放进同一篇论文。真正的混合要求两类材料在同一个论证里各承担一块，并且说明接合点在哪里。

第四，以为统计显著就等于重要、等于因果。显著说的是与一个零假设不太相容，既不说效应有多大，也不说效应从哪里来。

第五，以为个案不能产生一般知识。案例能做理论检验与机制识别，能推翻"某事不可能"这类判断，只是它的一般化方式不同，不能按样本比例去推论总体。

第六，以为方法只是工具，选择与立场无关。问题类型、可得材料、经费与伦理约束都在限制选择；很多时候是材料决定方法，而不是相反。

学术争论

一层是范式之争，一九八〇年代到九〇年代常被称为范式战争。一派认为量化与质性建立在不同的认识论之上，一边是实证主义，一边是建构主义，因此不可通约；另一派认为它们只是不同的工具，可以在同一研究里并用。分歧在规范层面：什么样的证据算证据，以及研究该不该宣称自己站在某个认识论立场上。

第二层是机制与效应的关系。偏向实验与统计的一派认为机制说明只是补充，识别靠设计与数据；偏向过程追踪的一派认为只报告平均效应无法区分不同的因果结构，机制是因果主张的一部分。分歧在概念层面："因果解释"这个词包含什么。

第三层是量化阵营内部的改革之争。二〇一九年前后，一批研究者联署评论文章，主张停止把"统计显著"当作结论的二分线，改用效应量与置信区间，并明确承认不确定性；反对者认为在决策场合仍然需要一条门槛，否则无法判断。这是规范层面的分歧，两边都不否认数据本身。

第四层是质性编码的争议。一派主张系统编码，把材料切成单元、建立类目、检验一致性；另一派认为切碎材料会丢掉叙述的整体性与语境，编码应当与整体阅读并置。这一层混合了方法与概念两方面的理由。

还有一层是材料开放与知情同意的张力。开放数据能提高可信度，但受访者同意的是参与研究，不是让自己的话被放到网上。

怎么用、怎么读