做量化研究也需要观其大略

做量化研究，数据分析细致入微，检验面面俱到，有些繁琐，但只要虚心向ChatGPT请教，不难掌握。

难在做结论时要观其大略，从微观到中观再到宏观，提炼出一个值得读者引用的大要点。这个要点好比硕果，是研究的目的。数据分析和文献综述等等是绿叶、枝条、树干、树根，不可或缺，但都是手段。

做量化研究不愁找到小闪光点，每个统计上显著的回归系数都闪闪发光，不过多数只是小光点，可以印证已有的研究，不新颖。公开的数据中偶尔有现成的大闪光点，但这些低垂的果子往往已经被收集数据的研究者摘取，借光的学者是迟到者。

天无绝人之路，没有条件和资源收集独特数据，可以用现有数据中的中等闪光点构建大闪光点。构建大闪光点是一种创新，很难，需要跳出数据，回归事实，站在数据外的具体语境中解释数据。这里的“解释”不是数据分析，是用现象学、人类学、或话语分析方法不厌其详地推断应答者的认知和态度。

自以为构建了大闪光点，但审稿专家不一定承认，即使专家承认构建的大闪光点可能成立，往往也会要求做交叉检验。这个要求合理。大闪光点意味着概念层面的创新，独木不成林，一个数据是孤例，撑不起一个新概念。

好在很多社会调查是连续的，公布的数据也是连续的。发现大闪光点后，可以把分析模型套在多个可比的数据上，如果分析结果高度一致，新论点的数据基础就显得牢靠了很多。

转自：“在学术界谋生存”微信公众号

如有侵权，请联系本站删除！