一、数据分析的基础：数据收集
案例研究数据收集和数据分析密不可分，数据分析往往在数据收集过程中就展开。作为数据分析的基础，案例研究的数据收集过程中要的要点可能包括：
要点1：抽样策略
案例研究数据收集的第一个要点是抽样策略的选择。总体而言，案例研究的抽样策略不是概率抽样，而一定程度上适用非概率抽样中目的抽样的部分思路。如，极端案例抽样来揭示独特现象；抽取具有较高信息提供密度的样本、抽取最大差异的样本来为研究问题提供丰富信息、涵盖研究问题包含的不同方面；代表性、典型性、关键性、校标案例的选择等也可以是可以考虑的角度。总之，选择合适的抽样策略以最终为构建理论服务。
要点2：多种数据来源
在收集多种数据来源之前，首先要理清两个问题：研究目的是探究“事实”还是对“事实的看法”？研究者的站位：“局内人”还是“局外人”？在这两个问题基础上要擅于综合不同数据来源的优劣势来进行多种来源数据的收集以服务于案例研究的目的。
要点3：三角检验
案例数据收集过程中可以善用不同类型三角检验（Triangulation），包括：数据（Data triangulation）、评估者（Investigator triangulation）、理论（Theory triangulation）和方法（Methodological triangulation）等。
要点4：证据链建立
在案例数据收集过程中，不仅要注重服务于从“研究问题—数据库—特定数据的引用—案例报告—论文的发现”各环节之间严密链条的建立，也要注意服务于特定论点呈现所需系列证据和物件共同形成的证明链条的建立。
要点5：解决三类偏差
在设计案例研究数据收集的方案过程中要特别注意研究者、访谈对象、文献这三类各自的偏差。例如，对于研究者自身而言，除了高强度投入于观察和参与情境中来规避自己存在的偏差外，还可以引入一个挑刺者以一定程度上来发现自己在数据收集和数据分析过程中存在的偏差。
二、数据分析的过程：多样化策略
案例研究的数据分析过程可以考虑在方法论逻辑一致性的前提下进行多样化策略的选择。首先要理清研究者自身对数据的理解方式：是从字面意义上的解释（Literal interpretation of the data）、诠释(Interpreted Data),还是自反性解释(Reflexive Data)。而后，常见的几类案例数据分析方式包括：意义提炼、意义分类、叙事分析等。具体可以参见：Lee, (1999). Using Qualitative Methods in Organizational Research, SAGE Publications, Inc. 在此基础上，在方法论逻辑一致的前提下，研究者可以综合采用多种分析策略来构建理论。例如，Langley（1999）总结了叙事分析策略、量化策略、多样板策略、扎根理论策略、可视地图策略、时间区间策略、综合策略等在处理过程数据中各自的优劣势。参见：Langley, A. (1999). Strategies for theorizing from process data. Academy of Management Review, 24(4): 691-710.
三、数据分析的目的：理论构建
来源: 李亮、刘洋、冯永春等：《管理案例研究：方法与应用》
四、案例研究的总体建议
建议1：规范性想象
从案例中构建理论过程总体上与一般理论构建的模式类似，是一个规范性想象(disciplined imagination)的过程，在这一过程中要善用模型框架等激发多样性，也要注意创造性跳跃的过程。
建议2：跳出模板，回归研究的严谨性
不是套用某个方法流程某个模板案例研究就严谨了，而是要回归一般研究严谨性本身，如关注方法论连贯性、逻辑一致性、推断出最佳解释、排除其他可能解释等。
建议3：关注研究过程的可信度
与上一条建议相关，要关注案例研究过程的可信度，可以在论文正文或者附录汇报数据收集、分析的详细实际过程，而不是“应该”的过程。
建议4：突出理论贡献
以构建理论为核心的案例研究肯定要突出理论贡献，详细阐述论文的发现放在一起后到底有何理论贡献。关于什么是理论贡献以及如何做出理论贡献的文献很多，例如：Makadok, R., Burton, R., & Barney, J. (2018). A practical guide for making theory contributions in strategic management. Strategic Management Journal, 39(6): 1530-1545.
建议5：突出案例研究方法的优势
最后一条建议是,做案例研究一定要突出案例研究方法的优势，如实践相关性、情境突出性、有趣现象的演化过程展示、诠释意义等。
转自：研究与发展管理
如有侵权，请联系本站删除！
