以下文章来源于刀熊说说 ，作者刀熊
这周我无意间看见了两个有意思的新发现，引起了我对实证研究论文中“如何解读数据结果”这个话题的关注，于是借此机会来跟大家一起讨论一下”interpretation“ （解读） 这个话题。
先来看这两条消息：
发现一：
美国国家气象局自1968年的数据显示，虽然平均来讲被雷劈中的概率只有13500分之一，但男性被雷劈中的概率要明显高于女性；在2006年到2016年美国死于雷劈的人中，男性占到了79%。
（详见https://www.yahoo.com/news/men-vs-women-gender-more-133112155.html）
发现二：
《时代周刊》最新一期的一篇文章指出，在医学上医生给患者服用并没有任何药物成分的安慰剂能够显著减少患者的病痛并提高康复度，更有趣的是，即便是研究者在受试前告诉受试者他们服用的只是安慰剂而没有任何药物成分，这种减缓病痛的效果跟不服用安慰剂的对照组相比依然显著。这一研究被称为"honest placebo".
(详见 Time 杂志2018年9月3日-9月10日一期《Placebo’s New Power》一文)
Source: Time magazine, Sept 03-Sept 10, 2018
这两条消息之所以抓住了我的眼球是因为它们都有点反直觉，比如说电击这个研究，照常理来说我们都知道雷电是随机发生的，怎么男的就比女的更容易招雷劈了呢？Being a male is more likely to be striken by lightening than being a female——凭什么呢？虽然男的可能真的比女的作恶多（此处为非科学陈述），但总不至于老天看不过去了吧…而第二个研究里，患者明明被告知他们服用的只是安慰剂，可是还是对治病有效用，这听上去真的不科学，是不是？
而从科学研究和写论文的角度，这里我想问大家的是，如果你是这两个实验的研究者，如果你在做研究的时候得到了这样的分析结果，数据结果非常客观的摆在眼前，你会怎样对它们进行解读呢？你如何解释男性比女性更容易遭雷劈，而安慰剂也能帮人治病？你能不能做到尽己所能为读者作出详尽、有益的解读，还是会把研究结果摆出来就算完事大吉呢？
Results Interpretation (数据结果解读）：研究者的能力体现
事实上，解读数据可并不是件容易的事情，interpretation的能力对一个实证研究者来说至关重要。“数据解读”这个话题往往在我们学习做研究的时候容易被忽视，因为数据结果都已经出来的时候通常是快接近出论文的时候了，而大部分实证研究会把更多的注意力放在此前的研究设计阶段(research design): 比如问什么问题，找谁收集数据，如何收集数据等等。我们曾在此前的文章说过这些不同阶段的重要性，也曾指出同一个研究会因为研究者不同，而致使研究设计出来的很多内容会不同；而这恰恰是做实证研究的一大魅力：你的研究是属于你的作品。
同样的道理也适用于interpretation这个阶段。事实上，即便是两个研究这对相同的研究问题做出了完全相同的结果，他们的解读也可能会非常不一样，而这种解读的不同，也会大大影响研究的贡献和整个研究的质量。
解读研究结果的能力不容小觑，它往往展现出一个研究者多年来对某个问题、某个领域的思考成熟度，它能看出一个研究者对文献的掌握，对具体问题的分析问题，理论和实践融会贯通的能力，甚至需要一点想象力。
换句话说，如果你设计了一个实证研究，你设计了研究的整个过程，也按照该过程顺利的收到了数据、分析出了数据，这个时候你的工作并没有结束；作为研究者，你并不只是需要把某个问题的结果算出来扔给大家，你还需要从你的视角告诉我们，我们应该怎样看这些结果，它具体说明了什么，能给这个学科或这个话题带来什么启示，能为现有文献或理论做出哪些贡献。这一部分，体现在一篇具体的实证研究文章里，就是我们时常看到的”Results” 或 “Discussion”， 有的作者在“研究结果”这一部分讨论，有的作者专门在“Discussion”这一部分或是“Conclusion"这一部分讨论。
”遭雷劈研究“与”安慰剂研究“：你会如何解释？
说回到我们开头说的两个研究，不知道大家都想出了什么样的解释？我反正想象力有限，想不出太好的答案。
好在两个研究的researcher都负责任地给我们提出了研究结果的相关解释，大家看看自己有没有想到：
首先，对于“男性更容易比女性遭雷劈”这个发现，文章提出了这么几种解释：
解释一：男性比女性更爱做户外运动，所以更容易在右雷电天气的时候在户外；报告显示百分九十以上的被雷劈中的男性当时正在进行钓鱼、跑步、足球等户外活动；
解释二：男性比女性更不在意雷电的危险（或更粗心），所以更不注意避雷；
解释三：男性比女性更容易从事户外的工作任务，比如修理东西、建筑、搬运等工作，所以更容易被雷电击中。
而对于“安慰剂有助于治愈病症”这个发现，文中提出的解释包括：
解释一：有的专家认为是因为人体在心里和身体上对于规律性的treatment 会做出反应，哪怕这种treatment并没有实际药物成分；
解释二：人的身体本身就有一定的自愈能力，有时候需要服用安慰剂的方式从心理上允许身体进行自我恢复；
解释三：有的专家认为这项研究的结果被夸大了——在具体实验中研究人员必须要告诉患者这个安慰剂对治病有效才能得到这种结果（也就是认为研究结果并不valid. ——该研究的研究者对此提出了反驳）；
解释四：当人生病的时候希求一种被“确认”的感觉，被给安慰剂就表明医生确认你确实是生病了，这种"被确认了"的感觉就帮助了患者let it go;
（《时代周刊》的这篇文章还提供了不同研究下针对不同病痛的患者使用安慰剂的例子，可以说研究结果虽然还有些mixed, 但是总的来说非常惊人，比如研究发现服用安慰剂明显能改善偏头痛、关节炎、癌症导致的疲劳症、季节性的过敏症等。此外，研究发现如果患者更信任他们的医生，服用安慰剂后改善病症的效果就会更加显著，文章里甚至讨论到了让安慰剂正式进入医院的可能性，感兴趣的同学推荐阅读。）
读完这些解释，你是不是跟我一样，觉得其中一些还挺有道理的？
再想象一下，如果文章里完全不提供这些解释，是不是文章就干枯了好多？失色了好多？
所以说一篇论文里的interpretation真的特别重要。Interpretation做的好，文章读起来丰富而有趣，对读者有启发、引思考。而interpretation做的不好则会让文章显得”干瘪“，像是看见一块诱人的大骨头却吸不到里面的味道，会大大影响一篇文章能带来的真正贡献，影响文章的完整性。
什么是好的Interpretation?
我们做具体研究的时候会发现，研究结果从来不像考试里的问题那样有确定的答案和标准，你答对了就是100分，答错了就没有分；正如这世界上没有完美的实证研究一样，这世界上也不可能有完美的”interpretation”。
但是从总体来说，好的interpretation通常具有以下这么几个特点：
作者能够提供不同思路的、比较全面的解释；
作者能够提供最符合常识、情景和情理的解释；
作者能够利用自己亲身收集数据的经验、访谈的经验、调研的体验来提供解释；
作者能够结合现有文献提出解释；
作者能够结合现有理论提出解释；
作者能够在解读的时候表现出critical thinking（批判式思维）的能力，而不是信誓旦旦地总结某一个解释肯定能覆盖全部情况。
如果研究结果分析出来之后跟自己的研究假设吻合，那么这种情况一般是比较容易进行解读的，因为你之所以做了这种假设肯定是基于自己的推理、一定的文献或者理论的支持；但是如果研究结果跟研究假设不吻合，或者只是部分支持研究假设（这是社会研究中最常见的情况），那么你就要运用自己的专业知识和分析能力去给出一些“proposed explanation" (建议性的解释)。 但无论结果是否证实了你的假设，在解读的时候都需要紧密联系文献、联系理论、结合你数据和研究的具体情况，而不能泛泛而谈。
说到底，做interpretation的过程，其实是尊重客观数据结果的过程，是对不能完全解释的现象的缘由进行猜测的过程，也是在对自己的研究过程进行反思的过程。有的时候研究结果出乎意料，可能恰恰是因为自己研究设计或执行上存在一些"limitation"（局限性）, 而这些limitation应该在写文章的时候放进文章的“discussion"部分，以启后来者，让一个领域的研究可以一步一步的往上走。
关于”interpretation"先说这么多，欢迎大家分享更多你自己写论文时做interpretation的例子，或是你读过的这方面做得好的文章。
转自：“量化研究方法”微信公众号
如有侵权，请联系本站删除！
