量化研究的本质：根据相关文献（理论基础或经验法则）提出变量间的关系，再根据研究架构提出研究假设，进而依据研究设计编制测量工具并以问卷调查或观察法来搜集资料，最后再根据搜集的资料进行统计分析，以验证研究者所提的研究假设是否支持。
量化研究主要有两大类型：“非操作性研究”与“操作性研究”。
操作性研究即为实验研究，研究者控制干扰变量，操作自变量（实验处理）以探究其对因变量的影响；非操作性研究如问卷调查法或观察法，指研究者未操作任何变量，而是在自然情境中搜集受试者的反应或行为表现。
不论是操作性研究或非操作性研究，在搜集受试者相关资料后，均要对资料进行数量化分析处理，此时必须根据资料属性与变量尺度采用合适的统计方法。统计是让资料、数据说话的工具，有些研究者受到先前经验的制约，一谈到“统计”就退避三舍，想从事量化研究又迟疑不决，这就是研究者的“迷思”。
做量化研究的人统计方法一定很强？
目前比较常见的统计软件（SPSS、AMOS、SAS、LISREL等）的操作界面都十分简易，只要使用者资料建档正确，统计分析的工作不会十分困难，研究者只要参考使用手册或相关书籍，均能将输出结果转化为图表信息，并进行诠释。只要研究者用点心思，一定能克服报表解读及诠释的困惑。
▎统计分析的一般程序为：
为节省时间直接引用先前的研究工具？
如果之前的研究工具题目适合且信效度均佳，直接采用当然可以；但若之前编制的量表／测验或问卷所要测得的潜在特质或构念与自己目前的研究不同，信效度不佳，或是研究对象不同等，研究者均不应直接采用，而需加以修订或根据理论文献自编。研究工具直接影响搜集的资料，如果研究工具不适合，之后所搜集的资料与统计分析结果均会有偏误。问卷调查法采用的测量工具，除了标准化测验外，最好经过编修或修订，若是一般群体，必须经过预试分析与正式施测两个阶段，当研究者进行量表或测验题目的逐题审核时，才能提升测量工具的信效度；从预试分析程序中，才能学会项目分析、因素分析与信度检验的统计方法，这对于量化研究或统计分析专业知识能力的提升都有正面的效益。
参考前人写法一定不会错？
参考前人的论文格式与撰写方式的确可减少许多错误，但并非每个答辩委员均能巨细无遗地指出论文稍欠严谨或不周延之处，或是之前的研究者转引注的文献内容有误，或是对量化数据的解释或图表呈现欠缺完整，研究者再次引用，会再发生相同的偏误，因而研究者最好对输出的报表数据能完全理解。
例如，乙研究者撰写论文时，参阅了近似研究主题甲的论文。甲在论文定稿装订前未更正以下错误：“以积差相关求出所有人口变量／背景变量与计量变量间的相关”。乙研究者在数据统计分析中也依照甲的使用方法，以积差相关求出所有人口变量／背景变量与计量变量间的相关情形，并根据积差相关系数摘要表洋洋洒洒加以论述，这就错误了。
因为积差相关系数适用于两个变量均为计量变量，人口变量／背景变量均为间断变量，不能以积差相关求出其与计量变量间的相关情形。
研究变量越多，研究题目越有深度？
每个研究均有其价值性、教育性与限制性，价值性高低要视研究主题与整个研究进程的严谨性而异。研究时要考量研究者的财力、时间与人力，这是研究的“可行性”。
探究的变量越多当然越能了解行为或现象的全貌，但研究设计会变得更为复杂，此时，是否能在有限时间内独立完成，研究者必须加以缜密思考。对于某些事实现象的调查研究，研究者主要就重要研究主题加以探究即可，不必纳入无关的变量，如在“大学生自尊信念与作弊行为”的调查研究中，研究者想要探究的主要问题一是大学生作弊的现象及比例约为多少，二是大学生的作弊行为是否与其自尊信念有密切关系。若是研究者纳入的变量太多，研究的架构则会较为繁杂。
统计方法越复杂，分析越深入？
量化研究统计分析需要的统计方法不是越深入、越复杂越好。
统计方法的使用需配合研究目的与研究问题，并能回应假设验证，进而清楚、正确地呈现研究结论。若是统计方法运用不当，反而是在“玩数字游戏”，而非是进行有意义的资料分析。
就事实现象调查研究而言，如果研究问题是“在抽样有效样本中，曾有考试作弊行为的样本个数占全体有效样本的百分比约为多少”，回答此问题最佳的统计量数即为次数、 百分比。如在有效样本 500 位中，曾有考试作弊行为者有50位，则曾有考试作弊行为大学生的比例为10%，回应研究问题最适宜的数值即为“10%”。
之后， 研究者若要探究男女生作弊行为比例人数是否有显著不同，一样采用次数百分比并增列卡方统计量即可。比如，曾有考试作弊行为者中，男生有40位、女生有10位，未曾有考试作弊行为者中，男生有210位、女生有240位。执行SPSS功能列“分析（A）”→“叙述统计（E）” →“交叉表（C）”程序， 可以求出各单元格的个数、行百分比、列百分比、总和百分比、调整后的残差值及卡方统计量等数值。
计算结果Pearson 卡方值为 20.000， 显著性概率值 p = 0.000 < 0.05， 表示男生、女生有作弊行为的人数百分比的差异达到显著水平，男生有作弊行为的人数百分比（16.0%）显著高于女生有作弊行为的人数百分比（4.0%）。
量化研究统计方法的选用必须与假设检验有关，如此才能回应研究问题。再以多选题为例，最适当的统计分析方法是统计各选项被受试者勾选的人次及百分比，并采用逐题分析法解答研究者问题。如果研究者编制的调查问卷形式是单选题或重要性等级排列题目，改用多变量统计方法就无法回答研究问题。
问卷题目越多，
越能测得所要的特质？
一般而言，问卷中各量表的题目越多，越能测得研究者所要测得的潜在特质或心理构念，但同时，受试者填答的填答意愿会降低，如此获得的数据效度（受试者填答的真实性）有待商榷。
当研究者搜集的资料可靠性较低时，资料统计分析结果的正确性也会降低。在量化研究中，测量资料的搜集均通过问卷或测验等自陈量表的形式，当题目越多，受试者填答配合度不高，即使问卷回收率很高，数据的可靠性也可能很低。因而在实施问卷调查法时，研究者题目的数量多寡要考虑受试对象，此外，也要考虑研究的层级，若是博士论文，可能探究的潜在特质或构念较多，因而测量指标也较多。
对于问卷题目的取舍，研究者要把握的原则是：量表或测验的信效度达到基本的准则后，测量指标数越少越好，因为题目越少受试者填答的意愿越高、内在效度会越佳。
取样的样本数越大，
研究推论效度越高？
一般而言，从总体抽取的样本数越大，样本越能有效代表总体，但研究者必须考量到取样代表性与研究可行性，若研究者不是采取随机取样方式，而是便利抽样或立意取样，即使样本数很大，抽样误差也会很大。
如在某个总统选举民调中，调查者只集中抽取所居住县市的民众作为样本，但此县市的民众多数偏向于某个政党，即使调查者抽样的样本高达 5000 位，这种调查研究（电话调查或问卷调查）的结果可靠性及可信度均不高。
在正式问卷调查实施中， 要抽取多少样本才算足够？问卷调查样本抽取的人数问题，读者可参阅《社会科学论文写作与量化研究》一书第六章的内容。推论统计的抽样程序，最重要是从总体中抽取的样本要有代表性，即抽取样本的属性或特征能有效反映样本所隶属的总体的属性或特征，如此，从样本统计而得的统计量数才能推估至总体。
差异或相关的显著性没有达到显著水平，
就表示研究欠缺价值性？
在量化研究中，许多社会现象或人类行为会随环境或时间而有所改变，经验法则并非一成不变。相关的变量对不同的受试者而言，其结果可能与之前的调查结果不同，没有达到统计上显著水平的数据，或许是研究者不同的发现。因而在假设验证方面，研究者不应过度关注于统计显著水平（p < 0.05）或所提假设均要得到支持，而应关注：
研究过程的严谨性如何？
研究结果的内在及外在效度如何？
研究过程所采用的方法是否已解决研究问题？研究目的是否确实达成？
在相关研究或因果研究中，统计分析关注的是潜在变量（无法观察变量）间的相关或预测情形，至于人口变量／背景变量在计量变量的差异则不是探究的重点，若是潜在变量（无法观察变量）间的相关或预测达到 0.05显著水平，即使人口变量／背景变量在所有计量变量的差异都未达到 0.05 显著水平，也有学术或应用价值性。至于准实验研究，统计分析关注的重点是组别（实验组、控制组）在排除前测成绩影响后，实验处理效果的差异是否达到显著，其强调的是调整后平均数的差异是否达到 0.05 显著水平，而非变量间的相关是否达到显著。
只用简单的次数百分比和卡方检验，
统计方法是否太简单？
任何统计方法均有其适用的时机，对于类别变量（名义变量或次序变量）资料，要比较观察次数与期望次数间的差异，最佳的统计方法即是卡方检验，因为卡方检验特别适用于适合度检验或百分比同质性检验；再如多选题题目，统计各选项被勾选的次数与百分比即是最适宜的资料分析方法。采用单变量统计方法即可回应研究问题，就不需采用多变量统计分析。各种统计方法均有其适用时机与适用的变量尺度，研究者要考虑的是：选取的测量尺度属性或变量是否符合该统计方法的基本假定？多变量统计分析法并不表示优于单变量统计分析法，只是多变量统计方法的程序可以对变量间的关系有更多的了解。
研究变量相关文献少，
研究主题是否值得探究？
量化研究主题可以是研究者关注或有兴趣的议题，此议题若是相关的文献很多，表示过去已经有太多人探究过研究主题的价值性与创新性可能较低。相对地，相关的文献很少或没有可能才是一个值得探究的新议题，但研究者要考量的是之前为何没有人从事此议题的探究，是主题没有研究的价值，或是研究的可行性有问题？若是研究主题有其价值性，或能成为一项新的议题，即使文献很少，只要可行也是值得探究的。创新性的研究相关的文献资料可能比较少，但研究者应尽可能搜集到类似或相关的文献资料来说明，此外，研究者也可以从经验法则加以论述，因为经验法则或实务经验也是形成问题与发掘问题的一个途径。
长期投入量化研究议题的笔者，诚恳地和想从事量化研究的研究者共勉；
统计分析方法是拿来解决问题的，不是拿来玩弄的，统计方法是应用导向性；统计方法不是越困难或越复杂越好，而是要看能否回应研究问题与进行假设检验，研究者不要玩弄表面上的统计数字游戏。要让统计方法发挥实质的功能，必须将各统计方法平等视之，将它们置放于最适当的位置。
转自：“陨石论文指导”微信公众号
如有侵权，请联系本站删除！
