定性研究中的统计学
定性研究通常被理解为一种关注意义、经验、语境和社会过程的研究方法。正因如此，有些人认为统计学在定性研究中无关紧要，甚至与定性研究强调深度而非数字的精神相悖。然而，在实践中，统计学在定性研究中可以发挥至关重要的作用——并非将定性研究“转化”为定量研究，而是帮助研究者总结数据、阐明模式、强化论证并提高分析的透明度。
本文探讨了如何在定性研究中恰当地使用统计学，常用的统计学类型，以及统计学的局限性和伦理问题，以确保统计学始终符合定性研究的目标。
1. 理解统计学在定性研究中的地位
定性研究旨在通过访谈、观察、文献、田野笔记或文化遗物等数据，更深入地理解现象。定性数据通常以叙述的形式呈现，而非数字。然而，当研究人员对数据进行编码、主题分组或计算类别出现频率时，描述性统计数据会很有帮助。
在定性研究中使用统计学并不像定量研究那样要求研究者严格检验假设。其重点在于辅助解释：展现数据中涌现的趋势、比例或变化，同时将引文、背景和解释置于讨论的核心。
2. 描述统计：最常见的形式
定性研究中最常出现的统计数据是描述性统计数据，例如：
– 根据某些特征（年龄、职业、服务年限）统计参与者人数。
– 文本中主题或代码的出现频率。
——提及特定问题的受访者百分比。
– 观察地点分布或分析文件的类型。
一个简单的例子：在对远程工作经验进行定性研究中，研究人员可能会说“在 20 名参与者中，有 14 人强调了工作与个人生活之间的界限问题”；然后研究人员会引用一些话并解释为什么这个问题如此突出，以及不同群体之间的背景有何不同。
描述性统计有助于读者理解数据的“地图”：主题的出现范围有多广，哪些主题被更频繁地讨论，以及参与者之间的模式是否存在差异。
3. 定性数据的量化：何时有用？
在定性分析中，量化在以下情况下可能很有用：
1. 提高分析透明度
读者可以看出，这些结论并非仅仅基于少数引述，而是来自一个相当一致的模式。
2. 以探索性方式比较各组
例如，比较新手教师和经验丰富的教师在访谈中出现的主题。这并非为了进行统计概括，而是为了提出更细致入微的问题和解释。
3. 支持混合方法
在混合设计中，定性数据可以处理成类别，然后用数字进行简要分析；或者反过来，定量结果可以通过访谈进行深入分析。
然而，量化不应取代深度。一些罕见的主题可能极其重要——例如，只有少数人经历过的歧视，但却会产生重大影响。
4. 可使用的统计技术
虽然定性研究并不侧重于统计推断，但谨慎地使用一些简单的技巧也是可以的：
– 频率和百分比：统计代码或主题的出现次数。
– 简单的交叉表分析：例如，“工作压力”这一主题在每天工作超过 10 小时的参与者中出现得更多。
– 平均值或中位数：适用于人口统计数据或参与者特征等数值型数据，例如工作年限。
– 可视化：条形图、汇总表或主题图，用于呈现模式的概要。
如果研究人员使用 NVivo、ATLAS.ti、MAXQDA 等软件，甚至电子表格，代码频率统计和类别比较矩阵功能将非常有用。然而，这些数字应被理解为“分析数据中模式的指示”，而非总体统计证据。
5. 统计和内容分析
定性研究方法中最“适合统计分析”的领域之一是内容分析，尤其是定性与定量相结合的内容分析。研究人员可以对文档（例如新闻报道、社交媒体帖子、机构政策）进行编码，然后统计特定类别出现的频率。
例如：一项关于网络媒体心理健康报道的研究。研究人员可能会识别出诸如“污名化”、“专业支持”、“治愈叙事”或“耸人听闻”等类别。编码后，研究人员可以展示每种媒体或时间段内各类别所占的比例。之后，研究人员仍需对语言、框架和潜在的社会政治背景进行深入解读。
6. 保持研究质量：定性版本的信度和效度
在定性研究中，质量通常通过可信度、可转移性、可靠性和可验证性等概念来讨论。统计学可以帮助解决某些方面的问题，尤其是在编码过程中：
– 编码员间协议
如果多位研究人员对数据进行编码，一致性指标（例如，一致性百分比或特定系数）可以表明结果的一致性。这在内容分析或团队研究中尤其有用。
然而，研究人员需要谨慎：高度一致性并不一定意味着“正确”的解释，它仅仅表明代码定义应用的一致性。因此，编码员之间的讨论、审计追踪和反思仍然至关重要。
7. 使用统计数据的局限性和风险
如果统计数据的使用缺乏方法论上的考量，则存在以下几个风险：
1. 还原论
定性数据蕴含丰富的背景信息；过分关注数字可能会丢失细微差别、矛盾之处和动态变化。
2. 概括错觉
在小样本中出现高频率现象并不一定意味着它适用于更广泛的人群。定性研究通常并非旨在进行统计概括。
3. 忽略次要但重要的主题
鲜少出现的主题可能反映了弱势群体的经历、隐蔽的冲突或难以发现的现象。
4. 读者误解
读者可能会倾向于将数字解读为确定性的衡量标准。因此，研究人员需要解释，数字仅仅是对所分析数据中模式的概括。
8. 良好实践：将数字与叙述相结合
为了使统计学与定性研究相一致，可以应用以下良好做法：
– 解释使用数字的目的：是为了主题映射、探索性比较还是为了提高透明度。
– 包括编码过程：代码定义、示例引用和分析步骤。
– 合理使用数字：简洁的表格固然好，但解释性的叙述仍然是核心。
– 确保上下文始终存在：数字后面总是要有“为什么”和“如何”的解释。
– 收录一些具有代表性的引语：不仅要收录“有趣”的引语，还要收录那些能够展现模式和变化的引语。
结论
在定性研究中，统计数据并非敌人，而是一种辅助工具，若运用得当，便能丰富分析内容。通过描述性统计、简单的量化和可视化，研究人员可以清晰地概括数据，提高研究结果的透明度。然而，定性研究的核心在于意义、语境和深入的解读。因此，数字应被视为一种补充——它有助于阐明模式，同时又不削弱参与者的声音和所研究社会现象的复杂性。
如果运用得当，统计学可以成为一座桥梁：将定性研究的叙事力量与更系统、更易理解、更负责任的研究结果呈现方式联系起来。
