定性研究中的統計學
質性研究通常被理解為一種關注意義、經驗、脈絡和社會過程的研究方法。正因如此，有些人認為統計在質性研究中無關緊要，甚至與質性研究強調深度而非數字的精神相違背。然而，在實踐中，統計學在定性研究中可以發揮至關重要的作用——並非將定性研究「轉化」為定量研究，而是幫助研究者總結數據、闡明模式、強化論證並提高分析的透明度。
本文探討如何在質性研究中適當地使用統計學，常用的統計學類型，以及統計學的限制和倫理問題，以確保統計學始終符合質性研究的目標。
1. 理解統計在質性研究中的地位
質性研究旨在透過訪談、觀察、文獻、田野筆記或文化遺物等數據，更深入地理解現象。定性資料通常以敘述的形式呈現，而非數字。然而，當研究人員對資料進行編碼、主題分組或計算類別出現頻率時，描述性統計會很有幫助。
在質性研究中使用統計學並不像量化研究要求研究者嚴格檢驗假設。其重點在於輔助解釋：展現數據中湧現的趨勢、比例或變化，同時將引文、背景和解釋置於討論的核心。
2. 描述統計：最常見的形式
定性研究中最常出現的統計數據是描述性統計數據，例如：
– 根據某些特徵（年齡、職業、服務年資）統計參與者人數。
– 文本中主題或代碼的出現頻率。
——提及特定問題的受訪者百分比。
– 觀察地點分佈或分析文件的類型。
一個簡單的例子：在對遠距工作經驗進行定性研究中，研究人員可能會說「在 20 名參與者中，有 14 人強調了工作與個人生活之間的界限問題」；然後研究人員會引用一些話並解釋為什麼這個問題如此突出，以及不同群體之間的背景有何不同。
描述性統計有助於讀者理解數據的「地圖」：主題的出現範圍有多廣，哪些主題被更頻繁地討論，以及參與者之間的模式是否存在差異。
3. 定性資料的量化：何時有用？
在定性分析中，量化在以下情況下可能很有用：
1. 提高分析透明度
讀者可以看出，這些結論並非僅基於少數引述，而是來自一個相當一致的模式。
2. 以探索性方式比較各組
例如，比較新手教師和經驗豐富的教師在訪談中出現的主題。這並非為了進行統計概括，而是為了提出更細緻的問題與解釋。
3. 支持混合方法
在混合設計中，定性資料可以處理成類別，然後用數字進行簡要分析；或者反過來，定量結果可以透過訪談進行深入分析。
然而，量化不應取代深度。一些罕見的主題可能極為重要——例如，只有少數人經歷過的歧視，但卻會產生重大影響。
4. 可使用的統計技術
雖然定性研究並不側重於統計推斷，但謹慎地使用一些簡單的技巧也是可以的：
– 頻率和百分比：統計代碼或主題的出現次數。
– 簡單的交叉表分析：例如，「工作壓力」這個主題在每天工作超過 10 小時的參與者中出現得更多。
– 平均值或中位數：適用於人口統計資料或參與者特徵等數值型數據，例如工作年限。
– 視覺化：長條圖、總結表或主題圖，用於呈現模式的摘要。
如果研究人員使用 NVivo、ATLAS.ti、MAXQDA 等軟體，甚至電子表格，程式碼頻率統計和類別比較矩陣功能將非常有用。然而，這些數字應被理解為“分析數據中模式的指示”，而非總體統計證據。
5. 統計與內容分析
定性研究方法中最「適合統計分析」的領域之一是內容分析，尤其是定性與定量相結合的內容分析。研究人員可以對文件（例如新聞報導、社群媒體貼文、機構政策）進行編碼，然後統計特定類別出現的頻率。
例如：一項關於網路媒體心理健康報告的研究。研究人員可能會識別出諸如「污名化」、「專業支持」、「治癒敘事」或「聳人聽聞」等類別。編碼後，研究人員可以展示每種媒體或時間段內各類別的比例。之後，研究人員仍需對語言、框架和潛在的社會政治背景進行深入解讀。
6. 維持研究品質：質性版本的信度與效度
在質性研究中，品質通常透過可信度、可轉移性、可靠性和可驗證性等概念來討論。統計學可以幫助解決某些方面的問題，尤其是在編碼過程中：
– 編碼員間協議
如果多位研究者對資料進行編碼，一致性指標（例如，一致性百分比或特定係數）可以顯示結果的一致性。這在內容分析或團隊研究中尤其有用。
然而，研究人員需要謹慎：高度一致性並不一定意味著「正確」的解釋，它僅僅表明代碼定義應用的一致性。因此，編碼員之間的討論、審計追蹤和反思仍然至關重要。
7. 使用統計資料的限制和風險
如果統計數據的使用缺乏方法論上的考量，則存在以下幾個風險：
1. 還原論
定性資料蘊含豐富的背景資訊；過度關注數字可能會失去細微差別、矛盾之處和動態變化。
2. 概括錯覺
在小樣本中出現高頻率現象並不一定意味著它適用於更廣泛的人群。質性研究通常並非旨在進行統計概括。
3. 忽略次要但重要的主題
鮮少出現的主題可能反映了弱勢群體的經驗、隱藏的衝突或難以發現的現象。
4. 讀者誤解
讀者可能會傾向於將數字解讀為確定性的衡量標準。因此，研究者需要解釋，數字只是對所分析資料中模式的概括。
8. 良好實踐：將數字與敘事結合
為了使統計學與定性研究一致，可以應用以下良好做法：
– 解釋使用數字的目的：是為了主題映射、探索性比較還是為了提高透明度。
– 包含編碼流程：程式碼定義、範例引用和分析步驟。
– 合理使用數字：簡潔的表格固然好，但解釋性的敘述仍是核心。
– 確保上下文始終存在：數字後面總是要有「為什麼」和「如何」的解釋。
– 收錄一些具代表性的引言：不僅要收錄「有趣」的引語，還要收錄那些能夠展現模式和變化的引語。
結論
在質性研究中，統計數據並非敵人，而是輔助工具，若運用得當，就能豐富分析內容。透過描述性統計、簡單的量化和視覺化，研究人員可以清楚地概括數據，提高研究結果的透明度。然而，質性研究的核心在於意義、脈絡和深入的解讀。因此，數字應被視為一種補充——它有助於闡明模式，同時又不削弱參與者的聲音和所研究社會現象的複雜性。
如果運用得當，統計學可以成為一座橋樑：將質性研究的敘事力量與更有系統、更易理解、更負責任的研究結果呈現方式連結起來。
