研究设计

研究设计 (Research Design)

研究设计 (Research Design) 是实证研究的总体规划与行动框架，它规定了研究问题如何被转化为可操作的数据收集、变量测量与因果推断程序。研究设计的质量直接决定研究结论的有效性与可信度——无论统计方法多么精巧，若设计本身存在系统性缺陷，结果便难以令人信服。

研究设计的核心功能

研究设计承担四项基本任务：第一，明确研究问题，将宽泛的学术兴趣转化为可检验的假设；第二，选择观察或实验策略，确定数据来源与收集方式；第三，控制干扰因素，尽可能排除混杂变量对因果推断的威胁；第四，保证可重复性，使他人能够基于相同的设计方案验证或挑战已有结论。此外，研究设计还必须在可行性（成本、时间、伦理）与严谨性之间取得平衡。一项理论上完美但不可执行的设计，其学术价值也极为有限。

研究设计的三种基本类型

根据研究者对解释变量的操控程度，研究设计可分为三大类。

实验设计 (Experimental Design)

实验设计的标志性特征是随机分配——研究者将实验对象随机分为处理组与控制组，以消除可观测和不可观测的组间差异。理想随机对照试验 (RCT) 是因果识别的黄金标准，因为在满足 SUTVA（稳定单元处理值假设）和随机化条件时，处理效应的估计是无偏的。常见的实验设计包括完全随机设计、随机区组设计 (Randomized Block Design)、析因设计 (Factorial Design) 和交叉设计 (Crossover Design)。RCT 在医学临床试验、发展经济学现场实验和在线 A/B 测试中得到广泛应用。

准实验设计 (Quasi-Experimental Design)

当随机分配不可行或不道德时，研究者转而采用准实验方法。此类设计不具备真正的随机化，但通过统计策略模拟随机分配的效果。主要方法包括：

• 双重差分法 (DiD)：比较处理组与对照组在政策实施前后的变化差异，要求处理组与对照组在无处理情况下的趋势平行。
• 断点回归设计 (RDD)：利用某个连续变量（如考试成绩、贫困线）的确定阈值，比较阈值两侧的个体差异，以识别临界点附近的因果效应。
• 工具变量法 (IV)：通过一个与解释变量相关但与扰动项不相关的工具变量来提取外生变异，解决遗漏变量和反向因果问题。
• 匹配法 (Matching)：基于可观测特征为每个处理单元匹配最相似的控制单元，以减小选择性偏差，其中倾向得分匹配 (PSM) 是最常见的手段。

非实验设计 (Non-Experimental Design)

此类设计不涉及任何形式的随机化或操控，仅依赖对已发生事实的观测。典型的非实验设计包括横截面研究、纵向（面板）研究和案例研究。尽管其内部有效性常受质疑，但非实验设计在描述性研究、探索性分析和大规模政策评估中仍有不可替代的价值，尤其是在利用面板固定效应、合成控制法等高级方法增强可信度之后。

变量体系与操作化

每个研究设计都需要构建清晰的变量体系。自变量（处理变量）是假定的成因，因变量是假定的结果。控制变量用于吸收可观测的混杂影响，而调节变量和中介变量则刻画效应的边界条件与实现路径。

操作化 (Operationalization) 是指将抽象概念转化为可测量指标的过程。变量必须明确定义其测量尺度（名义、顺序、等距、比率）和测量工具，否则数据收集将无从下手。例如，“社会信任”本身是一个抽象构念，需要借助调查问卷中的标准化问题来操作化。测量工具需满足信度 (Reliability)——一致性与稳定性，以及效度 (Validity)——是否真正捕获了目标构念。

效度威胁与应对策略

Shadish, Cook \& Campbell (2002) 将研究效度划分为四个层面：

1. 内部效度 (Internal Validity)：因果推断是否成立？常见威胁包括遗漏变量、反向因果、选择偏差、成熟效应和回归均值。
2. 外部效度 (External Validity)：结论能否推广？常见威胁包括样本代表性不足、研究情境人工化以及处理的交互效应。
3. 构念效度 (Construct Validity)：测量是否反映理论概念？常见威胁包括定义模糊、单指标偏差和实验者期望效应。
4. 统计结论效度 (Statistical Conclusion Validity)：统计推断是否合理？常见威胁包括低统计功效、违反模型假设和多重比较。

针对内部效度的威胁，可采用随机化、匹配、固定效应、双重差分或断点回归等因果识别策略。针对外部效度，需审慎界定目标总体，并尝试在不同情境和样本中复制发现。构念效度要求研究者对关键概念进行清晰的概念化并在多个维度上交叉验证。统计结论效度则强调恰当选择样本量、显著性水平和检验方法。

抽样策略

研究设计必须明确抽样方法。概率抽样（简单随机抽样、分层抽样、整群抽样、系统抽样）允许基于样本统计量对总体参数进行推断，并计算抽样误差。非概率抽样（便利抽样、滚雪球抽样、配额抽样、目的性抽样）则常用于探索性研究或难以触及的总体，但其推断能力受限于选择偏差。样本量的确定需考虑效应量、显著性水平、统计功效 (Statistical Power) 和预期 attrition，通常通过功效分析 (Power Analysis) 计算最小所需样本。

研究设计的评价标准

优秀的实证研究应当满足以下标准：第一，透明明确——研究问题、假设、数据来源、变量定义和估计策略均应公开陈述；第二，识别策略可信——因果识别假设经得起理论推敲和稳健性检验（如安慰剂检验、替换样本、不同估计方法）；第三，测量可靠——变量的操作化方式已被文献验证或能够提供充分的信度证据；第四，样本适当——样本量满足功效要求，样本选择过程无系统偏差；第五，伦理合规——涉及人类或动物受试者的研究应经过伦理审查，保护被试权益并取得知情同意；第六，可重复与可复制——数据和代码的公开使得其他研究者能够独立验证结果。以上标准构成了“可信性革命” (Credibility Revolution) 以来实证研究的基本共识。

总结

研究设计是从研究问题到可靠结论的关键桥梁。一项研究的价值上限取决于其设计质量：一个平庸的问题配以精心设计，能产出有价值的证据；而一个绝妙的问题配以草率设计，则可能误导整条文献链。因此，研究设计不应被视为数据收集前的例行公事，而应作为贯穿研究全程的核心方法论训练。深刻理解不同设计类型的适用条件、效度威胁及其应对手段，是每一位实证研究者不可或缺的基本素养。