定量研究寫作中的常見錯(cuò)誤

湖經(jīng)松哥 2022-11-10 發(fā)布于湖北

展開全文

定量研究的寫作格式相對(duì)固定，彭玉生教授曾稱之為“洋八股”，一般包括提出問題、文獻(xiàn)回顧、研究假設(shè)、研究設(shè)計(jì)、研究結(jié)果和結(jié)論與討論幾個(gè)部分。今天，我們主要總結(jié)在定量研究數(shù)據(jù)分析和呈現(xiàn)上的常見錯(cuò)誤

常見錯(cuò)誤1：描述統(tǒng)計(jì)誤算均值

定量研究中，變量的描述性統(tǒng)計(jì)必不可少，旨在項(xiàng)審稿人和讀者展示文章所使用的變量的基本情況。計(jì)算均值是很好的描述變量的手段，從統(tǒng)計(jì)學(xué)上而言均值也具有良好的統(tǒng)計(jì)性質(zhì)。但是，并不是所有的變量都能計(jì)算均值。在社會(huì)科學(xué)研究之中，變量可以劃分為四類，定類變量、定序變量、定距變量和定比變量，其中前兩者也可稱之為類別變量，后兩者也可稱之為連續(xù)變量。對(duì)于連續(xù)變量而言，計(jì)算均值是正確的，如平均收入、平均年齡等；而對(duì)于類別變量，尤其是其中的分類變量則不能計(jì)算均值，例如婚姻變量，未婚編碼為1，已婚編碼為2，離婚編碼為3，而這樣計(jì)算出的均值則沒有意義，因?yàn)檫@里面的1、2、3僅僅是一個(gè)代碼，沒有實(shí)際的含義，所以對(duì)于定類變量是不能計(jì)算均值的，只能用百分比來描述。但是在定類變量中有一個(gè)特例：虛擬變量可以計(jì)算均值，也即進(jìn)行0、1編碼的變量，如城鎮(zhèn)戶口編碼為1，農(nóng)村戶口編碼為0，這樣計(jì)算的均值就是編碼為1的百分比。下表總結(jié)了不同變量進(jìn)行描述統(tǒng)計(jì)的方法：

變量類型	描述方法
虛擬變量	均值、百分比均可
定類變量	百分比；不能計(jì)算均值
定序變量	均值、百分比均可
連續(xù)變量	只能均值；不能百分比

常見錯(cuò)誤2：對(duì)于*的理解存在偏差

*是所有研究者最香看到的，因?yàn)橛?則證明具有統(tǒng)計(jì)顯著性，統(tǒng)計(jì)顯著性的意義是我們觀察到的差異不僅僅是存在樣本之中，也是存在總體之中的，而對(duì)于研究而言，只有在總體中有意義才是有意義的。但是，*不是越多越好，也不是少了就不好，一顆*代表在95%的水平上顯著，也即有95%的把握認(rèn)為變量之間的關(guān)系是真實(shí)存在的，兩顆*一般認(rèn)為在99%水平顯著，三顆*一般認(rèn)為是在99.9%水平上顯著。在社會(huì)科學(xué)，乃至整個(gè)統(tǒng)計(jì)學(xué)研究中，一般在95%水平上顯著就是可以的了。因而*的數(shù)量沒有太大的意義，不是說*越多越好。

常見錯(cuò)誤3：回歸模型中系數(shù)解讀錯(cuò)誤

回歸模型中系數(shù)解雇錯(cuò)誤常見于Logit和Probit等非線性回歸模型之中，對(duì)于一般線性回歸分析系數(shù)解讀相對(duì)容易。而在Logit和Probit等非線性回歸模型之中則不能隨意解讀，首先兩個(gè)模型中的系數(shù)需要進(jìn)行轉(zhuǎn)換才可以解讀，其中Logit模型需要將系數(shù)轉(zhuǎn)換為發(fā)生比，Probit模型則無法轉(zhuǎn)換發(fā)生比，只能計(jì)算邊際效應(yīng)。

詳見：基礎(chǔ)方法 | Logit回歸和Probit回歸有區(qū)別嗎？

常見錯(cuò)誤4：回歸模型中系數(shù)比較錯(cuò)誤

有的研究希望比較不同自變量對(duì)于因變量的影響程度大小，但是不能直接比較回歸系數(shù)，因?yàn)槊總€(gè)變量的測(cè)量尺度（單位）不一致，所以不可比。例如受教育年限的單位是年，區(qū)間一般是[0,20]，而性別變量一般只有兩個(gè)單位：男、女，因此計(jì)算出來系數(shù)肯定有很大的差異，這樣直接比較是錯(cuò)誤的。需要進(jìn)行標(biāo)準(zhǔn)化系數(shù)轉(zhuǎn)換才可以比較，標(biāo)準(zhǔn)化回歸系數(shù)是沒有量綱的，因而可以直接比較。

詳見：基礎(chǔ)方法 | R方和調(diào)整后R方、回歸系數(shù)與標(biāo)準(zhǔn)化回歸系數(shù)

常見錯(cuò)誤5：R方解釋錯(cuò)誤

R方代表著模型的解釋程度，即因變量的變異有多少可以被模型解釋掉。在社會(huì)科學(xué)中R方一般比較低，因?yàn)橐蜃兞康挠绊懸蛩赝容^多，我們很難以窮盡，這有時(shí)也被當(dāng)做批評(píng)定量研究的一個(gè)方面。R方最常見的解釋錯(cuò)誤也是存在與Logit等非線性回歸模型始終，因?yàn)樵诖祟惸Ｐ椭袥]有R方，只有偽R方，而其含義又有所不同。此外，是不能區(qū)分R方和調(diào)整后R方。

詳見：基礎(chǔ)方法 | R方和調(diào)整后R方、回歸系數(shù)與標(biāo)準(zhǔn)化回歸系數(shù)

常見錯(cuò)誤6：統(tǒng)計(jì)量匯報(bào)不全

在回歸模型中也常見統(tǒng)計(jì)量匯報(bào)不全的情況，這種常見于使用SPSS進(jìn)行數(shù)據(jù)分析的情況，因?yàn)镾tata和R語言等軟件直接輸出的回歸表是較為全面的。一般情況下，在回歸分析中系數(shù)、標(biāo)準(zhǔn)誤和顯著性水平是必不可少的，很多研究常見不匯報(bào)標(biāo)準(zhǔn)誤，雖然系數(shù)、標(biāo)準(zhǔn)誤和顯著性水平三者之間是存在關(guān)系的，知道兩個(gè)就可以計(jì)算出第三個(gè)，因?yàn)橄禂?shù)/標(biāo)準(zhǔn)誤=t值，t值通過查表可以找到顯著性水平。但是，規(guī)范的研究還是建議完整的匯報(bào)三者的情況。

常見錯(cuò)誤7：濫用對(duì)數(shù)轉(zhuǎn)換

在研究收入相關(guān)的變量時(shí)，我們經(jīng)常能看到將收入取對(duì)數(shù)。原因是因?yàn)槭杖胧且粋€(gè)典型的偏態(tài)分布，需要進(jìn)行對(duì)數(shù)校正，不然會(huì)影響模型的估計(jì)。一般情況下，如果收入不取對(duì)數(shù)往往容易顯著，因?yàn)槠渲杏袠O值的影響。但是并不是所有變量都有必要轉(zhuǎn)換成對(duì)數(shù)，轉(zhuǎn)換為對(duì)數(shù)帶來的麻煩就是不能直接解釋，解釋時(shí)需要再進(jìn)行轉(zhuǎn)換。只有存在偏態(tài)分布的情況下才有必要轉(zhuǎn)換。

常見錯(cuò)誤8：隨意增加平方項(xiàng)

在研究年齡問題時(shí)，有的研究往往增加年齡的平方，以及在經(jīng)典的明瑟方程中也會(huì)有工作年限的平方，增加平方項(xiàng)的變量往往和“年”有關(guān)，但是增加平方項(xiàng)必須是有明確的理論依據(jù)的。平方項(xiàng)其實(shí)就是我們中學(xué)所學(xué)習(xí)的二次函數(shù)，即變量之間存在拋物線的關(guān)系，比如年齡對(duì)收入的影響，會(huì)隨著年齡增大變多，但是過了中年之后又會(huì)隨著年齡增大而下降，因此需要增加平方。

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來自：湖經(jīng)松哥 > 《101實(shí)證研究》

舉報(bào)/認(rèn)領(lǐng)