量化研究的本質是：
根據相關文獻（理論基礎或經驗法則）提出變量間的關系，根據研究架構提出研究假設，進而依據研究設計編制測量工具并以問卷調查或觀察法來搜集資料，最后再根據搜集的資料進行統計分析，以驗證研究者所提的研究假設是否支持。
量化研究主要有兩大類型：“非操作性研究”（nonmanipulative research）與“操作性研究”（manipulative research）。
操作性研究即為實驗研究，研究者控制干擾變量，操作自變量（實驗處理）以探究其對因變量的影響；非操作性研究如問卷調查法或觀察法，指研究者未操作任何變量，而是在自然情境中搜集受試者的反應或行為表現。
不論是操作性研究或非操作性研究，在搜集受試者相關資料后，均要對資料進行數量化分析處理，此時必須根據資料屬性與變量尺度采用合適的統計方法。統計是讓資料、數據說話的工具，有些研究者受到先前經驗的制約，一談到“統計”就退避三舍，想從事量化研究又遲疑不決，這就是研究者的“迷思”。
迷思一
做量化研究的人統計方法一定很強？
目前統計軟件（SPSS、AMOS、SAS、LISREL）的操作界面都十分簡易，只要使用者資料建檔正確，統計分析的工作不會十分困難，研究者只要參考使用手冊或相關書籍，均能將輸出結果轉化為圖表信息，并進行詮釋。只要研究者用點心思，一定能克服報表解讀及詮釋的困惑。
統計分析的一般程序為：
迷思二
為了節省時間，直接引用先前的研究工具？
如果之前的研究工具題目適合且信效度均佳，直接采用當然可以；但若之前編制的量表／測驗或問卷所要測得的潛在特質或構念與自己目前的研究不同，信效度不佳，或是研究對象不同等，研究者均不應直接采用，而需加以修訂或根據理論文獻自編。研究工具直接影響搜集的資料，如果研究工具不適合，之后所搜集的資料與統計分析結果均會有偏誤。問卷調查法采用的測量工具，除了標準化測驗外，最好經過編修或修訂，若是一般群體，必須經過預試分析與正式施測兩個階段，當研究者進行量表或測驗題目的逐題審核時，才能提升測量工具的信效度；從預試分析程序中，才能學會項目分析、因素分析與信度檢驗的統計方法，這對于量化研究或統計分析專業知識能力的提升都有正面的效益。
迷思三
參考前人的寫法，依樣畫葫蘆，一定不會錯？
參考前人的論文格式與撰寫方式的確可減少許多錯誤，但并非每個答辯委員均能巨細無遺地指出論文稍欠嚴謹或不周延之處，或是之前的研究者轉引注的文獻內容有誤，或是對量化數據的解釋或圖表呈現欠缺完整，研究者再次引用，會再發生相同的偏誤，因而研究者最好對輸出的報表數據能完全理解。
例如，乙研究者撰寫論文時，參閱了近似研究主題甲的論文。甲在論文定稿裝訂前未更正以下錯誤：“以積差相關求出所有人口變量／背景變量與計量變量間的相關”。乙研究者在數據統計分析中也依照甲的使用方法，以積差相關求出所有人口變量／背景變量與計量變量間的相關情形，并根據積差相關系數摘要表洋洋灑灑加以論述，這就錯誤了。
因為積差相關系數適用于兩個變量均為計量變量，人口變量／背景變量均為間斷變量，不能以積差相關求出其與計量變量間的相關情形。
迷思四
研究變量越多，表示研究題目越有深度？
每個研究均有其價值性、教育性與限制性，價值性高低要視研究主題與整個研究進程的嚴謹性而異。研究時要考量研究者的財力、時間與人力，這是研究的“可行性”。
探究的變量越多當然越能了解行為或現象的全貌，但研究設計會變得更為復雜，此時，是否能在有限時間內獨立完成，研究者必須加以縝密思考。對于某些事實現象的調查研究，研究者主要就重要研究主題加以探究即可，不必納入無關的變量，如在“大學生自尊信念與作弊行為”的調查研究中，研究者想要探究的主要問題一是大學生作弊的現象及比例約為多少，二是大學生的作弊行為是否與其自尊信念有密切關系。若是研究者納入的變量太多，研究的架構則會較為繁雜。
迷思五
統計方法越復雜，表示分析越深入？
量化研究統計分析需要的統計方法不是越深入、越復雜越好。
統計方法的使用需配合研究目的與研究問題，并能回應假設驗證，進而清楚、正確地呈現研究結論。若是統計方法運用不當，反而是在“玩數字游戲”，而非是進行有意義的資料分析。
就事實現象調查研究而言，如果研究問題是“在抽樣有效樣本中，曾有考試作弊行為的樣本個數占全體有效樣本的百分比約為多少”，回答此問題最佳的統計量數即為次數、 百分比。如在有效樣本 500 位中，曾有考試作弊行為者有50位，則曾有考試作弊行為大學生的比例為10%，回應研究問題最適宜的數值即為“10%”。
之后， 研究者若要探究男女生作弊行為比例人數是否有顯著不同，一樣采用次數百分比并增列卡方統計量即可。 比如，曾有考試作弊行為者中，男生有40位、女生有10位，未曾有考試作弊行為者中，男生有210位、女生有240位。執行SPSS功能列“分析（A）”→“敘述統計（E）” →“交叉表（C）”程序， 可以求出各單元格的個數、行百分比、列百分比、總和百分比、調整后的殘差值及卡方統計量等數值。
計算結果Pearson 卡方值為 20.000， 顯著性概率值 p = 0.000 < 0.05， 表示男生、女生有作弊行為的人數百分比的差異達到顯著水平，男生有作弊行為的人數百分比（16.0%）顯著高于女生有作弊行為的人數百分比（4.0%）。
量化研究統計方法的選用必須與假設檢驗有關，如此才能回應研究問題。再以多選題為例，最適當的統計分析方法是統計各選項被受試者勾選的人次及百分比，并采用逐題分析法解答研究者問題。如果研究者編制的調查問卷形式是單選題或重要性等級排列題目，改用多變量統計方法就無法回答研究問題。
迷思六
問卷題目的題目越多，越能測得所要的特質？
一般而言，問卷中各量表的題目越多，越能測得研究者所要測得的潛在特質或心理構念，但同時，受試者填答的填答意愿會降低，如此獲得的數據效度（受試者填答的真實性）有待商榷。
當研究者搜集的資料可靠性較低時，資料統計分析結果的正確性也會降低。在量化研究中，測量資料的搜集均通過問卷或測驗等自陳量表的形式，當題目越多，受試者填答配合度不高，即使問卷回收率很高，數據的可靠性也可能很低。因而在實施問卷調查法時，研究者題目的數量多寡要考慮受試對象，此外，也要考慮研究的層級，若是博士論文，可能探究的潛在特質或構念較多，因而測量指標也較多。
對于問卷題目的取舍，研究者要把握的原則是：量表或測驗的信效度達到基本的準則后，測量指標數越少越好，因為題目越少受試者填答的意愿越高、內在效度會越佳。
迷思七
取樣的樣本數越大，表示研究推論效度越高？
一般而言，從總體抽取的樣本數越大，樣本越能有效代表總體，但研究者必須考量到取樣代表性與研究可行性，若研究者不是采取隨機取樣方式，而是便利抽樣或立意取樣，即使樣本數很大，抽樣誤差也會很大。
如在某個總統選舉民調中，調查者只集中抽取所居住縣市的民眾作為樣本，但此縣市的民眾多數偏向于某個政黨，即使調查者抽樣的樣本高達 5000 位，這種調查研究（電話調查或問卷調查）的結果可靠性及可信度均不高。
在正式問卷調查實施中， 要抽取多少樣本才算足夠？問卷調查樣本抽取的人數問題，讀者可參閱《社會科學論文寫作與量化研究》一書第六章的內容。推論統計的抽樣程序，最重要是從總體中抽取的樣本要有代表性，即抽取樣本的屬性或特征能有效反映樣本所隸屬的總體的屬性或特征，如此，從樣本統計而得的統計量數才能推估至總體。
迷思八
差異或相關的顯著性沒有達到顯著水平，研究是否就欠缺價值性
在量化研究中，許多社會現象或人類行為會隨環境或時間而有所改變，經驗法則并非一成不變。相關的變量對不同的受試者而言，其結果可能與之前的調查結果不同，沒有達到統計上顯著水平的數據，或許是研究者不同的發現。因而在假設驗證方面，研究者不應過度關注于統計顯著水平（p < 0.05）或所提假設均要得到支持，而應關注：
研究過程的嚴謹性如何？
研究結果的內在及外在效度如何？
研究過程所采用的方法是否已解決研究問題？研究目的是否確實達成？
在相關研究或因果研究中，統計分析關注的是潛在變量（無法觀察變量）間的相關或預測情形，至于人口變量／背景變量在計量變量的差異則不是探究的重點，若是潛在變量（無法觀察變量）間的相關或預測達到 0.05顯著水平，即使人口變量／背景變量在所有計量變量的差異都未達到 0.05 顯著水平，也有學術或應用價值性。至于準實驗研究，統計分析關注的重點是組別（實驗組、控制組）在排除前測成績影響后，實驗處理效果的差異是否達到顯著，其強調的是調整后平均數的差異是否達到 0.05 顯著水平，而非變量間的相關是否達到顯著。
迷思九
只用到簡單的次數百分比及卡方檢驗，統計方法是否太簡單？
任何統計方法均有其適用的時機，對于類別變量（名義變量或次序變量）資料，要比較觀察次數（observed frequency）與期望次數（expected frequency）間的差異，最佳的統計方法即是卡方檢驗，因為卡方檢驗特別適用于適合度檢驗或百分比同質性檢驗；再如多選題題目，統計各選項被勾選的次數與百分比即是最適宜的資料分析方法。采用單變量統計方法即可回應研究問題，就不需采用多變量統計分析。各種統計方法均有其適用時機與適用的變量尺度，研究者要考慮的是：選取的測量尺度屬性或變量是否符合該統計方法的基本假定？多變量統計分析法并不表示優于單變量統計分析法，只是多變量統計方法的程序可以對變量間的關系有更多的了解。
迷思十
研究變量的相關文獻很少，研究主題是否就值得探究？
量化研究主題可以是研究者關注或有興趣的議題，此議題若是相關的文獻很多，表示過去已經有太多人探究過研究主題的價值性與創新性可能較低。相對地，相關的文獻很少或沒有可能才是一個值得探究的新議題，但研究者要考量的是之前為何沒有人從事此議題的探究，是主題沒有研究的價值，或是研究的可行性有問題？若是研究主題有其價值性，或能成為一項新的議題，即使文獻很少，只要可行也是值得探究的。創新性的研究相關的文獻資料可能比較少，但研究者應盡可能搜集到類似或相關的文獻資料來說明，此外，研究者也可以從經驗法則加以論述，因為經驗法則或實務經驗也是形成問題與發掘問題的一個途徑。
長期投入量化研究議題的筆者，誠懇地和想從事量化研究的研究者共勉：
統計分析方法是拿來解決問題的，不是拿來玩弄的，統計方法是應用導向性；統計方法不是越困難或越復雜越好，而是要看能否回應研究問題與進行假設檢驗，研究者不要玩弄表面上的統計數字游戲。要讓統計方法發揮實質的功能，必須將各統計方法平等視之，將它們置放于最適當的位置。
本文來源：節選自《社會科學論文寫作與量化研究》；版權歸原作者所有，如有侵權，請聯系刪除。
