一、定量研究的哲学基础
定量研究方法论根植于实证主义和后实证主义的哲学传统。实证主义认为社会现象与自然现象一样，存在着客观的、可以被发现的规律，研究者可以通过系统化的观察和测量来揭示这些规律。这一立场假定研究者可以保持价值中立和客观性，研究结果的可重复性和可验证性是其核心质量标尺。在该范式下，理论的作用在于推演可检验的假设，而数据的角色则是为理论提供经验支持或反驳的证据。孔德的实证哲学、穆勒的归纳逻辑以及逻辑实证主义学派的维也纳圈思想，共同构成了定量研究方法的认识论基础。
后实证主义在保留实证主义基本立场的基础上，对绝对客观性提出了反思。它承认研究者的价值观和理论预设不可避免地影响着观察和解释过程，因此强调通过增强方法的透明性和研究的可批判性来逼近客观真理。这种哲学立场直接影响了定量研究中的三角验证技术、多重操作化策略和敏感性分析等实践。理解这些哲学基础有助于研究者在设计定量研究时做出更加自觉的方法论选择，而非机械地套用统计工具。卡尔·波普尔的证伪主义为后实证主义提供了关键的方法论支撑——科学知识不是通过证实而是通过不断尝试证伪获得进步。
在定量研究的范式中，因果推断始终居于核心位置。定量研究者通常关注的是变量之间的关系强度和方向，追求的是具有统计显著性和外部效度的结论。这种对普遍性和可推广性的追求使得定量方法特别适合大样本、结构化数据和假设检验型的研究场景，但也意味着在面对高度情境化或深层意义类问题时，定量方法需要与定性方法形成互补而非替代的关系。混合研究方法论正是在这一认识基础上发展起来的，它主张在同一个研究项目中以互补的方式整合定量和定性方法，以获取更加全面的知识图景。
不同学科对定量方法的应用深度和侧重点存在显著差异。在心理学和教育学领域，实验设计和标准化测量是核心方法；在社会学和政治学中，大规模调查和因果推断技术得到广泛运用；而在管理学领域，问卷调查研究仍占据主导地位。无论学科特征如何，定量研究者都应当在进行具体的数据分析之前，清晰地界定自己所采纳的本体论和认识论立场，因为这一选择从根本上限定了研究结论的性质和适用范围。
实证主义与后实证主义的选择并非仅仅是一个哲学兴趣问题，而是直接影响研究设计的每一个环节——从研究问题的提出方式、变量选择的标准、数据分析策略到结论的推广范围。研究者应当在自己所采纳的哲学框架内保持逻辑一致性，避免出现本体论假定与方法论实践之间的内在矛盾。
二、研究设计与变量控制
定量研究设计的核心在于有效地控制变异。好的研究设计需要最大化系统变异（即自变量对因变量的影响），控制外部变异（即混淆变量的影响），并最小化误差变异（即随机测量误差）。实现这一目标的途径包括实验设计中的随机分配、匹配技术、统计控制以及精心选择的研究情境。实验设计按照控制程度可以分为真实验、准实验和前实验三个层次：真实验通过随机分配实现最高水平的控制，准实验在自然情境中尽可能控制混淆因素，前实验则更多依赖事后的统计调整。
变量的操作化是研究设计中不可忽视的环节。一个理论概念在被转化为可测量的变量时，需要经历从概念定义到操作定义的逐层转化过程。以"社会资本"为例，研究者需要将其拆解为社会网络规模、信任度、参与频率等可测量维度，然后为每个维度选择或开发合适的测量工具。操作化过程中常见的陷阱包括概念覆盖不完备、测量工具的信效度不足以及简化过度导致的内涵流失。应对这些问题的策略包括：使用多指标测量单一概念、借鉴已有经过验证的量表、以及开展预测试评估测量工具的性能。
在内部效度的保障方面，研究者需要警惕一系列威胁因素。历史事件、成熟效应、测试效应、工具衰减、统计回归、选择偏差、实验死亡和因果时序模糊等，都是可能破坏内部效度的典型来源。针对不同类型的威胁，研究者应当采取相应的控制策略：在实验前，通过随机分配和匹配确保组间对等性；在实验过程中，通过标准化流程和时间窗口控制减少外部干扰；在数据分析阶段，通过协变量分析和敏感性检验评估内部效度受损的程度。
下表对比了四种常见研究设计类型在关键维度上的差异，帮助研究者根据研究目的和条件做出合适的选择：
| 设计类型 | 随机分配 | 控制组 | 操控自变量 | 内部效度 | 外部效度 | 典型应用 |
|---|---|---|---|---|---|---|
| 真实验 (True Experiment) | 是 | 是 | 是 | 高 | 中 | 药物疗效试验、实验室行为研究 |
| 准实验 (Quasi-Experiment) | 否 | 通常是 | 是 | 中 | 中-高 | 教育干预效果评估、政策影响分析 |
| 相关研究 (Correlational) | 否 | 否 | 否 | 低 | 高 | 社会态度调查、变量间关系探索 |
| 调查研究 (Survey) | 否 | 否 | 否 | 低-中 | 高 | 民意测验、消费者满意度调查 |
在更为复杂的实验设计中，析因设计（Factorial Design）允许研究者同时考察两个及以上的自变量及其交互效应。例如，一个2×2析因设计可以同时研究教学方法（传统 vs. 探究式）和班级规模（大班 vs. 小班）对学生成绩的影响，并评估二者的交互作用——即某种教学方法是否在特定班级规模下效果更佳。交互效应的存在意味着主效应的解释需要结合其他自变量的水平进行条件化分析，这一认识对于避免过度简化的结论具有重要的方法论意义。
内部效度与外部效度之间存在根本性权衡：严格控制的实验室实验通常内部效度高但外部效度有限，而大规模的田野调查研究则恰好相反。研究者在选择设计类型时，应当依据研究问题的主次关系做出优先级判断，并在最终报告中对效度边界做出清晰的说明。
三、抽样方法
抽样是定量研究中连接理论构念与经验观察的关键桥梁。抽样方法的科学性直接决定了研究结论的可推广性和统计推断的有效性。从方法论角度，抽样方法可分为概率抽样和非概率抽样两大类，前者以随机化为基础，为统计推断提供了严格的概率理论支撑；后者则以便利性和目的性为导向，在特定研究情境中具有独特的应用价值。
概率抽样的核心优势在于它能够量化抽样误差，并允许研究者从样本统计量推断总体参数。在简单随机抽样中，总体中的每一个个体都有已知且非零的被选概率，这是所有概率抽样方法的基础。然而，在实际研究中，完整的抽样框往往难以获得，这使得分层抽样、整群抽样和系统抽样等变通方法有了广泛的应用空间。研究者需要根据总体的结构特征、资源的限制以及分析的需求来选择合适的概率抽样策略。
非概率抽样虽然无法提供严格的统计推断基础，但在探索性研究、定性研究的定量化补充以及难以通过概率方法接触的特定群体研究中具有重要价值。便利抽样、配额抽样、目的性抽样和滚雪球抽样等是常用的非概率抽样方法。值得注意的是，使用非概率抽样的研究应当明确告知读者其局限性，避免将样本发现过度推广到总体层面。
下表系统比较了主要抽样方法的核心特征和适用条件：
| 抽样方法 | 类型 | 核心描述 | 主要优点 | 主要缺点 | 适用场景 |
|---|---|---|---|---|---|
| 简单随机抽样 | 概率 | 每个个体等概率独立被选中 | 统计性质优良；偏差最小 | 需要完整抽样框；成本最高 | 总体规模适中、有完整名录 |
| 分层抽样 | 概率 | 按关键特征分层后各层随机抽样 | 确保子群体代表性；提高精度 | 分层变量选择依赖专业知识 | 总体异质性强且分层信息可获 |
| 整群抽样 | 概率 | 随机抽取自然群组后调查群内全部个体 | 成本低；操作方便 | 抽样误差较大；需要较多群组 | 地理分散的总体（如学校、社区） |
| 系统抽样 | 概率 | 按固定间隔从有序列表中抽取 | 操作简单；无放回性质 | 周期性偏差风险；方差估计复杂 | 列表随机排列时适用 |
| 便利抽样 | 非概率 | 选取最容易获得的个体 | 成本最低；速度最快 | 代表性最差；偏差最大 | 预测试、探索性研究 |
| 配额抽样 | 非概率 | 按配额比例有目的地选取各群体成员 | 兼顾代表性与成本 | 选择偏差难以量化 | 市场调查、快速民意测验 |
| 滚雪球抽样 | 非概率 | 通过已受访者推荐扩展样本网络 | 适合接触稀有或隐匿群体 | 样本同质性高；偏差累积 | 药物使用者、特定疾病患者等 |
选择抽样方法时应当综合考虑研究目的、总体特征、资源约束和质量要求。如果研究目标是推广到特定总体，概率抽样是不可替代的选择；如果研究处于探索阶段或目标群体难以触及，非概率抽样则是一种务实的折中方案。在学术研究中，审稿人和读者通常对概率抽样给予更高的置信度，因此研究者应在条件允许的情况下优先考虑概率抽样方法，并清晰报告抽样过程的具体细节和抽样响应率。
即便采用最严谨的概率抽样策略，过小的样本量仍然会导致统计功效不足，使研究无法检测到实际存在的效应。一般建议在使用概率抽样时，至少确保每组（或每层）的样本量不低于30，以实现中心极限定理的有效应用。更精确的样本量计算方法将在本文的样本量计算与统计功效章节中详述。
四、常用统计方法概览
定量研究的统计方法选择取决于研究问题的性质和数据的特征。独立样本t检验和配对样本t检验是比较两组均值差异的基本工具，前者适用于不同组别之间的比较（如实验组与对照组），后者适用于同一组前后测的比较。t检验的前提假设包括数据近似正态分布和方差齐性，当这些假设被违反时，非参数替代方法如Mann-Whitney U检验和Wilcoxon符号秩检验是稳妥的选择。
当涉及三个及以上组别的均值比较时，方差分析（ANOVA）是主要的分析框架。单因素方差分析可以检验一个分类自变量对连续因变量的影响，而多因素方差分析则可以同时考察多个自变量的主效应和交互效应。理解F统计量背后的逻辑——组间方差与组内方差的比值——是掌握ANOVA的关键。当ANOVA结果显著时，后续的事后多重比较（如Tukey HSD、Bonferroni校正）能够帮助研究者精确定位组间差异所在。重复测量方差分析则适用于同一批被试在不同时间点被多次测量的纵向设计。
回归分析是定量研究中应用最为广泛的统计模型。简单线性回归建立的是一个预测变量与一个结果变量之间的线性关系模型，而多元回归则允许研究者同时纳入多个预测变量，控制混淆因素并评估每个变量的独特贡献。回归系数的解释需要关注其方向、大小和统计显著性，同时R平方提供了模型整体解释力的信息。在使用回归模型时，研究者必须检查多重共线性、异方差性和残差正态性等模型假设是否得到满足。进阶的回归技术如逻辑回归（用于二分类因变量）、泊松回归（用于计数数据）和多层线性模型（用于嵌套数据结构）则进一步拓展了回归分析的适用范围。
以下流程图根据研究问题和数据类型提供统计检验选择的系统化指引：
研究问题类型
│
├── 比较组间差异
│ ├── 两组比较
│ │ ├── 独立样本 → 正态？→ 是：独立样本t检验 / 否：Mann-Whitney U检验
│ │ └── 配对样本 → 正态？→ 是：配对t检验 / 否：Wilcoxon符号秩检验
│ ├── 三组及以上
│ │ ├── 独立组 → 正态？→ 是：单因素ANOVA / 否：Kruskal-Wallis检验
│ │ ├── 重复测量 → 正态？→ 是：重复测量ANOVA / 否：Friedman检验
│ │ └── 多因素 → 正态？→ 是：多因素ANOVA / 否：稳健ANOVA替代
│ └── 分类结果 → 卡方检验 / Fisher精确检验
│
├── 考察相关关系
│ ├── 两连续变量 → 线性？→ 是：Pearson相关 / 否：Spearman秩相关
│ ├── 分类+连续 → 点二列相关 / Eta系数
│ └── 两分类变量 → Phi系数 / Cramer's V
│
├── 预测/解释关系
│ ├── 连续因变量 → 线性回归
│ ├── 二分类因变量 → 逻辑回归（Logistic Regression）
│ ├── 多分类因变量 → 多项逻辑回归
│ ├── 计数因变量 → 泊松回归 / 负二项回归
│ ├── 时间至事件 → Cox比例风险模型
│ └── 嵌套数据 → 多层线性模型（HLM）/ 混合效应模型
│
└── 降维/结构探索
├── 连续变量 → 因子分析（EFA/CFA）/ 主成分分析
└── 分类变量 → 潜在类别分析（LCA）
在使用统计检验前，研究者应当系统性地检查各检验的前提假设。正态性检验可以通过Shapiro-Wilk检验或Kolmogorov-Smirnov检验完成，方差齐性检验则可以使用Levene's检验。当数据违反参数检验假设时，非参数检验方法提供了有效的替代方案。非参数检验不依赖于特定的分布假设，适用于有序分类数据和小样本情境，但其统计功效通常低于相应的参数检验方法。因此，在样本量充足且数据满足假设条件时，参数检验仍然是首选。
在具体应用时，研究者应当结合自己的研究设计、测量水平和样本特征选择最合适的统计方法。过度依赖单一统计方法或在未充分检验假设条件的情况下机械应用统计检验，是定量研究中常见的方法学误区。关于实验设计中统计方法的深入讨论，请参照实验设计与数据分析一文中对不同实验设计类型的数据分析策略和效应量估计方法的详细介绍。
五、问卷设计与量表开发
问卷是定量研究中最常用的数据收集工具之一，其质量直接决定研究数据的可靠性。高质量的问卷设计遵循以下几个基本原则：题目应当简洁明了、避免引导性和双重否定表述；每个题目应当只测量一个构念，避免双重加载；选项设置应当穷尽且互斥；问卷长度应控制在合理范围内，避免受访者疲劳效应。在问卷结构上，建议从简单、无威胁性的问题开始，逐步过渡到核心研究变量，最后收集人口统计学信息，并在正式发放前进行预测试和认知访谈以发现潜在的表述歧义。
以下是一个关于"工作满意度"测量题目的设计实例，展示了从构念定义到具体题项的转化过程：
| 构念维度 | 操作化定义 | Likert题项示例（1=非常不同意, 5=非常同意） |
|---|---|---|
| 内在满足 | 对工作内容本身的感受 | "我的工作让我有成就感" / "工作内容具有挑战性且有意义" |
| 外在满足 | 对工作条件和回报的评价 | "我对目前的薪资水平感到满意" / "公司提供了良好的福利待遇" |
| 人际关系 | 与同事和管理者的关系质量 | "我与同事之间相处融洽" / "上级管理者给予了充分支持" |
| 发展机会 | 对职业发展前景的感知 | "公司提供了充足的培训和晋升机会" / "我能在工作中不断学到新技能" |
量表开发是一个系统性的心理测量学过程。标准的量表开发流程包括：明确构念的定义和理论边界，生成初始题项池（通常需要目标题项数量的3-5倍），通过专家评审评估内容效度，进行预测试和项目分析（计算区分度、难度、题总相关），利用探索性因子分析探索量表维度结构，利用验证性因子分析确认维度结构的稳定性，最后评估量表的内部一致性信度（Cronbach's alpha）和重测信度。一个成熟的量表往往需要经过多轮数据收集和修订才能在学术社群中获得广泛认可。在量表开发过程中，还应当关注测量不变性（measurement invariance）问题——确保量表在不同群体（如性别、文化）中具有相同的测量结构。
问卷设计中常见的问题类型包括李克特量表（Likert Scale）、语义差异量表（Semantic Differential）、视觉类比量表（Visual Analog Scale）和排序题等。李克特量表是最常用的类型，通常采用5点或7点制，题项应包括正向和反向计分题目以降低反应偏向。语义差异量表通过在两个对立形容词之间设置多级评分来衡量态度的不同维度，适用于评价性构念的测量。不同问题类型的选择应当与目标构念的性质相匹配，避免因格式不匹配导致的有效测量困难。
在多文化研究背景下，量表跨文化适应（Cross-Cultural Adaptation）是一个不可忽视的环节。量表在翻译和适应过程中需要遵循严格的双向翻译流程（前译-回译-专家评审），并通过多组验证性因子分析检验测量不变性。逐步递增的测量不变性检验包括：形态不变性（同一因子结构在不同群体中是否一致）、度量不变性（因子负荷是否跨群组相等）和标量不变性（截距是否跨群组相等）。只有在标量不变性获得支持时，跨群体均值比较才具有实质性的方法论意义。
在问卷的设计和数据分析中，社会期望偏差和共同方法偏差是需要特别关注的问题。社会期望偏差指受访者倾向于给出符合社会规范的答案而非真实想法，可以通过保证匿名性、引入反向计分题目和加入社会期望量表来识别和缓解。共同方法偏差则源于同一受访者在同一时间点用同一测量工具同时报告自变量和因变量，导致人为夸大的相关性。统计上，Harman单因子检验和共同方法因子法是检测共同方法偏差的常用手段；设计上，在问卷中嵌入注意力检验题（如"本题请选择'同意'"）、分离自变量和因变量的测量时点、使用多来源数据等策略能有效降低偏差风险。
（1）双重加载题项："我对公司的管理政策和工作环境感到满意"——此句包含了两个不同的构念，应当拆分为两个独立的题项。（2）引导性措辞："大多数专家认为数据驱动决策很重要，你同意吗？"——应当保持中立措辞。（3）选项失衡：在满意度问卷中仅提供正面选项而缺少反面选项——应当保持选项的对称性和完整性。（4）过长的问卷导致受访者疲劳——建议将完成时间控制在15分钟以内。
六、样本量计算与统计功效
样本量计算是定量研究设计中的关键环节，它直接影响研究能否以足够的统计功效检测到感兴趣的效应。统计功效（Statistical Power）是指在原假设为假时正确拒绝原假设的概率，即1-β（β为第二类错误率）。功效分析涉及四个相互关联的参数：效应量（Effect Size）、样本量、显著性水平（α）和统计功效。在经典的实验设计中，研究者通常设定α=0.05、功效=0.80，然后根据预期的效应量计算所需的最小样本量。
效应量是独立于样本量的标准化效果度量指标，它使不同研究之间的效果比较成为可能。常见的效应量指标包括Cohen's d（两组均值差除以合并标准差，用于t检验）、η²（方差分析中的效应量，表示变异中可由自变量解释的比例）、Pearson's r（两个连续变量之间的相关强度）和比值比OR（分类数据中的效应量）。Cohen（1988）提供了效应量大小的通用参考标准：d=0.2为小效应、d=0.5为中效应、d=0.8为大效应。然而，不同学科领域的效应量实际分布差异显著，研究者应当基于本领域的已有研究和元分析结果来确定具有实际意义的效应量阈值。
G*Power是目前最广泛使用的统计功效分析软件之一，它免费且支持多种统计方法的功效计算。使用G*Power进行样本量计算的基本步骤包括：（1）选择统计方法类型（如t检验、ANOVA、回归等）；（2）选择分析模式——先验功效分析（A Priori：给定效应量和功效求样本量）或事后功效分析（Post Hoc：给定样本量和效应量求功效）；（3）输入效应量、α水平和期望功效水平；（4）获取计算出的最小样本量。例如，使用独立样本t检验检测中等效应（d=0.5），在α=0.05且功效=0.80时，G*Power计算出的每组最少需要约64名被试，总样本量为128名。除G*Power外，R语言中的pwr包、Python中的statsmodels库以及在线工具如GLIMMPSE也可以完成功效分析。
（1）"每个变量需要10-15个样本"的经验法则在简单线性回归中有一定参考价值，但在复杂模型（如结构方程模型、多层线性模型）中明显不足。（2）仅以"前人类似研究使用了多少样本"为由确定样本量是危险的做法，因为前人研究可能本身就存在功效不足的问题。（3）因子分析通常要求样本量不低于300（或题目数的10倍），验证性因子分析则需要500以上的样本量以获得稳定的参数估计。（4）应当始终进行敏感性分析，评估在不同样本量条件下研究结论的稳定性。
在实际研究中，研究者还需要考虑预期缺失率来调整最终招募人数。纵向研究中20%-40%的流失率并不罕见，因此在计算样本量时应当将预期缺失率纳入调整。例如，若功效分析显示需要200名被试，而预期流失率为20%，则初始招募人数应为200/0.80=250名。此外，多层线性模型（如学生嵌套于班级再嵌套于学校的数据结构）的样本量计算更为复杂，需要考虑组内相关系数（ICC）和层级数量对统计功效的影响。在研究方案和基金申请中，清晰的样本量论证和功效分析是评审委员会高度关注的要素，研究者应当详细报告功效分析的所有输入参数和计算结果。
七、定量研究的效度与信度
信度（Reliability）指测量结果的稳定性和一致性。评估信度的主要方法包括：重测信度（同一测量在不同时间点的一致性，通常要求间隔2-4周）、折半信度（将量表分为两半后计算两半之间的相关性，并使用Spearman-Brown校正公式进行调整）、内部一致性信度（所有题项在测量同一构念时的一致性程度，以Cronbach's alpha系数为代表）和评分者间信度（不同评分者对同一对象评分的一致性，以Cohen's Kappa或ICC表示）。一般而言，Cronbach's alpha系数大于0.7被认为是可以接受的信度水平，大于0.8则表明信度良好。需要强调的是，信度是效度的必要但非充分条件——一个测量可以稳定但不准确。
效度（Validity）则关注测量是否真正测量到了它宣称要测量的构念。内容效度评估测量工具是否充分覆盖了目标构念的所有重要维度，通常通过专家评审和文献回顾来建立，可以计算内容效度指数（CVI）来量化评估结果。效标关联效度通过考察测量得分与外部效标之间的关系来验证，分为同期效度（与当前效标的相关性）和预测效度（对未来结果的预测能力）。构念效度是效度评估中最核心也最复杂的层面，它要求研究者提供多方面的证据证明测量确实反映了目标构念而非其他无关因素——收敛效度（与同构念其他测量的高相关，通常要求AVE>0.5）和区分效度（与不同构念测量的低相关，通常要求各构念AVE平方根大于构念间相关系数）是构念效度的两个重要子成分。
外部效度关注研究结论在不同人群、情境和时间条件下的可推广性。增强外部效度的策略包括：采用概率抽样方法确保样本代表性、在多种情境中复制研究设计、以及通过元分析对现有研究进行综合评估。在定量研究中，内部效度和外部效度之间往往存在权衡关系——实验室实验的内部效度高但外部效度有限，而田野调查则恰好相反。高水平的定量研究应当清晰地说明其效度边界，并对结论的可推广范围做出诚实的评估和限定。
信度与效度的关系可以用"射靶"比喻来理解：信度相当于每次射箭落点的稳定程度（是否聚集在同一区域），而效度则相当于落点是否接近靶心。高信度（稳定的偏差）并不能保证高效度——如果测量系统性地偏离目标，即使一致性再高也无法准确测量目标构念。因此，在量表开发和质量评估中，研究者应当首先确认信度达到可接受水平，然后集中精力收集效度证据。
关于实验设计中信效度控制的更深入讨论，可以参见实验设计与数据分析一文，其中详细介绍了不同实验设计类型的数据分析策略和效应量估计方法。关于研究方法论的整体框架和工具链，请参考数据分析工具链综述，了解从数据采集到分析报告的完整工作流和各环节的推荐工具选择。
八、数据分析实战
数据分析是定量研究方法从理论到实践的关键转化环节。以下通过R语言和SPSS语法展示几种常见统计分析的具体实现，帮助研究者建立从方法选择到代码执行的完整工作流。所有代码示例均基于一个假设的"教学方法对学习成绩影响"的研究数据集：其中包含变量group（实验组/对照组，0=对照, 1=实验）、score（后测成绩）、pretest（前测成绩）和satisfaction（满意度评分）。
独立样本t检验是比较两组均值差异最常用的方法，以下分别展示其在R和SPSS中的实现：
# R: 独立样本t检验
# 假设数据框 mydata 包含 group (0=对照, 1=实验) 和 score (后测成绩)
t.test(score ~ group, data = mydata, var.equal = TRUE)
# 若方差不齐，使用 Welch 校正
t.test(score ~ group, data = mydata, var.equal = FALSE)
# 计算效应量 Cohen's d
library(effsize)
cohen.d(score ~ group, data = mydata)
* SPSS: 独立样本t检验.
T-TEST GROUPS=group(0 1)
/VARIABLES=score
/CRITERIA=CI(.95).
单因素方差分析适用于三组及以上均值比较，附带事后多重比较：
# R: 单因素方差分析与事后比较
model <- aov(score ~ teaching_method, data = mydata)
summary(model)
# 事后多重比较 Tukey HSD
TukeyHSD(model)
# 效应量 η²
library(lsr)
etaSquared(model)
* SPSS: 单因素ANOVA与事后比较.
ONEWAY score BY teaching_method
/POSTHOC=TUKEY ALPHA(0.05)
/STATISTICS DESCRIPTIVES.
多元线性回归用于评估多个预测变量对因变量的联合效应：
# R: 多元线性回归
model <- lm(score ~ pretest + group + satisfaction, data = mydata)
summary(model)
# 模型诊断：残差图与Q-Q图
par(mfrow = c(2, 2))
plot(model)
# 共线性诊断 VIF
library(car)
vif(model)
* SPSS: 多元线性回归.
REGRESSION
/DEPENDENT score
/METHOD=ENTER pretest group satisfaction
/STATISTICS COEFF R ANOVA COLLIN TOL
/RESIDUALS HISTOGRAM NORMPROB.
信度分析（Cronbach's alpha）用于评估量表的内部一致性：
# R: Cronbach's alpha
library(psych)
alpha(mydata[, c("item1", "item2", "item3", "item4", "item5")])
# 删除任一题项后的 alpha 变化
alpha(mydata[, c("item1", "item2", "item3", "item4", "item5")], delete = TRUE)
* SPSS: 信度分析.
RELIABILITY
/VARIABLES=item1 item2 item3 item4 item5
/STATISTICS=ALPHA CORR
/SCALE('满意度量表') ALL
/MODEL=ALPHA.
在实际数据分析过程中，研究者应当遵循"先描述、后推断"的原则，先通过描述统计（均值、标准差、频数分布、箱线图）充分了解数据特征，再选择适当的推断统计方法。数据清洗（处理缺失值、异常值检测、正态性检验）应当在正式分析之前完成。数据分析的结果报告应当包括完整的统计量、置信区间和效应量，而非仅报告p值。
在研究报告的撰写中，美国心理学会（APA）格式是最广泛采用的学术报告标准。APA格式要求系统性地报告：研究设计和样本特征、描述统计结果、推断统计的关键统计量（含自由度、效应量和置信区间）、以及结果的理论含义。例如，独立样本t检验的标准报告格式为：t(126)=2.45, p=0.016, d=0.43, 95%CI[0.08, 0.78]。完整的统计报告不仅增强了研究结果的可信度，也便于后续的元分析研究汇总效应量。
关于数据分析工具的整体生态和选择建议，请参考数据分析工具链综述一文，其中详细比较了R、SPSS、Python、Stata、SAS等主流统计软件在不同分析场景中的优势和局限。最后需要强调的是，数据分析技术本身不能解决研究设计缺陷。再精巧的统计方法也无法弥补抽样偏差、测量误差或混淆变量控制不足带来的根本性问题。因此，研究者在投入大量精力学习统计技术的同时，更应当重视研究设计的严谨性——在数据收集之前就将方法学质量的保障措施嵌入研究方案之中，这正是一篇优秀的定量研究论文区别于套用统计模板的根本所在。